Chase AI · 00:00 · 发布 2026-06-08 · 1.8万次观看(截至抓取) · 观看原视频
主旨
Chase AI 拆解 Claude Code 的 Ultracode 模式与底层 Dynamic Workflows 机制——前者把 /effort 拉到最高档、并允许自动启用多 agent 自定义 Harness;后者是 Anthropic 同期发布的”运行时按任务拼装 harness”的新功能,在单上下文窗口跑不动的复杂任务上替代”先搜再总结”的固定套路。
核心论点
- Ultracode 不是新模型,是 Claude Code 在
/effort上从 max 再往上一档、同时开放自动 Dynamic Workflow Orchestration 的总开关——它把”何时用多大力度”和”用什么 harness”两件事一次性打开。(→ 详解1、2) - 单上下文窗口跑不动复杂任务的根因不是模型不行,而是上下文塞满后 Context Rot 引发的三种失败模式——agentic laziness、self-preferential bias、goal drifting;Harness 设计的 90% 在于解决这三害。(→ 详解3)
- Dynamic Workflows 的真正价值是”按需拼一个 harness”,而不是 Agent Teams 那种”先开一团 agent 再分工”——前者一人一岗、后者团伙协作;两种思路在 Claude Code 内并存而非替代。(→ 详解4、5)
- **Ultracode + Dynamic Workflows 烧 token 极快但有时就是必须,**实战代价远高于普通单上下文任务;Anthropic 自己用它把 Bun 从 Zig 重写到 Rust 也是同一动机。(→ 详解5、6)
知识点详解
1. 为什么默认 harness 跑不动复杂任务 00:09
默认打开 Claude Code 跑一个”是否迁移支付服务到新供应商”这种问题,得到的多半是一份泛泛 web 调研报告——几条搜索、抓首条结果、验证、摘要、收尾。
Chase 把这条固定调用链叫作”static harness”:单上下文窗口、不主动派 Subagent、也不做对抗性复审,代价是省 token 但只能给通用答案。(01:34)
需要”具体到某家供应商 vs 我们现行支付代码”的判断时,这套就远不够用——必须有人去读你的 billing 代码、对照新供应商文档、估算交易量差价,再让一个对立角色挑刺”这个推荐到底站不站得住”。(02:12)
也就是说,“复杂任务”的判断比”任务大”更关键:同样一份 prompt 用静态 harness 跑和用动态 harness 跑,产出差距远大于 token 投入差距。这是整条视频的中心论点。
2. Ultracode 的两个触发同时发生 03:37
/effort ultra code 一行只输入,有两件事同时发生。第一件是把 effort 从 high 跳到 extra high(注意不是 max、是 max 之上再加一档);第二件是打开 automatic dynamic workflow orchestration,即允许 Claude Code 自作主张”这个 prompt 是不是需要动态 harness”。(04:01)
Dynamic Workflows 本身也是 Claude Code 中一项独立功能:输 /workflows 强制按 prompt 启动一次。即便不开 Ultracode 也可以手动触发,但 Ultracode 会让 Claude Code 自己判断”这次够不够复杂到该走动态”——省了人脑判断这一步。(04:31)
Chase 的总结是”Ultracode 像一个自动挡层”:Dynamic Workflows 是手动挡,Ultracode 是智能自动挡,跑了 Dynamic Workflows 不到位的事就仍然交给默认 harness。(05:07)
3. 单上下文窗口三大病灶:Context Rot 的具体表现 05:42
Anthropic 在同期博客《A Harness for Every Task, Dynamic Workflows in Claude Code》里,把”为什么单上下文窗口跑不动复杂任务”归到 Context Rot 旗下的三个具体表现:
第一是 agentic laziness:任务一大,Claude 完成一部分就停,后面假装做完(代我经验里常见的”我想偷懒”模式)。(06:15)
第二是 self-preferential bias:让 Claude 评估自己刚产出的结果时,它倾向于打高分——尤其在同会话内做这件事,这就是为什么不能用同一段对话”先产出再评审”。(06:24)
第三是 goal drifting:长任务跑到一半,原本的目标被渐渐漂移到更”接近可达成”的子目标,真实意图被悄悄改写——这是大任务最容易翻车的失败模式。(06:49)
三害的共性是都长在”上下文被塞满 + 单 agent 长链路推理”的搭配里。Anthropic 给的解法很直接:用 orchestrator 派出一批各持独立小上下文、目标单一的 subagent,fresh context window + 隔离目标,三害从根上避开。(07:22)
4. Workflow 模式:动态 harness 的可复用拼装块 07:30
Anthropic 博客里给的”模式”是 Dynamic Workflows 的具体拼装方式,本质上是”用什么结构把若干 subagent 接起来”。Chase 举了几个有代表性的:
classify-and-act:任务进来,先用分类 subagent 拆出 N 个子任务,再分别派给最合适的执行 subagent。(07:40)“deep research”这种”先确定查询边界再开搜”的工作流天然贴合这一模式。
fan-out-and-synthesize:把大量并行 subagent 的结果交给一个 Synthesizer 综合——研究类场景典型,数十上百个来源并行搜集、互相交叉验证、最后产出一份统一报告。(08:01)
adversarial verification、loop-until-done、tournament-style(多方案赛马 + 裁判选最优)——这三个分别解决”不能让产物自评”、“要熬到收敛”、“要在多条路径里选最强”。(08:28)
