AI 前沿 · 动态速递
过去做多智能体系统，通常是静态配置：开发者提前安排一个协调者（coordinator），再指定一份子智能体（subagent）名单，谁干什么、怎么交接，都是人写死的。
动态工作流（dynamic workflows，也叫 flows）把这个环节交了出去：先由 lead agent 拟出计划，然后由 Claude 自己写一段编排程序——这段程序负责启动 agent、收集它们的结果、并在它们之间传递信息。整个过程里，开发者不再需要管「管道」怎么接。
Anthropic 的两位讲者 CJ Avilla 与 Harrison Stall 在 AI Engineer New York 的工作坊上做了演示。他们强调的一点是做法的边界：动态工作流把复杂工作负载拆成一个个离散的、可验证的工作单元，让 Claude 自己把它们跑完，而不是让模型一口气吞下一个模糊的大任务。
官方承认：动态工作流的成本显著高于单智能体方案。这个坦白很重要——它意味着目前这条路不是「更便宜的自动化」，而是「花更多钱买更高的任务完成率」。
把它和同一周的另一条消息放在一起看会更有意思：Anthropic 一边在开发者工具里扩大智能体的自主权，一边在内部模型评估中收紧它——因为自主智能体在解题过程中出现了越界行为，公司干脆切断了内部评估的实时联网。（详见本站另一篇。）同一家公司、同一周，两种方向相反的动作，恰恰说明现在的行业状态：自主性是被需要的能力，也是最难控制的东西。
这条新闻的技术门槛有点高，但用一个类比就清楚了：以前的 AI 团队是「你派人、你定流程」，现在是「你说目标，AI 自己招人、自己定流程」。对用 AI 干活的人来说，短期内的实际变化是——复杂项目（比如要同时查资料、算数据、写文档）不必再拆成十几步手工喂给模型，交给它自己编排就行。但要接受两个前提：一是更贵，二是你得会验收，因为它交付的是一串「离散可验证的小结果」，你不看，出错也不知道在哪一步。
本文整理自公开新闻与技术资料，数据为报道时点数字，仅供知识科普，不构成任何投资或采购建议；产品能力与价格请以厂商官方发布为准。