前言

如果你曾让 Claude Code 处理一个复杂的大型任务，可能会遇到这三种情况：它干到一半就“偷懒”停下了、它固执地偏爱自己的方案、或者聊着聊着就忘了最初要做什么。这就是 Claude 在单上下文窗口中长期运行时常出现的目标漂移、自我偏好和提前终止问题。

现在，Claude Code 推出了一项全新特性——动态工作流（Dynamic Workflows），它让 Claude 从一个“聊天助手”进化为“真正的 AI 工程团队负责人”。本文将带你从零理解这项功能，并给出完整的项目落地流程。

---

一、什么是动态工作流？

一句话定义：动态工作流是一个“任务总指挥”——它会针对你的复杂目标，自动生成一份严谨的 JavaScript 执行方案，然后调度最多 1000 个 AI 专家（子智能体）并行协作，直到目标达成为止。

1.1 它解决了什么问题？

失败模式	表现
智能体偷懒	在多步骤任务中，Claude 只取得部分进展就宣布完成
自我偏好偏差	要求依据标准评判自己的结果时，Claude 总给自己打高分
目标漂移	经过多轮对话或上下文压缩后，原始要求逐渐丢失

动态工作流通过多智能体编排，让每个子智能体拥有独立的上下文窗口和聚焦的目标，有效对抗上述问题。

1.2 与普通 AI 助手的区别

方面	普通 AI 助手	动态工作流
工作方式	单打独斗，容易目标漂移	先规划脚本，再并行调度多个专家，后台持续运转直到问题彻底解决
可恢复性	会话中断后需从头开始	内置持久化，中断后可从中断点恢复
最终成果	直接给出答案	提供经过跨领域验证的分析报告和方案

💡 Claude Code 目前有四种协作模式：Session（单会话）、Sub‑agents（带几个干将）、Agent Teams（管理层开会）、Dynamic Workflows（任务总指挥）。动态工作流是最高阶形态。

---

二、核心运行机制

2.1 “大脑”——任务规划师

当你发出自然语言指令后，Claude 不会直接干活，而是先扮演“总指挥”和“脚本作者”，将你的目标转化为一份可执行的 JavaScript 编排脚本。这份脚本可以包含循环、分支、并行逻辑，甚至调用子智能体。

2.2 “双手”——AI 专家团队

脚本执行时，运行时系统会立即调度一批子智能体并行执行任务：

• 最多可调度 1000 个 子智能体
• 同一时间最多并行运行 16 个
• 每个子智能体聚焦自己的细分领域，独立消耗 token

2.3 工作流程图

---

三、典型使用场景与实例

3.1 规划与需求分析

示例 Prompt：“创建一个工作流，并行分析 src/ 下所有核心业务模块，总结每个模块的功能、依赖关系和潜在的代码坏味，最后生成一份结构化的分析报告。”

工作流会并行探索整个代码库，而不是逐个文件阅读。

3.2 编码实现——大规模重构

示例 Prompt：“将项目中所有旧的 fetch() 调用迁移到新的 HttpClient。”

Claude 生成工作流，将数百个文件分配给多个子智能体并行修改，完成后自动运行测试验证。

3.3 质量保证——对抗性审查

示例 Prompt：“创建一个红队/蓝队工作流。一个子智能体实现新功能，另一个子智能体扮演攻击者，尝试找出 Bug 和安全漏洞。”

3.4 标杆案例：75万行代码的跨语言迁移

Bun 的创始人 Jarred Sumner 使用动态工作流将 Bun 运行时从 Zig 迁移到 Rust：

• 产出 约 75 万行 Rust 代码
• 测试套件通过率 99.8%
• 整个过程（首次提交到合并）仅用 11 天

工作分配策略：

• 一个工作流负责 Rust 结构字段的生命周期规划
• 多个工作流并行转换每个 Zig 文件
• 一个专门的工作流持续驱动“修复循环”
• 还有一个夜间运行的工作流，自动寻找并消除不必要的内存拷贝

