Dynamic Workflows
What it is
Dynamic Workflows(动态工作流)是一种 Harness 工程模式:编排逻辑不在执行前完全确定,而是在执行过程中根据中间结果、状态变化和新兴需求动态生成和调整。与 Plan-first Orchestration 的"先计划后执行"相对,Dynamic Workflows 强调"边执行边发现路径"。
边界声明:本页讨论的是通用 Harness 工程层面的动态工作流模式。Claude Code Dynamic Workflows 页覆盖的是 Claude Code 产品内的具体功能实现(research preview, May 2026),包括 ultracode 触发、子代理并行、对抗验证等产品特性。本页关注模式本身的工程原则与适用边界。
Why it matters
- 不确定性高的任务:研究、探索、创意生成等任务的最佳路径在执行前未知,预计划往往过时或过于保守
- 规模弹性:需要根据中间结果决定后续并行度——Auto-Prompt Generation 中 Boris Cherny 的循环即体现了这种动态扩展
- 错误恢复:执行中发现的失败可以即时触发替代路径,而非回到计划阶段重来
- 与 Plan-first 的互补:确定性高的任务用 Plan-first,不确定性高的用 Dynamic Workflows,两者构成连续谱
与 Plan-first Orchestration 的边界
| 维度 | Plan-first Orchestration | Dynamic Workflows |
|---|---|---|
| 计划时机 | 执行前完整计划 | 执行中动态调整 |
| 适用场景 | 确定性高、步骤清晰的任务 | 不确定性高、需探索的任务 |
| 可预测性 | 高 | 低 |
| 灵活性 | 中 | 高 |
| 示例 | 代码审查、数据迁移 | 研究、创意生成、大规模并行分析 |
核心机制
- 状态驱动编排:维护全局状态(GoalState),每轮根据当前状态决定下一步动作,而非遵循预定义步骤序列
- 并行扩展:从单一路径动态分叉为多条并行子任务,再聚合结果——是 Loop Engineering 的并行扩展
- 反思调整:执行结果反馈到 Prompt 生成器,动态修正后续策略(见 Auto-Prompt Generation 的反思进化机制)
- 收敛验证:并行产生的结果需经独立验证才能合并,防止"代理证据接受"
Evidence across sources
| Source | Key Claim | Relevance |
|---|---|---|
| harness-engineering/auto-prompt-generation | 动态工作流是 Loop Engineering 的并行扩展,支持大规模并行任务 | 确立 Dynamic Workflows 在 Loop Engineering 中的位置 |
| harness-engineering/plan-first-orchestration | Plan-first 与 Dynamic Workflows 的对比边界表 | 明确两种模式的适用边界 |
| Boris Cherny 工作流(via auto-prompt-generation) | 目标定义 → 初始化循环 → 执行循环(动态生成 Prompt → 执行 → 观察 → 更新状态 → 反思调整) | 实际运行的 Dynamic Workflow 架构示例 |
| Codex /goal 三层保护(via auto-prompt-generation) | 零工具调用抑制 + 预算控制 + 完成审计 | Dynamic Workflow 的生产级安全机制 |
Open questions
- Dynamic Workflows 的"刹车机制"如何设计?当理解腐蚀或目标漂移达到临界点时,如何自动暂停并请求人类介入?
- 在混合任务中,如何动态判断当前应切换回 Plan-first 模式?
- 并行子任务的上下文隔离与结果合并的最优策略是什么?
Related
- Plan-first Orchestration — 互补模式:执行前完整计划
- Auto-Prompt Generation — 核心子技能:动态生成每轮 Prompt
- Loop Engineering — 父框架:循环系统的设计与优化
- Claude Code Dynamic Workflows — 产品实现:Claude Code 的具体功能
- Multi-Agent Coordination Patterns — 多 Agent 协作的编排模式