Claude Opus 4.8 Dynamiske Arbejdsgange: Sådan Fungerer Hundredvis af Underagenter Rent Faktisk

Den mest markante funktion, der lanceres sammen med Claude Opus 4.8, er ikke en forbedring af benchmarks — det er dynamic workflows, en ny kapabilitet i Claude Code, der ændrer omfanget af arbejde, én person kan overlade til AI. Tilgængelig som research preview for Max-, Team- og Enterprise-planer lader dynamic workflows Claude planlægge en stor opgave, udsende hundredvis af parallelle underagenter, der angriber problemet fra uafhængige vinkler, deployere kontradiktoriske agenter til at modbevise hinandens resultater og iterere, indtil svarene konvergerer — for derefter at verificere outputtet, før der rapporteres tilbage. Det primære anvendelsesområde: migrationer på tværs af hele kodebaser med hundredtusindvis af linjer kode, fra start til merge.

For en soloudvikler ændrer dette, hvad der er muligt på en eftermiddag. En framework-migration, der ville tage en uges manuelt arbejde — at opdatere navnerum på tværs af 200 filer, køre tests, rette fejl, verificere at intet gik i stykker — kan nu ske i en enkelt Claude Code-session. For udviklingsteams betyder det at kunne uddelegere repo-dækkende refaktoreringer, afhængighedsopdateringer og storstilede migrationer, der tidligere slugte ugers tid fra seniorudviklere. Dette er parallel agent-orkestrering skaleret op og koordineret af modellen selv, snarere end at du manuelt styrer hver enkelt agent.

Sådan fungerer dynamic workflows rent faktisk

Traditionel Claude Code fungerer som en enkelt agent, der arbejder sig sekventielt gennem en opgave: læs filer, foretag ændringer, kør tests, ret problemer, gentag. Dette fungerer godt til fokuserede opgaver, men rammer grænser ved storstilet arbejde, hvor den enorme mængde filer og behovet for at koordinere ændringer på tværs af en kodebase overvælder en enkelt sekventiel agent. Dynamic workflows løser dette ved at ændre arkitekturen fra én agent, der arbejder sekventielt, til mange agenter, der arbejder parallelt under koordination.

Når du giver Claude en stor opgave, planlægger den først arbejdet — og opdeler det i komponenter, der kan tackles uafhængigt. Derefter skriver den dynamisk orkestreringsscripts, der spinner ti til hundredvis af parallelle underagenter op i en enkelt session. Hver underagent arbejder på sin del af problemet. Afgørende er det, at Claude også deployerer kontradiktoriske agenter, hvis job er at forsøge at modbevise, hvad de andre agenter fandt — en indbygget skepsismekanisme, der fanger fejl, før de forplanter sig. Systemet itererer, hvor agenter forfiner og udfordrer hinandens arbejde, indtil svarene konvergerer til et enkelt koordineret resultat, som Claude verificerer, før der rapporteres tilbage.

Koordinationen foregår uden for samtalen, hvilket betyder, at planen forbliver på sporet selv på tværs af eksekveringsvinduer, der strækker sig over flere dage. Fremskridt gemmes, og jobbet kan genoptages — hvis en kørsel afbrydes, fortsætter den, hvor den slap, i stedet for at starte forfra. Denne vedholdenhed er det, der gør langvarigt, storstilet arbejde praktisk muligt: du sidder ikke og passer en enkelt session, der fejler, hvis noget afbryder den.

Anvendelsesområdet: migration af kodebaser

Anthropics primære eksempel er migration på tværs af hele kodebaser, og det er værd at forstå, hvorfor dette er killer-applikationen. Store migrationer — opgradering af en framework-version, ændring af en afhængighed på tværs af en hel kodebase, repo-dækkende refaktorering af et mønster — er præcis den slags arbejde, der er kedeligt, fejlbehæftet og tidskrævende for mennesker, men som følger konsistente regler, der kan paralleliseres. At opdatere navnerum på tværs af 200 filer er ikke intellektuelt svært; det er bare en masse repetitivt arbejde, hvor én fejl kan ødelægge bygget.

