Claude Code 动态工作流，如何为每项任务定制专属 Harness？

真香！ 在 AI 辅助开发的滚滚潮流中， 我们一直在追求一个终点：让 AI 不仅仅是一个“会写代码的机器人”，而是一个能够明白繁杂系统的“工程项目师”。过去，当我们面对极其繁杂的沉重构任务时往往会陷入“上下文过载”的泥潭。你试图把整个项目的逻辑都塞进一个对话框， 最终还是结果是 AI 在落实到一半时迷失了方向，或者在关键细节表现出令人头疼的“智能性偷懒”。

最近，Claude Code 引入了一项极其惊艳的能力：Dynamic Workflows。这项功能彻底改变了我们与 AI 交互的方式——它让 Claude 不再是被动地落实你的指令，而是能够动态地写出一套属于它自己的更多 Agent Harness。这意味着， 针对你给出的繁杂任务，它会先“思考”并现场设计一套定制化的落实方案，通过调度更多个不同子 Agent 来完成攻坚。

为哪些我们需要“专属 Harness”？

一句话。 在较深入技术手段细节之前，我们得先清楚哪些是 Harness。在传统方式的 AI 工程项目语境下 Harness 就像是一个测试室的脚架，它包含了落实周边环境、工具链、验证逻辑以及最终还是结果是的评估标准。默认情况下 Claude Code 提供给了一个通用的落实框架，它能应付日常的增删改查，但现实世界远是非线性的。

本质上… 当你要求 AI 完成一个跨越更多个不同模块的架构迁移， 或者进行较深度的可靠审计时通用的框架就失效了。你会遇到三种致命痛点：

• 智能体惰性：任务太庞较大， AI 完成了表面工作岗位后就宣布“搞定了”，实际情况是忽略了隐藏的边缘案例检查。
• 自我偏良好偏差：在较长上下文对话中， AI 会倾向于采用它熟悉的路径，而不是最符合当前任务的路径。
• 目标漂移： 因为对话次数提升， AI 缓慢缓慢遗忘了刚启动的约束条件，引起越越越偏。