analysis_claude_code/s16_workflow_runtime/README.zh.md

s16: Workflow Runtime — 把菜谱写进代码

English · 中文 · 日本語

s01 → ... → s14 → s15 → s16 → s17

“一轮轮聊天，像每隔十秒给厨师发一条短信。Workflow 是厨房能照着做的菜谱。”

Harness 层: 编排 — 单 agent 循环之上，再跑一套多 agent 脚本。

信任模型，工程化 harness。Workflow，就是把这句话往上提一层。

---

想象你跟朋友用微信一起做饭。“先切洋葱。”等回音。“切好了吗？”然后热锅、放盐。一道菜还能撑住这种节奏；二十桌宴席就不行了——步骤会丢，话会重复，手机一死还得从头来。

模型既当厨师又当记事本时，感觉就是这样：计划与动手挤在同一段对话里。Workflow 是写好的菜谱。厨房（一个小 runtime）按谱做，帮手（子 agent）负责尝和判断，半成品放在台面上的碗里——变量和 journal——而不是塞进群聊。

为什么还要另一层 harness？

默认的 Claude Code harness 已经很擅长“写代码那种形状”的活：改一点、跑一下、看报错、再试。一个循环。一颗脑袋。能做出不少工艺。

可有些活需要叠一层定制 harness——深度调研、安全排查、agent teams、要铺开审查一整片改动。你可以事先用 SDK 手写那一层；也可以——这才是有意思的地方——让 Claude 为这次任务起草一个 harness，跑起来，好用的再留下来。

课程那句口号往上提一层：每一步里信任模型；步骤怎么排，由你来定结构。

长对话里你会看见的走偏

从 s01 到 s15，计划与执行共享同一个上下文。下一步取决于刚才的发现时，这很舒服。可一旦任务变长、要大规模并行、结构又死板，或需要一个挑剔的第二意见，它就会发脆。

耐心看一段很长的聊天，你会在学会术语之前先撞见熟面孔。做到五十项里的三十五就宣布完工。让它批改自己的作业，分数总是偏甜——狐狸给鸡窝打分。多轮对话和压缩过后，那句轻轻的“别动 X”渐渐听不见了。

这些就是 agentic laziness、self-preferential bias、goal drift。名字不如感觉重要：同一个窗口既要干活，又要记住计划。软软的对话记忆，很难扛住并行、稳定的结果形状，以及崩了还能续上。

点子落下的那一下

假如计划住在代码里呢？

帮手仍然负责想——每人一张干净桌子。脚本掌管循环、分发和合并。中间结果待在变量和 journal 里，不进对话。想偷懒提前收工的习惯，更难叫停整支队伍；自我检查的偏心，会撞上一个不是作者本人的第二帮手；漂移也难下手，因为拓扑不再由一个疲倦的叙述者每轮改写。

Workflow 把编排从「智力」挪到「结构」。 模型仍在每次 agent() 里做判断；地图归脚本管。

  messages[] ──► Workflow(...) ──► tool_result { launched, result, task }
                      │
                      ▼
              ┌───────────────┐
              │  脚本掌管拓扑  │
              └───────┬───────┘
                      │ agent / parallel / pipeline
                      ▼
                 变量 + journal

一次 Workflow 工具调用启动这次运行。进度在旁边轻轻响；菜谱做完，一条工具结果回来。

运行时总览图（可选）

两扇门——门外还有个表亲

Claude Code 对入口说得很直白。

动态——模型为这次任务写一段编排用的 JavaScript（script，之后可改 scriptPath）。问题还热着，就裁出一件合身的 harness。

已保存——好脚本已经进了例如 .claude/workflows/。你用 name + args 再请它出来。一次值得留下的运行，沉淀成可复用的卡片。

门外还有表亲：静态 harness，用 Agent SDK 或 claude -p 事先写好。它们得扛住所有边角，所以往往更泛。动态的是为这块布现裁的；合身了再存。

同一个问题，两套 harness。左边：固定的搜索→验证→摘要，终点是泛泛的报告。右边：读你的 billing 代码、分叉、请来魔鬼代言人，最后给出具体建议。

这一章是 Python 教学运行时。 同样的想法，每行都能读。演示按名字挂了一个已保存的 workflow；概念和 Claude Code 的脚本世界一一对应。我们不会再说“模型不能提交可执行代码”——那从来不是 Claude Code 的真相。这里只是不嵌入 JS 解释器。

