Claude组队查Bug，11.6万行代码三次均查出66个，单Agent最高只找到27个
Claude自己组队查Bug！11.6万行代码揪出66个，单Agent最高只找到27个
- 110月10日Claude Managed Agents动态工作流开启公测，主Agent可自己编写分工程序，安排多个Agent分阶段完成任务并汇总
- 2官方测试在11.6万行代码中预埋70个Bug，单Agent三次最好找出27个，动态工作流三次均查出66个
- 3Claude Code Projects同日扩大公测，此前加入等待名单的Pro和Max用户均已获得使用资格
- 4Managed Agents按Token计费，另收每会话每小时0.08美元运行费，单次运行累计最多启动1000个Agent
Anthropic把分工、盯进度、交接这类组织工作交给Claude承担，多Agent协作从演示走向付费产品功能，但产出与成本的账官方数据还没给出。
- 影响：研发与文档核查类任务可交给工作流编排，减少人工派活和逐窗口追问进度；Projects并行线程会加快套餐额度消耗；预算达到后运行暂停，但已发出的模型请求仍会完成，最终费用可能超出预算。
- 参考：可考虑先选合同筛查、代码查错这类范围明确的任务试点，记录查出问题数量与Token消耗；值得按0.08美元每会话小时运行费加模型Token先算出单次任务成本，再决定是否扩大使用范围。
- 依据：Bug对比数据为Anthropic官方口径，暂无独立验证；官方未披露所用模型、Agent数量、耗时、Token用量和误报情况。
登录
搜索
- 36氪Auto 数字时氪 未来消费 智能涌现 未来城市 启动Power on 36氪出海 36氪研究院 潮生TIDE 36氪企服点评 36氪财经 职场bonus 36碳 后浪研究所 暗涌Waves 硬氪 氪睿研究院 媒体品牌
- 企业号 企服点评 36Kr研究院 36Kr创新咨询 企业服务
- 核心服务 城市之窗 政府服务
- 创投发布 LP源计划 VClub VClub投资机构库 投资机构职位推介 投资人认证 投资人服务
- 项目推荐 36氪Pro 创投氪堂 企业入驻 创业者服务
- 创投平台
- AI测评网
搜索
我要入驻
Claude自己组队查Bug！11.6万行代码揪出66个，单Agent最高只找到27个
新智元· 2026年10月11日 06:40
Claude自己组队查Bug！11.6万行代码揪出66个，单Agent最高只找到27个
单Agent最好的一次，找出27个Bug。
换成Claude自己组队，连跑三次，每次都查出66个。
这是Anthropic刚公布的一组测试结果：在11.6万行代码中预先埋入70个Bug，让单Agent和动态工作流各跑三次。
结果，单打独斗，最好也没查出四成；而组队协作，三次都查出了九成以上。
Anthropic公布的单Agent与动态工作流查错结果对比。
这组结果背后，是Claude开始自己安排分工、组织多个Agent协作。
10月10日，Claude Managed Agents动态工作流开启公测。
有了这项功能，主Agent接到任务后，可以自己编写分工程序，安排其他Agent分阶段完成任务，最后汇总结果。
同一天，Claude Code Projects也扩大了公测范围：所有此前加入等待名单的Pro和Max用户，现在都已获得使用资格。
在Projects里，你可以围绕一个项目持续提出需求，Claude负责拆任务、协调多条线程并行推进。
一个让开发者把多Agent协作接进自己的应用，一个让用户在项目对话里直接交代工作、跟进进展。
两项更新指向同一个变化：除了执行任务，分活、盯进度、交接结果，这些原本需要人来操心的事，Claude也开始接手了。
你提目标
Claude自己分活
同时开几个AI窗口不难。
麻烦的是，给每个窗口重讲一遍背景，把一边的发现送到另一边，再挨个追问：做到哪了，卡在哪里，还缺什么？
窗口越来越多，人反而忙成了传话员。
Projects想接下这部分工作。
你在同一个项目对话里持续提出需求，Claude判断该新开一条任务线程，还是交给已经在处理相关工作的线程。
每条线程可以理解为一段独立推进任务的工作对话。
Projects协调对话与任务总览
Anthropic举过一个例子：让API、网页端和移动端一起停用旧接口。
