Anthropic 发布动态工作流：Claude 自主组队查错效率显著超越单体智能

Anthropic 近日公布了一组关于其大语言模型 Claude 的最新测试结果。测试中，研究人员在包含 11.6 万行代码的库中预先埋入了 70 个 Bug，分别让单一智能体和基于动态工作流的多智能体团队各运行三次进行查找。结果显示，单体 Agent 表现最好的情况下仅找到了 27 个漏洞，检出率不足四成；而自主组队协作的动态工作流在三次测试中均查出了 66 个 Bug，检出率超过九成。

10 月 10 日，Anthropic 正式开启 Claude Managed Agents 动态工作流的公测。通过这项功能，主 Agent 接收任务后能够自主编写分工程序，安排多个子智能体分阶段执行具体操作，并在完成后汇总结果。与此同时，Claude Code Projects 项目的公测范围也向所有 Pro 和 Max 用户扩大，支持用户在项目对话中持续提出需求，由 Claude 负责拆解任务并协调多条线程并行推进。

与传统的多窗口操作相比，动态工作流解决了背景重复交代和信息传递的难题。在云端线程模式下，每个线程拥有独立的上下文和代码副本，能够在自己的分支上独立工作并最终将结果报回项目总览。系统能够记录需求变更、决策过程及过往教训等记忆，使得用户在离开后再回归时，无需逐一询问进度即可直接接手需要处理的部分。

Anthropic 指出，动态工作流的核心价值在于将复杂的内部分工程序化。例如在审查 300 份合同以查找控制权变更条款的任务中，系统可以自动规划流程：首先分配 Agent 逐份阅读，随后由另一组 Agent 进行复核，对于首轮漏掉的条款安排返工。这种机制避免了普通子委派中主 Agent 需要反复阅读汇报来决定下一步的低效循环，大幅提升了处理复杂任务的一致性和准确性。

在技术规格方面，本次公测支持的工作流一次运行期间累计最多可启动 1000 个智能体，当前的并发线程上限为 64。每个智能体拥有独立的对话历史，同时共享会话中的文件和沙箱环境以运行代码和处理材料。开发者可以预先配置专用 Agent，也可以根据任务需要临时定义新角色，并通过特定的 multiagent 配置接口接入系统。

尽管动态工作流显著提升了 Bug 检出率，但官方并未披露具体的模型参数、实际消耗的 Token 用量或耗时数据，因此目前无法直接评估其相对于单体运行的速度优势或成本效益。此外，工作流中的线程在交回结果后，主 Agent 无法像调用普通子代理那样继续追问同一线程的深层细节，这意味着复杂的核对与返工逻辑必须提前编排进流程中以确保任务闭环。

目前，Claude Managed Agents 动态工作流和 Projects 功能的费用计算方式有所不同。Projects 使用现有的套餐额度，其工作线程和协调对话均会消耗 Token；而用户可以根据需要调整模型参数、推理强度或限制开启的线程数量。随着功能进入公测阶段，更多开发者可以通过官方等待名单加入该计划，体验由 AI 自主规划与管理复杂项目协作的能力。