关键认知:这些”模式”不穷举,实际是给你看一张视觉上的参考——“自定义 harness”到底自定义在哪儿。(08:52)静态 harness 永远是”搜几条 → 问几个澄清问题 → 摘要”;动态 harness 把这条路换成”分类 + 并行 + 验证 + 综合”的任意组合。
5. Demo 拿到什么:deep research 与 bug hunt 的两轮实测 09:19
Dynamic Workflows 在 Claude Code 内部以”runtime script”形式跑——Chase 把它和 Claude Code Skill 类比,可保存、可复用、像是”在跑时拼一个 harness 出来”。(09:25)
Claude Code 内置了一个预置动态工作流 /deep research,结构是五阶段 scope→search→fetch→verify→synthesize。Chase 跑了一次”研究 dynamic workflows 最佳实践”的目标 prompt,5 分钟 scope 调度 + 5 个 search subagent 并行 + 12 个 fetch subagent + verify + 综合,最后 101 个 agent 共烧 3.7M token。(10:37)
token 量级:5 个 search agent 各烧约 250K token;scope 占 40K;综合阶段略小。(11:52)最终占 Chase 周 $200 Max 套餐的约 4%,即约 $8——11 分钟内烧完。
第二轮在 Chase 自己 AI 工作室的 Next.js 项目目录跑”bug hunt”——并行扫盘 + 对抗性验证 + 综合排序,产出 34 条确认 bug(2 high / 9 medium / 23 low)+ 7 条 false positive,时间与 token 都约为 deep research 的一半。(13:20)
每条 bug 自带位置、错误描述、证据、修复建议、对抗验证器的确认,等于一份”开箱即用”的代码审计报告。(14:02)
6. 何时上 Ultracode、何时别上 14:45
Anthropic 自己在文档里点出的合适场景有三类:代码库全量 bug hunt、大型迁移、关键性工作需要二次核验;另一例 Anthropic 公开提过——把 Bun 从 Zig 移植到 Rust,大约一周完成,用的就是 Dynamic Workflows。(12:46)
Chase 把这条总结成”有时候就是必须上重炮”:之前要做这类任务得在 Claude Code 之外自己糊一层 orchestrator,现在 Claude Code 自己就内置好了。(14:51)
反过来,短任务、清晰任务、可被一次上下文窗口装下的任务别上 Ultracode——deep research 一次 3.7M token 不是常态任务能负担的,绝大多数时候默认 harness 加认真写 prompt 就够。
可执行步骤
- 在 Claude Code 中先输一次
/effort,确认当前默认档位与 Ultracode 选项的位置,不要上手就盲试。 - 对真正复杂的研究类问题,先用
/workflows手动触发 Deep Research,而不是直接开 Ultracode——验证一次 burn 量与产出比的真实体感。 - 对中型项目跑
/workflows+ “bug hunt” / “codebase audit” 类 prompt,把产出报告与已有人工 review 结果对照,确认对抗验证器值得信任再常态化使用。 - 把
~/.claude/下的 workflow 脚本备份一份,因为是可重用的”动态 harness 模板”,落到 git 里别让单点机器丢失。 - 用关键词”harness” / “fresh context window” / “goal drifting”做限制条件,在 Anthropic 官方 docs 站点重读一次 Dynamic Workflows 章节,补齐本次视频没有完全展开的执行细节。
关联
- Harness — 进阶:本片的”自定义 harness”是 Harness 概念在 Claude Code 内的具象落地,先读 Harness 笔记理解”agent 实战的 90% 在 harness 而非模型”再回来看 Ultracode 的位置。
- Agent Teams — 互补:Harness 在 Claude Code 内部署的多 subagent 形态已存在(Agent Teams);Dynamic Workflow 是 Anthropic 给出的另一条”同 session 内多 subagent”路径,与 Agent Teams 在”成员是否互通”上侧重不同——本片侧重 runtime script + 模式库,Agent Teams 偏共享任务列表 + 互相对话。
- Context Rot — 印证:本片把 Context Rot 拆成 agentic laziness / self-preferential bias / goal drifting 三个具体表象,与既有笔记中”上下文塞满导致模型表现下降”的总论一致,且补出更可操作的三档清单。
一手来源与延伸
- Claude Code 工作流官方文档(dynamic workflows 这一节,即视频中 Anthropic 同名博客的对应页):https://code.claude.com/docs/en/workflows#when-to-use-a-workflow
- 视频中提到的 Anthropic 博客《A Harness for Every Task, Dynamic Workflows in Claude Code》(Chase 未给出独立 URL,但描述中字段名匹配 Claude Code 官方 docs 的 workflows 章节)
术语
- Ultracode(Claude Code
/effort中高于 max 的 effort 档位,触发自动 Dynamic Workflow Orchestration) - Dynamic Workflow(Claude Code 在运行时针对 prompt 自动拼出的多 subagent harness,vs 默认静态 harness)
- 静态 harness / static harness(单上下文窗口、按固定顺序”搜→问→总结”的默认调用链)
- 自定义 harness / custom harness(按任务拼装的多 subagent 工作流,Dynamic Workflows 与 Ultracode 都属于这一类)
