Transcript
00:00:00这是数月来 Claude Code 最强大的更新，却鲜有人提及。
00:00:04UltraCode 让 Claude Code 能够通过启动一支智能体大军
00:00:10来处理极其庞大且复杂的任务。我指的不仅仅是少数几个，而是可能数百个
00:00:14智能体，它们可以分工协作，一气呵成。但 UltraCode 真正的威力
00:00:20不在于它能生成的智能体数量，而在于它能即时为你的特定任务
00:00:24构建一套定制化的工作框架。通常，Claude Code 采用的是一种一刀切的
00:00:29方式来解决问题。但有了这个全新功能，情况就不一样了。
00:00:34所以在本视频中，我将详细拆解其工作原理，让你能够立即开始利用
00:00:38这一新功能。那么，你为什么要关注 UltraCode 和动态工作流呢？原因
00:00:43很简单。这是 Claude Code 处理大型复杂任务的最佳方式。就是这样。
00:00:49而它实现这一点的方法就是通过定制化框架。这是一种高大上的说法，意味着它将
00:00:56创建一种新颖的方法来解决你试图解决的任何问题。一个很好的例子是它
00:01:02处理深度研究类任务的方式。如果你有一个相当复杂的问题，比如：我们应该迁移
00:01:08我们的结账服务到新的供应商吗？如果我只是像平时那样使用 Claude Code，我只要
00:01:14跳进提示词窗口并输入这个指令。那么，它会使用其默认的静态
00:01:20框架。它会处于单一会话中，对吧？我们将使用一个上下文窗口。
00:01:24它会进行几次网页搜索，获取最相关的结果，然后进行验证、
00:01:30总结，并给我们一份通用的研究报告。默认情况下，我们讨论的是静态框架。我们
00:01:34真正想说的是，你只是在单一上下文窗口中打开 Claude Code，而我们并没有
00:01:38要求它使用子智能体或进行任何形式的对抗性审查其原始思考
00:01:44过程。所以它相当简单。它使用的 Token 更少，最终得到的是一个通用的答案。注意，
00:01:51这对大多数问题来说没问题。我们今天讨论的是大型、复杂的任务。相比之下，如果我们使用
00:01:57动态工作流中的 UltraCode（我稍后会讲这两者的区别），我们会得到一个
00:02:02专为该问题打造的定制框架。我们将会有处理该问题的不同方式。
00:02:09我们不仅会待在一个上下文窗口里。我们会引入不同的智能体，而这些不同的
00:02:12智能体会做不同的事情，同样，这取决于具体任务。所以在这个例子中，
00:02:17我说，嘿，我们是否应该将结账服务迁移到新的供应商？与其只是做
00:02:22一些网页搜索并得出一个总结，通过动态工作流，它更像是
00:02:26好，我们的结账服务是什么？所以它会读取我们的计费代码。它实际上
00:02:30会深入了解我们的实际运作方式。从那里，它会针对新供应商的文档
00:02:35核对功能。它会评估我们的交易量定价。它会有一个
00:02:40实际的“魔鬼代言人”智能体来提出质疑，嗯，这真的合理吗？最终，我们会得到一份
00:02:47具体的建议，而不是通用的建议。所以动态工作流的重点是，再次强调，我们得出答案的过程
00:02:55是不一样的。它是定制的，并且取决于我们提出的问题。通过这样做，
00:03:02我们可以获得更好的结果。这就是你为什么要关注它的原因。现在，在我们讨论 UltraCode 如何
00:03:07发挥作用之前，先插入一个来自今天赞助商的广告，也就是我自己。不久前，我刚发布了一个 Claude
00:03:13Code 大师课，这是从零成为 AI 开发者的第一途径，特别是如果你没有
00:03:19技术背景的话。我每周都会更新这个课程。最近我还添加了 Codex 大师课模块。
00:03:24如果你想获取这些内容，可以在 Chase AI Plus 中找到它。我会把
00:03:29链接放在置顶评论里。
00:03:31那么什么是 UltraCode？他们一定很看重它，才会给你这个漂亮的图形，当你输入
00:03:35斜杠 effort 时。所以 UltraCode 与努力程度有关。如果你在
00:03:41Claude Code 中输入斜杠 effort，你会看到一个从低到 UltraCode 的光谱弹出来。
00:03:46通常在 Opus 4.8 上，我们默认是高努力程度，但 UltraCode 超越了最大值。嗯，
