Multi-model routing is normal now. Here is the schema-first prompt pattern that keeps objects valid when you change the brain underneath.

#开源推广 #开源项目 #Claude 详细内容见: https://github.com/TokenRollAI/claude-code-workflow-research * * * # Claude Code Workflow 省流版 一句话：Claude Code workflow 不是模型自己在一次请求里并发工作，而是主模型先写一段 JavaScript 编排脚本，Claude Code 本地 runtime 执行这段脚本，按脚本启动多个子代理，再把子代理的结构化 JSON 结果串起来。 ## 核心流程 用户显式触发 workflow -> 主模型看到 Workflow 本地工具 -> 主模型生成一段 JS workflow script -> Claude Code 本地 runtime 执行 JS -> JS 里的 agent() 启动多个普通子代理请求 -> 子代理通过 StructuredOutput 返回 JSON -> runtime 把 JSON 当作 agent() 的返回值传给后续 JS -> JS 最终 return 一个对象 -> Claude Code 用 <task-notification> 把结果回灌主会话 ## 最重要的几个点 1. `Workflow` 是本地工具，不是 Anthropic API 的一个特殊 endpoint 。 2. 主模型负责“写编排脚本”，本地 runtime 负责“执行脚本”。 3. workflow 脚本是受限 JavaScript DSL ，不是完整 Node.js 。 4. `agent(prompt, { schema })` 会启动一个子代理，并强制它调用 `StructuredOutput`。 5. 子代理返回的是 schema 校验后的 JSON ，不是父流程从自然语言里硬解析。 6. agent 之间不直接聊天；交接由 JS 完成：上一个 agent 的 JSON -> `JSON.stringify(...)` -> 下一个 agent 的 prompt 。 7. `pipeline()` 默认没有阶段 barrier ，某个 item 完成一阶段就能进入下一阶段。 8. `parallel()` 是 barrier ，只适合确实需要等全部结果时使用。 9. workflow 完成后，最终结果通过 `<task-notification>` 注入回主会话。 10. 支持 resume ，因为脚本要求确定性，已完成且未变更的 agent 调用可以命中缓存。 ## Prompt 是怎么拼的 一次 workflow 子代理请求不是一个巨大的纯文本 prompt ，而是多个槽位组合： 槽位 | 放什么 ---|--- `messages[0].content` | 子代理本轮 user 输入，包含系统提醒和 JS 生成的任务 prompt 。 `system[]` | Claude Code 身份、workflow subagent 规则、环境信息。 `tools[]` | Bash/Read/Skill 等工具，以及动态生成的 `StructuredOutput`。 `StructuredOutput.input_schema` | JS 里传给 `agent(..., { schema })` 的 schema 。 本次例子里，judge prompt 是这样来的： agent( `你是桌游评委，专门从这个维度评审：「${j.desc}」。\n` + `待评概念：\n${JSON.stringify(concept, null, 2)}\n` + `请给出 1-10 分并简述理由。用中文作答。`, { schema: JUDGE_SCHEMA } ) 这里的 `concept` 是 invent agent 通过 `StructuredOutput` 返回的 JSON 。也就是说，下游 prompt 看到什么，完全取决于 JS 作者显式拼进去什么。 ## 本次抓包里的例子 这次 workflow 是一个“桌游设计锦标赛”： * 5 个 invent agent：分别从 5 个设计方向发明桌游。 * 15 个 judge agent：每个概念由 3 个评委维度打分。 * 1 个 synthesize agent：取冠军并嫁接落选概念优点，生成最终设计稿。 * 合计 21 个逻辑 agent 。 最终通知里也记录了： <agent_count>21</agent_count> <subagent_tokens>232900</subagent_tokens> <duration_ms>257654</duration_ms> Claude Code workflow 把“多代理协作”从自然语言群聊变成了可执行的数据流程序：`agent()` 像异步函数，prompt 是输入，`StructuredOutput` JSON 是返回值，`pipeline()` 和 `parallel()` 是调度结构，最终 `return` 是结果。

はじめに こんにちは、いのせです。 最近はAIの進化が止まることなく、AIを使ってコーディングするのが当たり前な時代になりましたね。 GitHub Copilot、Claude Code、Cursorなど便利なツールが次々と登場し、コードを書く速度は格段に上がったと思いま...