Anthropic 的「动态工作流」（现场简称 flows）是一类新的多智能体编排方式：决定怎么组织工作的不是开发者，而是 Claude——主智能体先做出计划，再生成一段编排程序，用它启动子智能体、收集结果、管理彼此之间的信息流。Anthropic 的技术人员 CJ Avilla 与 Harrison Stall 在 2026 年 10 月 12 日的 AI Engineer New York 上讲解了这项能力，它在上一个周五刚刚发布，目前可在 Claude Console 使用。
关键事实
| 项目 | 内容 |
|---|---|
| 回答的问题 | Anthropic 动态工作流：让 Claude 自己决定用几个智能体 |
| 简答 | Anthropic 在 2026 年 10 月 12 日的 AI Engineer New York 上讲解了「动态工作流」（flows）：这是一种多智能体编排能力，上一周的周五刚发布。开发者不再需要自己配一个协调者和一组子智能体，而是由主智能体先做计划，再由 Claude 写出一段编排程序，去启动子智能体、收集结果并管理信息流。该能力已在 Claude Console 提供；现场被问得最多的是「一个任务到底该开几… |
| 阅读时长 | ~3 分钟 |
| 最后更新 | 2026-10-13 |
变了什么
- 成员名单不用你自己配了。 过去的 Claude Managed Agents 需要你配一个协调者加一组子智能体；flows 把这个反了过来，由模型自己选择拓扑结构。
- 先计划，再生成程序。 主智能体先规划任务，它写出的编排程序负责启动子智能体、汇总结论、在阶段之间传递信息。
- 阶段结构仍然存在。 现场演示的是一个股票自选清单扫描器：扫描阶段把一个个股票代码分给上下文彼此隔离的智能体，复核阶段再检查结论，最后产出报告。
- 专家角色仍可固定。 你可以在智能体配置里传入预先设置好的子智能体。
- 过程可以查看。 子智能体的行为可以通过产品里的图形化功能回溯。
Anthropic 为什么要做这件事
现场的类比是 Unix 与 Linux：从 Ken Thompson 写出最初的 Unix，到 Linus Torvalds 之后层层可信的维护者。这个类比不是修辞。Avilla 描述的正是开发者已经在经历的困境：并行跑很多智能体的结果是很多 pull request，而坐在 GitHub 里逐个批准的人，会成为整套安排的「瓶颈和断裂点」。
动态工作流想做的，就是把这种协调工作下推到系统里。如果 Claude 能自己规划任务拆分、跨阶段完成一个个可独立验证的工作单元，那么「同时跑多少智能体」就不再取决于一个人能盯几块看板。
现场真正被问到的问题
问答环节有三条回答值得记下来，因为通常是厂商会略过的部分。
- 智能体数量是默认值问题，不是能力问题。 有人问一次简单的扫描会不会拉出几百个子智能体，Stall 的回答是「评测和更低的默认值」：大规模并行需要被明确要求，而不是默认行为。
- 模型不知道自己的预算。 开发者可以给会话设预算，但运行中的智能体并不知情。Anthropic 顺带说了句轻松的——把预算告诉模型会让它「有点焦虑」——但真问题留在那儿：如果编排者不知道花了多少，谁来盯这笔钱。
- 自我改进没有内置。 被问到工作流能否发现自己的扫描模型不合适、并改变下一次定时运行，Stall 说没有。Anthropic 指向两个相邻机制：爬山法，以及「dreaming」——一个研究预览功能，会读入既有记忆库和过去的会话记录，合并重复项、替换过期或相互矛盾的条目，并把新结论浮现出来。
对「智能体跑在你自己电脑上」意味着什么
编排其实有两个问题，而更聪明的协调者只解决其中一个。怎么把项目拆给多个智能体，是 Anthropic 在做的这一半；每个工作单元最终要落到真实文件、真实命令、真实桌面上执行，是另一半，而且这一半仍然在本地——所以无论规划器变得多强，一个原生跑在 Windows 上、先给方案、等你点头再动手的智能体都还有它的位置。MOOGH 就是这一半，可以免费下载。
接下来盯什么
- 在没有演示脚本、范围本身就模糊的任务上，编排质量是否还站得住。
- 当 flows 从会话走向定时运行，预算会以什么方式暴露和封顶。
- 那个图形化视图，是否足够审计一次大规模并行到底做了什么。
常见问题
- 用 flows 必须上 Managed Agents 吗？ 它是 Managed Agents 体系里的能力，通过 Claude Console 使用。
- 只适合大项目吗？ 官方口径是面向更有野心的负载，但现场演示刻意选了一个不大的例子，展示的是模式而不是规模。
- 主智能体写的代码要我来维护吗？ 它为本次运行写的是编排程序；你要检查的是计划和各阶段，而不是接手一个代码库。
相关阅读：