Med dynamic workflows kan Claude Code udføre disse migrationer fra start til merge ved at bruge den eksisterende testpakke som sin målestok for succes. Underagenterne håndterer forskellige dele af kodebasen samtidigt, de kontradiktoriske agenter fanger uoverensstemmelser, og systemet verificerer mod dine tests, før migrationen erklæres fuldført. En Laravel-migration, der ville tage en uge manuelt, kan komprimeres til en enkelt session. Dette forbinder sig direkte til den bredere tendens, vi dækkede i state of AI coding tools: AI bevæger sig fra autocomplete til agentbaseret ingeniørarbejde, og dynamic workflows er det hidtil klareste eksempel.

De ærlige begrænsninger

Dynamic workflows er kraftfuldt, men det er en research preview, og der er reelle forbehold. For det første er token-forbruget betydeligt — at køre hundredvis af parallelle underagenter over timer kræver proportionalt mere beregningskraft, hvilket betyder proportionalt flere tokens. Dette er forventet adfærd, ikke en fejl, men det påvirker omkostninger og rate limits. Anthropic hævede Claude Codes rate limits specifikt for at imødekomme det højere token-forbrug ved dynamic workflows og højere indsatsniveauer, men du skal stadig forvente, at en stor migration forbruger betydelige ressourcer.

For det andet er det en research preview med ujævne kanter. Både Anthropics egen vejledning og uafhængige anmeldere advarer mod at pege den mod produktionskritiske migrationer uden gennemsyn. Trinnet "verificér før rapportering" og de kontradiktoriske agenter reducerer fejl, men de eliminerer dem ikke. For alt, hvor en fejl har alvorlige konsekvenser, forbliver menneskelig gennemgang af outputtet afgørende — det samme princip, der gælder for al AI-genereret kode givet de dokumenterede sikkerhedsrisici ved ikke-gennemset AI-kode.

For det tredje er tilgængeligheden begrænset til Max-, Team- og Enterprise-planer (admin-aktiveret for Enterprise ved lancering). Den er ikke tilgængelig på lavere planer, og API-adgangsmodellen varierer efter plan. Hvis du er på en Pro-plan, har du endnu ikke adgang til dynamic workflows.

Sådan bruger du dynamic workflows

Hvis du er på en kvalificerende plan, er det ligetil at bruge dynamic workflows: bed Claude Code eksplicit om at oprette en workflow til din opgave. Formuleringer som "opret en workflow til denne migration" får Claude til selv at planlægge fan-out i stedet for at arbejde sekventielt. For de bedste resultater, peg den mod en grundigt testet kodebase — den eksisterende testpakke er det, Claude bruger til at verificere succes, så omfattende tests betyder mere pålidelige migrationer. Start med en ikke-kritisk migration for at forstå adfærden, før du stoler på den med vigtigt arbejde.

Klare instruktioner betyder endnu mere for storstilede agentbaserede opgaver, fordi tvetydighed multipliceres på tværs af hundredvis af underagenter. Den gratis Prompt Optimizer hjælper dig med at skrive præcise opgavebeskrivelser, der reducerer chancen for, at underagenter misfortolker målet, og TresPrompt bringer prompt-optimering ind i din arbejdsgang. For bredere Claude Code-vejledning, se vores komplette Claude Code-guide.

Sådan sammenlignes dynamic workflows med manuelle parallelle agenter

Udviklere, der har arbejdet med parallelle AI-agenter før, vil genkende kerneidéen bag dynamic workflows, men orkestreringen er fundamentalt anderledes. Tidligere betød det at køre flere agenter parallelt, at du — udvikleren — skulle designe orkestreringen: opdel opgaven, tildel arbejde til hver agent, koordiner deres output, håndter konflikter og verificer resultater. Dette virkede, men det var arbejdskrævende og krævede reel ekspertise inden for multi-agent-design. Orkestreringslogikken var dit job. Dynamic workflows flytter denne orkestrering ind i selve modellen. Claude skriver orkestreringsscriptsene, beslutter, hvordan arbejdet skal fordeles, og håndterer koordinationen — du beskriver blot målet.

Dette skift er vigtigt, fordi det sænker barrieren dramatisk. Multi-agent-orkestrering var tidligere domænet for udviklere, der forstod agent-arkitektur i dybden. Nu er kapabiliteten tilgængelig for alle, der klart kan beskrive en stor opgave. Det kontradiktoriske modbevisningstrin — hvor agenter forsøger at modbevise hinandens resultater — er særligt værdifuldt, fordi det er en sofistikeret kvalitetskontrolmekanisme, som de fleste udviklere ikke ville bygge manuelt. Ved at bage det ind i workflowen giver Anthropic enhver bruger adgang til et selvkontrollerende system, der fanger fejl, før de når dig.

