核心思想
动态工作流不是”配更大预算的 /goal”，也不是”开几个子智能体扫一眼输出”，而是让 Claude 为每个任务现场写出一整套编排脚本：用
agent()/parallel()/pipeline()等注入式全局原语扇出工作、用类型化输出（JSON schema）强约束返回、再独立核验结果。作者由此提出一条新的扩展轴——基础模型算力 × 思考算力 × 生成式 harness 算力。代价是显著更高的额度消耗，宜先小范围试水，再上大迁移。
大多数人都严重低估了 Claude Code 的动态工作流（dynamic workflows）。它不是给 /goal 配上更大的预算，也不是”随手开几个子智能体，然后扫一眼输出就完事”。Claude 会当场写出一整套 agent harness，然后把它跑起来。
丢给它一个大任务。Claude 会规划工作流、写出编排脚本、把活儿扇出（fan out）到几十乃至上百个子智能体身上，逐一校验每个子智能体的返回，并在汇报之前先核实结果。模型不只是在干活——它在搭建那套用来干活的系统，而且是每个任务现搓一套、全新的。
停下来好好品一下这句话：**模型写出了那个控制模型的程序。**
这些原语
Claude 写出的编排脚本，只用到一小撮积木：
agent(prompt)—— 派生一个子智能体parallel([...])—— 扇出，并等待全部完成pipeline(items, ...stages)—— 让任务以流式穿过各个阶段phase()/log()—— 实时吐出进度
其余的一切都是纯粹的 JavaScript：循环、过滤、映射、条件判断。是真正的控制流，而不是一个只能拧几个旋钮的配置文件。
类型化输出才是真正的解锁
让这一切真正可用的，是类型化输出（typed output）。给 agent() 传入一份 JSON schema，运行时就会校验返回结果。子智能体必须返回那个一模一样的结构，不达标就一直重试，直到匹配为止。
不必再拿正则去硬刚整墙整墙的散文。不必再祈祷模型按你要求的格式来组织答案。每个子智能体交回来的都是结构化数据，脚本可以直接对它做路由、排序或过滤：
const triaged = await parallel(issues.map((n) => () =>
agent(`triage issue #${n}`, { schema: TRIAGE_SCHEMA })
))11 个 issue 变成 11 个同时运行的 agent，每个都返回 { priority, effort, nextStep }。然后再来一个 agent，把它们排成一块看板。类型化地进，类型化地出，中间没有半行胶水代码。
指挥家自己把自己写了出来
agent()、parallel()、pipeline() 并不是脚本 import 进来的库。运行时把它们当作全局变量直接注入。
所以这个脚本本身就是一位指挥家：用纯 JS 负责控制流，再配上少数几个全局函数——它们伸手回到 harness 里去，唤起一个个活生生的 Claude。而这位指挥家，正是 Claude 写的。它先写出程序，再把程序交还给运行时去执行。
这件事为什么对代码库至关重要
对代码而言，这就是全部胜负所在。查 bug、做迁移、搞审计、做重构——任何能沿着文件或模块拆解开的活儿——都不再是单个智能体的苦役，而摇身变成一个舰队级的问题。
比起过去那种单智能体循环，你多拿到的是：
- 每个子智能体都从一份全新的上下文起步
- 工作并行展开，而不是一个文件一个文件地磨
- 各项发现都经过独立核实，而不是凭信任照单全收
- 漫长的任务不再烂在某一段臃肿不堪的对话里
这就是那个一直缺席的 `/clear` 原语，被放大到了舰队规模。
静态树 vs. 生成树
ralph、GSD，以及那些手工堆叠出来的 .md 任务文件，都是手写的 harness。动态工作流则是被生成出来的 harness。两者属于同一范畴。区别只在于：一个是你预先烤好的，另一个是模型在运行时现场合成的。
在那套被生成的 harness 里，最锋利的一件原语是 pipeline()。各个条目穿过一道道阶段，中间没有全局屏障（barrier）——条目 A 可以已经跑到第 3 阶段，而条目 B 还卡在第 1 阶段。于是整体耗时（wall-clock）坍缩成最慢的那一条单链，而不是所有阶段时间的总和。绝大多数多步骤的智能体工作，本就该被塑造成这个形状，却偏偏没有。
代价所在
这可不是天上掉下来的免费魔法。一次动态工作流可能会显著多吃掉你的额度，远超一次普通会话——因为你是在为整支舰队买单。所以一开始要圈定范围。先在小任务上摸清它的脾性，等你真正信得过它了，再毕业去啃那些大迁移。
这一切正驶向何方
AI 写代码，正在从”模型写代码”，转向”模型写出那套 harness，由它去协调一群模型来写代码、验代码”。这是一条全新的扩展轴，叠加在旧有的那些之上：
基础模型算力 × 思考算力 × 生成式 harness 算力
这些东西都没有什么像样的文档——大部分是我靠读运行时自己留下的 trace 一点点拼凑出来的。而这正是我在做的事：ax，一张面向你的编程智能体的本地遥测图谱。它会把每一份 transcript 都摄入进来，让你看清你的智能体到底在干些什么。→ ax.necmttn.com
相关笔记
- Claude Code Dynamic Workflows：把编排逻辑搬进代码的新原语 —— 另一视角解读动态工作流，含完整脚本与数字示例
- 用动态工作流大规模编排子智能体 —— Claude Code 官方文档对动态工作流的定义与用法
- 为每个任务定制 harness：动态工作流 —— Anthropic 官方对工作流模式与典型用例的系统梳理
- 解剖智能体Harness —— harness 究竟是什么：从模型能力反推其核心组件