Claude Code 動態工作流：AI 自寫 Harness

Anthropic 正在讓 Claude Code 參與寫自己的調度流程，目標是用動態 Harness 取代固定工作流。

Anthropic 正把 Anthropic 的 Claude Code 往更像「會自己編排任務」的方向推進。這次討論的核心，不是模型又多會聊天，而是它開始參與決定任務怎麼拆、工具怎麼叫、步驟怎麼跑。

這種做法背後的背景很直接：單一上下文窗口同時塞下規劃、執行、工具回傳，常會讓流程變亂。Anthropic 想解的，是把寫死的控制流程，改成可由模型動態生成的工作流。

發生了什麼

作者把 Anthropic 近來的一串定制流程放在一起看，包括 Research、安全審計、Agent Teams、Code Review。這些系統都不是一般聊天介面，而是外面先包一層控制器，讓模型先規劃，再按步驟執行。

原因很現實：如果規劃和執行全塞在同一輪對話裡，資訊很快就會膨脹，工具調用也更容易失控。對複雜任務來說，固定提示詞常常不夠，固定流程也不一定適合每種情境。

現在 Claude Code 被拿來討論成另一種路線：模型不只產出答案，還能先寫出自己的 Harness，再依那套流程跑任務。這代表工作流不再完全由人預先寫死，而是由模型根據任務型態動態決定。

• Research、審計、Agent Teams、Code Review 都屬於定制 Harness。
• 這些流程的共同點，是把規劃和執行拆開。
• 問題核心不是模型不會做事，而是上下文窗口不夠同時裝下全部決策。
• 動態工作流想讓模型參與調度，而不是只產出文字。

和傳統 agent 架構相比，差別在控制權。以前是工程師先設計好每一步，模型只在框架內回答；現在則是讓模型先判斷任務結構，再選擇合適的執行路徑。

這也解釋了為什麼 Anthropic 一直在強調特定任務的流程化設計。當任務越複雜，單靠一個大提示詞硬撐，通常只會換來更長的上下文，而不是更穩定的結果。

如果這條路走通，Claude Code 的角色就會更像任務編排器，而不只是寫程式助手。它要處理的不是「回答得好不好」，而是「流程設計得對不對」。

為什麼重要

對開發者來說，這會改變 agent 的設計重心。以前大家多半在比 prompt 寫法，接下來更可能在比控制層、狀態管理、工具路由和失敗回復機制。

如果模型能根據任務生成合適的工作流，很多場景就不必手工維護一套固定流程。這對內部工具、程式碼審查、資料檢索、研究助手這類高變動任務特別有用，因為它們很少只有一條標準路徑。

對產業來說，這也是 Anthropic 把 Claude Code 從單點編碼工具，往更通用的編排層推。真正的競爭不只是誰的模型更會寫，而是誰能更穩定地決定先做什麼、後做什麼、何時呼叫什麼工具。

另一個差異在維護成本。固定 Harness 好處是可控，但每加一種場景就要補一套流程；動態 Harness 若能穩定運作，理論上可以提高復用率，也讓 agent 更容易適配不同任務。

問題也很清楚：當 AI 連工作流都能自己寫，下一層競爭就變成誰來定規則、誰來審流程、誰來保證它不把步驟跑歪。

這不是把控制交出去那麼簡單，而是把「怎麼做事」也變成模型能力的一部分。真正要看的，不是 Claude Code 會不會更像人，而是它能不能穩定把複雜任務拆成可執行的路線。