B站视频讲解近期Anthropic 在 Claude Code 的 V2.1.47、V2.1.48 及最新版本中悄悄加入了一个足以媲美 MCP 和 Skills 的创新特性——Workflow。尽管官方文档中只字未提甚至发布日志中也删除了相关描述但该功能依然保留在 Claude Code 中并且可以稳定使用。经过深度测试可以发现Workflow 功能将彻底改变我们构建和复用 Agent 任务的方式。它很可能成为继 MCP 和 Skills 之后的下一个技术爆点未来 GitHub 上会出现成千上万个基于它的开源项目。什么是 Workflow简单来说Claude Code 的 Workflow 是一种通过编写 JavaScript 脚本来精确定义多 Agent 协作流程的功能。不同于以往通过自然语言临时“派发”子 Agent 的做法Workflow 让你能够用代码显式声明任务阶段、Agent 角色、执行顺序和结果聚合方式。它的核心特点包括可观测实时查看每个阶段的运行状态、耗时、Token 消耗、工具调用、可结构化阶段、子 Agent、验证步骤全部由代码定义、可复跑一次编写多次复用无需重复提示以及可分享脚本可分享给其他用户直接使用。如何启用 Workflow启用方式极其简单只需在终端中设置一个环境变量然后启动 Claude Code 即可exportANTHROPIC_WORKFLOW1claude在对话中使用关键词ultra work明确触发 Workflow 模式输入后该关键词会变成彩色渐变效果。例如你可以输入“ultra work 为当前 PR 生成一个 multi-agent 的 review workflow 并运行”。Claude Code 不会直接执行任务而是先自动编写一个完整的 Workflow 脚本然后再按照脚本运行。实战演示自动生成 PR 审查工作流为了让大家更直观地理解 Workflow 的威力这里用一个真实案例进行演示。假设我们在一个包含记忆插件的项目仓库中选择了一个经典 PR然后输入“ultra work 分析这个 PR并生成多 agent review 工作流后运行”。Claude Code 会先创建一个context.md文件记录任务上下文然后编写一个多达 300 余行的 JavaScript 脚本。这个脚本中定义了工作流的元数据名称、描述、三个执行阶段Review → 验证 → 生成报告以及六个并行的专业审查 Agent。脚本编写完成后Claude Code 会启动这个工作流。你可以输入/workflows命令进入可视化监控界面此时可以查看每个阶段的进度已完成或运行中、每个 Agent 的耗时、Token 消耗以及调用的工具列表。你还可以查看 Agent 的具体提示词和执行日志用键盘上下键选择Enter 键查看详情ESC 键退出。整个过程完全透明、可控。更妙的是Workflow 生成的脚本默认存放在临时目录生命周期三天。如果你对某个脚本非常满意可以直接要求 Claude Code 将它复制到用户级目录例如“把这个 workflow 脚本复制到 ~/.claude/workflows/ 目录下”。下次需要类似任务时只需引用即可“ultra work 调用 deep_research 脚本深度研究 harness engineering”。Claude Code 会直接复用已有脚本无需重新生成。Workflow 与其他功能的核心区别为了更好地理解 Workflow 的价值可以将它与 Claude Code 中已有的几个功能进行对比Sub-agent主 Agent 临时派生子 Agent 执行任务通过自然语言触发启动成本极低。缺点是不可复跑每次都需要重新描述任务。Agent Teams多角色并行运行在并行会话中人类可以主导调度和查看。缺点是无法做到真正的复跑和流程固化。Skills将某项技能附带文档、示例、推荐参数封装起来模型会自动发现并使用。本质上是自然语言加资源打包。Workflow新增将多 Agent 编排从自然语言固化为 JavaScript 脚本用代码代替提示词实现精准控制。支持复跑、追踪、质量验证但需要ultra work关键词主动触发。Workflow 真正颠覆性的地方在于它首次解决了 AI Agent 最大的问题之一不可控。以前的 Agent 更像“即兴发挥”模型根据上下文动态组织任务因此即便是同一个 Prompt也可能产生不同执行路径。而 Workflow 则通过 JavaScript 脚本将整个流程完全固化下来使 Agent 的行为第一次具备了工程化属性。