Un arnés para cada tarea: flujos de trabajo dinámicos en Claude Code

Autor original: @trq212

Compilar: Peggy

Editorial: Claude Code está pasando de ser un asistente de código a una plataforma de agentes orquestables.

Los workflows presentados en este artículo tienen como valor central permitir que Claude ya no solo «piense y luego actúe» dentro de la misma ventana de contexto, sino que pueda generar dinámicamente un marco de ejecución según la tarea: descomponer la tarea, asignar sub-Agents, procesar en paralelo, validar cruzada, iterar cíclicamente, e incluso hacer que diferentes Agents compitan entre sí antes de sintetizar los resultados.

Esto significa que los escenarios de uso de Claude Code están claramente extendiéndose más allá de su aplicación original. No solo es útil para migración de código, refactorización, reproducción de pruebas y revisión de código, sino también para tareas no técnicas como investigación profunda, verificación de hechos, selección de currículos, análisis de incidentes, estandarización de reglas, evaluación de planes comerciales y lluvia de ideas para nombres. Muchos trabajos complejos son esencialmente similares a la programación: requieren descomponer problemas, aislar contextos, validar hipótesis, manejar grandes cantidades de detalles y tomar decisiones entre múltiples caminos posibles.

Los flujos de trabajo dinámicos buscan abordar varios problemas comunes en modelos grandes durante tareas largas: la "inercia del agente", que consiste en declarar la tarea completada a mitad de camino; el "sesgo de preferencia propia", que lleva a favorecer sus propias conclusiones; y la "deriva de objetivo", que provoca desviaciones progresivas del objetivo original tras múltiples ejecuciones. Al asignar la tarea a múltiples Claude con contextos independientes, transforma tareas complejas de una "carrera individual de agente único" en una "colaboración multi-agente".

Por supuesto, los workflows tampoco son la solución universal. Suelen consumir más tokens y no siempre son adecuados para cada tarea de programación común. Pero ofrecen una dirección importante: la competencia futura entre herramientas de IA podría no depender solo de cuán inteligente sea un modelo individual, sino de su capacidad para organizar un conjunto confiable, reutilizable y auditables de procesos de ejecución en torno a objetivos complejos.

The following is the original text:

Aunque el marco de ejecución predeterminado de Claude Code está diseñado para programación, también es aplicable a muchos otros tipos de tareas. De hecho, muchas tareas tienen una estructura muy similar a las tareas de programación. Sin embargo, para lograr el mejor rendimiento en ciertos tipos de tareas específicas, aún necesitamos construir marcos de ejecución personalizados sobre Claude Code, como investigación, análisis de seguridad, colaboración de equipos de agentes o revisión de código.

Workflows permiten crear dinámicamente un marco de ejecución que permite a Claude resolver de forma más nativa dentro de Claude Code los problemas mencionados anteriormente, así como muchos otros tipos de problemas. También puedes compartir y reutilizar estos workflows con otros.

En este artículo, compartiré mi experiencia y reflexiones iniciales al usar workflows, para ayudarte a aprovechar al máximo su capacidad.

Sin embargo, es importante señalar que las mejores prácticas relacionadas aún están en desarrollo. Los flujos de trabajo dinámicos suelen consumir más tokens, por lo que debes considerar cuidadosamente cuándo y cómo utilizarlos.

Nota: Este artículo también se publica en el blog de Claude.

Example Prompt

Antes de entrar en los detalles técnicos, quiero mostrar algunos ejemplos de prompt para ayudarte a comprender las posibilidades de los workflows:

This test fails approximately once every 50 runs. Set up a workflow to reproduce it, formulate hypotheses, and conduct adversarial testing across different worktrees. /goal Do not stop until one hypothesis is verified.

Usa el workflow para revisar mis últimas 50 sesiones, extrae las correcciones que he hecho repetidamente y convierte estos problemas recurrentes en reglas para CLAUDE.md.

Usa el workflow para revisar el canal #incidents de Slack de los últimos seis meses y identificar las causas raíz que se repiten pero que nadie ha reportado con un ticket.

Ejecuta mi plan de negocios a través de un workflow para que diferentes agentes lo analicen desde la perspectiva de los inversores, los clientes y los competidores.

Hay una carpeta con 80 currículos. Usa el workflow para ordenarlos según los requisitos del puesto de backend y revisa los diez primeros. Usa la herramienta AskUserQuestion para hacerme preguntas y ayudarme a establecer los criterios de evaluación.

Necesito nombrar esta herramienta CLI. Utiliza workflow para generar una lista de opciones y luego selecciona los tres mejores mediante un mecanismo de torneo.

Use el workflow para renombrar nuestro modelo User como Account en todos los lugares.

Lee mi borrador de blog y verifica cada juicio técnico contra el repositorio de código utilizando el workflow. No quiero publicar ningún contenido erróneo.

