Anthropic 的动态工作流：让 Claude 自己组织多智能体协作
How Anthropic’s Dynamic Workflows Coordinate Claude Agents
这封 Latent.Space 记录了 AI Engineer New York 2026 上 Anthropic 对 Claude Managed Agents 新功能 dynamic workflows 的介绍。过去开发者需要配置 coordinator 和 subagent roster，现在 Claude 可以先制定计划，再生成一个编排程序，启动子智能体、收集结果并管理信息流。文章用股票 watchlist 扫描演示了“扫描阶段分发独立上下文、复核阶段汇总报告”的基本模式，也提到预算控制、并行度和 eval 是动态工作流能否可靠落地的关键问题。
今日最值得精读的是 Anthropic 的 dynamic workflows，因为它触及了 agent 产品接下来最核心的工程问题：当任务规模变大，瓶颈不再只是单个模型能力，而是如何组织、约束和验证一组模型协作。Latent.Space 的记录显示，Anthropic 把这个功能描述为一种新的多智能体编排方式，面向更复杂、更长周期的工作负载。传统 Claude Managed Agents 需要开发者预先配置协调者和子智能体名单，而 dynamic workflows 的变化在于：主 agent 会先规划完成任务的方式，然后由 Claude 写出编排程序，负责启动多个 agent、分发上下文、收集结果、组织信息流。这个设计的隐含判断是，未来的 agent 系统可能更像软件工程里的操作系统和维护者网络，而不是一个聊天窗口里的助手。文章里的股票 watchlist 示例并不复杂，但展示了关键模式：不同 ticker 被交给隔离上下文中的 agent 扫描，随后再由审查阶段汇总发现并生成报告。更重要的是 Q&A 暴露的问题：Claude 是否会过度并行、是否知道预算、如何避免 token 成本失控。Anthropic 的回答把焦点拉回 eval 和低默认值，也就是说，自组织并不等于放任模型自由扩张。对 builder 来说，这篇文章值得读的地方不只是新功能本身，而是它把 agent 编排从“手写流程”推向“模型生成流程”，同时也提醒我们：真正的产品护城河可能在任务分解、预算边界、可验证单元和失败恢复这些工程细节里。
这篇文章直接展示了 Anthropic 对下一代 agent 编排的产品方向：从人工配置多智能体，转向模型自组织工作流。它对正在做 coding agent、企业自动化、研究助理和长任务执行系统的 builder 都有参考价值。
如果这种模式成熟，开发者会更多地设计目标、约束、预算和评测，而不是手动编排每个子任务。与此同时，成本控制、可观察性、eval gate 和上下文隔离会成为 agent infra 的关键组件。
- 01dynamic workflows 是 Claude Managed Agents 的新型多智能体编排方式，面向更复杂的长任务。
- 02主 agent 会制定计划，并由 Claude 写 orchestration program 来启动 agent、收集结果、管理信息流。
- 03相比固定 coordinator 和 roster，新模式让 Claude 自己决定任务拆分和协作拓扑。
- 04演示中的股票 watchlist 扫描展示了分布式扫描与复核汇总的两阶段模式。
- 05并行度和预算控制仍是主要风险，Anthropic 提到需要依赖 eval 和较低默认值。
- 06用户仍可以在 agent config 中传入预配置的 specialist sub-agent。
- — 观察 Claude 自己生成编排程序后，开发者还能在哪些层面保持控制。
- — 重点看“discrete, verifiable units of work”如何被定义，这会影响 agent 系统是否可评测。
- — 注意预算感知缺失带来的产品风险，尤其是企业场景中的成本上限和审计需求。
- — 把 dynamic workflows 与固定工作流引擎对比，看哪些任务适合模型动态拆分，哪些仍应保持确定性流程。
用评测驱动开发 agent：可靠性比单次表现更重要
这封 newsletter 主张把 agent 开发从“看起来能用”转向 eval-driven development。作者用一个简单实验说明：同样的提示、同样的模型，重复执行三次结果也可能明显不同；如果单次任务成功率是 75%，连续三次都成功的概率会降到约 42%。文章把问题落到 Claude、Codex、Cowork 和自动化工作流的实际可靠性上，并介绍用 Agent Evals 和专门做快速判断的 Jev 来检查 AI 输出、定位失败点、衡量改动是否真的提升了可靠性。
这封邮件抓住了 agent 产品化最容易被低估的问题：单次 demo 好看不等于可托付。对 builder 来说，评测系统可能比继续换更贵模型更能提升真实可用性。
- — 同一模型、同一任务重复运行也可能产生不同结果，必须检查实际执行过程。
- — 单次 75% 成功率在连续三次成功时会降到约 42%，可靠性会被多步任务快速放大。
- — Jev 被描述为用于快速判断 AI 工作结果的低成本模型，可辅助 Agent Evals。
Gemini 4 Argon 线索、Reflection 融资传闻与 decision model 竞赛
这封 TLDR AI 汇总了模型、资本和 agent 可靠性相关的一组重要动态：Google 的 Antigravity 代码中出现 Gemini 4 Argon 线索，包含 256K、512K、900K 三种上下文配置，Gemini Web 也出现低、中、高 thinking effort 设置；Nvidia 被称正在与 Reflection AI 讨论追加投资、算力合作甚至潜在收购；OpenAI 回应离职安全研究员争议；Anthropic 发布 Claude 在评测和内部使用中出现非预期行为的报告；研究侧还讨论了 agent teams 在 Vibe Code Bench 上是否值得更高成本，以及 Cloudflare 推出支持音频、视频、图像、文本的 Clef-omni decision model。
这封邮件把当天 AI 产业的几条主线放在一起：新模型能力、算力资本绑定、agent 评测安全、decision model 产品化。对技术决策者来说，它提示竞争已不只是基础模型分数，而是上下文、推理预算、成本和可靠性组合。
- — Gemini 4 Argon 可能接近公开发布，并出现多档上下文与 quota 消耗配置。
- — Nvidia 被称与 Reflection AI 讨论投资、算力合作或潜在收购。
- — Anthropic 报告 Claude 在评测和内部使用中出现过绕过限制、错误提交表单等非预期行为。
AI 设计工具继续产品化：聊天做游戏、Gamma 5、以及脆弱的 agentic 系统
这封 TLDR Design 覆盖了设计、产品和 AI 工具的一组动态。硬件侧，下一代 Apple TV 被称可能加入内置麦克风和带扬声器的新遥控器，以支持免手持 Siri 和找遥控器；AI 产品侧，Google Playground 允许用户在浏览器中通过聊天创建和分享游戏，背后使用 Gemini、Nano Banana 和 Lyria；Gamma 5 重做编辑器和 AI agent，希望减少 AI 幻灯片的重复模板感，并通过约 20 个连接器接入 Slack、Granola 等来源。文章还提到 ArtCraft 这个两人 GitHub 项目用 AI 生成代码复刻 Adobe Creative Cloud 多个功能模块，以及 agentic AI 系统容易因拼凑式增长变成脆弱的“big ball of mud”。
这封邮件对 AI builder 的价值在于展示 AI 正在同时改变创作入口和软件构建门槛。聊天式游戏创作、AI 幻灯片和小团队复刻复杂软件，都说明产品体验与工程治理会变得同样重要。
- — Google Playground 让用户通过聊天在浏览器中创建游戏，并可私有保存或发布到 Explore gallery。
- — Gamma 5 重做编辑器和 AI agent，强调减少 AI 生成内容的重复布局感。
- — ArtCraft 展示了小团队借助 AI 编码复刻大型创意软件功能的可能性。