Anthropic 发布了一项名为 Dynamic Workflows 的新功能。一开始我以为这只是给程序员用的，但其实完全不是。这是 Claude Code 自 skills 和 subagents 以来最大的更新，也彻底改变了我使用 Obsidian 知识库的方式。
你以为这只是写代码的人用的？我之前也这么想。
如果你正在用 Claude Code 打理生活，你捕获的所有知识都躺在那里——你的会话、笔记、一切……但现在，你可以真正可靠地运用动态工作流，从中提取洞见，做有意义的事。
动态工作流到底是什么
你可以把动态工作流理解为一个编排 Agent 的脚本。Claude 会编写 JavaScript 程序来协调不同的子 Agent。所以你不是手写 JavaScript，而是让 Claude 为你写脚本。
它的基本构建模块是一个 Agent，包含模型规格和 Agent 类型。你可以用这些 Agent 构建两种程序：并行执行这些 Agent，或者组成一个管线。在我们的工作流里，第一阶段是草稿，当所有 Agent 完成后，进入第二阶段进行核查。
工作流生成的 HTML 报告：分析了 49 个会话，挖掘出 86 条修正，每条引用都对照了实际会话，并与建议的 CLAUDE.md 编辑项相邻
为什么要用动态工作流
Claude Code 和现有的子 Agent 存在几个问题。一个是 Agent 偷懒。如果你交给 Claude 一个大任务，比如安全审查中分析 50 个项目、你的每日笔记或分析视频，它可能在完全完成之前就停下来。
使用工作流，这种情况几乎不可能发生。我们实际上是在执行一个确定性的程序。我们用隔离的上下文生成所有子 Agent，并且有一个确定性的程序运行，确保所有项目都被处理。
另一个问题是，在主线 Claude Code Agent 中工作时，它往往有自我偏好偏差，更倾向于自己的发现。而使用子 Agent，每个都有自己的隔离上下文窗口，独立运行，这就能消除这种偏差。
最后一点是目标漂移。Claude 在运行很多轮次后，容易偏离初始设定的目标。这源于上下文线程的问题，而由于我们有隔离上下文的子 Agent，实际上可以解决这个问题。
挖掘你最近 50 个会话里反复犯的修正
我直接让 Claude 设置一个工作流，扫描我最近 50 个会话，把它们变成重复出现的规则。我用的是这个提示：
go through my last 50 sessions and mine them for the corrections I keep making and turn them into CLAUDE.md rules
它会并行运行 10 个 Agent 来提取修正，然后有一个 Agent 分析这些修正，最后会有子 Agent 将它们与现有的 CLAUDE.md 进行核对。在运行过程中，我让它生成一份 HTML 报告供我审阅修正。它返回了发现结果，创建了一个 HTML 文件，里面是重复出现的修正和建议对 CLAUDE.md 的编辑。我们分析了 49 个会话，共 86 条修正。
一个在 Claude Code 中实时运行的动态工作流：左侧三个阶段依次运行——先挖掘，然后聚类，最后核对。在挖掘阶段，十个 Agent 并行运行，每个都是 Opus 4.8，拥有独立的上下文窗口
现在，这些修正本身可能并不直接有价值，但我认为价值在于我可以看到哪些部分在反复出现。我反复出现的主题之一是关于 Claude 编造的词、AI 垃圾信息、错误事实。这里有一条 CLAUDE.md 规则的提议。但我觉得把这些放进 CLAUDE.md 不是最佳方案。我会把它们打包成 skills，确保 skills 能减少这些错误。你可以逐一过一遍。而且，读到你实际对 Claude 说过的话、告诉它该做什么不该做什么，真的非常有趣 :)
挖掘你上个月的每日笔记中一直在拖延的事情
你可以用同样的模式来分析你的 Obsidian（@obsdmd）每日笔记，而不仅仅是会话。我的要求是：
go through my daily notes and extract the insights and patterns which keep repeating