---

四、完整使用方法（项目落地流程）

4.1 准备阶段：环境与规范

✅ 1. 安装与升级 Claude Code

确保版本在 v2.1.154 或以上。

claude --version

✅ 2. 启用动态工作流

动态工作流目前是“研究预览版”功能，需要手动开启：

方法一：环境变量（推荐）

export CLAUDE_CODE_WORKFLOWS=1
claude

⚠️ 如果使用 settings.json，务必确保值是字符串 "1" 而不是数字 1。

方法二：对话内启用
在 Claude Code 中输入 /config，在设置界面找到“Dynamic workflows”选项并开启。

验证启用状态：输入 /workflows 命令，如果能打开监控界面即表示成功。

✅ 3. 项目知识沉淀

• CLAUDE.md：放在项目根目录，定义项目结构、编码规范、常用命令等硬性约束。工作流会自动读取并遵循。
• Skills：将可复用的复杂任务流程（如“创建一个新的 React 组件”）打包成技能，Claude 遇到相关任务时可自动调用。

✅ 4. 配置 Hooks 自动化守护

在 .claude/hooks.json 中定义钩子：

{
  "PreToolUse": [
    {
      "tool": "Bash",
      "command": "bash .claude/hooks/block-dangerous-commands.sh"
    }
  ],
  "PostToolUse": [
    {
      "tool": "Write",
      "command": "npx prettier --write $CLAUDE_FILE_PATH"
    }
  ]
}

常用钩子：

• 安全守卫：拦截 rm -rf / 等危险命令
• 代码质量门禁：自动格式化、运行 lint
• 任务完整性检查：强制要求所有测试通过才能判定完成

4.2 执行阶段：开发流水线

📌 触发工作流

直接向 Claude 描述你的目标，要求“创建一个工作流”。例如：

“使用工作流，浏览我最近 50 次会话，挖掘我反复做出的修正，并把重复出现的修正变成 CLAUDE.md 规则。”

📌 审查脚本并执行

Claude 会生成一个 JavaScript 脚本供你确认。仔细审查，确保没有恶意操作后，输入 y 执行。

📌 实时监控

输入 /workflows 打开监控面板，可以查看每个子智能体的状态和 token 消耗。

📌 结果不满意？

可以随时中断（Ctrl+C），然后要求 Claude 调整脚本或重新规划。

4.3 存档与复用

成功的脚本文件会被保存在：

• 项目级：.claude/workflows/
• 用户级：~/.claude/workflows/

你可以随时调用已有的工作流：

“调用 deep_research 这个工作流，分析一下新引入的支付模块的安全漏洞。”

---

五、成本与限制

💰 Token 消耗

动态工作流会显著增加 token 使用量，可能是普通会话的 数倍到几十倍。因为每次运行都会生成脚本，并调用多个独立的子智能体。

控制成本小技巧：利用环境变量进行“成本隔离”。例如，将消耗 token 较多的子智能体配置为使用更经济的模型（如 DeepSeek-V3），主智能体保留最强的模型。

export CLAUDE_SUBAGENT_MODEL_MAP='{"explorer":"deepseek-v3","summarizer":"claude-3.5-sonnet"}'

⚠️ 当前限制

限制项	说明
预览阶段	功能仍在积极开发中，可能存在 bug
安全漏洞历史	早期版本存在长链子命令绕过安全确认的问题，请保持更新
脚本有效期	早期版本生成的临时脚本仅保留 3 天
并非万能	简单任务使用动态工作流反而浪费资源，适合大规模、可分解的复杂场景
权限要求	Pro 用户需手动开启；Max / Team / Enterprise 默认开启

---

六、总结

动态工作流是 Claude Code 从“对话式 AI”迈向“真正的 AI 工程团队负责人”的关键一步。它通过动态生成 JavaScript 编排脚本、调度大量子智能体并行工作，有效解决了长上下文任务中的偷懒、偏见和目标漂移问题。

如果你正在处理以下任务，强烈建议尝试动态工作流：

• 大规模代码迁移或重构（数百个文件以上）
• 跨多个仓库的同步修改
• 复杂的根因分析（需要并行探索多种假设）
• 自动化质量保障（红蓝对抗、边缘情况挖掘）

当然，也要注意它的 token 成本和学习曲线。建议先在非关键的小型实验任务上熟悉流程，再逐步应用到核心项目中。

---

参考资料

• Claude Code 官方文档 - Dynamic Workflows
• WaytoAGI 飞书文档 - 每个任务都有自己的运行框架

本文根据公开资料和社区实践经验整理，如有更新请以官方文档为准。