# 教学示意 — 已保存这扇门（不是完整 Claude Code schema）
Workflow({ "name": "review-changes", "args": { "changes": "..." } })

# Claude Code 还接受：script | scriptPath | resumeFromRunId

脚本会说的三个动词

学校义卖。每张桌子：搅拌 → 烘烤 → 装箱。帮手负责尝；菜谱决定先后。

  agent      一个帮手，一件事
  pipeline   每块蛋糕自己走完各阶段   （默认 — 不等齐）
  parallel   等所有托盘都回来再往下   （屏障 — 少用）

agent(prompt, opts?) 请一个帮手。带上 schema，答案变成校验过的 JSON——下一阶段接得住的接口——第一次不对还给一次重试。

pipeline 让蛋糕 A 装箱时，蛋糕 B 还可以在搅拌。parallel 只在下一步真的需要全部结果时才值得——比如尝完所有托盘再写评分表。

# 教学示意 — 只看形状（可运行样本在 code.py）
results = await ctx.pipeline(DIMENSIONS, audit, verify)
confirmed = [f for r in results if r for f in r["confirmed"]]

帮手失手时，舰队仍然温和：parallel 的失败在该槽位变成 null；pipeline 的失败会丢掉那个 item 并跳过后续 stage。合并前先过滤。

厨房暂停了呢？磁盘上的 journal 按召唤顺序记着每次调用。续跑回放最长未改前缀；碰到第一个改动，之后全部实跑。真正的 JS 运行时禁止 Date.now() / Math.random()，好让笔记本对得齐。这个 Python 演示不会完整沙箱那些——脚本仍写成确定性的吧。

  journal   [A] [B] [C] [D]
  续跑       命中 命中 ✂ 实跑   ← 前缀在 C 断开

官方原语卡片 + 更轻的动词

官方卡片：agent，以及 parallel（屏障）与 pipeline（流式阶段）。Claude Code 还有 model / isolation / agentType；教学运行时把表面收小一点。

更轻的动词：phase、log、嵌一层 workflow、args、budget。

会写菜谱之后——模式工具箱

动词是面粉和火候。人们反复发明的，是少数几种形状——工具箱，不是必点菜单。

官方六模式网格。脚本掌管拓扑；本课用 agent / parallel / pipeline / journal 把每种形状说出来。

对后面的示例，先摸清三种最要紧的形状——名字可以后到。

Fanout-And-Synthesize（分发再汇总）——五十个文件塞不进一个疲倦的上下文。拆开、多跑、在屏障处合并。

  task ──► ● ● ● ● ══屏障══► synthesize

Adversarial Verification（对抗验证）——狐狸不该给鸡窝打分。工人产出；独立验证者来挑刺；只留下还站得住的。

  worker ──► verifier
         ├──► verifier
         └──► verifier   → 留下仍然成立的

Generate-And-Filter（生成再过滤）——你要的是选项，不是第一个听起来机灵的念头。许多生成器，再加一把量尺（和去重）。

同一工具箱里还有 Classify-And-Act（路由到专家）、Tournament（两两比较出冠军）、Loop Until Done（“还有新发现？”为是就继续派，并加上硬性 budget）。只有额外成本能买到更清楚或更稳妥的结果时，才去借一种风格。

每种模式如何落到本课原语

模式	原语速写	什么时候别用
Classify-And-Act	agent → 分支 → agent	每件东西其实都该同样处理
Fanout-And-Synthesize	pipeline / parallel → 合并	一趟已经装得下
Adversarial Verification	产出 → parallel(verify) → 过滤	答错很便宜
Generate-And-Filter	parallel(gens) → 过滤	好答案空间本来就很小
Tournament	两两裁判 agent	清晰量尺一趟就能选出赢家
Loop Until Done	while + 停止 + budget	工作量已知

# 教学示意 — 先分类再行动
kind = await ctx.agent("给这张工单分类", schema=KIND)
if kind["type"] == "billing":
    return await ctx.agent("处理账单…")