我们发现共有 31 篇每日笔记。它将为每篇笔记运行一个 Haiku 子 Agent，然后会有 Opus 子 Agent 综合所有笔记进行聚类。这些 Haiku 子 Agent 速度非常快，几乎是实时完成。
这是我的报告，最终出炉了。真的 wow。简直不可思议。我快速浏览了一遍，大开眼界。我最喜欢的是 Claude 还会提供每日笔记中的实际证据——日期和具体是哪一条要点。说实话，真的震惊了 :)
每日笔记报告：重复出现的痛点被排名，每一条都有来自每日笔记的原始证据，包括日期和具体要点
现在有了这个工作流，你可以用可靠且可预测的格式大规模分析你的每日笔记。每次如果你想下个月再做一次，同一个工作流就能用，结果也是可复现的。
挖掘 NotebookLM 笔记本中你可以实际落地的想法
我把这个交给了 NotebookLM（@NotebookLM）笔记本。这个笔记本里存着我的每日摘要视频。我让 Claude 先获取 NotebookLM 中这些视频的转录文本，然后对其中可以在我的 Obsidian 库中实现的想法进行详细分析，最后给我提供每个想法的实际提示词。
Claude 正在执行任务，提取转录文本。提取之后会有一个合成子 Agent，然后会有一个子 Agent 来创建可直接粘贴的提示词，供我实现这些想法，最后一步是将其渲染为一个 artifact。我很期待它会生成什么。这是我以前从未尝试过的事情。
我们回来了，这是结果：来自 NotebookLM 的库想法。这个非常有趣。我真的很喜欢：一个技能审计工作流。
看板上的一个想法卡片：一个技能审计工作流，其中 Haiku 子 Agent 根据评分标准对每项技能打分，从最差到最好排序，然后 Opus 合成环节给出单一最高价值的修复方案。
你有一个 Haiku 子 Agent，有一个评分标准来给你的技能打分，然后从最差到最好排序，再提出修复方案。最后有一个 Opus Agent 来运行评分并创建 HTML。这个我确实想试试。这是提示词。这个想法附带了一个可直接复制粘贴的提示词，我可以粘贴到 Claude 中实现它。
每个想法都附带一个可直接粘贴的 Claude Code 提示词：复制它，粘贴到 Claude 中，工作流就是你的了。
未来方向
我开始意识到这其实非常非常庞大。你可以分析任何输入。可以是视频，可以是你的工作会话，可以是你的日常笔记，真的任何输入，然后以你想要的方式获得结构化输出。然后你可以根据这份报告决定下一步做什么。而且你可以让它更具可操作性，只需一个提示词的距离。这里有一个实际的提示词，你可以粘贴到 Claude 中执行这个修复并实现这个想法。
还有很多场景我们还没探索。我们提到了分类与执行。我们提到了扇出与合成。这是我在 Obsidian 中最常见的用例。你可以运行一个锦标赛模式，比如有多个尝试，可能是合成视频创意，然后有一个评判者来评估每个创意的好坏，进行打分，最后选出锦标赛的胜者。另一个场景是循环直到完成。我想象它可以按计划运行。如果是每日摘要，你可以每天运行，比如早上 7 点：去 YouTube，获取转录文本，为我创建这份报告。另一个想法是用于深度验证。比如你有一份报告或一篇文章，然后有一个声明提取器来提取每条声明，然后有一个工作流逐条处理每条声明，分析来源，检查来源，对所有声明执行一遍，最后得到一份经过验证的最终报告。
还有几个模式可以尝试：分类与执行、扇出与合成、锦标赛、循环直到完成、深度验证，这只是个起点。
还有一个问题是如何将其与技能配对。过去一周我发现：我不想有一个独立的工作流。我把所有东西都自包含在技能里。比如我有一个深度验证技能，我有一个 skill.md 文件，你可以把工作流加进去，也就是一个编码了这个工作流的 JavaScript 文件。在这个技能里，我可以让 Claude 运行这个工作流，让每个子 Agent 检查每条声明。这是我发现效果最好的方式。我不想让工作流污染或混入我的技能。我只想与一个实体打交道，那就是技能，然后把工作流带入技能中。
我相信这只是我们玩转这项新技术的起点。用例太多了，非常非常庞大。
现在你已经知道如何创建和使用工作流，我建议你去看看关于 NotebookLM 的视频。我们下期见。
这个构建的完整演示在 YouTube 上。构建动态工作流的团队撰写的文章是 Thariq 在 Claude 博客上的文章（@trq212）。