基于开源项目的逆向抓包分析，揭开了 Claude Code Workflow 的技术实现细节。研究表明，该功能并非依赖模型在单一请求中并发工作，而是采用“主模型编排脚本、本地 Runtime 执行”的混合架构。具体流程为：主模型根据用户意图生成一段受限的 JavaScript DSL 编排脚本；本地 Claude Code 运行时执行该脚本，调用 agent() 函数启动多个子代理；子代理通过 StructuredOutput 强制返回符合 Schema 的 JSON 数据，而非自由文本；JavaScript 负责将这些 JSON 结果进行拼接与传递，并通过 pipeline() 或 parallel() 控制并发与屏障。这种设计将多智能体协作从松散的自然语言“群聊”转变为严谨的异步函数调用与数据流管道，且支持缓存恢复以降低成本。抓包案例显示，在一个桌游设计任务中，系统调度了 21 个逻辑代理，处理了 23 万 Token，展示了其在复杂任务分解上的高效率。
事件分析
从技术架构看，这种“模型写代码、代码跑模型”的二元模式是解决 Agent 编排不确定性的关键尝试。通过将逻辑控制权交给 JavaScript DSL，主模型从繁琐的执行中抽离，仅负责生成元代码，这大幅降低了多 Agent 协作中的幻觉风险。产业层面上，这意味着未来的 AI 编程工具将不再只是简单的对话窗口，而是向具备完整状态管理、任务调度和缓存机制的微型操作系统演进。这种模式对 Prompt 的依赖降低，反而更考验模型编写合法 DSL 和 Schema 的能力，可能成为 AI Agent 从玩具走向生产环境的重要里程碑。
💡 核心观点：Claude Code 将多智能体协作从“自然语言群聊”升级为“JS 数据流”，确立了“模型写脚本、本地跑代理”的工程化范式。
原文链接：V2EX 分享发现
评论前必须登录！
立即登录 注册