- workflow 模式 / workflow patterns(Anthropic 列出的可复用编排模板:classify-and-act、fan-out-and-synthesize、adversarial verification、loop-until-done、tournament 等)
- deep research(Claude Code 内置的预置动态工作流,五阶段 scope→search→fetch→verify→synthesize)
金句
“So with dynamic workflows, we are not just going to sit in one context window, we’re going to bring in different agents, and the different agents are going to do different things, again, depending on the task.” — (02:12)用动态 harness 跑任务,不像单上下文那样一竿子插到底,而是按任务调一批各司其职的 subagent。“different things depending on the task”是”按需定制”的最短表述。
“The point is they’re going to be custom-fit to the task versus static harness, do a web search, ask a couple questions, summarize.” — (08:53)一句话把”自定义”vs”通用”拉直:静态是固定三板斧,动态按任务拼装路径。
“Sometimes we do need the big guns, especially for tasks we really, really care about.” — (14:51)把 Ultracode 定位成”重型工具”:日常别上,关键场景该烧 token 就烧。
立场与利益
- 与利益同向,待印证:开篇”the most powerful Claude Code update in months” / “nobody is talking about it”——以头条标题党帮博主自己的话术造势,直接服务于其 Masterclass(Skool 链接)与社区引流。主张需对照 Anthropic 官方文档独立验证。
- 利益中性:harness / context rot 三害拆解、Anthropic 列举的 workflow 模式清单、deep research 五阶段结构——这些都以官方博客与文档为支撑,无独立渠道的情况下也站得住。
- 与利益反向,单独标出:Chase 在评测 token 成本时完全没有掩饰——11 分钟烧 3.7M token、$200 Max 套餐一周配额的 4%——这与他卖课同向无关,反而是购买前需要被告知的事实;“sometimes we do need the big guns”也是同一立场的克制表达。
证据一行:description 中三个 Chase 自家 skool / consult 链接是导流主路径,只有 docs 链接是中立一手资料。
价值定位
- 适合谁:已经在用 Claude Code 跑过几次单 session 任务,撞到”任务一大 Claude 就开始偷懒 / 自评不靠谱 / 目标漂移”中任一症状的人,以及代码库做大型迁移或全量审计、需要批量化代理 subagent 而不想自建 orchestrator 的工程团队。
- 解决什么:把”何时开 multi-agent harness”与”开成什么结构”这两件事从 Claude Code 外搬进 Claude Code 内部;给出 Anthropic 自家列出的几个可复用 workflow 模式(classify-and-act / fan-out-and-synthesize / adversarial verification 等),省去从零设计编排的工程量。
- 认知 vs 实操:认知层面把”静态 vs 动态 harness”的区别讲清楚——大多数短视频教程仍把”用 Claude Code”等同于”单上下文对话”;实操层面给出具体
/effort ultra code、/workflows、/deep research的触发方式与实测 token 代价。 - 与 Chase·Claude Code 六个层级 重叠时:六个层级已经有规模化章节讲 Agent Teams,本片独有的增量是把”动态 harness 的具体拼装方式”补全——尤其是 Anthropic 提供的 workflow 模式库与 Ultracode 的 effort 跳档,这两块是 Chase 三个多月前的层级笔记还没覆盖到的细节。
自检问题
- Ultracode 输入后在 Claude Code 中同时发生了什么? 答案:把 effort 从 high 跳到 extra high,同时打开 automatic dynamic workflow orchestration,允许 Claude Code 自作主张决定是否启用动态 harness。(→ 详解2) 04:01
- 单上下文窗口跑不动复杂任务的根因被拆成哪三个具体症状? 答案:Context Rot 旗下的 agentic laziness、self-preferential bias、goal drifting 三种失败模式,共性是都长在”上下文塞满 + 单 agent 长链路推理”的组合里。(→ 详解3) 05:42
- Dynamic Workflows 与 Agent Teams 同样多 subagent,核心差别是什么? 答案:Dynamic Workflows 在 runtime 拼一个按任务的 harness 跑,subagent 各持独立上下文与单一目标;Agent Teams 走共享任务列表、成员可互相对话辩论。两条路在 Claude Code 内并存而非替代。(→ 详解4、5) 04:31
- Chase 跑 deep research 实测最终消耗的 token 量级是? 答案:101 个 agent 共烧 3.7M token,占 $200 Max 套餐周配额的约 4%;5 个 search agent 各约 250K,scope 约 40K;时间约 11 分钟。(→ 详解5) 12:12