Claude Code新增Dynamic Workflows：一次規劃、平行執行數百個子代理

Anthropic在Code with Claude 2026大會上發表兩項重要更新。第一項是Claude Code新增「Dynamic Workflows」（動態工作流程）功能：面對一項複雜任務時，Claude Code不再只是單線程逐步作答，而是能自行把任務拆解成多個子任務，規劃執行順序與依賴關係，並同時派出數百個子代理（sub-agents）平行處理，最後再彙整結果。第二項更新落在企業導向的Managed Agents平台，新增「Dreaming」與「Outcomes」兩項能力。Dreaming讓代理在正式上線、接觸真實資料與客戶前，先針對歷史資料跑過一輪又一輪的測試情境，模擬各種可能發生的狀況與回應方式；Outcomes則讓企業可以直接為代理定義「成功」的可量測條件（例如處理時間、準確率、客戶滿意度指標等），代理依此自我檢核成效，而非等到出包才被人工發現。

技術意義：從「聊天助理」走向「任務編排者」

Dynamic Workflows的關鍵突破在於「規劃」與「平行化」兩件事同時發生。過去的AI協作模式，即使是多代理架構，多半仍需要人工先把任務拆解好、或按固定腳本依序呼叫子代理；Dynamic Workflows則是把「怎麼拆」「誰先做」「誰同時做」的決策也交給模型本身處理。數百個子代理同時運作，代表過去需要數小時、需要多人接力的工程或分析任務，理論上可以壓縮到大幅縮短的時間內完成。而Dreaming與Outcomes則解決了企業導入AI代理時最大的疑慮——「代理會不會在正式上線後犯下代價高昂的錯誤」。讓代理先在歷史資料的「夢境」裡演練過一輪，再搭配明確的成功指標，等於是把「上線前測試」與「上線後追蹤」都內建進代理的運作機制裡，而不是仰賴人工事後稽核。

與前代或競品比較

相較於此前Claude Code主要仍是「單一代理、單一任務串」的互動模式，Dynamic Workflows是明確往「多代理協作系統」邁進的一步，這與近一年業界觀察到的「代理群（agent swarm）」趨勢方向一致——不是把單一模型做得更聰明，而是讓多個代理分工合作、平行處理。而Outcomes這種「可量測成功條件」的設計，某種程度上是把傳統企業管理中的KPI／OKR概念，直接內建到AI代理的治理層，這在目前主流AI代理平台中仍屬少見的做法，多數競品仍以人工設定規則或事後日誌審查為主。

業界反應

大會現場與隨後的開發者社群討論多集中在兩個面向：一是子代理平行化後，如何避免子代理彼此結果衝突或重複勞動，需要觀察後續實際案例；二是Dreaming機制雖然降低了上線風險，但測試情境仍仰賴歷史資料的代表性，若歷史資料本身有偏誤，模擬結果的參考價值也會受限。整體而言，企業客戶對Outcomes的落地應用興趣較高，因為這直接對應到「AI代理該如何被管理與究責」這個企業導入AI時最現實的問題。

對管理者的意義：當AI代理開始具備自主規劃與平行執行能力，管理者的角色會更接近「幫代理設定成功指標與底線」，而不是逐步下指令；不妨先想清楚，自己團隊裡有哪一項任務的「成功」可以被具體量化，這會是未來導入這類代理平台時最先要準備好的東西。