相比传统 AgentWorkflow 带来了几个非常关键的能力可复现相同 Workflow 可以稳定复跑可追踪所有 Agent 行为均可观察可验证支持 Validator、Critic 等验证节点可复用Workflow Script 可以共享与复用可迭代用户可以手动修改和优化脚本这意味着Workflow 已经开始从“模型能力”向“工程系统”演进。很多人会将 Workflow 与 Skills 混淆但两者本质上完全不同。Skills 更偏向“能力封装”它主要解决的是模型什么时候调用工具、如何调用工具的问题。而 Workflow 则是“流程编排”它定义的是多个 Agent 如何协作、如何调度、如何验证以及如何聚合结果。简单来说Skills 解决“能力”Workflow 解决“流程”Workflow 最重要的一点在于它真正将 Agent Flow 写成了代码而不是 Prompt。Claude Code 会通过 JavaScript 明确描述整个执行过程这意味着工作流第一次变得“可工程化”。目前测试中Workflow 已经支持多种结构化执行模式例如Pipeline流水线Parallel Aggregate并行聚合Adversarial Validation对抗验证Fan-out / Fan-inRecursive WorkflowNested Workflow这些结构实际上已经非常接近传统软件工程中的任务编排系统。更重要的是Workflow Script 可以长期保存和复用。Claude Code 默认会将 Workflow 临时存放在缓存目录中但用户也可以将成熟 Workflow 放入固定路径形成自己的 Workflow Library。之后 Claude Code 可以直接复用这些脚本而无需重新生成。最小化代码示例与六种形态一个最简单的 Workflow 脚本必须包含三个要素元数据名称和描述必填、至少一次 Agent 方法调用、以及返回结果。以下是基本结构示意{metadata:{name:最小示例,description:演示 Workflow 基本结构},agents:[/* 至少调用一次 agent */],return:finalResult// 必须返回结果}此外Workflow 支持六种不同的编排形态分别适用于不同的任务复杂度流水线顺序执行、同步聚合并行后汇总、对抗验证多个 Agent 互相校验、偏尾制提前终止条件、累积式迭代增强以及嵌套式工作流套工作流。示例分析exportdefault{metadata:{name:deep-research,description:Multi-source deep research workflow with parallel search, fact verification, and report synthesis},// 定义工作流的执行阶段顺序执行但阶段内可并行stages:[{id:search,description:并行搜索官方文档、学术论文和社区讨论,parallel:true,// 该阶段内的 agents 并行运行agents:[{id:official-docs,tools:[web-search],systemPrompt:你是技术文档研究员擅长从官方文档、API 参考和发行说明中提取准确信息。,prompt:搜索并整理与主题相关的最新官方文档、最佳实践和官方示例。,maxTokens:4000,temperature:0.1},{id:papers,tools:[arxiv-search],systemPrompt:你是学术论文研究员擅长从 arXiv 等学术数据库中检索论文提取方法、实验结果和结论。,prompt:搜索相关学术论文近三年优先总结每篇论文的核心贡献、技术细节和局限性。,maxTokens:4000,temperature:0.2},{id:community,tools:[reddit,github],systemPrompt:你是开源社区分析师擅长从 Reddit、GitHub Issues/Discussions 中提取真实使用反馈、常见问题和解决方案。,prompt:收集社区讨论中的实际案例、痛点、变通方法和推荐的最佳实践。,maxTokens:3000,temperature:0.3}]},{id:verification,description:交叉验证三个来源的信息标记矛盾,dependsOn:[search],// 等待 search 阶段完成parallel:false,// 本阶段只运行一个 agentagents:[{id:fact-checker,tools:[web-search],// 允许核查员再次搜索验证systemPrompt:你是严格的事实核查员负责对比不同来源的信息识别矛盾点、过时内容和未经验证的断言。