對於許多初入行的工程師來說，使用 AI 輔助編碼通常是採取對話模式：問一個問題，得到一個答案。然而在面對真實的大型專案時，單一的 AI 代理人（Agent，指能自主執行任務的 AI 實體）往往會遇到瓶頸。當任務涉及跨越多個檔案的 Bug 調查、大規模的程式碼遷移或全面的安全性審計時，單一對話的上下文長度限制與邏輯推演能力，很難一次性處理如此龐大的工程量。
為了突破這個限制，Anthropic 推出了 Claude Code 的新功能：動態工作流 Dynamic Workflows。這項技術的核心在於將 AI 從一個單純的對話者，轉變為一個能夠自我組織的協調者。
什麼是動態工作流
簡單來說，Dynamic Workflows 是一種代理人編排系統（Agent Orchestration）。它不再試圖用一個大模型解決所有問題，而是讓 Claude 根據使用者設定的目標，在後台動態地撰寫協調腳本（Orchestration Scripts）。
這個過程就像是一個技術主管（Lead Engineer）在接收到需求後，先將大任務拆解成多個子任務（Subtasks），然後指派給多個專門的子代理人（Subagents）平行執行。例如，在進行效能分析時，一個子代理人負責掃描記憶體洩漏，另一個負責分析 CPU 峰值，第三個則檢查資料庫查詢效率。最後，主代理人會彙整所有結果，進行驗證與比對，直到得出最終答案。
為什麼這種模式對工程實務很重要
在傳統的 AI 輔助開發中，開發者必須手動地將大任務拆小，分多次詢問 AI，再由人類負責將碎片化的答案拼湊起來。這種手動協作非常耗時且容易遺漏細節。
Dynamic Workflows 的價值在於它實現了自動化協作。它能處理那些原本需要工程團隊花費數小時甚至數天才能完成的複雜分析。透過平行執行（Parallel Execution），它能大幅提升處理大規模程式碼庫的速度，並透過內建的驗證機制減少 AI 常見的幻覺問題。
如何啟動與運作
開發者可以透過兩種方式使用此功能。第一種是明確指令，直接要求 Claude 建立工作流；第二種是開啟名為 ultracode 的設定，讓 Claude 根據任務複雜度自行判斷是否需要啟動動態工作流。
此外，該系統具備進度保存機制。由於複雜任務執行時間較長，如果過程被中斷，系統可以從上次紀錄的位置恢復，而不需要從頭開始重新執行，這對於處理大型專案至關重要。
實務上的限制與成本考量
雖然強大，但初學者在使用時必須注意成本問題。由於 Dynamic Workflows 會同時啟動多個子代理人並進行反覆的驗證與迭代，其消耗的 Token 數量（模型處理的文字單位，直接決定費用）會遠高於一般的對話 session。
因此，建議在實務操作時，先從範圍明確的小型任務開始測試，確認工作流的邏輯正確後，再將其應用於大型專案。
總結：AI 開發範式的轉移
Claude Code 的這次更新象徵著 AI 輔助開發的一個重要轉向：重點不再僅僅是單一模型的參數規模或推理能力，而是如何有效地編排（Orchestrate）大量專門的代理人共同工作。這將 AI 的角色從個體的程式碼產生器，提升到了能夠管理複雜工程流程的虛擬團隊。
來源：infoq.com
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。