近期“Dynamic”一词在 AI 技术领域热度显著上升，主要集中在执行效率与项目管理的自动化层面。不同于以往静态的、预先定义好流程的任务执行方式，当下的动态工作流（Dynamic Workflow）强调系统在运行时自主决策、自适应调度和并行协作。
- 这一趋势的代表性进展来自 Anthropic：
- Claude Code 推出 Dynamic Workflows，允许单个 agent 动态创建和管理数百个子 agent（Subagent），并自行拆分任务、协调执行，就像内置了一名‘项目经理’。有案例显示，利用该功能将 Bun Zig 代码迁移至 Rust 原本预估数周的工作缩短至 11 天。（原文标题：Claude Code 推出 Dynamic Workflows：agent 自己当项目经理，Bun Zig→Rust 迁移 11 天完成）
- 同一系统还具备并行处理重任务的能力，在清理数百个 A/B 测试标记等场景中，10 分钟即可完成原先需要大量人工协调的工作。（原文标题：用动态工作流并行清理数百个A/B测试标记，10分钟搞定）
- 伴随工作流发布，Claude Opus 4.8 模型同期上线，在编码和 agent 任务可靠性上有所提升，为动态工作流提供了更稳定的底层模型支持。（原文标题：Anthropic 发布 Claude Opus 4.8，价格不变更诚实，同步推出动态工作流）
另外在移动游戏领域，联发科天玑星速引擎也引入了“动态”技术，通过智能调度内存、网络和 GPU 资源，使手游体验更接近主机级别。（原文标题：联发科天玑星速引擎全面进化，移动手游体验媲美主机）
当前焦点集中在：动态工作流是否真能稳定替代人类项目经理？尤其是在跨团队、跨工具的长链条任务中，子 agent 的自主决策边界、资源冲突与错误恢复能力仍是观察重点。未来，动态性或将进一步渗透到软件开发、数据分析乃至实时控制系统，成为新一代自动化架构的关键词。