,prompt:对比以下三个来源的研究结果 1. 官方文档 (official-docs) 2. 学术论文 (papers) 3. 社区讨论 (community) 请输出 - 一致性摘要三方共同确认的事实 - 矛盾点列出相互冲突的陈述并说明哪个来源更可信及理由 - 缺失信息哪些重要问题没有被任何来源覆盖 - 验证建议对矛盾点建议进一步查阅的权威链接,maxTokens:6000,temperature:0.0}]},{id:synthesis,description:生成最终技术报告,dependsOn:[verification],parallel:false,agents:[{id:report-writer,tools:[],// 不需要额外工具只整合输入systemPrompt:你是高级技术报告撰稿人擅长将多源信息整合成结构清晰、可操作的报告。,prompt:基于 verification 阶段的输出生成一份深度研究报告。报告必须包含 # 标题与摘要 # 1. 研究背景与目标 # 2. 核心发现分官方、学术、社区三个小节 # 3. 一致性结论与矛盾分析 # 4. 风险评估与未解决问题 # 5. 可执行建议 # 6. 参考文献与数据来源 请使用 Markdown 格式语言专业但易懂。,maxTokens:8000,temperature:0.2}]}],// 最终返回值会被 Claude Code 展示或保存return:async(context){// context 中包含了每个阶段所有 agents 的输出constreportcontext.stages.synthesis.agents[report-writer].output;// 可选将报告保存到文件awaitcontext.saveFile(deep-research-report.md,report);return{summary:深度研究完成,reportPath:deep-research-report.md,keyFindings:context.stages.verification.agents[fact-checker].output.summary};}};代码要点说明元数据包含name和description是 Workflow 脚本的必填项。阶段定义采用stages数组每个阶段有id、description、parallel是否并行运行内部 agents、dependsOn依赖的前置阶段和agents列表。Agent 配置每个 agent 可指定tools如web-search、arxiv-search、reddit、github、systemPrompt、prompt、maxTokens、temperature等参数。依赖控制dependsOn确保阶段顺序parallel: true让多个 agent 在同一阶段内并行执行提高效率。最终返回return为一个异步函数接收context对象包含所有阶段输出可以进一步处理结果、保存文件并返回一个简明的摘要。该案例完整实现了多源并行搜索、事实核查验证、报告合成的深度研究流程充分体现了 Workflow 功能的核心优势结构化、可复跑、可观测、可分享。典型应用场景与生产级实践Workflow 可以广泛应用于多个领域。例如多维度代码审查同时关注安全、性能、可读性、架构跨多元研究并行检索官方文档、论文、社区讨论和实践案例设计方案探索多个候选方案对比验证漏洞扫描与 Bug 定位跨多文件重构分阶段、分模块并行处理以及文档生成与翻译。笔者在测试中构建了一个deep_research脚本定义了搜索、验证、合成报告三个阶段其中搜索阶段并行启动了四个 Agent分别研究官方文档、论文、社区讨论、实践案例。使用时只需一条命令Claude Code 就会严格按照脚本执行输出结构化报告。另一个生产级实践是用 Workflow 脚本调用 Codex CLI 进行代码审查。通过 JavaScript 脚本你可以更精准地控制审查的粒度、规则和输出格式甚至取代一些开源的 Codex review skill 或插件。这说明 Workflow 不仅是一个实验性功能也具备直接落地到实际项目中的能力。总结为什么说它是颠覆性创新Workflow 的核心价值在于将多 Agent 协作从“临场建议”提升到了“固化代码”的层次。