Claude Code Dynamic Workflows 深度解读：1000 Agent 的自动驾驶 vs Agent Orchestrator 的高级辅助驾驶

当代码库的规模超过百万行，当一次重构涉及 96 万行代码，传统的一对一 "pair programming" 模式就崩了。不是模型不够聪明，是上下文装不下。

Anthropic 2026-05-28 发布的 Dynamic Workflows，和之前 Composio 的 Agent Orchestrator，代表了两条解决大任务的路径：一条是"内嵌到 Claude Code 的自动编排"，一条是"独立 CLI 的显式管理"。两条路都在回答同一个问题：怎么让一个 Agent 能同时控制几十个 Agent 而不失控？

但答案完全不同。

一、为什么传统子 Agent 扛不住规模

Claude Code 之前就有子 Agent（subagent）功能。问题是：它是回合制的——Claude 想一步，派一个 Agent 去干，等结果回来，再想下一步，再派一个。所有中间结果都塞回 Claude 的上下文窗口。

这意味着三件事：

1. 上下文爆炸。派 10 个 Agent 各改 100 行代码，结果回来 1000 行，Claude 的上下文窗口瞬间填满。后面的 Agent 还没派，前面已经没地方了。

2. 串行瓶颈。一个 Agent 干完才能派下一个，10 个 Agent 串行执行，10 分钟的任务变成 100 分钟。

3. 计划无法规模化。Claude 的"脑子里"只能装两三步计划。一旦任务变成"分析 100 个文件、改 50 个模块、跑 20 个测试套件"，Claude 根本记不住整个计划。

Dynamic Workflows 的解决思路：让计划从 Claude 的脑子里移出来，变成一段可执行的代码。

二、Dynamic Workflows：Claude 写 JS 脚本当导演

核心机制：三步闭环

规划（Plan） → 运行（Run） → 校验（Verify）

用户输入自然语言任务（"把 src/ 下所有缺少认证的 API 端点找出来"），Claude Code 不写代码，而是先写一个 JavaScript 编排脚本：

// Claude 自动生成的编排脚本
const endpoints = await findFiles('src/routes/**');
const results = await parallelMap(endpoints, async (ep) => {
  const agent = spawnAgent('security-auditor', { file: ep });
  return await agent.run();
}, { concurrency: 16 }); // 最多 16 个并行

const report = mergeResults(results);
await verifyWithTests(report); // 校验
return report;

这个脚本不是给用户看的，是给 Claude Code 的独立运行时执行的。脚本决定：

• 派多少 Agent
• 每个 Agent 干什么
• 哪些可以并行、哪些必须串行
• 中间结果存在脚本变量里，不塞进 Claude 的上下文

关键技术：Programmatic Tool Calling

传统方式是 Claude 用自然语言"命令"Agent，Agent 用自然语言回复。Dynamic Workflows 改为程序化调用——脚本直接调用工具，Agent 返回结构化数据，脚本处理数据后再调度下一个 Agent。

这意味着：

• 15 万 token → 2 千 token。一个工作流如果让 Claude 逐回合处理，上下文会膨胀到 15 万 token。脚本模式下，Claude 只接收最终聚合结果，可能只需要 2 千 token。
• 中间结果不进主上下文。脚本变量存在沙箱里，Claude 的上下文窗口只保留"当前进展摘要"，而不是每个 Agent 的详细输出。
• 可恢复性。如果工作流中断，已完成的 Agent 结果缓存，重新运行只执行未完成的。传统模式下，中断意味着从头来。

规模：1000 个 Agent，16 个并行

1000 个 Agent 不是噱头。Bun 的 Zig 到 Rust 重写就是实例：96 万行代码，分解成数百个模块，每个模块一个 Agent 负责翻译，11 天完成，99.8% 测试通过。

触发方式

1. 显式触发：prompt 里带 "workflow" 关键词（如 "Run a workflow to audit..."）
2. 自动触发：/effort ultracode 模式，Claude 自己判断任务是否需要 workflow
3. 内置命令：/deep-research 已预装，多源搜索→交叉验证→投票→去伪→生成引用报告

内置 /deep-research：不用写 prompt

/deep-research "Node.js v20 到 v22 权限模型改了什么？"

