这次我们来看一个名为“Matt Pocock的智能体工程工作流”的项目。这个项目并非一个独立的软件或模型而是一套基于Claude Code平台的、用于大规模编排AI代理Agent的工程化实践与工作流模板。其核心价值在于它提供了一套经过验证的、可复用的方法论和脚本帮助开发者将复杂的、需要多步骤协作的AI任务如代码库审计、大规模文件迁移、深度研究等自动化并实现规模化执行。简单来说它解决了单次对话或单个Agent难以处理的大型、复杂任务。通过将任务计划“编码”成可执行的JavaScript工作流脚本Claude Code可以并行启动数十甚至数百个子代理来协同工作而你只需等待最终的综合报告。这对于需要处理海量文件、进行交叉验证或执行重复性审查的开发者来说效率提升是数量级的。本文的核心是带你理解这套工作流的核心思想、适用场景并基于Claude Code官方文档手把手演示如何从零开始创建、运行和管理你自己的智能体工作流。你会看到如何通过一句指令让Claude自动生成工作流脚本如何监控并行任务的进度以及如何将成功的工作流保存为可重复使用的命令。无论你是想自动化代码质量检查还是想系统性地研究某个技术主题这套方法都能为你提供一个强大的工程化起点。1. 核心能力速览能力项说明项目类型AI智能体Agent工程化工作流模板与方法论核心平台Claude Code (v2.1.154)主要功能通过JavaScript脚本大规模、并行化编排子代理Subagents完成审计、迁移、研究等复杂任务。硬件门槛无特定要求。任务在Claude Code云端执行依赖Anthropic API配额本地仅需运行Claude Code客户端。启动方式在Claude Code会话中通过输入特定指令如/deep-research或包含ultracode关键词的提示触发工作流创建与执行。接口能力主要通过Claude Code的CLI/桌面应用交互。支持将工作流保存为自定义命令如/my-audit实现快速调用。批量任务核心优势。支持并行处理数百个任务项如同时审计数百个文件并自动汇总结果。适合场景代码库范围的安全审计、大规模代码迁移如框架升级、跨多来源的深度技术调研、自动化测试与修复循环。2. 适用场景与使用边界这套智能体工程工作流最适合解决那些规模大、步骤多、需要并发或迭代执行的问题。它把开发者从繁琐的、重复性的监督工作中解放出来让AI代理群自主协作。它非常适合以下场景自动化代码审计检查整个项目成百上千个文件中的安全漏洞、代码风格问题或缺失的权限检查。大规模重构与迁移将某个目录下的所有组件从一种技术栈如styled-components迁移到另一种如Tailwind CSS并为每个文件生成独立的修改副本。深度交叉研究对一个复杂问题如“Node.js权限模型在v20和v22间的变化”并行搜索多个信息源并让不同的代理相互验证信息的准确性最终生成一份带引用、经过交叉检验的报告。持续性质量保障运行测试套件自动修复发现的问题然后再次运行测试循环直到所有测试通过或无法取得进一步进展。它的使用边界也很明确并非万能工作流依赖于Claude模型的理解与执行能力。对于逻辑极其复杂、高度依赖领域专有知识或需要实时人工决策的任务可能仍需人工介入。成本考量工作流会启动大量子代理消耗的API令牌Token远高于普通对话。在运行超大型任务前建议先在小范围进行测试评估成本。工具权限工作流中的子代理会继承你的工具允许列表。涉及文件写入、Shell命令或网络请求时需提前配置好权限或在运行时进行确认。合规与授权当工作流用于处理代码、文档等素材时请确保你拥有相应的使用权限。自动化生成的内容需进行人工复核特别是涉及业务逻辑或对外发布的部分。3. 环境准备与前置条件要使用这套工作流你不需要准备强大的本地GPU或复杂的Python环境。核心依赖是Claude Code平台及其客户端。Claude Code 账户与订阅你需要一个Claude Code账户并且订阅了支持动态工作流Dynamic Workflows功能的付费计划Pro及以上。该功能需要Claude Code v2.1.154或更高版本。确保你的账户已配置并拥有足够的Anthropic API调用额度或通过Amazon Bedrock、Google Cloud Vertex AI等集成平台访问。Claude Code 客户端安装最新版本的Claude Code CLI命令行工具、桌面应用程序或IDE扩展如VS Code插件。你可以从Claude官网下载。完成安装后通过claude命令或图形界面登录你的账户。