¿Cómo funciona el flujo de trabajo dinámico?

El flujo de trabajo dinámico ejecuta un archivo JavaScript que contiene varias funciones especiales para generar y coordinar subagentes.

El flujo de trabajo dinámico también incluye funciones JavaScript estándar, como JSON, Math y Array, para procesar datos.

Es especialmente notable que el flujo de trabajo dinámico puede determinar qué modelo utiliza un agente, así como si los subagentes deben ejecutarse en su propio worktree. Esto permite que Claude seleccione de forma autónoma el nivel de inteligencia y el grado de aislamiento requeridos según las necesidades de la tarea.

Si un workflow se interrumpe, por ejemplo, por una operación manual del usuario o por la salida de la terminal, tras recuperar la sesión, el workflow puede reanudarse desde el punto de interrupción.

Cuando se utiliza el marco predeterminado de Claude Code para ejecutar una tarea, necesita completar tanto la planificación como la ejecución dentro de la misma ventana de contexto. Para muchas tareas de programación, este enfoque es muy efectivo, pero en tareas de ejecución prolongada, gran escala paralela o altamente estructuradas y adversariales, a veces falla.

La razón es que cuanto más tiempo Claude dedica a procesar tareas complejas dentro de una sola ventana de contexto, más propenso es a presentar ciertos patrones de fallo:

La pereza agencial se refiere a que Claude deja de procesar tareas especialmente complejas y compuestas por múltiples partes antes de completarlas realmente, y declara que la tarea ha finalizado tras lograr solo un progreso parcial. Por ejemplo, en una revisión de seguridad, solo procesa 20 de los 50 elementos y luego anuncia que el trabajo ha terminado.

El sesgo de autopreferencia se refiere a la tendencia de Claude a preferir sus propios resultados o hallazgos, especialmente cuando se le pide que verifique o evalúe su propio contenido según un conjunto de criterios de evaluación.

El goal drift (derivación de objetivos) se refiere a la disminución gradual de la fidelidad de Claude hacia el objetivo inicial durante múltiples ejecuciones, especialmente después de que el contexto se comprime. Cada resumen provoca pérdida de información, y algunos requisitos detallados, como casos límite o restricciones como «no hacer X», pueden perderse.

Crear un workflow ayuda a mitigar estos problemas, ya que puede orquestar múltiples Claude independientes, permitiéndoles tener sus propias ventanas de contexto y enfocarse en tareas bien definidas y aisladas entre sí.

Anteriormente, es posible que hayas creado flujos de trabajo estáticos mediante el Claude Agent SDK o claude -p para coordinar múltiples instancias de Claude Code.

Sin embargo, debido a que los flujos de trabajo estáticos deben abordar una variedad de casos límite, suelen ser más generales. Con la aparición de Claude Opus 4.8 y los flujos de trabajo dinámicos, Claude ahora es lo suficientemente inteligente como para escribir un marco de ejecución personalizado para tu caso de uso específico.

Patrones útiles al usar flujos de trabajo dinámicos

Puedes hacer que Claude cree directamente un flujo de trabajo dinámico, o usar la palabra de activación «ultracode» para asegurar que Claude Code cree el workflow.

Sin embargo, si puedes construir un modelo mental de cómo funcionan los flujos de trabajo dinámicos, será más fácil determinar cuándo usarlos y también más fácil guiar a Claude mediante prompts.

Claude, al construir workflows, comúnmente utiliza y combina los siguientes patrones:

Clasificar y ejecutar: utilizar un agente de clasificación para determinar el tipo de tarea, luego redirigir según el tipo de tarea a diferentes agentes o acciones. También se puede utilizar un clasificador al final del proceso para evaluar el resultado de salida.

Desglose y síntesis: Dividir una tarea en múltiples pasos más pequeños, asignando cada paso a un agente, y luego sintetizar los resultados finales. Este enfoque es especialmente adecuado para tareas que contienen numerosos pasos pequeños, o cuando cada paso requiere una ventana de contexto limpia para evitar interferencias o contaminación cruzada. La etapa de síntesis actúa como una “barrera”: espera a que todos los agentes desglosados terminen, y luego combina sus salidas estructuradas en un único resultado.

Validación adversarial: Para cada agente generado, ejecute un agente independiente que valide sus salidas según un conjunto de criterios o normas de evaluación.

Generate and filter: Generate a large number of ideas around a topic, then screen them based on evaluation criteria or validation processes, remove duplicates, and return only tested, highest-quality ideas.

Torneo: no dividir el trabajo, sino hacer que los agentes compitan entre sí. Genere N agentes y déjeles intentar completar la misma tarea con métodos diferentes. Luego, el prompt o el modelo evalúa los resultados de los agentes mediante comparaciones por pares hasta seleccionar al ganador.