自动执行：多角度的 web 搜索 → 抓取来源 → 交叉对比 → 投票验证每个声明 → 过滤不成立的结论 → 返回带引用的报告。

三、Agent Orchestrator：外部 CLI 的显式管理

Composio 的 Agent Orchestrator（pkarnal）走的是另一条路：它不是 Claude Code 的内置功能，而是独立 CLI 工具，通过 Agent SDK 对接多个 Agent 平台。

架构：git worktree + 8 插槽 + 自愈合 CI

工作流：状态机驱动

不是脚本驱动，而是状态机：

1. 定义任务清单（YAML）
2. 调度器按状态机推进
3. 每个 Agent 完成 → 更新状态 → 调度下一个
4. 失败 → 自动重试 / 回退人工

与 Claude Code 的关系

通过 Agent SDK 对接 Claude Code，但 Claude Code 只是"其中一个 Agent 后端"。还可以对接 OpenClaw、Codex、其他平台。

四、两条路线的对比：内置 vs 独立

核心差异：谁掌握编排权

Dynamic Workflows：Claude 自己写脚本，自己当导演。用户只给一句话，剩下的自动化。好处是零门槛；风险是黑盒——你不知道脚本里写了什么，除非你看源码。

Agent Orchestrator：人写状态机定义，系统执行。用户需要提前规划任务拆分、定义依赖关系、配置回退策略。好处是可控、可审计；成本是需要预先设计。

简单说：Dynamic Workflows 是"自动驾驶"，Agent Orchestrator 是"高级辅助驾驶 + 手动模式"。

五、旗舰案例：Bun 的 96 万行 Zig → Rust

这是 Dynamic Workflows 的 showcase，也是整个 AI 编程领域最大的 demo。

数字

• 96 万行 Zig → 75 万行 Rust
• 99.8% 测试通过率（Linux x64）
• 11 天完成
• 1.3 万+ unsafe 块（Rust 里用 unsafe 的比例很高）
• 二进制体积减小 3-8 MB
• 修复了若干内存泄漏

工作方式

不是"Claude 一行一行重写"，而是：

1. Dynamic Workflow 把 96 万行代码按模块拆分（比如 HTTP 模块、文件系统模块、加密模块...）
2. 每个模块分配一个子 Agent，负责 Zig → Rust 的翻译
3. 翻译完后，另一个 Agent 负责跑测试验证
4. 失败的模块回退修复，成功的模块合并
5. 循环直到 99.8% 测试通过

但需要注意的边界

1. 利益相关。Bun 已被 Anthropic 收购（2025 年底）。Jarred Sumner 说"AI 已经写了几个月的代码，我们很久没自己打字了"。但这也意味着：这些数字来自被收购的公司，没有第三方基准。

2. unsafe 块的问题。1.3 万+ unsafe 块意味着 Rust 的内存安全优势被大幅削弱。如果 AI 在 unsafe 块里写错了，编译器帮不了你。

3. 不是纯 AI 完成。Sumner 说"这是 essentially the same codebase ported to Rust"——架构没变，数据结构没变，只是语言翻译。这种"vibe coding"（氛围编程）能工作，是因为 Bun 的架构已经成熟，AI 做的是翻译不是设计。

4. 代码审查不可能。100 万行代码的 PR，人类无法 review。GitHub 甚至自动标记了移除 60 万行 Zig 代码的 PR 为 "AI slop" 并关闭。

5. 生产未验证。目前 Rust 版 Bun 只在实验分支，还没替代主分支。Zig 版 Bun v1.3.14 是最后一个 Zig 版本。

六、TokenMaxxing：一个争议

Dynamic Workflows 的发布引发了一个争议：token maxxing——用尽可能多的 Agent 烧尽可能多的 token，来证明"我能搞定大任务"。

批评者的观点：

• "1000 个 Agent 并行"更像是 marketing 数字，不是实际工程需要
• Bun 的 rewrite 是特定场景（语言翻译，架构不变），不能推广到一般软件开发
• 没有第三方基准，所有数据都来自 Anthropic 收购的 Bun
• 1.3 万 unsafe 块说明 AI 在写系统级代码时还不够安全

支持者的观点：

• 即使数字有水分，"AI 能处理百万行代码库"这个方向是明确的
• Dynamic Workflows 的上下文节省（15 万 → 2 千 token）是真实的技术突破
• /deep-research 的交叉验证机制是"对抗式 AI"的早期形态
• 这是从"对话式 AI"到"工程化 AI"的进化

