在 2026 年 10 月 12 日舉行的 AI Engineer New York 大會上，Anthropic 的工程師 CJ Avilla 和 Harrison Stall 介紹了名為「Dynamic Workflows」（簡稱為「flows」）的新功能。該功能被定義為一種新型的多代理編排方式，旨在處理雄心勃勃的工作負載。與過去需要開發者手動配置協調器和子代理名單（roster）的 Claude Managed Agents 不同，Dynamic Workflows 允許 Claude 自行決定如何劃分和編排工作。主導代理會制定計畫，並編寫一個編排程式來啟動代理、收集結果及管理資訊流，從而讓 Claude 完全編排其自身的多代理拓撲結構。
Avilla 指出，隨著大量代理產生大量 Pull Requests，開發者可能成為瓶頸，而 Dynamic Workflows 旨在解決這一問題。雖然該功能允許用戶在代理配置中傳入預先配置的專家子代理，但核心機制是由模型自動決定代理的組織方式。在演示中，他們展示了一個股票觀察清單掃描器的工作流，該工作流將個別股票代码分發給具有隔離上下文的代理進行掃描，隨後由審查階段檢查發現並生成報告。
在問答環節中，針對如何決定任務所需代理數量的問題，Stall 表示答案是依賴評估（evals）和較低的預設值，並指出雄心勃勃的任務通常需要明確鼓勵更高的並行化。關於 Token 預算控制，Stall 說明模型在運行時不知道其預算，但開發者可以設置會話預算；他幽默地補充說，告知模型預算可能會讓代理變得「有點焦慮」。此外，為了讓重複的工作流隨著時間變得更便宜和高效，Avilla 建議使用名為「dreaming」的研究預覽功能，該功能能讀取現有記憶存儲和過去會話記錄，合併重複項並替換過時或矛盾的條目，從而優化記憶存儲。
關於子代理之間的通信，Stall 解釋代理共享文件系統並可通過它交換信息，但開發者無法通過 API 直接指示一個工作流子代理向另一個發送消息。Avilla 強調，雖然 Dynamic Workflows 的成本比單代理方法「高得多」，但在發現所有細節方面「有效得多」，因此設置預算至關重要。Stall 還表示，該功能的目標是讓普通用戶也能處理大型科學研究項目，通過向難題投入測試時計算（test-time compute）來更快獲得模型能力，從而使科學進步對公眾而言變得可行。
事件背景
Anthropic 的工程師在演講中引用了 Unix 和 Linux 的歷史經驗，從 Ken Thompson 創建原始 Unix 操作系統，到 Linux 從 Linus Torvalds 一人發展為擁有分層可信維護者的項目，以此說明代理需要同樣層次的組織結構才能完成大型項目。此前，Claude Managed Agents 要求開發者手動配置協調器和子代理名單，而 Dynamic Workflows 將此過程自動化。該功能可在 Claude Console 中使用，這是開發者通過 API 訪問 Claude 的界面。文中提到的「dreaming」功能在文檔中被定義為研究預覽功能，用於重組記憶存儲。