00:03:53算是吧。当你输入斜杠 UltraCode 时，会发生两件事。第一，
00:04:00我的努力程度从高变成了超高。我们不是处于最大值。我们只是跳到了超高。
00:04:05其次，我现在有了自动化的动态工作流编排。所以我们在这里谈论的是两件事，对吧？
00:04:11在本视频中，我们讨论了动态工作流，也就是这个想法：我们为任务做定制化的框架，
00:04:16并且我们拥有 UltraCode。好的，所以 UltraCode 会自动将努力程度更改
00:04:22为超高，并允许自动进行动态工作流编排。动态工作流也是
00:04:29Claude Code 内部的一个独立功能。所以如果我在 Claude Code 里，输入像
00:04:34斜杠 workflows，我就是在强制 Claude Code 为我给出的任何提示词创建一个工作流，
00:04:42比如插入任务。但如果我们处于 UltraCode 中，Claude Code 会自动
00:04:48决定，嘿，这是否需要动态工作流？我们可以选择总是调用
00:04:55动态工作流，如果直接输入斜杠 workflow，或者如果我说，嘿，使用
00:04:59工作流。所以它几乎像是我可以调用的技能。或者 UltraCode 允许
00:05:06Claude Code 在这方面表现得更聪明。它会根据提示词，
00:05:10有时我们只会使用静态框架。我们并不总是需要发疯。或者如果它足够复杂，
00:05:15嘿，我会使用动态工作流。这就是 UltraCode 的用武之地。它像是一个自动化的
00:05:20层。你无需思考。如果它需要动态工作流，它就会执行。你不需要
00:05:23动脑子，对吧？这很棒。既然如此，为了真正最大化利用 UltraCode，
00:05:30我们需要深入研究动态工作流，因为你理解了为什么 UltraCode 优于
00:05:34动态工作流。现在，让我们谈谈这个。
00:05:39而且 Claude Code 实际上，Anthropic 写了一整篇关于这个的博客。所以这篇博客，大约
00:05:44一周前发布，题目是“为每个任务构建框架：Claude Code 中的动态工作流”。我们不会
00:05:48在这个视频中深入探讨整篇博客。我只会讲你需要知道的部分。
00:05:52我也把链接放在说明栏里。现在，我想强调的第一件事是
00:05:55为什么要动态工作流。我们在开头提到了。嘿，它更适合复杂任务。
00:05:59但为什么 Claude 通常不足以应付这种事情？好吧，那是因为 Claude
00:06:04在单一上下文窗口中处理复杂任务的时间越长，它的效果就越差。他们提到的三点
00:06:09都可以归类在“上下文腐化”的范畴下，也就是智能体惰性的概念。
00:06:16你知道，我们都遇到过这种情况，你让 Claude Code 做一件范围相当大的事情，
00:06:20它只是完成了一部分。我们还有自我偏好偏差，指 Claude
00:06:25倾向于偏好自己的结果或发现，尤其是在被要求针对一套准则进行验证或评判时
00:06:30的情况下。嘿，如果你还记得我几天前展示“grill me codex”的视频，
00:06:34把 Codex 引入方程，这也是我在那里谈到的事情，对吧？
00:06:38Claude 在评估自己的工作方面表现不佳，特别是如果你告诉它要评估
00:06:44同一会话内的工作。就像你在同一个上下文窗口里，它做得并不好。
00:06:49最后是目标漂移。再次强调，复杂任务，目标漂移
00:06:54将是一大问题。我们必须解决它。我们不能在同一个会话中做这些事。
00:06:57所以创建一个工作流，动态工作流有助于通过协调单独的
00:07:03Claude 子智能体，它们各自拥有上下文窗口和专注、隔离的目标来克服这些问题，对吧？听起来很熟悉？
00:07:10GSD，超能力，过去几个月的所有这些事情，都归结到这一核心点上：
00:07:16我们如何在有限的上下文窗口下处理大任务？这一切最终都回到了子智能体、
00:07:21全新的上下文窗口，这类事情。现在，我还要从这篇博客中触及的最后一件事是
00:07:26他们提到的一些工作流模式。这不是详尽的。有无数种工作流
00:07:30模式，但我认为当我们讨论定制框架和动态工作流时，能看到我们在说些什么，
00:07:35视觉上会很有帮助。他们给出的第一个例子是分类并执行。
00:07:40那是一种工作流模式，我们有一些任务。该任务涉及多个子任务，
