机器之心剪辑部

上周，Claude Code 发布了一个新智商：动态使命流。

该功能允许 Claude 根据具体任务即时编写定制化实践框架，合作多个子 Agent 并欺骗命，贬责大规模、高并行、抵挡性任务中的系统性失效问题。

近日，Anthropic 工程师 Thariq 发了篇长文，分享了他领先的使命流教养和心得。

咱们对此进行了全文整理译述。

在深刻本事细节之前，Thariq 先提供了一些示例领导，来让咱们交融使命流的后劲：

「这个测试可能每 50 次开动失败一次。成就一个使命流，叠加开动测试，造成假定，并在使命树中对其进行抵挡性考证 / 标的：约束尝试，直到有一个假定得胜。」

「使用使命流，追念我最近的 50 次会话，挖掘我反复犯的时弊，并将这些叠加性问题生成 CLAUDE.md 章程。」

「用使命流翻查昔日六个月 Slack 的 #incidents 频谈，找出反复出现、但还莫得东谈主提交工单的压根原因。」

「拿我的贸易探求，开动一个使命流，让不同的 Agent 从投资者、客户和竞争敌手的角度进行拆解。」

「这里有一个包含 80 份简历的文献夹，用使命流对其进行名次，选出后端岗亭的最好候选，并对前十名进行复核。使用 AskUserQuestion 器具进行口试评分。」

「我需要给这个 CLI 器具取名。使用使命流生成多个选项，并进行淘汰赛选出前三个最好有谈论。」

「使用使命流，将咱们的 User 模子重定名为 Account。」

「审查我的博客著述草稿，使用使命流考证每一项本事声明是否顺应代码库，确保不发布时弊信息。」

动态使命流若何使命

动态使命流实践一个包含特殊函数的 JavaScript 文献，这些函数匡助生成和合作子 Agent。

同期，动态使命流还包括尺度 JavaScript 功能，如 JSON、Math 和 Array，用于处理数据。

动态使命流不错决定一个 Agent 使用的模子类型，以及子 Agent 是否在沉寂的使命树中开动，从而让 Claude 礼聘所需的智能水和缓箝制方式。

淌若使命流中断，例如被用户操作或终局退出，规复会话时，使命流不错从中断点络续实践。

为何使用动态使命流

当咱们使用默许 Claude Code 框架实践任务时，它需要在团结个潦倒文窗口中同期进行探求和实践。对于好多编程任务，这特殊灵验，但在永劫刻开动、大规模并行或高度结构化的抵挡任务中，巧合会出现问题。

原因在于，Claude 在单个潦倒文窗口中处理复杂任务时刻越长，就越容易出现以下几类失败模式：

智能体懒惰（Agentic laziness）：Claude 在处理复杂多要领任务时可能提前罢手，声称任务完成，例如只处理 50 条安全审查中的 20 条。

自我偏好偏差（Self-preferential bias）：Claude 倾向于偏向我方的驱散或发现，尤其在需要考证或评估时。

标的漂移（Goal drift）：在多轮操作中，任务标的逐步偏离，极端是在压缩总结之后，细节如旯旮案例或「辞谢作念 X」的经管可能丢失。

创建使命流不错通过为不同标的分派沉寂潦倒文窗口的 Claude 实例来幸免这些问题，每个实例专注、箝制任务标的。

动态与静态使命流的区别

你可能之前使用 Claude Agent SDK 或 claude -p 创建过静态使命流，以合作多个 Claude Code 实例。

静态使命流需兼顾通盘极点情况，因此鄙俗更通用。而使用 Claude Opus 4.8 的动态使命流，Claude 当今大约生成针对你的特定用例定制的智能框架。

动态使命流的常用模式

你不错平直让 Claude 生成动态使命流，或者使用触发词「ultracode」确保 Claude Code 创建使命流。

交融动态使命流的常用模式，有助于判断何时使用以及若何通过领导带领 Claude：

分类并实践（Classify-and-act）：使用分类器 Agent 决定任务类型，然后根据任务路由到不同 Agent 或步履，也可在临了使用分类器判断输出。

分发并汇总（Fan-out-and-synthesize）：将任务拆分红多个小要领，每个要领由一个 Agent 处理，然后汇总驱散。极端稳妥宽广小要领或每步需要沉寂潦倒文的情况。汇总要表示恭候通盘分发 Agent 完成，然后将结构化输出合并。