项目上下文工作流通常在特定的代码仓库或项目目录下运行。确保你已经在目标项目的根目录或相关子目录中启动了Claude Code会话。工作流脚本可以访问当前会话的文件上下文。功能启用动态工作流功能默认可能是开启的。你可以在Claude Code会话中输入/config命令检查并确保“Dynamic workflows”选项处于启用状态。4. 安装部署与启动方式“Matt Pocock的智能体工程工作流”不是一个需要npm install或pip install的独立包。它的“安装”实质上是在Claude Code中启用并学习使用工作流功能。部署则是创建和运行你的第一个工作流。启动方式一运行内置工作流最快体验Claude Code内置了一个名为/deep-research的工作流这是体验工作流能力最直接的方式。在Claude Code会话中直接输入/deep-research Node.js 权限模型在 v20 和 v22 版本之间有哪些主要变化Claude Code会询问你是否允许运行工作流。选择“是”继续。工作流将在后台启动。你可以输入/workflows命令来查看所有运行中的工作流列表选中当前运行并按Enter键进入进度视图。在进度视图中你可以看到工作流被分成了多个阶段如搜索、验证、综合每个阶段都有若干并行运行的子代理。你可以查看每个代理的详细状态和发现。运行完成后最终的研究报告会直接发送到你的会话中。启动方式二让Claude为你编写工作流最常用对于自定义任务你不需要自己写JavaScript脚本。只需告诉Claude你的意图它就会自动生成并运行对应的工作流。在提示词中明确使用ultracode:关键字或直接使用“使用工作流”等自然语言指令。ultracode: 审计 src/routes/ 目录下的每一个API端点查找缺失的身份验证检查并在报告前对每个发现进行对抗性验证。Claude会识别该指令并为你生成一个执行该任务的工作流脚本。它会展示计划的工作流阶段并请求你的批准。批准后工作流开始后台执行。同样你可以使用/workflows命令监控进度。启动方式三使用Ultracode模式全自动如果你希望Claude在会话中自动为所有“实质性任务”规划工作流可以开启Ultracode模式。/effort ultracode启用后Claude会自动判断哪些任务适合用工作流处理并为你生成和执行。这适合进行高强度、复杂的开发会话但请注意Token消耗会显著增加。5. 功能测试与效果验证下面我们通过几个典型场景来测试工作流的核心功能并验证其效果。5.1 测试场景一多文件并行审计测试目的验证工作流能否并发审计大量文件并汇总问题。操作步骤在项目根目录打开Claude Code。输入指令ultracode: 找出项目里所有未使用的import语句。批准Claude生成的工作流计划。运行/workflows进入进度视图观察。预期结果与验证进度视图应能看到“文件发现”、“语法分析”、“结果汇总”等阶段。在“文件发现”阶段会看到多个子代理并行扫描不同目录。最终输出工作流完成后你的主会话会收到一份报告列出所有文件中未使用的import可能按文件或严重程度分组。成功标准报告内容准确且整个过程中你的主会话可以自由进行其他对话不受阻塞。5.2 测试场景二自动化修复循环测试目的验证工作流能否执行“运行检查-修复问题-再次检查”的循环直到通过。操作步骤ultracode: 运行项目的TypeScript类型检查 (npx tsc --noEmit)并持续修复报告的错误直到类型检查通过或连续两轮没有任何进展。预期结果与验证工作流会首先启动一个代理运行tsc。如果发现错误它会启动新的代理去尝试修复这些错误。修复后自动再次运行tsc。循环此过程直到无错误或无法继续修复。验证点观察/workflows视图看阶段是否在“检查”和“修复”间循环。最终会话应收到“类型检查已通过”或“修复已停滞”的结论。5.3 测试场景三深度研究内置工作流测试目的验证内置/deep-research工作流的交叉验证能力。操作步骤/deep-research Rust 和 Go 在并发编程模型上的根本区别是什么预期结果与验证工作流会并行搜索关于Rust和Go并发的多种观点和资料。不同的子代理会阅读并总结这些资料。“验证”阶段的代理会对总结出的观点进行交叉检查和投票。最终报告应是一份结构清晰、观点有据可查的摘要且那些未被多个可靠来源支持的声明会被过滤或标记为“未验证”。成功标准报告不仅列出区别还应引用来源如官方文档、技术博客并体现出信息经过了核实。