Hvor dette passer ind i fremtidens softwareudvikling

Dynamic workflows er et konkret signal om, hvor AI-assisteret ingeniørarbejde er på vej hen: fra en model, der hjælper dig med at skrive kode, til et system, der udfører store ingeniørmæssige operationer under din ledelse. Det vindende mønster i 2026, som vi har dækket i vores analyse af AI-kodningslandskabet, er en kontrolstak — projektregler, genbrugelige færdigheder, afgrænsede underagenter og deterministiske værktøjer omkring modellen. Dynamic workflows er underagent-laget i denne stak, produktmodnet og gjort tilgængeligt. Det repræsenterer modningen af agentbaseret kodning fra en lovende idé til en praktisk kapabilitet, der kan håndtere reelt, storstilet arbejde.

For udviklingsteams er den strategiske implikation værd at overveje nøje. Opgaver, der tidligere var for store eller kedelige til at retfærdiggøre — længe udskudte migrationer, afhængighedsopgraderinger, som alle undgår, repo-dækkende refaktoreringer — bliver gennemførlige, når én ingeniør kan supervisere en AI, der håndterer det mekaniske arbejde. Dette erstatter ikke ingeniører; det omdirigerer deres tid fra mekanisk udførelse til design, gennemsyn og dømmekraft. Ingeniørens rolle skifter mod at definere, hvad der skal ske, og verificere, at det skete korrekt, mens AI'en håndterer det møjsommelige hvordan. Brugt godt er det en ægte multiplikator for, hvad et lille team kan opnå.

Ofte stillede spørgsmål

Hvad er dynamic workflows i Claude Code?

Dynamic workflows er en research preview-funktion, der lader Claude Code planlægge en stor opgave og køre hundredvis af parallelle underagenter i en enkelt session. Underagenterne angriber problemet fra uafhængige vinkler, kontradiktoriske agenter forsøger at modbevise deres resultater, og systemet itererer, indtil svarene konvergerer, før outputtet verificeres. Det primære anvendelsesområde er migrationer på tværs af hele kodebaser med hundredtusindvis af linjer kode.

Hvilke planer har adgang til dynamic workflows?

Dynamic workflows er tilgængeligt for Claude Code på Max-, Team- og Enterprise-planer. For Enterprise er det admin-aktiveret ved lancering. Det er slået til som standard for Max- og Team-planer og tilgængeligt via API'et. Pro-planer har ikke adgang til dynamic workflows i den første udgivelse.

Bruger dynamic workflows mange tokens?

Ja — væsentligt flere end en normal Claude Code-session. At køre hundredvis af parallelle underagenter over timer kræver proportionalt mere beregningskraft. Anthropic hævede Claude Codes rate limits for at imødekomme dette. Forvent, at en stor migration forbruger betydelige tokens, så tag højde for det i din forbrugsplanlægning.

Kan jeg bruge dynamic workflows til produktionskode?

Med forsigtighed. Det er en research preview med ujævne kanter, og både Anthropic og uafhængige anmeldere anbefaler at gennemgå output, før produktionskritiske ændringer merges. De kontradiktoriske agenter og verifikationstrinnet reducerer fejl, men eliminerer dem ikke. Start med ikke-kritisk arbejde, sørg for at din testpakke er omfattende, og gennemgå resultaterne, før du stoler på den med vigtige migrationer.

Hvordan starter jeg en dynamic workflow?

På en kvalificerende plan, bed Claude Code eksplicit om at oprette en workflow — formuleringer som "opret en workflow til denne opgave" får Claude til selv at planlægge den parallelle fordeling. Peg den mod en grundigt testet kodebase, da Claude bruger den eksisterende testpakke til at verificere succes. Jobbet kan genoptages, så en afbrudt kørsel vil fortsætte, hvor den slap.

Offentliggørelse: Nogle links i denne artikel er affiliate-links. Vi anbefaler kun værktøjer, vi personligt har testet og bruger regelmæssigt. Se vores fulde offentliggørelsespolitik.