抵挡性考证（Adversarial verification）：每个子 Agent 的输出都由另一个 Agent 对照评判尺度进行抵挡性考证。

生成并筛选（Generate-and-filter）：生成多个念念法，然后根据评判尺度筛选，去重，只复返高质料且考证过的念念法。

竞赛（Tournament）：让多个 Agent 以不同方式实践疏导任务，再通过评判 Agent 两两比较驱散，选出最优。

轮回直到完成（Loop until done）：对于使命量未知的任务，轮回生成 Agent，直到餍足罢手条件（无新发现或日记中无更多时弊），而非固定轮次。

用例

搬动与重构

Bun 从 Zig 重写到 Rust，即是用 workflows 完成的。

要津是把任务拆成一系列不错迟缓处理的小单位，比如调用点、失败测试、模块等。每一个建设都在沉寂的 worktree 里派出一个子 Agent 去完成；之后再让另一个 Agent 作念抵挡式审查，证实没问题后再合并。

淌若但愿尽可能并行，又不念念把本机资源打满，不错明确告诉 Agent 不要开动资源铺张很高的号召。

深度探求

咱们在 Claude Code 里发布了一个深度探求 skill（/deep-research），它使用的即是动态 workflows。

具体来说，它会并行伸开网页搜索，捏取贵府开端，对其中的说法作念抵挡式考证，临了整合成一份带援用的探求答复。

不外，这类探求并不单限于网页搜索。比如，你也不错让 Claude 从 Slack 的潦倒文里整理一份现象答复，或者让它深刻浏览代码库，探求某个功能到底是若何收尾的。

深度考证

另一方面，淌若你有一份答复，并但愿逐个核查其中援用的每一项事实诠释偏执开端，你不错构建一套使命流：先由一个智能体负责识别出通盘的事实诠释，随后派生出一个子智能体，2026世界杯在线买输赢平台对每一项诠释进行详备的核查。此外，你还不错引入一个考证智能体，特地对负责溯源的子智能体进行复核，以确保其所援用的开端具备高质料。

排序

你可能会有一批要求，念念按某种定性的尺度来排序，而这个尺度又是 Claude Code 比较擅长判断的。比如，把复旧工单按 bug 严重进度排序。

但淌若你念念在一个 prompt 里一次性处理 1000 多行，质料很容易着落，何况潦倒文也放不下。更好的作念法是跑一场「锦标赛」：搭建一条由两两比较 Agent 构成的活水线。比较平直打弥散分，两两比较鄙俗更可靠。

也不错先并行分桶排序，再把驱散合并。每一次比较都交给一个沉寂 Agent 完成，详情味的轮回负责贵重通盘比赛括号，简直留在潦倒文里的，只须现时正在实践的规则。

挂牵与章程罢职

淌若你发现存一组章程，即便写进 CLAUDE.md，Claude 仍然时常漏掉或实践不好，则不错特地作念一个使命流：把这些章程列出来，让考证 Agent 逐条检查。每条章程对应一个考证 Agent。

同期，再创建一个带有怀疑者视角的子 Agent，特地复核这些章程是否合理、是否确切对皆标的，这么不错减少过多误报。

反过来也成立：你不错从最近的会话和代码审查成见里，挖出那些你反复改良的问题；再让多个 Agent 并行归类整理；然后对每条候选章程作念抵挡式考证，比如追问：这条章程其时确切能幸免一个真及时弊吗？临了，把通过考证的章程再索求回 CLAUDE.md。

根因打听

调试最灵验的设施，鄙俗是先残酷几个互相沉寂的假定，再逐个考证。但淌若只依赖一个潦倒文窗口，Claude 很容易堕入某种「自我偏好」：越看越坚信我方领先的判断。

使命流不错从结构上幸免这少许。它不错让多个 Agent 基于相互箝制的凭据分手残酷假定。比如，一个 Agent 只看日记，一个只看文献，一个只看数据。随后，每个假定再交给一组考证者和反驳者来磨砺。

这种设施并不单适用于代码。销售场景也不错用，比如分析 3 月销售额为什么下滑；数据工程也不错用，比如排查某条数据管谈为什么失败。任何需要作念复盘、找根因的问题，都不错用一样的使命流来处理。

Triaging at scale

大规模工单分拣

每个团队都濒临着复旧工单部队、Bug 答复或其他积压任务，这些任务往往无法仅凭东谈主工完全处理。分流使命流（Triage workflow）大约对每一个待业绩项进行分类，与已跟踪的要求进行去重比对，并采选相应的举止。这些举止可能包括尝试平直建设问题，或者将其升级转交给东谈主工用户处理。