6. 接口API与批量任务Claude Code工作流本身主要通过交互式会话触发和管理。其“接口”主要体现在将工作流保存为可重复使用的自定义命令以及通过Agent SDK进行编程式集成。6.1 保存工作流为自定义命令这是实现“批量任务”接口化的关键。一旦一个工作流被证明有效你可以将其保存未来通过一个简单命令即可调用。保存操作运行一个工作流如上述的审计任务。完成后在会话中输入/workflows。在列表中选择刚刚完成的工作流运行。按下s键将其保存。选择保存位置项目目录.claude/workflows/与团队共享。用户主目录~/.claude/workflows/仅个人使用。调用自定义命令 保存后该工作流会成为一个新的命令。例如如果你保存时命名为audit-imports以后在任何会话中只需输入/audit-imports即可再次运行完全相同的审计流程无需重新描述任务。传递参数 保存的工作流可以接受输入参数使其更加灵活。调用时Claude会将参数作为args变量传递给工作流脚本。 Run /triage-issues on issues 1024, 1025, and 1030在工作流脚本中你可以直接使用args例如args.map(...)来处理这个列表。6.2 通过Agent SDK集成对于需要将工作流嵌入到其他自动化系统或CI/CD流水线中的高级用户可以使用Claude Code的Agent SDK进行非交互式调用。// 示例通过Agent SDK以编程方式启动工作流 (概念代码) const { Claude } require(anthropic-ai/claude-code-sdk); const claude new Claude({ apiKey: process.env.ANTHROPIC_API_KEY, }); async function runAuditWorkflow(projectPath) { // 切换到目标项目目录 process.chdir(projectPath); // 发送触发工作流的指令 const response await claude.sendMessage({ message: ultracode: 审计所有路由文件中的身份验证漏洞, // 可以配置超时、权限模式等 }); // 监听或轮询工作流状态SDK具体方法需参考官方文档 const workflowId response.workflowId; const result await claude.waitForWorkflow(workflowId); return result.report; }注意以上为概念性代码具体API请查阅Claude Code官方Agent SDK文档。这种方式适合与claude -p非交互模式结合实现完全自动化的后台任务处理。7. 资源占用与性能观察工作流的“资源”消耗主要是API令牌Token和时间而非本地显存或CPU。令牌消耗观察在工作流运行期间或完成后通过/workflows命令进入该运行的进度视图。视图会清晰展示每个阶段、每个子代理消耗的Token数量。核心观察点总Token消耗、各阶段消耗分布。这有助于你优化提示词或调整工作流结构以控制成本。并发与规模限制并发代理数默认最多16个并发代理在CPU核心较少的机器上会更少。这是为了防止本地资源过载。总代理数单次工作流运行最多生成1000个代理以防止失控循环。这些限制保证了工作流不会因脚本错误而无限创建代理产生意外高额费用。性能优化建议小范围试运行在对整个代码库运行审计前先对一个子目录运行工作流评估Token消耗和时间。模型选择工作流中的每个代理默认使用你当前会话的模型。对于某些不需要最强推理能力的阶段如简单的文件收集你可以在提示中要求Claude为该阶段指定使用更小、更经济的模型如果可用。检查/model在启动大型工作流前确认当前使用的模型是否符合你的成本和性能预期。8. 常见问题与排查方法问题现象可能原因排查方式解决方案无法触发工作流输入ultracode:无反应1. Claude Code版本过低。2. 动态工作流功能被禁用。3. 当前订阅计划不支持。1. 运行claude --version检查版本是否≥v2.1.154。2. 输入/config查看“Dynamic workflows”是否开启。3. 检查账户订阅级别。1. 升级Claude Code客户端。2. 在/config中启用该功能。3. 升级到Pro或更高计划。