Claude Opus 4.8 Dynamic Workflows：6種模式與10個場景詳解
整理版優先睇
Claude Opus 4.8 Dynamic Workflows 係一個根據任務動態生成子智能體協作嘅框架，解決長任務常見嘅偷懶、偏差同目標漂移問題。
呢篇文章係由有13年後端開發經驗嘅蒼一所寫，佢正在探索AI編程嘅全生命週期最佳實踐。文章主要介紹Claude Opus 4.8新增嘅Dynamic Workflows功能，呢個功能容許用戶根據具體任務動態生成定製化Harness，自動創建同協調多個Subagent去完成複雜長任務。作者指出默認Claude Code喺處理長任務時有三個通病：智能體偷懶、自我偏好偏差同目標漂移。Dynamic Workflows通過協調多個獨立Claude實例，每個有獨立上下文窗口同聚焦目標，從而解決呢啲問題。
文章詳細解釋咗Dynamic Workflows同Static Workflows嘅分別，Static Workflows結構固定，而Dynamic Workflows靈活度更高，由Claude自己為具體場景編寫Harness。之後，佢介紹咗6種核心模式：分類與路由、扇出與聚合、對抗性驗證、生成與篩選、錦標賽、循環直到完成。每種模式都有具體用法同適用場景。
最後，文章列出咗10個實際應用場景，包括代碼遷移、深度研究、排序、記憶與規則遵守等，並強調唔係每個任務都需要用Workflows，因為會消耗更多Token。作者建議將Workflow視為模板，配合/goal同/loop使用，並可以保存同分享。整體結論係Dynamic Workflows係一個強大但需要審慎使用嘅工具，專為拓展Claude Code極限而設。
- Dynamic Workflows 由 Claude 根據任務動態生成 Harness，自動協調多個獨立 Subagent 解決長任務嘅三大通病：偷懶、偏差同目標漂移。
- 6 種核心模式包括分類路由、扇出聚合、對抗驗證、生成篩選、錦標賽同循環完成，每種模式針對特定問題類型。
- 10 個場景涵蓋代碼重構、深度研究、排序、記憶規則、根因調查等，顯示 Workflow 嘅廣泛適用性。
- 關鍵差異：Static Workflows 結構固定，Dynamic Workflows 容許 Claude 自行定製，靈活度更高，但 Token 消耗更多。
- 可行動點：用觸發詞 'ultracode' 或叫 Claude 創建 Workflow；保存到 ~/.claude/workflows 並結合 /goal 同 /loop 使用；優先處理真正需要極限場景嘅任務，避免濫用。
Claude Code GitHub
Anthropics 嘅 Claude Code 官方倉庫，包含 Dynamic Workflows 相關文檔同範例。
Dynamic Workflows 係咩？點解需要用佢？
Dynamic Workflows 係 Claude Opus 4.8 新增嘅功能，容許用戶根據具體任務動態生成定製化嘅 Harness，自動創建同協調多個 Subagent 完成複雜長任務。底層係一個 JavaScript 文件，包含用嚟生成同協調子智能體嘅特殊函數，同時支援標準 JS 內置對象。Workflow 可以控制每個智能體用嘅模型，同埋係咪喺獨立嘅 worktree 中運行，從而實現唔同層次嘅智能水平同隔離程度。如果執行中斷，恢復會話後可以從斷點繼續。
- 1 智能體偷懶，未做完就話完成
- 2 自我偏好偏差，Claude 傾向相信自己生成嘅結果
- 3 目標漂移，經過多輪對話同上下文壓縮後，原始目標忠實度逐漸喪失。Dynamic Workflows 通過協調多個獨立 Claude 實例——每個有獨立上下文窗口同聚焦目標——解決呢啲問題。
6 種核心模式同 10 個場景
Dynamic Workflows 有 6 種核心模式，每種模式都有特定用途。作者亦列出咗 10 個實際應用場景，展示點樣將模式應用到真實工作中。
