Claude Code Routines：把 Agent 从等待模式变成主动干活

去年，Anthropic 的文档工程师 Sarah 遇到了一个没法靠加班解决的问题：Claude Code 团队的 PR 合并量比年初增加了 200%，但维护文档的人只有她一个。每次有代码改动，她都要手动比对源码和文档有没有偏差，再开 PR，写说明。工作量和 PR 量等比增长，没有出口。

这个困境促成了 Routines 功能。在 Anthropic 举办的 Code with Claude 活动上，应用 AI 团队的 Maya 做了一场演示，讲了她们是怎么用这个功能处理 Sarah 的问题的。

原视频：Build a proactive agent workflow with Claude Code

现在的 Proactive Agent 有什么问题

把 Claude Code 挂在 cron 上跑，听起来很顺，真正做过的人知道有三块烦：

在哪跑。你不想让 agent session 跑在自己的笔记本上，关机了就停，断网了就挂，持久化和认证都要自己搭。最终花了大量时间在基础设施上，而不是那段关键的 prompt 上。

什么时候触发。定时任务、事件驱动、手动触发，每种都需要额外设施。

怎么知道 agent 在做什么。Headless session 跑起来就是黑盒，无法实时查看进度，没法纠偏，跑崩了也不知道。

Routines 想解决这三个问题。

Routines 是什么

一句话：在 Anthropic 基础设施上运行的 Claude Code session，你只需要定义 prompt、接哪些 repo、用什么工具、什么时候触发。

创建方式很简单。在 Claude Code 终端里输入 /schedule，按提示回答几个问题，routine 就建好了。Anthropic 接管 hosting、session state 和 connector 鉴权，电脑关着也在跑，跑完了在 claude.ai 上可以查看历史。

每个 routine 底层就是一个 Claude Code session，可以随时打开，实时看进度，发消息调整方向，也可以恢复一个已跑完的 session 继续对话。

做任何 Routine 前要想清楚三件事

Maya 给了一个框架，我觉得比很多教程讲的更清楚。

第一件是触发方式。两种基本形式：时间触发（每天、每周、自定义 cron）和事件触发（GitHub PR 创建、issue 打开、label 变更，或者从自己代码里 POST 到 webhook，把事件 payload 作为上下文传进去）。

第二件是给 Claude 什么上下文。这里有一句话值得记住：whatever context Claude has, that’s the ceiling of how successful Claude will be。你给 Claude 接的 repo、文件、工具，直接决定了它能做到什么。文档自动化案例里，必须同时接源码 repo 和文档 repo，它才有能力找差异和开 PR。需要通知你，就给 Slack connector。想让它参考历史营销素材，就接 Google Drive。Context 不够，prompt 再好也到头。

第三件是可操控性。Maya 提了一个有意思的模式，叫 Agent-on-Agent Review：借用 ML 里的 generator-critique 思路，一个 Routine 生成文档 PR，另一个 Routine 监听 PR 创建事件，触发后自动 review 并留 inline comment，在人进来之前完成一轮机器审查。

另一种方式是随时进到 session 里手动 steer。Maya 现场展示了这个：她开了一个 GitHub issue，Routine 自动触发并开始跑，几秒后她发现问题已经被另一个 PR 覆盖，直接在 session 里发消息让它停。

两个真实用例

Docs Drift Checker（时间触发）

每周一自动检查合并进 main 的新 PR，比对文档 repo，发现差异就开更新 PR，同时发 Slack 通知。Sarah 不需要手动盯，PR 数量增长对她来说不再是线性的工作量增长。

Issue-Triggered Docs Agent（事件触发）

每次有人在文档 repo 开 issue，触发一个 session 去判断：这是不是文档空白？是的话开 PR 补，同时发 Slack。把”有人发现问题 → 人工排查 → 修复”这条链路的中间两步自动化掉。

其他可以套进去的场景

Maya 在演讲里列了几个方向，值得参考。

部署验证：CD pipeline 部署完成后 POST 到 webhook，触发 session 拉 Datadog/Grafana 数据、扫日志，给出 go/no-go 判断，异常时通知 on-call。随着对 Claude 决策的信任积累，可以逐步让它自己做回滚决定。

告警分析：监控触发 session，自动关联相关代码，分析根因，draft PR，通知工程师。

Issue 分拣：每周扫 GitHub Issues 或 Slack 频道，按优先级排序，对重要问题开 PRs。适合 PM 或小团队把低优先级 backlog 处理自动化。

判断一个任务适不适合做成 routine，可以问三个问题：触发源是不是清晰的？上下文是不是有边界的？输出是不是可以被验证的？不满足的，先别急着做成 routine，该先搞清楚任务本身。

我感兴趣的是这个思路往工程场景之外走的可能性。很多团队流程的本质是”有新信息出现，就要去更新某些地方”——文档、报告、审查，信息源和输出格式不同，但结构上和文档自动化案例没什么本质区别。

开始很简单：Claude Code 终端里，/schedule，往下答几个问题。