编排程序由 Claude 来写
Latent Space 报道了 10 月 12 日 AI Engineer 纽约会上 Anthropic 的说明。技术成员 Harrison Stall 和 CJ Avilla 讲的是动态工作流，会上也叫 flows。先前的 Claude Managed Agents 要开发者配置一个协调者和一份子智能体名单。动态工作流里，由 Claude 自己决定怎么拆分和编排工作。
文章转述的做法是：主智能体先写计划，Claude 再写一份编排程序，由它启动智能体、收集结果、管理信息流动。开发者仍然可以在配置里传入预先配好的子智能体。Flows 放在开发者通过 API 使用的 Claude Console 里。
[1]
演示是一份股票观察清单
会上的例子是一个股票观察清单扫描器。扫描阶段把一只只股票分给上下文彼此隔离的智能体，后面的复核阶段先看这些发现，再写出报告。Latent Space 写道，这个例子离 Anthropic 在鼓励的大型项目还远，它说明的是基本模式。
Avilla 在这个对比里说，flows 比单智能体“贵得多”，也“更能把细节找全”。文章没有给出贵多少、也没有给出效果的分数。
[1]预算、通信和自我改进都有边界
听众问 Claude 怎么决定要多少智能体，一次简单扫描会不会拉起几百个。Stall 的回答是评测和更低的默认值，大型任务通常要明确鼓励更多并行。
模型运行时不知道自己的预算。开发者可以设置会话预算。Stall 说，如果把预算告诉模型，智能体可能会“有点焦虑”。子智能体共享一个文件系统，可以用它交换信息，但开发者不能通过 API 直接让一个工作流子智能体给另一个发消息。Console 里的图可以查看主智能体传给子智能体的内容。
观察清单会不会自己发现扫描模型不够、并在下一次改掉？Stall 说这没有内建。两人提到可以用 hill-climbing 和 dreaming 去改进循环。文档里 dreaming 是研究预览：读已有记忆和过去的会话记录，再产出一份重组过的记忆。这是建议的用法，不是这个演示已经做到的事。
[1]