- 1 分類與路由：用分類器智能體判斷任務類型，再路由到唔同處理分支；亦可以喺流程末尾用分類器決定最終輸出。
- 2 扇出與聚合：將大任務拆成多個小步驟，每個步驟由獨立智能體執行，最後聚合結果，每個步驟有乾淨獨立嘅上下文。
- 3 對抗性驗證：為每個生成智能體配一個對手智能體，按評估標準對其輸出進行對抗性驗證。
- 4 生成與篩選：圍繞主題生成多個創意，再通過評估標準篩選，去重後只保留經過驗證嘅高質量結果。
- 5 錦標賽：讓多個智能體用唔同方法完成同一任務，由裁判智能體兩兩對比評判，最終選出勝者。
- 6 循環直到完成：對工作量未知嘅任務，持續生成智能體直到滿足停止條件，例如無新發現或日誌無錯誤。
10 個場景包括：代碼遷移與重構（Bun 團隊曾用 Workflows 將 Zig 重寫為 Rust）、深度研究（Claude Code 內部已發佈基於 Dynamic Workflows 嘅深度研究 Skill）、深度驗證、排序（用錦標賽或兩兩對比流水線）、記憶與規則遵守（為每條規則分配驗證智能體）、根因調查（從多個證據源生成假設，再用評審團檢驗）、大規模分流（隔離模式讀取不可信內容）、探索與選擇（基於品味嘅決策）、評測（派生獨立智能體運行評測）、模型與智能路由（分類器決定用邊款模型）。
實用技巧同咩時候唔好用
Workflows 會消耗更多 Token，唔係每個任務都需要。大多數常規編程任務唔需要一個由 5 名審查員組成嘅專家組。應該將 Workflow 用喺真正需要拓展 Claude Code 極限 嘅場景上。
實用技巧：結合 /goal 設定硬性完成指標，結合 /loop 實現定期運行。可以喺提示詞中設定 Token 預算，例如 'use 10k tokens'。保存方式：喺工作流菜單中按 s 鍵，文件保存到 ~/.claude/workflows，亦可以放入 Skill 文件夾通過 SKILL.MD 引用分發。將 Workflow 視為 模板 而非嚴格腳本，靈活度更高。
大家好，我係蒼一，一個做咗13年後端開發嘅人，正喺度探索AI編程，由產品到開發嘅全生命週期最佳實踐，如果你有興趣，歡迎關注👇，睇我點樣自我革命。
Dynamic Workflows 係乜嘢
Claude Opus 4.8 新增嘅 Dynamic Workflows 功能，容許用戶根據具體任務動態生成度身訂造嘅 Harness，自動創建同協調多個 Subagent 完成複雜長任務。呢啲 Workflow 可以保存、分享、重複用。
佢嘅底層實現係一個 JavaScript 文件，入麪包含用來生成同協調子智能體嘅特殊函數，同時支援標準 JS 內置對象好似 JSON、Math、Array。Workflow 可以控制每個智能體用嘅模型，以及係咪喺獨立嘅 worktree 中運行，從而做到唔同層次嘅智能水平同隔離程度。如果執行中斷，恢復會話之後可以從斷點繼續。
點解需要佢：Claude 處理長任務嘅三個通病
默認 Claude Code 喺單個上下文窗口中同時規劃同執行任務，對簡單編程好高效，但喺長時間、大規模並行、高度結構化嘅對抗性任務中容易出現三種失效模式：
1️⃣ 智能體偷懶
任務未做完就話完成咗。例如 50 項安全審查只做咗 20 項就停低。
2️⃣ 自我偏好偏差
Claude 傾向相信佢自己生成嘅結果，尤其係被要求驗證或評判自己嘅產出時。
3️⃣ 目標漂移
經過多輪對話同上下文壓縮之後，原始目標嘅忠實度會逐漸下降。每次總結都有損耗，邊緣情況同限制條件容易唔見咗。
Dynamic Workflows 透過協調多個獨立嘅 Claude 實例解決呢啲問題——每個實例有獨立嘅上下文窗口同聚焦目標。
同 Static Workflows 嘅分別