这件事涉及多个代码仓库，各处修改还得互相配合。
Claude可以按代码仓库拆出任务，分别修改、运行测试、提交代码合并请求，再告诉你哪些改动需要先合并。
每条云端线程有自己的上下文和代码副本，在自己的分支上工作，再把结果报回项目对话。
你仍能进入某条线程看细节、纠正方向。项目总览则把正在工作、等待你回答、可以审查的任务分开列出。
如果离开一会儿再回来，你也不必挨个窗口问进度，可以直接从需要你处理的地方接上。
要省下反复沟通的时间，之前交代过的事就必须记得住。
Projects会积累项目记忆。
需求改了什么、做过什么决定、哪些地方踩过坑，都可以记录下来，供后续云端线程读取。
官方举了一个日常工作场景：发布日期改到了周五，某项功能为什么被砍掉，修改某个服务前要先找谁确认，这些信息都可以留在项目记忆里。
资料库也会保存上传的资料和Claude生成的文件，让后续任务接着已有成果往下做。
需求分配到右侧线程，相关决定和工作结果逐步积累，供后续任务使用。
新版Projects在9月17日已开启分批公测。
这次扩大的是准入范围，功能本身仍处于公测阶段，尚未报名的用户仍可加入等待名单。
云端线程可以在合上电脑后继续工作。需要本机工具或本地数据库的任务，也能通过Remote Control在电脑上运行，但电脑必须保持唤醒。
项目有人协调之后，一项复杂任务内部又该怎样分工？
300份合同
把分工写成程序
Managed Agents动态工作流，处理的就是这类问题。
官方给出了一个具体任务示例：
检查300份合同，找出哪些包含控制权变更条款，也就是公司控制权发生变化时，合同该如何处理的约定。
逐份读懂已经很费工夫，还得确保每份都查过、结论有据可查，漏掉的也能及时补查。
Claude会为任务写出一段工作流程序，安排哪些Agent读材料、哪些步骤处理结果，以及后续怎样继续。
合同阅读任务并行展开，再进入核对与汇总
分工和交接都写进了程序，可以直接运行。
一个Agent读完材料，结果交给程序。程序再把结果传给后续Agent，或者据此决定下一步走哪个分支。
需要反复修改的工作，也能把循环安排进去。
官方文档举的例子是稿件审校：持续修改，直到审核通过，或者达到预设轮数。
普通子Agent委派中，主Agent要读汇报、接着决定下一步。动态工作流则把大量中间交接写进程序，在后台推进。
等待期间，主Agent仍可以和用户交流、查看进度。运行结束后，再读取结果，答复用户或发起下一轮工作。
不过，工作流中的线程交回结果后，主Agent不能像调用普通子Agent那样，继续向同一线程追问。因此，核对和返工最好提前安排进流程。
官方的合同审查指令样例就规定：
第一轮，每份合同交给一个Agent；第二轮，由另一个Agent重新检查全部合同，连首轮未发现目标条款的也不能跳过；复核未通过的，返工后再次复核。
这给首轮漏掉的条款，多留了一次被发现的机会。
当然，合同案例展示的是工作方式。
Anthropic并未在那组Bug测试帖子中披露具体分工，不能据此认定，这66个Bug也是通过同样的流程找出来的。
1000个Agent
也要排好队
单次最多1000个Agent，是这次公测最抢眼的数字之一。
它指的是一次工作流在整个运行期间，累计最多启动1000个Agent。
当前文档列出的同时工作线程上限为64，官方也说明，这个并发数可能调整。
工作流可以一批接一批地执行，也可以等前一阶段交回结果，再安排后一阶段。
每个Agent有独立的对话历史，同时共享会话中的文件和沙箱，也就是运行代码、处理材料的工作环境。
开发者可以提前配置专门的Agent，也可以让工作流根据任务需要临时定义。
接入时，在multiagent配置中将type设为multiagent_20261001，再配置模型、工具和任务要求。
启用动态工作流后，向Claude交代任务，便可让它编写分工计划。图中示例为筛查300份合同中的控制权变更条款。
不过，会分工还不够，还得把没做完的地方交代清楚。
官方的一条指令样例要求：某个Agent读不了合同，就把这份合同列为「未覆盖」，其余任务继续。
「没查出问题」和「根本没查到」必须分开。否则，一份整齐的汇总，很容易把任务缺口藏起来。
开发者可以查看运行阶段和各条线程的记录，沿着记录定位问题。
以合同审查为例，开发者可以跟踪阅读、核对等阶段，并查看每条任务线程的执行记录。
