Anthropic научила Claude Code самому собирать «оркестр агентов» под задачу — VogueTech

Что нового

Anthropic добавила в Claude Code динамические workflows — сценарии, которые сам Claude пишет и запускает на лету под конкретную задачу.

Главное изменение:

Claude теперь может создавать собственный "harness" (обвязку) — набор агентов, правил и шагов — прямо во время сессии.
Workflows строятся поверх стандартного Claude Code, но не ограничиваются программированием. Их можно использовать для ресёрча, code review, миграций, анализа инцидентов, подбора кандидатов, проверки текстов и других задач.
Workflows можно сохранять и переиспользовать, а также делиться ими через skills (SKILL.MD + JS-файлы).
Динамический workflow может сам выбирать модель (например, Claude 4 Opus 4.8 или Sonnet) и решать, запускать ли подагентов в отдельном рабочем дереве (worktree).
При обрыве работы (закрыли терминал, прервали сессию) workflow можно продолжить с того же места.
Пользователь может задать бюджет токенов прямо в запросе: например, "use 10k tokens".

Anthropic честно предупреждает: динамические workflows часто тратят больше токенов, чем обычные запросы. Их логика рассчитана на сложные и дорогие по времени задачи, а не на каждое исправление багов.

Как это работает

Динамический workflow — это JavaScript-файл, который запускает Claude Code и внутри которого описаны специальные функции для управления подагентами.

Под капотом происходит следующее:

Вы пишете или просите Claude сгенерировать JS-файл workflow.
В нём используются специальные функции Claude Code для:
- запуска подагентов;
- координации их работы;
- обмена структурированными данными между ними;
- выбора модели и режима (например, отдельный worktree).
Внутри workflow доступны обычные функции JavaScript:
- JSON для сериализации и разбора данных;
- Math для вычислений;
- методы Array для фильтрации, сортировки, агрегации и т.д.
Workflow может динамически решать архитектуру задачи:
- какой агент чем занимается;
- какие шаги выполняются параллельно, а какие последовательно;
- какие результаты нужно проверить отдельным "скептическим" агентом.
Каждый подагент получает своё контекстное окно.
Это снижает накопление ошибок и позволяет:
- держать чёткую цель для каждого шага;
- не терять детали при многократных пересказах;
- запускать десятки параллельных веток.
При прерывании сессии состояние workflow сохраняется.
После возобновления Claude продолжит сценарий с последнего шага, а не начнёт всё заново.

Триггер для запуска динамического workflow — обычный запрос к Claude Code. Можно явно попросить:

«Создай workflow для…»
или использовать ключевое слово "ultracode", чтобы Claude точно перешёл в режим построения workflow.

Динамический vs статический workflow

До этого Anthropic предлагала статические workflows через Claude Agent SDK или claude -p. Там логика жёстко зашита под все случаи и мало меняется.

Сейчас Claude 4 Opus 4.8 достаточно "умный", чтобы сам писать кастомный harness под конкретный кейс. Это и есть динамический workflow:

он рождается из вашего промпта;
заточен под конкретную задачу;
может комбинировать разные паттерны (классификация, турнир, верификация и т.д.).

Что это значит для вас

Когда это полезно

Динамические workflows имеют смысл, когда:

задача сложная, многошаговая и долгая;
нужно много параллельных действий (сотни файлов, тысячи тикетов, десятки резюме);
важна строгая проверка (без "ну вроде нормально");
вы хотите структурировать работу нескольких агентов: генерация, критика, верификация, сравнение.

Anthropic приводит несколько классов задач.

1. Миграции и крупные рефакторинги

Пример: переписать кодовую базу с одного языка на другой или провести массовый рефакторинг.

Разбить задачу на шаги: вызовы функций, модули, проблемные тесты.
Для каждого изменения запустить подагента в отдельном worktree.
Отдельный агент выполняет adversarial review — придирается к исправлениям по жёсткому чек-листу.
После проверки изменения сливаются в основную ветку.