组合是常态：深度调研常常叠成 分发 → 过滤 → 验证 → 汇总。

当 workflow 碰上不可信输入

工单和用户反馈是不可信的。读它们的 agent，不该同时握着能开 PR 的钥匙。留一道气闸：读者只读，只递结构化摘要；受信任的 actor 根据摘要行动——从不碰原始正文。

  积压（不可信）
       │
       ▼
  ┌─ 隔离区（只读） ────────┐
  │  readers → 去重 → 摘要   │
  └────────────┬────────────┘
               ▼
  ┌─ 受信任（高权限） ──────┐
  │  actor → 修复 / 升级人工 │
  └─────────────────────────┘

官方隔离分流图

读者在隔离区里分类、去重；高权限工具住在受信任一侧。积压永远睡不着时，可以和 /loop 配对。

跟着 review-changes 走一圈——一种组合

示例不是“一种模式”。它是 Fanout-And-Synthesize，里面嵌着 Adversarial Verification——结尾再轻轻过滤，只留下 isReal 的 finding。

  correctness ── 审计 ── 验证 ──┐
  security    ── 审计 ── 验证 ──┤── 确认列表
  performance ── 审计 ── 验证 ──┤
  style       ── 审计 ── 验证 ──┘
       分发           ▲              汇总
                      └── 每条 finding 的怀疑式验证

pipeline(DIMENSIONS, audit, verify) 给每个维度自己的桌子。verify 里对验证 agent 做 parallel，就是对抗那一和弦。列表过滤是汇总。phase 标出 Review → Verify；journal 记住每次 agent()，暂停也不会重做审计。

那三种走偏，会感觉自己最爱的座位被撤了：舰队不能在两个维度后收工，作者不当裁判，拓扑也不会在中途漂移。

# 来自 code.py — 可运行样本（节选）
async def sample_workflow(ctx, args):
    ctx.phase("Review")
    results = await ctx.pipeline(DIMENSIONS, audit, verify)
    confirmed = [f for r in results if r for f in r["confirmed"]]
    ctx.log(f"确认了 {len(confirmed)} 个真实问题")
    return {"confirmed": confirmed}

怎样挂在 s15 上（却不取代它）

s15 仍是宿主循环。s16 只多了一个 Workflow 工具。你（或模型）报一个已保存的名字；适配器跑脚本。

在产品里，这次运行可以待在后台、带着通知。教学 CLI 把 demo / resume 放在前台，好让阶段和缓存命中容易看见。想法相同；简化之处我们会明说。

转一转这颗宝石：谁握着计划？

有用的问题不是“几个 agent？”，而是谁拥有拓扑，半成品的碗放在哪。

邻居	谁握着计划	中间结果住哪	最适合
s06 子 Agent	模型，一次性	多半丢掉	隔离一个脏的子任务
s13 Agent Teams	Lead + 邮箱	共享任务 / 消息	长跑的同伴
s15 Agent Harness 集成	模型在一个循环里	messages[]	累积型 coding agent
s16 Workflow	脚本	变量 + journal	结构化分发与验证
s17 Goal Loop	停止时的判断器	对话当证据	“整个目标做完了吗？”

更便宜的路经常就够：skill 当软计划、一小段多 agent 闲聊、手写静态编排，或更大的单轮模型调用。当结构必须比单个上下文活得更久，再伸手去拿 workflow——不是因为“专家团”听起来很酷。

什么时候先放回架子上

Workflow 要花 token，也有协调成本。大多数普通写代码，并不需要五人评审团。

问问这活是否真的想要更多算力和一层定制 harness。若普通的 s15 一轮——或一个老实的 s06 子 agent——就够，就停在那儿。克制也是设计思想的一部分。

试一下

python s16_workflow_runtime/code.py          # s15 宿主 + Workflow（真实 API）
python s16_workflow_runtime/code.py demo     # 固定数据；看阶段
python s16_workflow_runtime/code.py resume   # 同一 runId；期待缓存命中

看 Review 让给 Verify。完整续跑时 agent 翻成 cached，并应看到 agents=0 tokens=0——笔记本在说：没有什么需要重新加热。

接下来

s16 讲一批活怎么跑。s17 Goal Loop 在门口问另一个问题：该停，还是再来一轮？