以往我们依赖模型临时编排 Agent结果往往不可控、不可复现现在你可以用代码精确描述流程模型只负责执行。同时Workflow 实现了可观测、可验证、可分享就像 MCP 标准化了工具调用、Skills 标准化了知识封装一样Workflow 标准化了多 Agent 协作流程。一次编写高质量的 Workflow团队或社区所有人都能复用大幅降低复杂任务的执行门槛。尽管 Anthropic 尚未正式官宣但 Workflow 已经稳定可用。强烈建议 Claude Code 用户立即尝试这一功能——在终端中敲下export ANTHROPIC_WORKFLOW1然后输入ultra work开启新一代 Agent 编排之旅。总结一下Workflow 功能是 Cloud Code 的划时代创新该功能通过 JavaScript 脚本实现多 Agent 的精准编排支持可观测、可验证、可复用的工作流显著提升了任务执行的精确性和可控性。Workflow 与 Sub Agent 和 Agent Teams 的区别Sub Agent 是主 Agent 临时派生的子任务启动成本低但不可复跑Agent Teams 支持多角色并行但缺乏结构化控制而 Workflow 通过代码固化流程实现真正可重复、可追踪的高质量执行。Workflow 与 Skills 的核心差异Skills 是将某项技能封装后由模型自动调用而 Workflow 是将多 Agent 协作流程写成 JS 脚本强调流程的代码化而非提示词化需通过ultra work关键词触发。Workflow 支持六种执行形态包括流水线、同步聚合、对抗验证、偏尾制、累积式和嵌套式适用于复杂任务的多阶段协同处理。Workflow 脚本可共享与复用用户可将跑通的脚本保存至用户级路径实现跨项目复用未来有望在 GitHub 上形成类似 MCP 和 Skills 的开源生态。实际应用场景广泛适用于多维度代码审查、深度研究、漏洞扫描、跨文件重构、文档生成等复杂任务显著提升开发效率与质量。目前功能已稳定可用但未官宣尽管 Anthropic 未在官方文档中提及且在更新日志中删除相关描述但 Workflow 功能在 Cloud Code V2.1.47 和 V2.1.48 中仍可正常使用具备高度稳定性。
Claude Code Workflow 功能深度解析
发布时间：2026/5/26 19:56:56
B站视频讲解近期Anthropic 在 Claude Code 的 V2.1.47、V2.1.48 及最新版本中悄悄加入了一个足以媲美 MCP 和 Skills 的创新特性——Workflow。尽管官方文档中只字未提甚至发布日志中也删除了相关描述但该功能依然保留在 Claude Code 中并且可以稳定使用。经过深度测试可以发现Workflow 功能将彻底改变我们构建和复用 Agent 任务的方式。它很可能成为继 MCP 和 Skills 之后的下一个技术爆点未来 GitHub 上会出现成千上万个基于它的开源项目。什么是 Workflow简单来说Claude Code 的 Workflow 是一种通过编写 JavaScript 脚本来精确定义多 Agent 协作流程的功能。不同于以往通过自然语言临时“派发”子 Agent 的做法Workflow 让你能够用代码显式声明任务阶段、Agent 角色、执行顺序和结果聚合方式。它的核心特点包括可观测实时查看每个阶段的运行状态、耗时、Token 消耗、工具调用、可结构化阶段、子 Agent、验证步骤全部由代码定义、可复跑一次编写多次复用无需重复提示以及可分享脚本可分享给其他用户直接使用。如何启用 Workflow启用方式极其简单只需在终端中设置一个环境变量然后启动 Claude Code 即可exportANTHROPIC_WORKFLOW1claude在对话中使用关键词ultra work明确触发 Workflow 模式输入后该关键词会变成彩色渐变效果。例如你可以输入“ultra work 为当前 PR 生成一个 multi-agent 的 review workflow 并运行”。Claude Code 不会直接执行任务而是先自动编写一个完整的 Workflow 脚本然后再按照脚本运行。实战演示自动生成 PR 审查工作流为了让大家更直观地理解 Workflow 的威力这里用一个真实案例进行演示。假设我们在一个包含记忆插件的项目仓库中选择了一个经典 PR然后输入“ultra work 分析这个 PR并生成多 agent review 工作流后运行”。Claude Code 会先创建一个context.md文件记录任务上下文然后编写一个多达 300 余行的 JavaScript 脚本。