Anthropic упоминает, что Bun переписали с Zig на Rust с помощью workflows.

Совет: можно явно попросить Claude не использовать ресурсоёмкие команды, чтобы не забить локальную машину при массовом параллельном запуске.

2. Глубокий ресёрч

В Claude Code уже есть навык /deep-research, который работает на динамических workflows:

рассыпает запрос на множество веб-поисков;
подтягивает источники;
проверяет их утверждения отдельными агентами;
собирает отчёт с цитатами.

Ту же технику можно применить не только к вебу:

собрать статус-отчёт из истории в Slack;
изучить, как работает фича, по коду большого репозитория;
собрать аналитику по инцидентам или фичам из внутренних логов.

3. Глубокая проверка фактов

Если у вас есть отчёт или статья и вы хотите проверить каждое утверждение:

один агент выделяет все фактические утверждения;
для каждого утверждения запускается отдельный подагент-проверяющий;
ещё один агент проверяет качество источников, на которые ссылаются проверяющие.

Это удобно для технических блогов, документации, отчётов для руководства.

4. Сортировка и приоритизация больших списков

Пример: нужно отсортировать 1000+ тикетов по серьёзности бага.

Один запрос к Claude на такой список даёт слабый результат: не влезает в контекст и теряется качество. Workflows предлагают другие схемы:

турнир: пары тикетов сравниваются отдельными агентами, победитель идёт дальше;
pairwise-comparison pipeline: серия сравнений по строгому рубрику;
bucket ranking: параллельная раскладка по "корзинам" (критичный / средний / низкий), затем слияние.

Каждое сравнение — отдельный агент. Основной цикл держит только "сетку" турнира, а не весь список.

5. Память и соблюдение правил

Если вы часто повторяете Claude одни и те же правки и правила, workflows помогают:

создать сценарий, который достаёт ваши прошлые сессии и code review;
сгруппировать повторяющиеся замечания параллельными агентами;
для каждого кандидата-правила запустить adversarial verification: проверка, предотвратило бы оно реальную ошибку;
выжимаем итоговый набор правил и кладём его в CLAUDE.md.

Обратное направление: если Claude регулярно нарушает конкретные правила, создаём workflow, где каждое правило проверяет отдельный агент-верификатор. Можно добавить "скептика", который следит, чтобы проверок не было слишком много ложных срабатываний.

6. Разбор первопричин (root cause analysis)

При отладке или разборе инцидентов важно иметь несколько независимых гипотез. В одной контекстной сессии Claude склонен верить сам себе.

Workflow делает это структурно:

отдельные агенты строят гипотезы по разным источникам: логи, файлы, данные;
затем гипотезы попадают на "панель" агентов, которые их проверяют и опровергают.

Это применимо не только к коду:

продажи: "почему в марте просели продажи?";
дата-инженерия: "почему упал пайплайн?";
любые постмортемы.

7. Масштабный триаж

У любой команды есть очередь тикетов, багов, обращений, которые никто не успевает разобрать.

Триажный workflow может:

классифицировать каждый элемент (тип, приоритет, область);
искать дубликаты уже заведённых задач;
предпринимать действия: попытаться исправить или эскалировать человеку.

Полезный паттерн — карантин:

агенты, которые читают непроверенный публичный контент, не имеют прав на критические действия;
высокопривилегированные агенты получают только отфильтрованную информацию.

Такой workflow удобно запускать в паре с /loop, чтобы триаж шёл постоянно.

8. Исследование и taste-задачи

Когда результат зависит от вкуса и стиля (дизайн, нейминг, концепции), workflows помогают структурировать поиск.

Примеры запросов из Anthropic:

"Нужно название для CLI-инструмента. Используй workflow, чтобы набросать варианты и провести турнир, выбери топ-3".
"Возьми бизнес-план и запусти workflow, где разные агенты критикуют его с точки зрения инвестора, клиента и конкурента".