Iterar hasta completar: para tareas con esfuerzo desconocido, no establezca un número fijo de rondas, sino genere agentes en bucle hasta que se cumpla la condición de detención, por ejemplo, cuando ya no aparezcan nuevos hallazgos o ya no se registren errores en los registros.

Escenario de uso

Puedes pensar de forma más creativa sobre cuándo y cómo hacer que Claude Code cree flujos de trabajo dinámicos. He descubierto que los workflows a veces son incluso más útiles en trabajos no técnicos.

Bun fue reescrito de Zig a Rust utilizando workflows. Puedes leer la publicación de Jarred en X para conocer el proceso detallado.

Lo fundamental es dividir la tarea en una serie de pasos que se deben realizar, como puntos de llamada, pruebas de fallo, módulos, etc. Inicie un subagente en el worktree para cada tarea de reparación, permitiéndole completar la corrección; luego, haga que otro agente realice una revisión adversarial y finalmente combine los resultados. Puede considerar indicar explícitamente al agente que no utilice comandos que consuman muchos recursos, lo que permitirá maximizar el nivel de paralelismo sin agotar los recursos de la máquina local.

Hemos lanzado una habilidad de investigación profunda (/deep-research) en Claude Code, que utiliza flujos de trabajo dinámicos. Específicamente, despliega búsquedas en la web, recopila fuentes, verifica de forma adversarial afirmaciones relevantes y sintetiza un informe completo con citas.

Pero este tipo de investigación no solo se aplica a las búsquedas en la web. Por ejemplo, también puedes hacer que Claude genere un informe de estado a partir del contexto de Slack o explore profundamente una base de código para investigar cómo funciona una función específica.

Por otro lado, si tienes un informe y deseas verificar cada afirmación factual y fuente citada, puedes generar un workflow: primero, un agente identifica todas las afirmaciones factuales, luego se inicia un subagente para cada afirmación para realizar una verificación detallada. También puedes hacer que un agente de validación revise los subagentes encargados de rastrear las fuentes, asegurándose de que la calidad de las fuentes sea suficientemente alta.

Es posible que tengas un conjunto de proyectos que deseas ordenar según algún indicador cualitativo, y crees que Claude Code es excelente para evaluar este tipo de indicador. Por ejemplo, ordenar tickets de soporte por gravedad de errores.

Pero si intentas ordenar más de 1000 líneas en un solo prompt, la calidad disminuye y la ventana de contexto no puede contenerlas. Una mejor aproximación es ejecutar un mecanismo de torneo, estableciendo una tubería compuesta por agentes que realizan comparaciones por pares, ya que las evaluaciones comparativas suelen ser más confiables que las puntuaciones absolutas; o bien, realizar primero una clasificación por bloques en paralelo y luego combinar los resultados. Cada comparación la realiza un agente independiente, por lo que un bucle determinista puede mantener la estructura del torneo, reteniendo solo el orden actual de ejecución en el contexto.

Si tienes un conjunto de reglas específicas y Claude, incluso al ver estas reglas en CLAUDE.md, sigue omitiéndolas o ejecutándolas mal, puedes crear un workflow que liste estas reglas y permita que un agente de validación las verifique una por una: cada regla tiene su propio agente de validación. Crear un subagente con una personalidad de "escéptico" para revisar si las reglas son razonables también ayuda a evitar falsos positivos excesivos.

También se puede hacer al revés: revisa tus conversaciones recientes y comentarios de revisiones de código para identificar las correcciones que has hecho repetidamente; haz que un agente paralelo agrupe estos problemas; luego verifica de forma adversarial cada regla candidata para determinar si realmente previene un error real; finalmente, sintetiza las reglas que pasen la selección de nuevo en CLAUDE.md.

La forma más efectiva de depurar es plantear varias hipótesis independientes y probarlas una por una. Sin embargo, si solo utilizas una ventana de contexto, Claude podría quedar atrapado en un sesgo de preferencia propia.

El workflow puede prevenir este tipo de situación desde una estructura: puede iniciar múltiples agentes para que generen hipótesis basadas en evidencias que no se superpongan. Por ejemplo, permitir que diferentes agentes revisen separadamente los registros, archivos y datos. Luego, cada hipótesis puede ser revisada por un conjunto de validadores y contradictores.

Esto no solo se aplica al código. Los workflows también se pueden utilizar para análisis de ventas, por ejemplo, «¿Por qué disminuyeron las ventas en marzo?»; para ingeniería de datos, por ejemplo, «¿Por qué falló este pipeline?»; o para cualquier revisión posterior.

Cada equipo tiene una cola de soporte, informes de errores u otras tareas pendientes que no pueden ser gestionadas completamente por humanos. Un flujo de trabajo de triaje puede clasificar cada elemento, eliminar duplicados con problemas ya registrados y tomar medidas. Esto podría implicar intentar solucionar el problema o elevarlo para que lo manejen usuarios humanos.