这个脚本中定义了工作流的元数据名称、描述、三个执行阶段Review → 验证 → 生成报告以及六个并行的专业审查 Agent。脚本编写完成后Claude Code 会启动这个工作流。你可以输入/workflows命令进入可视化监控界面此时可以查看每个阶段的进度已完成或运行中、每个 Agent 的耗时、Token 消耗以及调用的工具列表。你还可以查看 Agent 的具体提示词和执行日志用键盘上下键选择Enter 键查看详情ESC 键退出。整个过程完全透明、可控。更妙的是Workflow 生成的脚本默认存放在临时目录生命周期三天。如果你对某个脚本非常满意可以直接要求 Claude Code 将它复制到用户级目录例如“把这个 workflow 脚本复制到 ~/.claude/workflows/ 目录下”。下次需要类似任务时只需引用即可“ultra work 调用 deep_research 脚本深度研究 harness engineering”。Claude Code 会直接复用已有脚本无需重新生成。Workflow 与其他功能的核心区别为了更好地理解 Workflow 的价值可以将它与 Claude Code 中已有的几个功能进行对比Sub-agent主 Agent 临时派生子 Agent 执行任务通过自然语言触发启动成本极低。缺点是不可复跑每次都需要重新描述任务。Agent Teams多角色并行运行在并行会话中人类可以主导调度和查看。缺点是无法做到真正的复跑和流程固化。Skills将某项技能附带文档、示例、推荐参数封装起来模型会自动发现并使用。本质上是自然语言加资源打包。Workflow新增将多 Agent 编排从自然语言固化为 JavaScript 脚本用代码代替提示词实现精准控制。支持复跑、追踪、质量验证但需要ultra work关键词主动触发。Workflow 真正颠覆性的地方在于它首次解决了 AI Agent 最大的问题之一不可控。以前的 Agent 更像“即兴发挥”模型根据上下文动态组织任务因此即便是同一个 Prompt也可能产生不同执行路径。而 Workflow 则通过 JavaScript 脚本将整个流程完全固化下来使 Agent 的行为第一次具备了工程化属性。相比传统 AgentWorkflow 带来了几个非常关键的能力可复现相同 Workflow 可以稳定复跑可追踪所有 Agent 行为均可观察可验证支持 Validator、Critic 等验证节点可复用Workflow Script 可以共享与复用可迭代用户可以手动修改和优化脚本这意味着Workflow 已经开始从“模型能力”向“工程系统”演进。很多人会将 Workflow 与 Skills 混淆但两者本质上完全不同。Skills 更偏向“能力封装”它主要解决的是模型什么时候调用工具、如何调用工具的问题。而 Workflow 则是“流程编排”它定义的是多个 Agent 如何协作、如何调度、如何验证以及如何聚合结果。简单来说Skills 解决“能力”Workflow 解决“流程”Workflow 最重要的一点在于它真正将 Agent Flow 写成了代码而不是 Prompt。Claude Code 会通过 JavaScript 明确描述整个执行过程这意味着工作流第一次变得“可工程化”。目前测试中Workflow 已经支持多种结构化执行模式例如Pipeline流水线Parallel Aggregate并行聚合Adversarial Validation对抗验证Fan-out / Fan-inRecursive WorkflowNested Workflow这些结构实际上已经非常接近传统软件工程中的任务编排系统。更重要的是Workflow Script 可以长期保存和复用。Claude Code 默认会将 Workflow 临时存放在缓存目录中但用户也可以将成熟 Workflow 放入固定路径形成自己的 Workflow Library。之后 Claude Code 可以直接复用这些脚本而无需重新生成。最小化代码示例与六种形态一个最简单的 Workflow 脚本必须包含三个要素元数据名称和描述必填、至少一次 Agent 方法调用、以及返回结果。以下是基本结构示意{metadata:{name:最小示例,description:演示 Workflow 基本结构},agents:[/* 至少调用一次 agent */],return:finalResult// 必须返回结果}此外Workflow 支持六种不同的编排形态分别适用于不同的任务复杂度流水线顺序执行、同步聚合并行后汇总、对抗验证多个 Agent 互相校验、偏尾制提前终止条件、累积式迭代增强以及嵌套式工作流套工作流。