Схема:

один агент генерирует пачку вариантов;
другой агент с рубрикой качества оценивает и отбрасывает слабые;
можно провести турнир, пока не останется несколько сильных кандидатов.

9. Evals и шлифовка собственных skills

Если вы пишете свои навыки для Claude Code, workflows позволяют быстро прогонять mini-evals:

отдельные агенты запускают навык на разных примерах;
другие агенты сравнивают результаты с эталоном по рубрике;
на основе этого можно улучшать промпт или логику навыка.

10. Маршрутизация по моделям и "уровню интеллекта"

Workflow может включать классификатор, который решает, какую модель использовать и как.

Пример: задача "объясни, как работает модуль авторизации".

Классификатор сначала смотрит на размер и структуру модуля: сколько файлов, насколько сложная архитектура.
Если задача простая — можно пойти в Claude Sonnet.
Если кодовая база большая и запрос сложный — лучше переключиться на Claude 4 Opus.

Когда не использовать динамические workflows

Anthropic прямо говорит: workflows не нужны для всего подряд.

Не лучший вариант, если:

задача простая и локальная: один баг, одна функция, короткий фрагмент текста;
вы не готовы тратить много токенов на задачу;
вы хотите просто "быстрый ответ", а не многоходовую стратегию.

Полезный внутренний фильтр: "нужен ли этому запросу дополнительный compute?".
Для обычной разработки в стиле "исправь эту функцию" панель из пяти ревьюеров не нужна.

Доступность и VPN

Claude Code и динамические workflows доступны через продукты Anthropic.
Anthropic официально не работает на большинстве российских IP-адресов. Для доступа часто требуется VPN и аккаунт в поддерживаемом регионе. Юридические и технические ограничения зависят от страны, где вы находитесь.

Место на рынке

Anthropic позиционирует динамические workflows как надстройку над Claude Code, а не как отдельный продукт.
В тексте нет конкретных цифр по скорости, стоимости токена или сравнению с GPT-4o, GPT-4.1 или другими моделями.

Из того, что можно зафиксировать по фактам:

Workflows используют Claude 4 Opus 4.8 и другие модели Anthropic внутри одного сценария.
Пользователь может руками ограничивать токены для сценария, что важно при высоких ценах на большие модели.
Anthropic делает ставку на оркестрацию множества агентов через JavaScript, а не только на один "мощный" вызов модели.

Прямых численных сравнений с конкурентами по скорости, качеству или цене Anthropic в этом материале не даёт.

Полезные паттерны для своих workflows

Anthropic описывает несколько типичных схем, из которых Claude сам собирает динамические workflows. Эти же паттерны можно использовать в промптах.

Classify-and-act (классифицируй и действуй)

Один агент-классификатор определяет тип задачи.
Затем workflow запускает разные ветки логики или агентов в зависимости от класса.
Можно использовать и в конце: отдельный агент решает, как именно оформить выходные данные.

Fan-out-and-synthesize (разделяй и собирай)

Большую задачу режем на множество мелких шагов.
Для каждого шага запускается отдельный агент в чистом контексте.
После завершения все результаты попадают в шаг synthesize, где их объединяет один агент.

Это полезно, когда:

шагов много;
между ними не должно быть "перекрёстного заражения" контекста;
вы хотите строго дождаться всех результатов перед финальным отчётом.

Adversarial verification (агрессивная проверка)

Для каждого агента-исполнителя запускается второй агент-проверяющий.
Проверяющий ищет ошибки по рубрике, спорит с выводами, требует доказательства.

Подходит для:

безопасности;
code review;
проверок отчётов и исследований.

Generate-and-filter (генерируй и отбрасывай)

Один или несколько агентов создают много вариантов.
Другие агенты отфильтровывают по рубрике, проверяют, убирают дубликаты.
На выходе остаются только лучшие, проверенные идеи.

Хорошо работает для нейминга, продуктовых идей, вариантов дизайна.

