2026年5月，Anthropic 发布了一个让整个 AI 编程社区为之震动的新功能：动态工作流（Dynamic Workflows） 。在一个会话里，一个协调者 Agent 可以拉起成百上千个并行子 Agent，去攻击一个大型、分支复杂的工程任务。重构几十个文件、运行大规模的测试矩阵、同时探索多条解决方案路径——这些曾经需要团队拆分成多个 Sprint、分配给多名工程师、按季度规划的工作，现在可以在几天甚至几小时内完成。
这不是科幻小说，这是正在发生的现实。
一、为什么需要动态工作流？传统 Agent 的三重困境
在理解动态工作流之前，先要搞明白一个问题：为什么 Claude Code 默认的执行框架不够用？
Claude Code 默认框架在单个上下文窗口中同时进行计划和执行。对于大多数编程任务，这非常有效。但在长时间运行、大规模并行或高度结构化的对抗任务中，会出现三类典型的“系统性失效”：
第一类：Agentic Laziness（智能体懒惰）
Claude 在处理复杂多步骤任务时可能提前停止，宣称任务完成。一个典型例子是：安全审查中一共有 50 个问题，它只处理了 35 个，就认为工作结束了。
第二类：Self-preferential Bias（自我偏好偏差）
Claude 倾向于偏向自己的结果或发现，尤其在需要验证或评估时——让它自己给自己打分，结果可想而知。