00:07:45我们想把它们分给适当的子智能体。要做到这一点，我们需要一个分类器，并且使用
00:07:51动态工作流。Claude Code 已经知道，这是最关键的部分，Claude Code 已经知道
00:07:56这是你需要的那种工作流模式，对吧？它会自动为你设置好。
00:08:00另一个是分流并综合。想想深度研究。嘿，我想要你研究某件事。
00:08:05我需要你走出去，从各种不同来源获取海量信息，
00:08:09可能数百个来源。我需要你带回来。我不只是想要你总结。
00:08:13我想要你验证。我想要你实际交叉引用它，然后最后，
00:08:17我想要一份最终报告。同样，如果你让 Claude Code 使用 UltraCode 或使用动态工作流
00:08:22去做深度研究，这就是会采取的工作流。
00:08:27而且它延续了下去。对抗性验证、循环直至完成，一种锦标赛式的
00:08:32机制，你有一堆不同的想法和评委，最后，你得到一个最终赢家，
00:08:36生成并过滤。博客本身详细介绍了所有这些，但至少对我来说，
00:08:41能看到他们在谈论什么很有帮助。我在想，好的，定制框架，这到底
00:08:44是什么意思？好吧，这只是意味着找到解决方案有多种途径。而且有了定制的
00:08:50动态工作流，我们就有了所有这些选项。重点是它们将根据任务进行定制，
00:08:55而不是，你知道，静态框架，做一次网页搜索，问几个问题，总结。我们可以做得更好。
00:09:03最后，在我们进入演示之前，我强烈建议你花五分钟时间，
00:09:09去 Claude Code 文档阅读他们关于动态工作流的内容，这样你就能更好地了解
00:09:13它在幕后是如何工作的，与“智能体团队”之类相比。提示，它实际上是在运行时执行脚本
00:09:18以及如何保存工作流之类的东西，因为你可以重复使用它们。从某种意义上说，它们就像技能
00:09:24等等。他们在这里确实有一篇非常好的文章。
00:09:28在文章中，他们实际上告诉了我们一个随 Claude Code 预装的动态工作流。
00:09:34它实际上是一个深度研究工作流，类似于网络应用上存在已久的深度研究。
00:09:39所以我们将做两个演示。第一个我要给你展示的，这样你就可以了解这一切是如何工作的，是这个深度研究。
00:09:44如果你已经更新，它就在你的 Claude Code 里。你要做的就是输入斜杠 deep research。
00:09:48所以在 Claude Code 内部，我们将输入斜杠 deep research。
00:09:52然后我会给它一个提示词。嗯，其实这是一个元提示词。我们要让它对动态工作流
00:09:56和创建它们的最佳实践进行深度研究。
00:10:01你能对 Claude Code 里的全新动态工作流和 UltraCode 进行深度研究吗？我想要一份详细说明最佳实践的报告。
00:10:08关于定制框架有很多说法。
00:10:14通过动态工作流，我们如何确保使用它们构建的定制框架是工作的最佳选择？
00:10:17或者这只是用户层面我们需要预期的由 Claude Code 处理的事情？
00:10:22所以这就是它。当我们这样做时，你会看到我们收到了一些
00:10:28消息。正在运行深度研究工作流，主题足够清晰，继续，工作流，动态工作流，
00:10:32深度研究。然后它告诉我们在后台启动了工作流。它有五个阶段，
00:10:38范围、搜索、获取、验证和综合。我们有能力实时观看它。
00:10:43所以如果我输入斜杠 workflows，你可以在这里看到所有的智能体正在实时发生的事情。
00:10:49所以对于范围，我们只有一个智能体。对于搜索，我们将有五个智能体。
00:10:57一旦他们开始工作，我们实际上可以，哎呀，一旦他们开始工作，我们就可以
00:11:02实际看到他们的 Token 使用量。因为这是成本的一大来源，对吧？你可以在这里看到。
00:11:07在使用动态工作流和 UltraCode 时，我们需要考虑的一个大成本是 Token 成本。
00:11:13它是重度 Token 使用。当然，肯定有论点认为我们只是在前端支付成本。
00:11:17并且凭借我们从 UltraCode 和动态工作流获得更有效的结果，我们可能在长期节省 Token。
00:11:23但别感到惊讶，特别是如果你使用动态工作流的话，我开头没开玩笑，确实在使用 100
