Opus 4.8 与动态工作流：7 个智能体如何在 5 分钟内审计了我的平台

七个智能体、一个真实的法律科技平台、五分钟。但这并不是故事的核心。真正的故事在于：这一切如今已成为可能，意味着什么。

周五晚上，我让 Claude 从头到尾把我的 AI 法律咨询平台 Erst Recht 过一遍——后端、数据库、支付流程、律师升级路径，整台机器。Claude 没有自己一步一步地去做，而是写了一个简短的脚本：七个各司其职的专门智能体，一个领域一个，同时全部运行。

五分十一秒之后，我拿到了一份按严重程度排序的问题清单——这份清单若让一个开发者独自完成，得花上半天时间。其中包括若干严重问题，甚至有一个安全关键的缺陷，单次扫描本会漏掉它——而恰恰是这一个，最能说明这种新工作方式到底是怎么回事。

这很惊艳。但这不是重点。重点在于它所带来的可能性：一个模型如今能把整份计划变成可执行的代码，并让一群智能体并行地扑上去。这正是 Claude Opus 4.8 和动态工作流自 5 月 28 日以来所要讲述的东西。

一段话讲清 Opus 4.8

Anthropic 在 4.7 之后仅 41 天就发布了 Opus 4.8——迄今为止最快的一次旗舰迭代周期。对我来说，最要紧的是一件事：这个模型作为智能体变得更诚实了。它放过代码缺陷的概率大约降到了原来的四分之一，会主动标出自己不确定的地方，也更少做出没有依据的断言。除此之外还新增了"用力控制"（你来决定 Claude 该想得多用力），以及一种更便宜的快速模式。这听上去像是细节上的打磨——但它恰恰是你愿意把一个上线产品交给智能体去处理的前提所在。

真正的转变：计划挪进了脚本里

到目前为止，一个 AI 智能体能自主完成的一切，其上限始终是同一个东西：上下文窗口。智能体把计划记在脑子里，而每一个中间结果——每一次文件读取、每一次工具调用——都落进同一个窗口里。窗口迟早会被填满，智能体也就丢了线头。拉更多帮手进来也没用，因为它们的结果同样会回流进那一块记忆里。

动态工作流把这一切反了过来。Claude 不再把计划写进脑子里，而是把它写成一段脚本：哪些智能体运行、以什么顺序运行、什么东西传给谁。一个运行时在后台执行这段脚本，而中间结果存活在脚本变量里——而不在模型的上下文里。到最后，Claude 的记忆里只留下那份完成的答案。

计划从脑子里挪出来，进到代码里。这就移除了此前束缚一切的那道上限——单次运行就能协调几十到几百个智能体（最多同时 16 个，总计 1,000 个）。

这不只是"同样的东西，但更快"。因为计划如今就是代码，它可以强制执行可复用的质量模式：让一些智能体在任何东西被上报之前，对其他智能体发现的问题进行对抗性审查。在我这个例子里，这一步成了决定性的关键。

我的 5 分钟实证

Erst Recht 的这套工作流分两个阶段：

在这里，你能白纸黑字地看到并行编排的魔力：把这些智能体的耗时加起来，差不多是半个小时的工作量。但因为它们是同时运行的，整个阶段在 5 分 11 秒内就完成了——恰好等于最慢的那个智能体，一分不多。这就是"一个智能体逐条啃完一长串清单"和"一群智能体在其最慢成员所需的时间里就完成它"之间的差别。

模型不信任自己的地方

最有意思的时刻出现在问题清单之后——而且它恰恰属于那个安全关键的缺陷。它的第一版修复看上去干净利落。但在针对真实系统进行现场验证时，事实证明那个修复不过是瞎蒙一枪。根因比第一眼看上去的要深一层——"修复"过后，问题依然分毫未动。

这正是 Opus 4.8 的诚实与工作流结构相互咬合的地方：一个更愿意承认"这看着像做完了，其实没有"的模型，被放进一套为这种怀疑专门设了一道验证步骤的流程里。最终的结果是 main 上的六次提交，覆盖了安全、结账流程、律师升级和陈旧依赖——每一个严重修复在被关闭之前都再一次经过现场验证。

这真正打开了什么

先把我这次审计放到一边。一旦"一份计划加上一千个智能体"成了常态，真正改变的是：哪些工作在一开始就变得可以设想了：

• 今天没人愿意碰的任务变得可行了。跨越几十万行代码的一次迁移、对每一条 API 路由逐一审计、横跨一个老仓库的一次清理——那些你一拖再拖、因为对一次会话来说太庞大了的事情。
• 会自我交叉核验的研究。不再是一个仅仅听上去合理的答案，而是让智能体把一个问题沿几个不同的角度铺开、去取来资料来源，并就哪个论断能经受住交叉核验进行投票。没能通过的，会在你看到之前就被丢掉。
• 来自多个头脑的决策。一个棘手的架构问题，可以从三个独立的角度分别起草、彼此相互权衡，然后你再拍板——而不是围着一份初稿没完没了地打转。
• 把验证当成默认项。那种内建的、宁可对抗性地去推翻发现、也不轻信它们的反射，正是它救了我那次"什么都没改"的修复。这会成为标准配置，而不再是例外。
• 用流程取代提示词。一套好的工作流可以被保存下来，一遍又一遍地跑。一次性的"去把这个做了"，变成了可复用的例行程序——分支评审、发布检查、每周审计，每一次都以完全相同的方式被编排出来。
• 开发者的一个新角色。你敲下的提示词更少，指挥的智能体群更多。尤其对小团队和单打独斗的开发者而言，这意味着过去要靠一整个部门才够得着的触达能力。

诚实的另一面

动态工作流是一次研究预览——不是一件成品。相比在对话里完成同样的任务，一个智能体群会明显多耗不少 token；而且智能体更多并不自动更好：对于一个小而边界清晰的问题，单个智能体更快也更便宜。只有当一个任务可以拆成许多相互独立的部分、涉及的材料多到超出一个上下文窗口所能容纳、并且产出的结果经得起交叉核验时，这根杠杆才会真正发力。恰恰在这种时候——也只有在这种时候——我才会动用它。

用到的工具：

Erst Recht 是我自己的法律科技平台——同时也是我专门用来实验这些工作流的试验场。想知道 AI 驱动的多智能体流程能怎样把实打实的工作从你团队肩上卸下来？与我联系。