A5站长网10月14日消息，Anthropic为Claude Managed Agents上线了动态工作流（Dynamic Workflows）的测试版。10月12日，两位技术成员CJ Avilla和Harrison Stall在纽约的AI Engineer大会上把这件事讲细了：多智能体编排这活儿，以后交给模型自己干。
变化落在一个很具体的地方。之前的做法是开发者先配一个协调者，再手工列一份子智能体名单，谁干什么都写死。动态工作流把这一步翻过来——主智能体先给任务写一份计划，然后由Claude生成一段真正的编排程序，由这段程序去启动子智能体、收集结果、在阶段之间传递数据。中间产物存在程序变量里，不必每次回到主智能体重新处理一遍。
被解放出来的正是上下文窗口。Anthropic官方文档里把两种模式摆在一起比较：传统方式下，子智能体交回结果后，主智能体还得再推理一次才能决定下一步；动态工作流让编排程序直接根据返回数据继续往下走，主智能体可以在后台工作流跑着的时候去处理别的事，跑完再看最终结果。
现场演示用的是一份股票观察列表扫描任务。第一阶段把不同股票分给拥有独立上下文的智能体，后续阶段检查扫描结果，再生成报告。开发者并不是完全放手：官方支持预定义的专家智能体，也支持按当前任务临时创建的智能体，还可以关掉临时创建，只允许工作流调用名单里的那几个。想留一个专职审查的智能体、让Claude自己决定什么时候叫它，也做得到。
资源边界写得很清楚。单次动态工作流最多累计启动1000个智能体，同时运行的线程上限是64，默认最长运行24小时。成本上，Anthropic没有回避，说这套方式比单智能体贵得多，但更容易把细节找全。开发者可以设置会话预算，麻烦在于运行中的模型并不知道自己还剩多少额度。
为什么要费这个劲，Avilla用Unix和Linux的演进做了类比：从一个人写的操作系统，长到一层层受信任的维护者。落到日常工作上，痛点是具体的——智能体一多，提交的拉取请求就多，人卡在GitHub上挨个审批，自己反倒成了整套流程的瓶颈和断点。问答环节里两人也没有把话说满：智能体数量是个默认值问题，大规模并行得显式要求才会发生；自省能力没内建，工作流不会自己发现扫描环节的模型不行然后改下一次运行。
申请创业报道，分享创业好点子。点击此处，共同探讨创业新机遇！