00:11:30个以上的智能体。别对最终产生巨大的 Token 成本感到惊讶。我们可以在这里看到我们
00:11:35五个正在搜索的智能体。他们每个使用了约 25 万个 Token。范围阶段本身花了
00:11:41约 4 万。然后这边的获取阶段看起来可能有 12 个子智能体。然后我们还有一个列表，
00:11:46就在这，22 个智能体中的 4 个，已经过去两分钟。最后我也将参考我的
00:11:53总周使用量以及我烧掉了多少。所以 101 个智能体，370 万个 Token
00:11:59和 11 分钟后，工作流完成。在我的每周最大计划使用量方面，
00:12:06是 4%，而我使用的是每月 200 美元的最高计划。所以，Token 使用量，这真不是开玩笑。就像，
00:12:12你必须知道什么时候应用它。然后我不得不将报告转成这里看到的 HTML
00:12:18资产。这几乎重申了我们在 Claude Code 文档中看到的许多内容。
00:12:25涉及动态工作流的内容。那么动态工作流和 UltraCode 还有哪些其他用例？好吧，Anthropic 实际上为我们指出了。
00:12:30诸如基于代码的全面漏洞搜寻、大规模迁移，以及需要复核的关键工作。
00:12:35Anthropic 提到的另一个例子是用动态工作流重写 Bun，他们实际上在过去一周使用此功能将 Bun 从 Zig 移植到了 Rust。
00:12:42让我们用漏洞搜寻来测试一下。我所在的目录是我 AI 代理网站的目录，它在后端也兼作管理界面。
00:12:46它有点像我的内容创作指挥中心。所以我们将让它运行动态工作流来进行一次漏洞搜寻。
00:12:52你能在这个目录中使用动态工作流来运行一次漏洞搜寻，看看我们当前目录中有什么样的漏洞吗？
00:13:00创建报告后，将其变成一份 HTML 报告并在我的浏览器中打开它。
00:13:05所以你可以看到就在这儿调用工作流命令集并行漏洞搜寻跨 Next.js 应用。
00:13:11对抗性验证每个发现并合成一份按严重程度排名的报告。
00:13:18它在后台运行。像往常一样，我们可以输入斜杠 workflows 来看一下。所以对于这个漏洞报告，它运行在
00:13:26大约一半的时间，用的 Token 只有深度研究的一半。我们有 34 个已确认的漏洞。它有 7 个漏洞是误报。
00:13:33而在那 34 个中，2 个是高危，9 个是中危，23 个是低危。
00:13:38有点击它们的能力。它向我显示了哪里错了，证据，修复，然后
00:13:45还有那个说，嘿，这确实是一个漏洞的对抗性验证器。这是问题所在。
00:13:51它几乎为它们中的每一个提供了报告，问题在哪里，它将其定义为什么样的错误，出了什么问题，证据，修复，对抗性验证器。
00:14:04所以在它实际发现的东西方面，它是相当深入的。我认为这部分最好的是对抗性验证器。
00:14:10因为再一次，Claude Code 处理复杂任务时的重大问题之一是：你能确认
00:14:15它是否真的做了它应该做的事？所以这就是我在这个视频中要离开你的地方。
00:14:21我们讨论了为什么要关注动态工作流中的 UltraCode，它们如何工作，
00:14:26并过了一遍几个例子。我认为这是一个很棒的功能。我认为它非常
00:14:30强大。是的，它是极度 Token 密集的，但有时我们确实需要重型武器，特别是
00:14:34对于我们真正关心的任务。而在以前，这很难，对吧？我们做了一些
00:14:38黑客手段。我们引入了外部编排层。而现在一切都准备就绪，就在
00:14:43Claude Code 本身内部。所以一如既往，让我知道你的想法。确保查看 Chase
00:14:47AI Plus，如果你想获取我的 Claude Code 大师课，我们回头见。
00:14:53对于我们非常在意的任务来说，确实如此。在此之前，这其实很难实现，对吧？
00:14:58我们曾用过一些临时方案，还得引入外部编排层。
00:15:03而现在，这一切都可以在 Claude Code 内部直接搞定了。一如既往，请让我知道你的想法。
00:15:08如果你想学习我的 Claude Code 大师课，记得查看 Chase AI Plus，我们回头见。
Community Posts
No posts yet. Be the first to write about this video!
Write about this video