工作流启动时被频繁询问权限工作流中的子代理需要执行Shell命令或使用未授权的MCP工具。查看运行时弹出的权限请求内容确认是哪个工具或命令。在运行工作流前通过/allow命令将所需的工具或命令添加到允许列表或在工作流配置中预先授权。工作流运行缓慢或卡住1. 任务规模过大。2. 某个子代理任务复杂等待结果。3. API速率限制。1. 进入/workflows进度视图查看哪个阶段/代理耗时最长。2. 检查网络连接和API状态。1. 拆分任务先对部分数据运行。2. 优化给该代理的提示词使其任务更明确。3. 稍后重试或检查API配额。工作流报告“未验证”的声明较多研究类任务中验证代理无法访问某些来源如遇到速率限制、404错误。查看/deep-research等工作的详细输出看哪些来源未能成功验证。此为非致命状态。报告会如实标记而非直接丢弃。可手动核实这些“未验证”声明或调整研究问题的表述以获取更易访问的来源。保存的工作流命令不生效1. 保存路径冲突。2. 命令名称冲突。1. 检查~/.claude/workflows/和项目内的.claude/workflows/目录。2. 尝试使用完整路径调用如Run ~/.claude/workflows/my-audit。1. 项目内的工作流优先级高于个人目录。可重命名或移动文件解决冲突。2. 确保保存时赋予了清晰、唯一的名称。Token消耗远超预期1. 工作流设计低效产生过多轮次。2. 代理任务定义模糊导致生成内容冗长。在/workflows进度视图分析各代理的输入/输出Token数。1. 优化工作流逻辑减少不必要的循环或代理数量。2. 为代理提供更精确、简洁的指令约束输出格式。9. 最佳实践与使用建议从内置工作流开始首先尝试/deep-research理解工作流的执行阶段和输出格式建立直观感受。明确任务边界给Claude的指令越具体生成的工作流效率越高。例如“审计src/utils/目录下所有.ts文件中的错误处理逻辑”比“检查代码问题”要好得多。实施“先试点后推广”在让工作流处理整个仓库前先指定一个小目录如src/components/Button/进行测试验证效果和成本。善用保存与复用一旦打磨出一个高效的工作流如代码风格检查、依赖库升级立即将其保存为自定义命令。这是积累团队自动化资产的关键。成本意识与监控在/workflows视图中养成查看Token消耗的习惯。对于定期执行的重复性工作流可以大致估算其月度成本。人工复核关键输出尽管工作流可以进行对抗性验证但对于安全审计、重大重构等任务最终的输出报告仍需经验丰富的开发者进行最终复核特别是当工作流建议进行自动代码修改时。组合使用可以将工作流作为更大自动化流程的一部分。例如用工作流进行代码审计生成问题列表再用另一个脚本或CI工具根据列表创建GitHub Issues。10. 总结与下一步Matt Pocock倡导的这套智能体工程工作流其核心价值在于将Claude Code从一个强大的对话式编程助手升级为一个可编程、可规模化、可重复的智能体自动化平台。它不再是简单地帮你写一段代码而是帮你设计和运行一整套处理复杂问题的自动化流水线。最值得你立即尝试的就是使用/deep-research去研究一个你感兴趣的技术问题或者用ultracode:指令去审计你项目中的一个具体目录。你会亲眼看到多个AI代理如何像一支训练有素的团队一样并行工作、交叉验证并在后台为你生成一份可信的成果报告。最容易踩的坑可能是对任务规模估计不足导致首次运行就消耗大量Token。因此从小处着手是黄金法则。另一个需要注意的点是权限管理提前配置好工具允许列表可以避免工作流被频繁的确认提示打断。掌握了基础的工作流创建和运行后下一步可以深入探索自定义工作流脚本虽然Claude能自动生成脚本但你可以学习其JavaScript结构进行手动微调实现更复杂的控制逻辑。与CI/CD集成研究如何通过Agent SDK或claude -p模式将审计、测试类工作流集成到GitHub Actions、GitLab CI等流程中实现代码提交自动检查。构建团队知识库将团队常用的审查、迁移、调研工作流保存到项目的.claude/workflows/目录中随代码库一起版本管理成为团队共享的智能体工具箱。这套工作流代表了AI辅助开发走向工程化、自动化的重要一步。它解决的不仅是“怎么写代码”的问题更是“怎么系统化、高质量地完成复杂开发任务”的问题。建议收藏本文在遇到下一个需要处理成百上千个文件或需要深度调研的任务时随时回来参考这套方法。