示例分析exportdefault{metadata:{name:deep-research,description:Multi-source deep research workflow with parallel search, fact verification, and report synthesis},// 定义工作流的执行阶段顺序执行但阶段内可并行stages:[{id:search,description:并行搜索官方文档、学术论文和社区讨论,parallel:true,// 该阶段内的 agents 并行运行agents:[{id:official-docs,tools:[web-search],systemPrompt:你是技术文档研究员擅长从官方文档、API 参考和发行说明中提取准确信息。,prompt:搜索并整理与主题相关的最新官方文档、最佳实践和官方示例。,maxTokens:4000,temperature:0.1},{id:papers,tools:[arxiv-search],systemPrompt:你是学术论文研究员擅长从 arXiv 等学术数据库中检索论文提取方法、实验结果和结论。,prompt:搜索相关学术论文近三年优先总结每篇论文的核心贡献、技术细节和局限性。,maxTokens:4000,temperature:0.2},{id:community,tools:[reddit,github],systemPrompt:你是开源社区分析师擅长从 Reddit、GitHub Issues/Discussions 中提取真实使用反馈、常见问题和解决方案。,prompt:收集社区讨论中的实际案例、痛点、变通方法和推荐的最佳实践。,maxTokens:3000,temperature:0.3}]},{id:verification,description:交叉验证三个来源的信息标记矛盾,dependsOn:[search],// 等待 search 阶段完成parallel:false,// 本阶段只运行一个 agentagents:[{id:fact-checker,tools:[web-search],// 允许核查员再次搜索验证systemPrompt:你是严格的事实核查员负责对比不同来源的信息识别矛盾点、过时内容和未经验证的断言。,prompt:对比以下三个来源的研究结果 1. 官方文档 (official-docs) 2. 学术论文 (papers) 3. 社区讨论 (community) 请输出 - 一致性摘要三方共同确认的事实 - 矛盾点列出相互冲突的陈述并说明哪个来源更可信及理由 - 缺失信息哪些重要问题没有被任何来源覆盖 - 验证建议对矛盾点建议进一步查阅的权威链接,maxTokens:6000,temperature:0.0}]},{id:synthesis,description:生成最终技术报告,dependsOn:[verification],parallel:false,agents:[{id:report-writer,tools:[],// 不需要额外工具只整合输入systemPrompt:你是高级技术报告撰稿人擅长将多源信息整合成结构清晰、可操作的报告。,prompt:基于 verification 阶段的输出生成一份深度研究报告。报告必须包含 # 标题与摘要 # 1. 研究背景与目标 # 2. 核心发现分官方、学术、社区三个小节 # 3. 一致性结论与矛盾分析 # 4. 风险评估与未解决问题 # 5. 可执行建议 # 6. 参考文献与数据来源 请使用 Markdown 格式语言专业但易懂。,maxTokens:8000,temperature:0.2}]}],// 最终返回值会被 Claude Code 展示或保存return:async(context){// context 中包含了每个阶段所有 agents 的输出constreportcontext.stages.synthesis.agents[report-writer].output;// 可选将报告保存到文件awaitcontext.saveFile(deep-research-report.md,report);return{summary:深度研究完成,reportPath:deep-research-report.md,keyFindings:context.stages.verification.agents[fact-checker].output.summary};}};代码要点说明元数据包含name和description是 Workflow 脚本的必填项。