Para el flujo de triaje, un patrón útil es quarantine (cuarentena). Es decir, prohibir que los agentes que leen contenido público no confiable realicen operaciones con privilegios elevados; las operaciones con privilegios elevados deben ser realizadas por agentes especializados en acciones.

Puedes combinar los flujos de triaje con /loop para permitir que Claude ejecute continuamente estas tareas.

Los workflows son útiles cuando necesitas explorar diferentes caminos para soluciones, especialmente en tareas como diseño y nomenclatura que implican juicios estéticos y se benefician de un conjunto de criterios de evaluación.

Puedes hacer que Claude explore una gran cantidad de soluciones y proporcionar al agente de revisión un conjunto de criterios de evaluación sobre «qué es una buena solución». Cuando el agente de revisión considere que el resultado cumple con los criterios, la tarea se considera completada. También se pueden ordenar o filtrar diferentes soluciones según estos criterios de evaluación mediante un mecanismo de torneo.

Puedes ejecutar evals ligeros para una tarea específica iniciando un agente independiente en el worktree, luego iniciando un agente de comparación, y comparando y calificando la salida según los criterios de evaluación. Por ejemplo, puedes evaluar y mejorar una habilidad que hayas creado tú mismo para ver si cumple con ciertos criterios específicos.

Modelos y enrutamiento de inteligencia: Puedes crear un agente de clasificación optimizado para tu tarea que decida qué modelo utilizar. Este enfoque es útil cuando la tarea implica múltiples llamadas a herramientas y realizar una investigación previa ayuda a identificar el modelo más adecuado.

Por ejemplo, para la tarea «explicar cómo funciona el módulo auth», el modelo más adecuado depende de cuántos archivos contiene el módulo auth y de la estructura del repositorio. El agente de clasificación puede realizar primero esta investigación y luego enrutar la tarea a Sonnet u Opus según la complejidad esperada.

Los workflows aún son algo nuevo. Aunque en muchos escenarios de uso pueden lograr resultados mucho mayores que los métodos convencionales, no todas las tareas lo requieren, y puede aumentar significativamente el consumo de tokens.

Utiliza los workflows para tareas que puedan ampliar los límites de las capacidades de Claude Code de nuevas maneras. Para tareas de programación habituales, pregúntate primero: ¿realmente necesita esta tarea más recursos de cómputo? Por ejemplo, la mayoría de las tareas de programación tradicional no requieren un grupo de cinco revisores.

Técnicas para construir flujos de trabajo dinámicos

Al escribir un prompt para un flujo de trabajo dinámico, cuanto más detallado sea, generalmente mejor será el resultado, especialmente al utilizar las técnicas específicas mencionadas anteriormente.

Los flujos de trabajo no solo se aplican a tareas grandes. También puedes solicitar al modelo que utilice un «workflow rápido». Por ejemplo, puedes crear un flujo de trabajo rápido de revisión adversarial para verificar una hipótesis.

Cuando uses workflows que se pueden ejecutar repetidamente, como flujos de triaje, investigación o validación, puedes combinarlos con /loop para que se ejecuten a intervalos fijos, y usar /goal para establecer requisitos de finalización estrictos.

Puedes establecer un presupuesto de token explícito para flujos de trabajo dinámicos para limitar la cantidad de tokens consumidos por la tarea. Puedes incluir una solicitud de presupuesto en el prompt, como «use 10k tokens», que establecerá el límite en 10k tokens.

Puedes presionar «s» en el menú workflow para guardar los workflows. Puedes enviarlos a ~/.claude/workflows o distribuirlos a través de skill.

Si deseas compartirlos a través de skill, coloca los archivos de workflow de JavaScript en la carpeta skill y haz referencia a ellos en SKILL.md. Para mayor flexibilidad, también puedes indicar a Claude: considera los workflows dentro de skill como plantillas, no como scripts que deben ejecutarse palabra por palabra.

Un mundo completamente nuevo

Workflows es una nueva forma útil de extender Claude Code. Te animamos a verlo como un punto de partida. Aún hay mucho por explorar sobre cómo utilizarlo de la mejor manera. ¡Nos encantaría saber tus descubrimientos!

Thariq Shihipar y Sid Bidasaria (@sidbid) son miembros del equipo técnico de Anthropic, encargados del trabajo relacionado con Claude Code.

[Enlace original]

Haz clic para conocer los puestos disponibles en BlockBeats

Bienvenido a la comunidad oficial de律动 BlockBeats:

Grupo de suscripción de Telegram: https://t.me/theblockbeats

Grupo de Telegram: https://t.me/BlockBeats_App

Cuenta oficial de Twitter: https://twitter.com/BlockBeatsAsia