之前透過 Claude Agent SDK 或者 claude -p 創建嘅係 Static Workflows，結構固定，Agent 類型同執行步驟預先定義好。因為要適應所有邊緣情況，Static Workflows 通常比較通用。而 Dynamic Workflows 係畀 Claude 自己為你嘅具體場景編寫度身訂造嘅 Harness，靈活度更高。
觸發方式係叫 Claude 創建 Workflow，或者用觸發詞 ultracode。
6 種核心模式
4️⃣ 分類與路由
用分類器智能體判斷任務類型，然後路由到唔同嘅處理分支。亦都可以喺流程尾段用分類器決定最終輸出。
5️⃣ 扇出與聚合
將大任務拆成多個小步驟，每個步驟由獨立智能體執行，最後聚合結果。每個步驟有乾淨嘅獨立上下文，避免交叉污染。聚合步驟會等所有子任務完成之後合併結構化輸出。
6️⃣ 對抗性驗證
為每個生成智能體配一個對手智能體，根據評估標準對佢嘅輸出進行對抗性驗證。
7️⃣ 生成與篩選
圍繞主題生成多個創意，再透過評估標準篩選，去重之後只保留經過驗證嘅高質素結果。
8️⃣ 錦標賽
叫多個智能體用唔同方法完成同一個任務，由裁判智能體兩兩對比評判，最後揀出贏家。
9️⃣ 循環直到完成
對工作量唔確定嘅任務，持續生成智能體直到滿足停止條件（無新發現或者日誌無錯誤），而唔係固定運行次數。
10 個實際應用場景
🔟 代碼遷移與重構
Bun 團隊曾經用 Workflows 將底層代碼從 Zig 重寫成 Rust。方法係將任務分解成需要操作嘅步驟（調用點、失敗測試、模塊等），喺 worktree 中為每個要修復嘅地方派生子智能體，再用另一個智能體做對抗性審查，最後合併。建議限制高資源消耗命令，以便喺本地機器上實現最大並行度。
1️⃣1️⃣ 深度研究
Claude Code 內部已經發佈咗基於 Dynamic Workflows 嘅深度研究 Skill。佢並發執行網絡搜索、獲取源內容、對抗性驗證主張，最終綜合生成附有引用文獻嘅報告。類似方法亦都可以用嚟從 Slack 上下文彙編狀態報告，或者深入代碼庫研究功能原理。
1️⃣2️⃣ 深度驗證
對報告中每個事實主張生成獨立子智能體逐一檢查。仲可以加多層驗證智能體嚟審查負責揾來源嘅子智能體，確保來源質素。
13️⃣ 排序
對大量條目按定性標準排序嗰陣，單次提示詞處理 1000 行以上質素會明顯下降。解決方案係運行錦標賽、構建兩兩對比流水線（對比評判比分數評判更可靠），或者並行桶排序後合併。每次對比係獨立 Agent，主循環只係維護對戰結構。
14️⃣ 記憶與規則遵守
如果有啲規則就算寫咗入 CLAUDE.md 都成日被忽略，可以創建 Workflow 為每條規則分配驗證智能體，用扮演懷疑者角色嘅子智能體審查，減少誤報。反方向操作一樣有效：挖掘歷史會話同代碼審查，用並行智能體聚類重複修正，對抗性驗證每個候選規則，最後沉澱返入 CLAUDE.md。
15️⃣ 根因調查
調試嗰陣啟動多個 Agent 從唔同證據源（日誌、文件、數據）分別生成假設，每個假設經過驗證者同反駁者組成嘅評審團檢驗。適用於代碼調試、銷售分析、數據工程流水線排查等任何覆盤場景。
16️⃣ 大規模分流
對支援隊列、Bug 報告等積壓工作進行分類、去重、採取行動。實用模式係隔離（quarantine）——讀取唔可信公開內容嘅智能體禁止執行高權限操作，高權限操作由專門嘅行動智能體執行。結合 /loop 可以做到持續運行。
17️⃣ 探索與選擇
喺探索設計方案或者改名呢啲基於品味嘅決策嗰陣，叫 Claude 探索多種方案並畀審查智能體一套評估標準。滿足標準嘅時候任務完成，亦可以用錦標賽嚟排序篩選。
18️⃣ 評測
喺 worktree 中派生獨立智能體運行輕量評測，再派生對比智能體按標準對輸出評分。例如根據特定標準評估同優化某個 Skill。
19️⃣ 模型與智能路由
創建分類器智能體決定用邊款模型。尤其係任務涉及大量工具調用嗰陣好有用。分類器會先做前置調研（例如檢查代碼庫規模同形態），再根據預期複雜度路由到 Sonnet 或者 Opus。
幾時唔好用