在分流使命流中，「箝制」（Quarantine）是一种特殊实用的模式。其中枢作念法是：辞谢那些负责读取非受信各人施行的智能体实践高权限操作；相背，这些高权限操作将交由特地负责基于信息采选举止的智能体来实践。将分流使命流与 /loop 指示聚会使用，即可让 Claude 持续持续地自动实践此类任务。

探索与回味判断

在探索针对某一贬责有谈论的不同收尾旅途时，使命流显得尤为有用 —— 极端是当任务波及主不雅「回味」判断（如联想或定名使命）且需要依据一套既定尺度（Rubric）进行评估时。

不妨尝试让 Claude 探索并生成一系列潜在的贬责有谈论，随后指派一个「评审智能体」，并为其提供一套明确的评估尺度，用以界定何为「优质」的贬责有谈论。当该评审智能体判定某有谈论已完全顺应既定尺度时，该任务即宣告完成。此外，还不错依据这套评估尺度，通过「锦标赛」式的比拼机制对种种贬责有谈论进行排序或最终筛选。

评估

你不错针对特定任务开动轻量级的评估过程：起先在沉寂的「使命树」（Worktree）中繁衍出一组智能体来实践任务；随后再繁衍出一组「对比智能体」，依据既定的评估尺度对前述智能体生成的具体输出驱散进行比对与评分。例如而言，你不错利用这一机制，依据特定的评估尺度，对你所创建的某项 Skill 进行评估，并在此基础上加以迭代优化。

模子与智能路由

你不错创建一个特地针对你的任务进行调优的「分类智能体」，由其负责决接应调用哪一个基础模子来实践任务。当你的任务波及宽广的器具调用时，这一机制尤为实用 —— 通过在崇拜实践任务前进行事前分析与调研，该分类智能体大约精确识别出最稳妥现时任务的基础模子。

例如来说，针对「评释认证模块（Auth module）的使命旨趣」这一任务，其最好的基础模子礼聘并非一成不变，而是取决于该认证模块内包含的文献数目以及通盘代码库的举座结构形态。此时，分类智能体便可承担起这项事前分析的职责，并依据对任务预期复杂度的判断，将任务智能路由至 Sonnet 或 Opus 等不同的基础模子进行处理。

何时不宜使用动态使命流

「使命流」是一项相对较新的功能。尽管在好多应用场景下，它能带来渔人之利的显耀见效，但并非每一项任务都必须依赖使命流；若滥用使命流，反而可能导致铺张远超预期的 Token 资源。

最好的实践计谋是弘扬创意，以一种前所未有的方式天真运用使命流，从而充分挖掘 Claude Code 的潜能。对于老例的编程任务，不妨先自问一句：这项任务确切有必要过问罕见的谈论资源来开动使命流吗？例如，大多数传统的编码任务并不需要由五名审阅者构成的评审小组。

构建动态使命流的技巧

领导词联想

针对动态使命流，若领受咱们上文胪陈的特定技巧来编写提神的领导词，往往能取得最好效率。

使命流并非仅适用于大型任务。你也不错通过领导词指示，让模子实践一种「快速使命流」。比如你不错快速构建一个针对特定假定进行「抵挡性审查」的使命流。

聚会使用 /goal 与 /loop 指示。

当你需要实践可叠加的使命流（例如任务分流、贵府调研或信息核实）时，建议搭配使用 /loop 指示以收尾周期性实践，并聚会 /goal 指示来设定明确的任务完成硬性主见。

Token 使用预算

你不错为动态使命流设定明确的 Token 使用预算，以此放手单项任务所铺张的 Token 数目。你不错在领导词中平直指定预算额度，例如输入：「use 10k tokens」（使用 10k Token），系统便会自动设定相应的上限。

保存与分享动态使命流

你不错通过在使命流菜单中按下「s」键来保存现时的使命流。你不错将这些使命流文献存档至～/.claude/workflows 目次下，也不错将其打包为「妙技」（Skill）的方法进行分发与分享。

若要通过妙技（Skill）来分享这些文献，请将你的 JavaScript 使命流文献放入该妙技对应的文献夹中，并在 SKILL.MD 文献中援用它们。为了获取更大的天真性，你可能但愿领导 Claude 将该妙技中的使命流视为「模板」，而非必须一字一句实践的剧本。

使命流是一种有助于扩张 Claude Code 的全新方式。大师应该将其视为一个发轫 —— 对于若何充分弘扬其服从在线买世界杯平台，仍有好多值得探索之处。期待听到你的发现。