Agent多了，既要安排好执行顺序，也要看清哪些任务完成了、哪些仍有缺口。
需要区分的是：最多启动1000个Agent、三次均查出66个Bug，说的都是Managed Agents动态工作流，并非Projects。
省下协调时间
账单继续跑
回到开头的测试：单Agent三次找出14、15、27个Bug，动态工作流三次都是66个。
查出的Bug更多了，但为此多花了多少时间和费用，还不清楚。
官方没有披露所用模型、实际Agent数量、耗时、Token用量和误报情况，暂时还无法判断这套工作流是否更快、更划算。
实际使用时，两项功能的费用也要分开看。
Projects使用现有套餐额度，工作线程和协调对话都会消耗用量。并行任务越多，额度也会用得越快。
用户可以调整模型和推理强度，或让Claude少开一些线程。通常，工作线程达到套餐用量上限后会暂停，等额度重置再继续。
Managed Agents则按模型Token用量计费。此外，每个会话每小时另收0.08美元运行费，只计算会话处于运行状态的时间。
这0.08美元只是运行费，多Agent阅读材料、生成答案消耗的Token还要另算。
开发者可以设置会话预算，工作流的模型消耗也计入其中。达到预算后运行暂停，但已发出的模型请求仍会完成，最终费用可能超出预算。
会话预算覆盖动态工作流中的模型消耗，方便控制多Agent协作的支出。
因此，官方建议先从范围明确的任务开始，摸清消耗，再逐步增加复杂度。
Agent多了，并不自动等于更划算。
多找出多少真实问题，增加了多少模型调用费用，又需要人花多少时间复核、修错，都得算进同一笔账。
少花时间分活，如果换来更多收尾工作，项目未必更快结束。
这两项更新，让Claude开始承担更多组织工作。用户交代目标、预算和验收标准，Claude负责分工、推进和交接。
接下来的考验是：把活分出去之后，Claude能不能少让人操心，把经得起检查的结果交回来。
参考资料：
https://x.com/ClaudeDevs/status/2108591328732856655
https://x.com/ClaudeDevs/status/2108591330129523146
https://x.com/ClaudeDevs/status/2108591331660468538
编辑：元宇 摩西
本文来自微信公众号“新智元”（ID：AI_era），作者：ASI启示录，36氪经授权发布。
该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。
+1
7
好文章，需要你的鼓励
新智元特邀作者
0收 藏+10评 论
打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微 博
沉浸阅读 返回顶部
举报
参与评论
评论千万条，友善第一条
登录后参与讨论
提交评论 0/1000
你可能也喜欢这些文章
AI运动硬件公司获数亿B轮融资，用体育大模型重构网球自主训练体验｜硬氪首发
特邀作者
TA没有写简介，但内敛也是一种表达
发表文章 5442 篇
最近内容
39分钟前
Claude自己组队查Bug！11.6万行代码揪出66个，单Agent最高只找到27个
42分钟前
3小时前
36氪AI测评
选靠谱AI，看真实评测
查看
36氪AI测评官方交流社区
加入
36氪项目推荐
咨询项目审核和入驻
联系
36氪项目推荐订阅号
关注
下一篇
前Anthropic研究员Jacob Coxon：2027年将是最疯狂的一年，AI应该被国有化，实验室把超级武器当作普通生意
实验室把超级武器当作普通生意。
43分钟前
关于36氪
热门推荐
合作伙伴
36氪APP下载
iOS & Android
本站由阿里云提供计算与安全服务 违法和不良信息、未成年人保护举报电话：010-89650707 举报邮箱：jubao@36kr.com网上有害信息举报
© 2011~2026 北京多氪信息科技有限公司 |京ICP备12031756号-6|京ICP证150143号|京公网安备11010502057322号
36氪APP 让一部分人先看到未来
36氪
鲸准
氪空间
推送和解读前沿、有料的科技创投资讯
一级市场金融信息和系统服务提供商
聚焦全球优秀创业者，项目融资率接近97%，领跑行业
来源：36氪·AI · 36kr.com