Cloud Code Work Flow 深度解析

📌 导读

Cloud Code 新增的 Work Flow 功能，只需用 ultra work 关键词加上任务描述，即可自动启动多 Agent 工作流。它硬编码在 Cloud Code 中，临时开启 VM 沙箱运行 JS 脚本，将 Harness Engineering 的技术壁垒彻底打破。半年后，核心问题不再是「是否在用 Harness」，而是「该召唤哪一种 Harness」。

💡 核心观点 4

01 Work Flow 把 Harness Engineering 的技术壁垒彻底打破，抹平了专业开发者与普通用户之间的认知差距与技术鸿沟。

02 半年后，问题不是「你有没有在用 Harness Engineering」，而是「你的 AI Agent 知不知道该召唤哪一种 Harness」。

03 Cloud Code 既是 Harness 的创作者，也是 Harness 的使用者 —— 它来写 Harness，它来跑 Harness。

04 用户只需描述清楚任务，AI Agent 自主编写并执行 Harness 将成为主流趋势。Token 成本可通过 prompt 限定。

⚙️ 开启方式 V2.1.150

1 终端中执行命令设置环境变量：export ANTHROPIC_WORKFLOW=1
2 执行 source ~/.zshrc 使环境变量生效，检测输出 1 即成功
3 启动 Cloud Code，输入 ultra work，关键词变为动态渐变彩色即激活
4 输入 /workflows 查看内置工作流命令

🔬 工作原理

Work Flow 是 Cloud Code 内置工具，不属于 MCP 也不属于 Skill。当调用时，临时开启一个 VM 沙箱，让 Cloud Code 编写的 JS 脚本在沙箱中运行，所有大模型调用从沙箱穿出，由主进程启动真实对话。

沙箱三大优势

确定性 — 禁用非确定 API，执行结果可预期
安全隔离 — 破坏性操作不会逃出沙箱
可观测 — 所有调用都可写日志、计算预算、查看实时进度

⚖️ Work Flow vs Skill

执行方式

按字节级执行编排的流程

靠模型聪明地解读意图

效果取决于

代码结构 + 预算 + 验证

模型这次发挥得好不好

可控性

高 — 可审查、可修改、可限预算

低 — 黑盒推理，结果不稳定

📋 实战案例 4

📄案例一：生成规格文档

输入「阅读开发要求并生成规格文档」，Cloud Code 启动 13 个 Agent，四阶段流水线：并行研究 → 并行模块撰写 → 综合整合 → 对抗性审查。最终输出完整的应用规格文档。

⚡ 18 个 Agent 并行 · 消耗 700K tokens · 耗时 8 分钟

🧩案例二：端到端开发

清空上下文后，输入预算限制 + 提示词「根据规格文档端到端实现」，Cloud Code 自动编写 workflow 脚本，分多阶段执行开发，并支持自修复 + 对抗性审查 + PR 草稿。

🔍案例三：分析项目 Issue（带预算）

设置 500K token 预算，让 Cloud Code 分析指定仓库的前 10 个 open issues，输出 maintainer 决策报告。预算限定后，workflow 不会超支。

👁️案例四：PR 深度 Review（先写脚本后执行）

设置 100 万 token 预算，要求「先写 workflow 脚本，由我审核后再执行」。Cloud Code 写出多阶段 PR 审查脚本，支持二次修改（如调整并发数），满意后再运行。

📊 关键数据

18 个

并行 Agent 数（规格文档案例）

700K

消耗 tokens

8 分钟

生成耗时

500K ~ 1M

可设定的 token 预算范围

✨ 金句

“Cloud Code 的 Work Flow 把 Harness Engineering 的技术壁垒彻底打破，抹平了 Harness 的技术鸿沟。

“半年后，问题不是你有没有在用 Harness Engineering，真正的问题是你的 AI Agent 知不知道遇到一个问题，该召唤哪一种 Harness。

“Cloud Code 既是 Harness 的创作者，也是 Harness 的使用者。

🎯 行动建议

设定 Token 预算 — 在提示词中明确预算限制（如 500K、100万），避免资源超支，让 workflow 在预算内高效执行。
先写脚本，审核后再跑 — 对关键任务可要求 Cloud Code 先编写 workflow 脚本，审查满意后再执行，确保安全可控。
利用二次修改 — 对生成的脚本不满意可要求调整（如并发数、阶段数），Cloud Code 能精准修改，满足个性化需求。

📌 结尾总结

Cloud Code 的 Work Flow 正在改写 Harness Engineering 的范式。它将技术门槛降至自然语言描述即可召唤专业工作流，让 AI Agent 成为 Harness 的创作者与执行者。随着 Codex、J Man、CLI 等工具陆续加入类似功能，自主编写 Harness 将成为主流。问题不再是「你会不会写」，而是「你会不会召唤」。

Cloud CodeWork Flow 深度解析

Cloud Code
Work Flow 深度解析