Claude开始自己写程序调度智能体：Anthropic把多智能体的编排权交给了模型

22 0

10 月 9 日，Anthropic 给 Claude Managed Agents 上线了一个叫 Dynamic Workflows（动态工作流）的 Beta 功能，团队内部一直简称它 flows。10 月 12 日，在 AI Engineer New York 2026 的工作坊上，Anthropic 的两位技术人员 CJ Avilla 与 Harrison Stall 把这套机制的细节讲了一遍。

官方给它的定义是「为最有野心的负载而做的新一类多智能体编排」。一句话概括：以前是开发者配好协调者和子智能体名单，现在连名单和拓扑都交给模型自己决定。

变化在哪：从「你配名单」到「它写程序」

旧的 Claude Managed Agents 需要开发者手动配置一个协调者加一组子智能体。flows 把这个顺序反了过来：先由一个 lead agent 想清楚任务怎么拆，接着 Claude 写出一段编排程序，由这段程序去启动智能体、收集结果、在阶段之间搬运信息。

Avilla 特别强调，这段编排程序不是给模型读的任务清单，它带真实执行逻辑——可以并行启动多个智能体、把上一阶段的输出当作下一阶段的输入、根据检查结果决定是否重跑某个环节，也可以在某个子智能体失败时决定继续还是终止。

和传统子智能体委派最关键的差别在于「谁决定下一步」。过去子智能体返回结果后，往往还要主智能体再推理一次才能推进；flows 允许编排程序直接按返回数据往下走，主智能体不必参与每一次交接，可以在后台工作流跑着的时候去干别的，结束后再看最终结果。

演示很朴素，野心不小

现场演示的是一个股票自选监控器：scan 阶段把每个代码分给一个上下文隔离的智能体，review 阶段复核发现再出报告。Anthropic 自己也承认这个 demo 离他们期望的规模差得很远，只是用来示意模式。真正想讲的是组织问题——Avilla 引了 Unix 与 Linux 的历史：Ken Thompson 一个人写出 Unix，Linux 从 Linus Torvalds 一个人长成层层受信任的维护者。

他们的担心是人的带宽。「很多在编排大量智能体的人，会开始觉得自己是瓶颈、是断点」，Avilla 说，因为智能体源源不断提 PR，最后总得有人坐在 GitHub 上一个个批。flows 想做的，就是把这份协调工作下沉进系统。

问答环节里的三个真相

一是智能体数量不是能力问题，而是默认值问题。有人问，一个简单的行情扫描会不会爆出几百个子智能体？Stall 的回答是「答案其实是 evals 和更低的默认值」——大规模并行需要显式要求，不会自动发生。这里点到的 evals，正是 MLCommons 这类基准体系在盯的事：编排规模能不能被稳定度量。

二是模型运行时并不知道自己的预算。开发者可以给会话设预算上限，但正在跑的智能体并不被告知还剩多少钱。Stall 补了一句玩笑话：把预算告诉模型，可能会让智能体「有点焦虑」，全场笑了。笑归笑，问题还在——如果编排者自己不看账，那谁来看？

三是自我改进没有内建。被问到工作流能不能发现自己用的扫描模型不行、从而改掉下一次调度时，Stall 直接说没有。他们给了两个替代方向：爬山（hill-climbing）和 dreaming——后者是研究预览功能，会读一份既有记忆库加上历史会话记录，产出一份重组后的记忆库，合并重复项、替换过时或互相矛盾的条目，并把新洞见浮出来。

成本这件事他们没绕：flows 比单智能体「贵得多」，但在「把细节找全」这件事上「有效得多」。