Anthropic 如何用动态工作流协调 Claude 智能体

在 AI Engineer New York 2026 的一场工作坊中，Anthropic 介绍了如何编排 Claude Managed Agents。重点是一项新功能：动态工作流（dynamic workflows），演讲者也反复简称为 flows。

Anthropic 将 flows 定义为：一种新的多智能体编排方式，面向更有野心、更复杂的工作负载。

从 Unix、Linux 到多智能体组织

Anthropic 技术团队成员 CJ Avilla 和 Harrison Stall 在分享中借用了操作系统历史中的例子：从 Ken Thompson 创建最早的 Unix，到 Linux 从 Linus Torvalds 一个人的项目，逐步演化为由多层可信维护者协作的系统。

他们提出的核心类比是：如果要让智能体承担更大规模、更复杂的项目，也需要类似的组织结构，而不是简单地堆叠更多智能体。

Avilla 提到，许多正在编排和管理大量智能体的人，可能已经开始感受到自己成为瓶颈：

当许多智能体不断提交大量 PR 时，人类需要在 GitHub 里逐一审批，确认一切按预期运行，这会让管理者成为瓶颈和脆弱点。

这也是 Anthropic 试图通过动态工作流解决的问题之一：让多智能体协作不只是“更多并行任务”，而是具备更清晰的组织、分工和协调机制。

分享中提到，动态工作流最初来自 Claude Code 中“为每个任务配一个 harness”的概念。也就是说，不只是给开发者一个固定的智能体名单，而是围绕具体任务动态组织智能体与流程。

这类设计的目标，是让系统根据任务需要建立协作结构，使智能体能够处理更大的项目，同时避免开发者被大量中间产物、PR 或检查任务压垮。

这次分享透露出的重点，不在于某个单独智能体能力提升，而在于 Anthropic 正在把问题转向“智能体组织学”：当智能体数量增多、任务复杂度上升时，如何设计类似软件工程维护体系的协作结构。

对于正在尝试 AI 编程、多智能体研发或自动化工程流程的团队来说，动态工作流的思路值得关注：未来的瓶颈可能不只是模型能力，而是智能体之间如何分工、审查、交接与升级。