Tournament (турнир)

Несколько агентов решают одну и ту же задачу разными способами.
Отдельный агент-судья сравнивает результаты попарно.
Победитель проходит дальше, пока не останется один или несколько лидеров.

Плюс: можно увидеть разные подходы, а не один "средний".

Loop until done (крути, пока не закончишь)

Для задач с неизвестным объёмом работы.
Вместо фиксированного числа проходов workflow крутится, пока не выполнено условие остановки:
- нет новых ошибок в логах;
- нет новых находок;
- достигнуты метрики качества.

Можно комбинировать с /loop, чтобы запускать такой сценарий по расписанию.

Как запускать и сохранять workflows

Anthropic описывает базовые действия с динамическими workflows внутри Claude Code.

Как попросить Claude создать workflow

Примеры промптов из материала:

"Этот тест падает примерно 1 раз из 50. Настрой workflow, чтобы воспроизвести его. Построй конкурирующие гипотезы о гонке и не останавливайся, пока одна из них не выдержит проверку".
"С помощью workflow пройди мои последние 50 сессий, найди повторяющиеся исправления и преврати их в правила для CLAUDE.md".
"Используй workflow, чтобы просмотреть #incidents в Slack за последние полгода и найти повторяющиеся корневые причины, по которым никто не завёл тикет".
"Вот папка из 80 резюме. Используй workflow, чтобы ранжировать их для backend-роли и перепроверить топ-10. Поспрашивай меня через AskUserQuestion для составления рубрики".
"Пройди мой черновик поста и проверь каждое техническое утверждение по коду через workflow, я не хочу выпустить ошибки".

Чтобы явно включить режим построения workflow, можно добавить слово "ultracode" в запрос.

Сохранение и шаринг

Во время работы workflow в меню можно нажать s, чтобы сохранить сценарий.
Сохранённые workflows можно хранить в каталоге ~/.claude/workflows.
Для распространения через skills:
- положите JS-файлы workflows в папку skill;
- опишите их в SKILL.MD.

Anthropic советует относиться к workflows в skill как к шаблонам, а не как к скриптам, которые всегда нужно выполнять дословно. Claude может адаптировать их под задачу.

Комбинация с /goal и /loop

Для повторяющихся сценариев (триаж, ресёрч, верификация):

используйте /loop, чтобы запускать workflow регулярно;
задавайте через /goal жёсткое условие завершения.

Так можно, например, постоянно чистить очередь тикетов или обновлять отчёты.

Бюджеты токенов

Чтобы ограничить расход, можно явно прописать в промпте:

"use 10k tokens"

Claude воспримет это как жёсткий лимит для динамического workflow и будет планировать количество агентов и глубину анализа под этот бюджет.

Что в этом хорошего и где подводные камни

Плюсы:

Claude перестаёт быть "одним большим ответом" и превращается в оркестратор множества подагентов.
JavaScript как язык сценариев делает workflows понятными разработчикам.
Можно бороться с типичными проблемами LLM:
- "ленивый агент" (бросил задачу на середине);
- self-preferential bias — когда модель верит только своим прошлым ответам;
- goal drift — когда цель размывается после десятков ходов и сжатий контекста.

Минусы и ограничения:

Динамические workflows дороже по токенам. Для простых задач это избыточно.
Нужны минимальные технические навыки, чтобы понимать, что делает сценарий на JS, особенно если вы делитесь им в команде.
Anthropic не даёт чисел по скорости и стоимости, поэтому планировать бюджеты придётся по собственному опыту.

Если вы:

инженер или тимлид с большой кодовой базой;
SRE / DevOps, который разбирает инциденты и логи;
продакт или аналитик с огромными очередями тикетов, писем, инцидентов;
техписатель или автор, которому важна строгая фактчекинг;

— динамические workflows в Claude Code могут дать реальную прибавку к продуктивности.

Если же вы решаете точечные задачи "исправь этот метод", "объясни этот кусок кода", часто будет быстрее и дешевле остаться в стандартном режиме Claude Code без тяжёлого оркестра.