Workflows 會消耗更多 Token，唔係每個任務都需要。大部份常規編程任務唔需要一個由 5 個審查員組成嘅專家組。將佢用喺真正需要擴展 Claude Code 極限嘅場景度。
實用技巧
提示詞寫得越詳細，結合上述模式，效果越好。Workflow 唔限於大任務，可以用 "quick workflow" 做快速對抗性審查。
結合 /goal 設定硬性完成指標，結合 /loop 做到定期運行。可以喺提示詞中設定 Token 預算，例如 "use 10k tokens"。
保存方式：喺工作流菜單中按 s 鍵，文件保存到 ~/.claude/workflows，亦可以放入 Skill 文件夾透過 SKILL.MD 引用分發。將 Workflow 視為模板而唔係嚴格腳本，靈活度更高。
參考連結：https://github.com/anthropics/claude-code
如果嫌文章太長、怕後面走失，可以關注下面嘅ima知識號，等呢篇文章成為你嘅知識顧問，隨時隨地等你提問。
知識號入面嘅內容會以筆記形式分享，可以根據大家嘅反饋同實測情況，實時更新，保證最新方案嘅穩定同可用。
【ima 知識庫】
大家好，我是蒼一，一個幹了13年的後端開發，正在探索AI編程，從產品到開發的全生命週期最佳實踐，如果您感興趣，歡迎關注👇，看我如何自我革命。
Dynamic Workflows 是什麼
Claude Opus 4.8 新增的 Dynamic Workflows 功能，允許用戶根據具體任務動態生成定製化的 Harness，自動創建和協調多個 Subagent 完成複雜長任務。這些 Workflow 可以保存、分享、反覆使用。
它的底層實現是一個 JavaScript 文件，其中包含用於生成和協調子智能體的特殊函數，同時支持標準 JS 內置對象如 JSON、Math、Array。Workflow 可以控制每個智能體使用的模型，以及是否在獨立的 worktree 中運行，從而實現不同層次的智能水平和隔離程度。如果執行中斷，恢復會話後能從斷點繼續。
為什麼需要它：Claude 處理長任務的三個通病
默認 Claude Code 在單個上下文窗口中同時規劃與執行任務，對簡單編程很高效，但在長時間、大規模並行、高度結構化的對抗性任務中容易出現三種失效模式：
1️⃣ 智能體偷懶
任務還沒做完就宣佈完成。比如 50 項安全審查只做了 20 項就停下來。
2️⃣ 自我偏好偏差
Claude 傾向於相信自己生成的結果，被要求驗證或評判自身產出時尤其明顯。
3️⃣ 目標漂移
經過多輪對話和上下文壓縮後，原始目標的忠實度逐漸喪失。每次總結都是有損的，邊緣情況和限制條件容易丟失。
Dynamic Workflows 通過協調多個獨立 Claude 實例解決這些問題——每個實例擁有獨立的上下文窗口和聚焦目標。
與 Static Workflows 的區別
此前通過 Claude Agent SDK 或 claude -p 創建的是 Static Workflows，結構固定，Agent 類型和執行步驟預定義。因為要適配所有邊緣情況，Static Workflows 通常比較通用。而 Dynamic Workflows 讓 Claude 自行為你的具體場景編寫定製 Harness，靈活度更高。
觸發方式是讓 Claude 創建 Workflow，或使用觸發詞 ultracode。
6 種核心模式
4️⃣ 分類與路由
用分類器智能體判斷任務類型，再路由到不同處理分支。也可以在流程末尾用分類器決定最終輸出。
5️⃣ 扇出與聚合
將大任務拆成多個小步驟，每個步驟由獨立智能體執行，最後聚合結果。每個步驟擁有乾淨的獨立上下文，避免交叉污染。聚合步驟等待所有子任務完成後合併結構化輸出。
6️⃣ 對抗性驗證
為每個生成智能體配一個對手智能體，按評估標準對其輸出進行對抗性驗證。
7️⃣ 生成與篩選
圍繞主題生成多個創意，再通過評估標準篩選，去重後只保留經過驗證的高質量結果。
8️⃣ 錦標賽
讓多個智能體用不同方法完成同一任務，由裁判智能體兩兩對比評判，最終選出勝者。