我的判断：数字需要打折，但方向是对的。 1000 个 Agent 不是常态需求，但"让 AI 能处理大型代码库"是刚需。Dynamic Workflows 的编排机制（脚本化、中间结果隔离、可恢复）是有价值的技术创新，不应该因为 Bun 案例的利益相关而被否定。

七、怎么选：Dynamic Workflows vs Agent Orchestrator

用 Dynamic Workflows，如果你：

• 已经在用 Claude Code（Max/Team/Enterprise 用户）
• 任务是一次性的、不需要复用的（比如研究、审计、大规模重构）
• 不想学新工具，只想说 "workflow" 就让 AI 自己搞定
• 需要 /deep-research 这种内置的复杂工作流

用 Agent Orchestrator，如果你：

• 需要跨平台（Claude、Codex、OpenClaw 混用）
• 团队需要标准化、可审计的 Agent 管理流程
• 任务需要长期运行、可中断恢复（Claude 会话断了工作流就丢了）
• 需要人在关键节点做质量控制（比如代码审查、安全审计）

两者可以结合

实际上，两者不是替代关系。Dynamic Workflows 适合单次大任务的自动执行，Agent Orchestrator 适合团队级的 Agent 管理基础设施。可以：

• 用 Dynamic Workflows 做任务规划和初始执行
• 用 Agent Orchestrator 做后续的质量控制、审计、复用

八、一个更深层的问题：AI 编程的"规模拐点"

Bun 的 rewrite 案例暴露了一个深层问题：AI 编程的"规模拐点"到了。

以前 AI 辅助编程的上限是：帮你写函数、改 bug、解释代码。现在 AI 可以处理整个代码库。这意味着：

1. 代码审查机制失效。100 万行代码的 PR，没有人能 review。传统的人类审查流程必须被替代——要么用 AI 审查 AI（对抗式验证），要么接受"不审查直接合并"的风险。

2. 测试成为唯一信任基础。当代码审查不可能时，测试套件成为唯一的质量保证。99.8% 测试通过不是"很好"，是"必须"。没有测试覆盖的代码，AI 改了也不敢合并。

3. 架构设计比代码实现更重要。AI 能翻译代码，但设计架构仍然是人类的工作。Bun 的 rewrite 能成功，因为架构已经定好了；如果 AI 从零设计一个新运行时，结果可能完全不同。

4. "unsafe"的语义在变化。Rust 的 unsafe 块本来是"人类程序员知道自己在做什么，编译器别管"。现在 unsafe 块是"AI 生成的，人类也没看，编译器别管"。这个语义变化有安全后果。

九、一句话总结

Claude Code Dynamic Workflows 是 Anthropic 的"内置自动驾驶"——Claude 自己写 JS 编排脚本，调度最多 1000 个子 Agent、16 并发并行，中间结果隔离在脚本变量中，上下文从 15 万 token 压缩到 2 千。旗舰案例 Bun 用 11 天把 96 万行 Zig 重写成 75 万行 Rust，99.8% 测试通过。Agent Orchestrator 是社区开源的"高级辅助驾驶"——独立 CLI、git worktree 隔离、8 插槽并行、自愈合 CI、人在回路。前者零门槛、黑盒；后者高可控、需设计。两者不是竞争，是互补：Dynamic Workflows 做自动执行，Agent Orchestrator 做团队管理。但 Bun 案例的利益相关（Anthropic 已收购 Bun）和 1.3 万 unsafe 块提醒我们：AI 大规模编程的审查机制还没跟上，测试是唯一信任基础。

参考信息

• Anthropic 官方公告: https://www.anthropic.com/news/dynamic-workflows
• Claude Code v2.1.154+ 支持
• 使用条件: Max/Team/Enterprise 用户，Opus 4.8 + ultracode effort
• Bun Rust rewrite: https://github.com/oven-sh/bun (Rust 分支)
• Agent Orchestrator: https://github.com/Composio/agent-orchestrator (pkarnal)
• 发布时间: 2026-05-28

#DynamicWorkflows #ClaudeCode #Anthropic #AgentOrchestrator #Bun #Zig #Rust #AIProgramming #Subagent #TokenMaxxing