Claude Code新增Dynamic Workflows：一次规划、并行执行数百个子代理

Anthropic在Code with Claude 2026大会上发布两项重要更新。第一项是Claude Code新增「Dynamic Workflows」（动态工作流程）功能：面对一项复杂任务时，Claude Code不再只是单线程逐步作答，而是能自行把任务拆解成多个子任务，规划执行顺序与依赖关系，并同时派出数百个子代理（sub-agents）并行处理，最后再汇总结果。第二项更新落在面向企业的Managed Agents平台，新增「Dreaming」与「Outcomes」两项能力。Dreaming让代理在正式上线、接触真实数据与客户之前，先针对历史数据跑过一轮又一轮的测试情境，模拟各种可能发生的状况与应对方式；Outcomes则让企业可以直接为代理定义「成功」的可量化条件（例如处理时间、准确率、客户满意度指标等），代理依此自我检核成效，而不是等到出问题才被人工发现。

技术意义：从「聊天助理」走向「任务编排者」

Dynamic Workflows的关键突破在于「规划」与「并行化」这两件事同时发生。过去的AI协作模式，即便是多代理架构，也多半仍需要人工先把任务拆解好、或按固定脚本依序调用子代理；Dynamic Workflows则是把「怎么拆」「谁先做」「谁同时做」的决策也交给模型本身处理。数百个子代理同时运作，意味着过去需要数小时、需要多人接力的工程或分析任务，理论上可以压缩到大幅缩短的时间内完成。而Dreaming与Outcomes则解决了企业引入AI代理时最大的顾虑——「代理会不会在正式上线后犯下代价高昂的错误」。让代理先在历史数据的「梦境」里演练一轮，再配合明确的成功指标，相当于把「上线前测试」与「上线后追踪」都内建进代理的运作机制里，而不是依赖人工事后稽核。

与前代或竞品比较

相较于此前Claude Code主要仍是「单一代理、单一任务串」的交互模式，Dynamic Workflows是明确向「多代理协作系统」迈进的一步，这与近一年业界观察到的「代理群（agent swarm）」趋势方向一致——不是把单一模型做得更聪明，而是让多个代理分工合作、并行处理。而Outcomes这种「可量化成功条件」的设计，在某种程度上是把传统企业管理中的KPI／OKR概念，直接内置到AI代理的治理层，这在目前主流AI代理平台中仍属少见的做法，多数竞品仍以人工设定规则或事后日志审查为主。

业界反应

大会现场与随后的开发者社群讨论多集中在两个方面：一是子代理并行化之后，如何避免子代理彼此结果冲突或重复劳动，需要观察后续实际案例；二是Dreaming机制虽然降低了上线风险，但测试情境仍依赖历史数据的代表性，若历史数据本身存在偏差，模拟结果的参考价值也会受限。整体而言，企业客户对Outcomes的落地应用兴趣较高，因为这直接对应到「AI代理该如何被管理与问责」这一企业引入AI时最现实的问题。

对管理者的意义：当AI代理开始具备自主规划与并行执行能力，管理者的角色会更接近「帮代理设定成功指标与底线」，而不是逐步下指令；不妨先想清楚，自己团队里有哪一项任务的「成功」可以被具体量化，这会是未来引入这类代理平台时最先要准备好的东西。