9️⃣ 循環直到完成
對工作量未知的任務，持續生成智能體直到滿足停止條件（無新發現或日誌無錯誤），而非固定運行次數。
10 個實際應用場景
🔟 代碼遷移與重構
Bun 團隊曾用 Workflows 將底層代碼從 Zig 重寫為 Rust。方法是將任務分解為需要操作的步驟（調用點、失敗測試、模塊等），在 worktree 中為每處修復派生子智能體，再用另一個智能體進行對抗性審查，最後合併。建議限制高資源消耗命令，以在本地機器上實現最大並行度。
1️⃣1️⃣ 深度研究
Claude Code 內部已發佈基於 Dynamic Workflows 的深度研究 Skill。它併發執行網絡搜索、獲取源內容、對抗性驗證主張，最終綜合生成帶引用文獻的報告。類似方法也可用於從 Slack 上下文彙編狀態報告，或深入代碼庫研究功能原理。
1️⃣2️⃣ 深度驗證
對報告中每個事實主張生成獨立子智能體逐一檢查。還可以加一層驗證智能體來審查負責找來源的子智能體，確保來源質量。
13️⃣ 排序
對大量條目按定性標準排序時，單次提示詞處理 1000 行以上質量會明顯下降。解決方案是運行錦標賽、構建兩兩對比流水線（對比評判比絕對打分更可靠），或並行桶排序後合併。每次對比是獨立 Agent，主循環只維護對戰結構。
14️⃣ 記憶與規則遵守
如果某些規則即使寫入 CLAUDE.md 也常被忽略，可以創建 Workflow 為每條規則分配驗證智能體，用扮演懷疑者角色的子智能體審查，減少誤報。反向操作同樣有效：挖掘歷史會話和代碼審查，用並行智能體聚類重複修正，對抗性驗證每個候選規則，最終沉澱回 CLAUDE.md。
15️⃣ 根因調查
調試時啓動多個 Agent 從不同證據源（日誌、文件、數據）分別生成假設，每個假設經過驗證者和反駁者組成的評審團檢驗。適用於代碼調試、銷售分析、數據工程流水線排查等任何覆盤場景。
16️⃣ 大規模分流
對支持隊列、Bug 報告等積壓工作進行分類、去重、採取行動。實用模式是隔離（quarantine）——讀取不可信公開內容的智能體禁止執行高權限操作，高權限操作由專門的行動智能體執行。結合 /loop 可實現持續運行。
17️⃣ 探索與選擇
在探索設計方案或命名等基於品味的決策時，讓 Claude 探索多種方案並給審查智能體一套評估標準。滿足標準時任務完成，也可用錦標賽排序篩選。
18️⃣ 評測
在 worktree 中派生獨立智能體運行輕量評測，再派生對比智能體按標準對輸出評分。例如根據特定標準評估和優化某個 Skill。
19️⃣ 模型與智能路由
創建分類器智能體決定使用哪種模型。任務涉及大量工具調用時尤其有用。分類器先做前置調研（如檢查代碼庫規模和形態），再根據預期複雜度路由到 Sonnet 或 Opus。
什麼時候不要用
Workflows 會消耗更多 Token，不是每個任務都需要。大多數常規編程任務不需要一個由 5 名審查員組成的專家組。把它用在真正需要拓展 Claude Code 極限的場景上。
實用技巧
提示詞寫得越詳細，結合上述模式，效果越好。Workflow 不限於大任務，可以用"quick workflow"做快速對抗性審查。
結合 /goal 設定硬性完成指標，結合 /loop 實現定期運行。可以在提示詞中設定 Token 預算，如"use 10k tokens"。
保存方式：在工作流菜單中按 s 鍵，文件保存到 ~/.claude/workflows，也可以放入 Skill 文件夾通過 SKILL.MD 引用分發。將 Workflow 視為模板而非嚴格腳本，靈活度更高。
參考連結：https://github.com/anthropics/claude-code
如果嫌文章太長、怕後面走丟，可以關注下面的ima知識號，讓這篇文章成為你的知識顧問，隨時隨地等候你的提問。
知識號中內容會以筆記形式分享，可以根據大家反饋和實測情況，實時更新，保證最新方案的穩定、可用。
【ima 知識庫】