阶段定义采用stages数组每个阶段有id、description、parallel是否并行运行内部 agents、dependsOn依赖的前置阶段和agents列表。Agent 配置每个 agent 可指定tools如web-search、arxiv-search、reddit、github、systemPrompt、prompt、maxTokens、temperature等参数。依赖控制dependsOn确保阶段顺序parallel: true让多个 agent 在同一阶段内并行执行提高效率。最终返回return为一个异步函数接收context对象包含所有阶段输出可以进一步处理结果、保存文件并返回一个简明的摘要。该案例完整实现了多源并行搜索、事实核查验证、报告合成的深度研究流程充分体现了 Workflow 功能的核心优势结构化、可复跑、可观测、可分享。典型应用场景与生产级实践Workflow 可以广泛应用于多个领域。例如多维度代码审查同时关注安全、性能、可读性、架构跨多元研究并行检索官方文档、论文、社区讨论和实践案例设计方案探索多个候选方案对比验证漏洞扫描与 Bug 定位跨多文件重构分阶段、分模块并行处理以及文档生成与翻译。笔者在测试中构建了一个deep_research脚本定义了搜索、验证、合成报告三个阶段其中搜索阶段并行启动了四个 Agent分别研究官方文档、论文、社区讨论、实践案例。使用时只需一条命令Claude Code 就会严格按照脚本执行输出结构化报告。另一个生产级实践是用 Workflow 脚本调用 Codex CLI 进行代码审查。通过 JavaScript 脚本你可以更精准地控制审查的粒度、规则和输出格式甚至取代一些开源的 Codex review skill 或插件。这说明 Workflow 不仅是一个实验性功能也具备直接落地到实际项目中的能力。总结为什么说它是颠覆性创新Workflow 的核心价值在于将多 Agent 协作从“临场建议”提升到了“固化代码”的层次。以往我们依赖模型临时编排 Agent结果往往不可控、不可复现现在你可以用代码精确描述流程模型只负责执行。同时Workflow 实现了可观测、可验证、可分享就像 MCP 标准化了工具调用、Skills 标准化了知识封装一样Workflow 标准化了多 Agent 协作流程。一次编写高质量的 Workflow团队或社区所有人都能复用大幅降低复杂任务的执行门槛。尽管 Anthropic 尚未正式官宣但 Workflow 已经稳定可用。强烈建议 Claude Code 用户立即尝试这一功能——在终端中敲下export ANTHROPIC_WORKFLOW1然后输入ultra work开启新一代 Agent 编排之旅。总结一下Workflow 功能是 Cloud Code 的划时代创新该功能通过 JavaScript 脚本实现多 Agent 的精准编排支持可观测、可验证、可复用的工作流显著提升了任务执行的精确性和可控性。Workflow 与 Sub Agent 和 Agent Teams 的区别Sub Agent 是主 Agent 临时派生的子任务启动成本低但不可复跑Agent Teams 支持多角色并行但缺乏结构化控制而 Workflow 通过代码固化流程实现真正可重复、可追踪的高质量执行。Workflow 与 Skills 的核心差异Skills 是将某项技能封装后由模型自动调用而 Workflow 是将多 Agent 协作流程写成 JS 脚本强调流程的代码化而非提示词化需通过ultra work关键词触发。Workflow 支持六种执行形态包括流水线、同步聚合、对抗验证、偏尾制、累积式和嵌套式适用于复杂任务的多阶段协同处理。Workflow 脚本可共享与复用用户可将跑通的脚本保存至用户级路径实现跨项目复用未来有望在 GitHub 上形成类似 MCP 和 Skills 的开源生态。实际应用场景广泛适用于多维度代码审查、深度研究、漏洞扫描、跨文件重构、文档生成等复杂任务显著提升开发效率与质量。目前功能已稳定可用但未官宣尽管 Anthropic 未在官方文档中提及且在更新日志中删除相关描述但 Workflow 功能在 Cloud Code V2.1.47 和 V2.1.48 中仍可正常使用具备高度稳定性。
