InfoQ

Anthropic Explains How Claude Builds Its Own Execution Harnesses

8.5内容质量
Anthropic Explains How Claude Builds Its Own Execution Harnesses

TL;DR · AI 摘要

Claude 通过动态工作流和自定义执行工具，协调多个 AI 代理完成复杂任务，提升 AI 系统的效率与准确性。

核心要点

  • Claude 使用 JavaScript 生成执行工具，协调多个 AI 代理完成任务。
  • 动态工作流通过并行子任务和对抗验证，解决 AI 代理懒惰和目标偏移问题。
  • 模型路由策略允许不同模型处理不同任务阶段，降低成本并提高效率。

结构提纲

按章节快速跳转。

  1. §引言

    Anthropic 介绍了 Claude Code 的动态工作流系统及其执行工具的构建方式。

  2. ·动态工作流机制

    Claude 通过生成 JavaScript 执行工具，协调多个 AI 代理完成复杂任务。

  3. ›解决的挑战

    动态工作流解决了 AI 代理懒惰、目标偏移和自我偏好偏差等问题。

  4. ·执行策略

    包括并行子任务合并、对抗验证和模型路由等策略，提升系统效率与准确性。

  5. ›模型路由

    不同模型被分配到不同任务阶段，以降低成本并提高处理复杂任务的能力。

  6. ·用户反馈

    开发者对动态工作流的灵活性和成本效益存在不同看法。

思维导图

用一张图看清主题之间的关系。

查看大纲文本（无障碍 / 无 JS 友好）
  • Claude 动态工作流系统
    • 执行工具
      • JavaScript 生成
      • 协调 AI 代理
    • 解决的挑战
      • AI 代理懒惰
      • 目标偏移
      • 自我偏好偏差
    • 执行策略
      • 并行子任务合并
      • 对抗验证
      • 模型路由

金句 / Highlights

值得收藏与分享的关键句。

  • Claude 可以动态生成 JavaScript 执行工具，用于协调多个 AI 代理完成复杂任务。

    — 第 2 段

    ⬇︎ 下载 PNG𝕏 分享到 X
  • 动态工作流通过并行子任务和对抗验证，解决 AI 代理懒惰和目标偏移问题。

    — 第 3 段

    ⬇︎ 下载 PNG𝕏 分享到 X
  • 模型路由策略允许不同模型处理不同任务阶段，降低成本并提高处理复杂任务的能力。

    — 第 5 段

    ⬇︎ 下载 PNG𝕏 分享到 X
#AI#Claude#Anthropic#动态工作流#AI 代理
打开原文

Anthropic 解释 Claude 如何构建自己的执行框架 - InfoQ

InfoQ 首页 News Anthropic 解释 Claude 如何构建自己的执行框架

AI、机器学习与数据工程

在线 InfoQ 组织架构师认证（6月19日）：学习其他高级从业者如何处理组织决策。

Anthropic 解释 Claude 如何构建自己的执行框架

6月15日，2026年，2分钟阅读

作者：

  • Robert Krzaczyński

#### 为 InfoQ 撰稿

激发你的好奇心。

帮助全球 55 万名高级开发人员每月保持领先。

联系我们

收听这篇文章 -

0:00

音频准备就绪

你的浏览器不支持音频元素。

正常

1.25x

1.5x

喜欢

新下拉阅读列表

  • 阅读列表

Anthropic 最近发布了更多关于 Claude Code 新推出的动态工作流程背后协调系统的信息，强调了该功能如何生成定制的执行框架，用于协调 AI 代理团队完成复杂任务。

最初的公告强调了动态工作流程在大型软件工程项目中的应用，而新的概述则突出了 Claude 如何创建和管理这些工作流程。Anthropic 表示，Claude 可以动态生成 JavaScript 框架，以委派任务、分配代理、验证结果并确定工作流程的持续时间。

公司认为，这种方法有助于解决与长期运行的 AI 任务相关的多个挑战。Anthropic 识别出诸如“代理懒惰”，即 AI 系统在任务完成之前停止，“自我偏好偏见”，即模型在评估过程中倾向于自己的结论，以及“目标漂移”，即在长时间交互中目标变得模糊等问题。

动态工作流程使用多个具有特定角色的独立代理，而不是单一的上下文窗口。Anthropic 为 Claude 提出了策略，包括“分发并综合”，即任务被划分为并行子任务然后合并，以及“对抗性验证”，即审查代理挑战其他代理的发现。

公司还强调了锦标赛式的工作流程，其中多个代理使用不同的方法尝试解决相同的问题，并相互评估，以及根据复杂性或需求将任务路由到不同代理的分类器系统。

该系统的一个显著特点是模型路由。Anthropic 表示，工作流程可以将不同的模型分配给任务的不同阶段，使低成本模型处理简单的任务，而将更强大的模型保留用于需要更深入推理的任务。

该功能在开发人员中引发了混合反应。一些用户认为动态工作流程可能是迈向更自主 AI 系统的重要一步，而其他人则质疑其成本效益的权衡。在 Reddit 的讨论中，一位用户写道：

有一天会很好，但目前这只是非常酷的一种方式，让 token 燃烧。

其他人则指出了模型选择带来的灵活性：

Claude Code 中的动态工作流程允许在每个阶段对使用的具体子代理进行精确控制。根据复杂程度，可以为不同任务使用不同的模型。例如，可以使用更便宜的模型来处理不需要深入推理的工作流程。通过这样做，可以有效地优化并减少每个工作流程执行的总体运营成本。

讨论反映了人工智能开发中的一个更广泛趋势，即公司越来越多地关注编排框架、验证系统和多智能体协调，以此来提升性能，超越单个模型本身的能力。

主作者部分包装器

关于作者

部分标题

每个作者的主包装器

#### Robert Krzaczyński

显示更多

显示更少

#### 此内容属于AI、机器学习与数据工程主题

##### 相关主题：

  • AI、机器学习与数据工程
  • Anthropic
  • Claude
  • 相关编辑
  • 相关赞助商 理解AI代理安全性
  • 相关赞助商 使用Promptfoo自信地测试、评估和红队你的LLM应用——发现回归问题、基准模型，并更快地推出高质量的AI功能；立即开始测试你的提示。了解更多。

InfoQ新闻简报

每周二发送上周InfoQ内容的汇总。加入超过250,000名高级开发者的社区。查看示例

我们保护您的隐私。