动态工作流赋能Agent编排：Anthropic让复杂任务自动拆解成协作流水线

当一个任务庞大到需要处理数百份文档或检查数十万行代码时，单一Agent的局限性就会暴露无遗。上下文堆积、注意力分散、结果不稳定……这些问题在真实业务场景中反复出现。近日，Anthropic为其托管Agent平台Claude Managed Agents上线了动态工作流能力，为这一困境提供了新的解题思路。这项新功能让Claude能够根据任务特征自主生成处理流程，把复杂大任务拆解成多个可并行执行的子任务，再由不同的Agent分工协作完成。

动态工作流的核心在于「动态」二字。与传统预设流程不同，Claude能够根据眼前文件的具体特征和任务要求，动态生成适配的处理程序。一个工作流目前最多可以累计启动1000个Agent，同时工作的线程上限是64个。它们可以先各自处理一部分材料，再把发现交给下一批Agent核对，最后汇成一份结构化结果。这种模式特别适合审阅成百上千份文档、检查大型代码库这类工作量大、又需要交叉检查的任务。

动态工作流的运行机制与分工优势

以检查300份合同中的「控制权变更」条款为例，这类条款关系到公司被收购或控制权转移后，合同是否需要对方同意、能否被终止处理。传统方式交给一个Agent，它需要不停地读文件、记发现、再继续读，每份合同本身就很长，最后还要确保没有漏掉任何一份、没有把不同合同的内容混在一起。动态工作流下，Claude可以先列出文件清单，为每份合同创建独立的阅读任务，要求负责的Agent返回文件名、相关原文、条款位置和判断结论。各个Agent有自己的对话历史，又能访问同一个会话里的文件，分工时不需要把所有合同都塞进主对话。第一轮结果随后成为第二轮的输入，程序收齐结构化输出后，再交给另一批Agent对照原文复核，最终汇总成完整报告。这里有个关键提示：复核时需要覆盖每份合同，包括第一轮没有找到条款的文件。否则，第二轮可能只检查「找到了什么」，却没有检查「漏掉了什么」。

300份合同审查案例：从一个人埋头苦干到多Agent流水线协作

Claude原本就能调用子Agent，传统做法是把任务派出去，读完子Agent的回复再决定下一步。任务少时很方便，任务一多，主对话里就堆满了中间结果：几十份摘要、多个检查意见、不同版本的结论。模型一边处理这些内容，一边还要记住原始要求、剩余任务和执行顺序，负担可想而知。动态工作流把这部分协调工作交给程序。子Agent的结果先返回程序，由程序收集、筛选和传给下一阶段；主Agent不必每次都把全部中间内容读一遍。比如下一轮可以只收到需要复核的代码和对应发现，而不是所有人的完整聊天记录。程序也可以安排不同的检查方式：除了并行阅读后汇总，还可以让一个Agent给出候选结果，再让几个Agent分别挑错，修改后继续检查。分工的价值由此从「同时多做几件事」延伸到「用不同视角查同一个结果」。

从Claude Code到Managed Agents：动态编排已成复杂任务处理标配

这套思路在Claude Code中已经得到验证。Anthropic在此前的技术文章里解释过：长任务容易在主会话里积累过多内容，程序编排可以把数据传递、等待和循环放到模型上下文之外。此次公测把动态工作流接到了Managed Agents，由服务端在后台运行，主会话仍可以继续与用户交流、查看进度，并在工作流结束后读取结果。Anthropic在发布线程中给出的一组内部测试数据很有说服力：团队在一个11.6万行的代码库中植入了70个bug，分别用单Agent和动态工作流运行三次。单Agent三次结果分别为14个、15个和27个，波动明显；动态工作流三次都稳定找到了66个。对于需要覆盖很多文件、核对不同线索的任务，多Agent分工值得尝试。

动态工作流的核心价值，在于把复杂大任务的有效分解与协同执行变成Agent平台的基础能力。这不是简单的并行处理，而是让Claude能够根据任务特征自主判断谁来处理、处理什么、如何衔接。随着Agent平台在企业场景的普及，这种动态编排能力将成为处理复杂业务任务的标准配置，帮助企业实现更高效、更可靠的AI任务执行。