博客进阶
Claude自己组队查Bug！11.6万行代码揪出66个，单Agent最高只找到27个
新智元报道，介绍 Anthropic 公布的一组测试：在 11.6 万行代码中预埋 70 个 Bug，单 Agent 三次运行最多找出 27 个，动态工作流三次均找出 66 个。文中还介绍同日公测的 Claude Managed Agents 动态工作流（主 Agent 自行编写分工程序调度其他 Agent）与扩大公测范围的 Claude Code Projects（项目记忆、多线程任务协调、Remote Control 本地运行），并举例说明多仓库改动和合同审查场景。适合关注多 Agent 编排与 Claude Code 使用的开发者阅读。
- 分级
- 值得看
- 是否付费
- 免费全文公开可读
- 预估学习时长
- 约 7 分钟按全文字数估算
- 收录时间
- 2026-11-03
中文精读
原文约 2,665 词 · 3 节
开头
- Anthropic 公布的一组测试结果：在 11.6 万行代码中预埋 70 个 Bug，单 Agent 与动态工作流各跑三次。单 Agent 最好一次查出 27 个（三次分别为 14、15、27），动态工作流三次都查出 66 个。
- 这组结果背后是 Claude 开始自己安排分工、组织多个 Agent 协作。10 月 10 日，Claude Managed Agents 动态工作流开启公测：主 Agent 接到任务后可自己编写分工程序，安排其他 Agent 分阶段完成，最后汇总结果。
- 同一天 Claude Code Projects 扩大公测范围，此前加入等待名单的 Pro 和 Max 用户都已获得资格。两项更新指向同一变化：分活、盯进度、交接结果这些原本靠人操心的事，Claude 也开始接手。
- Projects 的目标是免去人当“传话员”：在同一项目对话里持续提需求，Claude 判断该新开一条任务线程还是交给已在处理相关工作的线程；每条线程是一段独立推进任务的工作对话。
- 官方举例：让 API、网页端和移动端一起停用旧接口，涉及多个代码仓库且修改需互相配合。Claude 可按仓库拆任务，分别修改、跑测试、提交合并请求，并告知哪些改动需先合并；每条云端线程有自己的上下文和代码副本，在自己的分支上工作，结果报回项目对话。
- 项目总览把正在工作、等待你回答、可以审查的任务分开列出，离开后可从未处理处接上。Projects 会积累项目记忆，记录需求变化、做过的决定、踩过的坑，供后续云端线程读取；资料库保存上传资料和 Claude 生成的文件。新版 Projects 于 9 月 17 日分批公测，此次扩大的是准入范围，功能仍在公测，未报名者仍可加入等待名单。
开头（续）
- 云端线程可在合上电脑后继续工作；需要本机工具或本地数据库的任务可通过 Remote Control 在电脑上运行，但电脑须保持唤醒。
- Managed Agents 动态工作流处理复杂任务内部分工。官方示例是检查 300 份合同、找出含控制权变更条款的合同；Claude 会写出一段工作流程序，安排哪些 Agent 读材料、哪些步骤处理结果、后续怎样继续。
- 分工和交接写进程序后可直接运行：一个 Agent 读完材料把结果交给程序，程序再传给后续 Agent 或据此决定走哪个分支；需要反复修改的工作可安排循环（如稿件审校改到审核通过或达到预设轮数）。与普通子 Agent 委派相比，动态工作流把大量中间交接写进程序并在后台推进，等待期间主 Agent 仍可与用户交流、查看进度。
- 限制：工作流中的线程交回结果后，主 Agent 不能像调用普通子 Agent 那样向同一线程追问，所以核对和返工最好提前写进流程。官方合同审查指令样例为：第二轮由另一个 Agent 重查全部合同，首轮未发现目标条款的也不跳过，复核未通过则返工后再复核。
- 合同案例展示的是工作方式；Anthropic 未在 Bug 测试帖子中披露具体分工，不能据此认定 66 个 Bug 是通过同样流程找出的。
- 单次最多 1000 个 Agent 指一次工作流在整个运行期间累计最多启动 1000 个；当前文档列出同时工作线程上限为 64，官方说明并发数可能调整。工作流可一批接一批执行，也可等前一阶段交回结果再安排下一阶段。
开头（续）
- 每个 Agent 有独立对话历史，同时共享会话中的文件和沙箱（运行代码、处理材料的工作环境）；开发者可提前配置专门 Agent，也可让工作流按需临时定义。接入时在 multiagent 配置中将 type 设为 multiagent_20261001，再配置模型、工具和任务要求。
- 官方指令样例要求：某个 Agent 读不了合同，就把这份合同列为「未覆盖」，其余任务继续。「没查出问题」和「根本没查到」必须分开，否则整齐的汇总会藏起任务缺口。开发者可查看运行阶段和各条线程记录，定位问题。
- 需区分：最多启动 1000 个 Agent、三次均查出 66 个 Bug，说的都是 Managed Agents 动态工作流，并非 Projects。
- 费用方面：Projects 使用现有套餐额度，工作线程和协调对话都消耗用量，并行任务越多额度用越快；可调整模型和推理强度或让 Claude 少开线程，工作线程达上限后通常暂停，等额度重置再继续。Managed Agents 按模型 Token 计费，另收每个会话每小时 0.08 美元运行费，只计会话运行状态时间，Token 另算。
- 开发者可设置会话预算，工作流模型消耗计入其中；达到预算后运行暂停，但已发出的模型请求仍会完成，最终费用可能超预算。官方建议先从范围明确的任务开始，摸清消耗再逐步增加复杂度。
- 官方未披露测试所用模型、实际 Agent 数量、耗时、Token 用量和误报情况，暂无法判断这套工作流是否更快、更划算。多找出多少真实问题、增加多少模型调用费用、需要人花多少时间复核修错，都得算进同一笔账。