Claude Code 動態工作流實測：它不是 n8n 替代品

Anthropic 這次發了 Claude Opus 4.8。

先補一句背景：Opus 4.8 是 Claude 裡偏高階、偏長任務的新版本。它表面上像一次模型更新，但我這次真正想看的不是模型分數，而是一起被推到前台的 Claude Code「動態工作流」。

這一天我做了三件事：讀官方說明、看網路上的實測文章、再把它拿來跟我們平常真正會跑的內容與營運流程比較。

我的結論很簡單：

動態工作流不是 n8n 那種「寫好就穩定跑」的自動化工具。它比較像你臨時叫一隊 AI 研究小組，幫你拆問題、查資料、互相挑錯，再整理回來。

很好用，但要用在對的地方。

先講清楚，動態工作流是什麼

Claude Code 的動態工作流，不是新模型名字。

白話說，它會讓 Claude 先寫一段工作編排腳本，再把任務拆給多個子代理分頭處理。這些代理可以各自查不同方向、處理不同檔案、驗證彼此的結果，最後再把結果收斂回來。

官方把它定位成研究預覽，也很明確地把使用情境放在大型審查、搬遷、研究、現代化改造、需要獨立驗證的工作上。

所以我不會把它理解成「Claude 更會聊天了」。

它比較像是：你把一段模糊的大工作，交給一個臨時專案小隊。

它想解的不是固定流程

這是我覺得最容易誤會的地方。

很多人一看到「工作流」三個字，就會直接想到 n8n、Zapier，或公司裡那些每天固定跑的腳本。

但 Claude Code 的動態工作流，本質不是在取代這些東西。

如果你的流程已經很清楚，例如每天固定抓資料、表單進來就同步到資料庫、寄信、建任務、更新報表，那我反而不會先用動態工作流。

這些事情交給 n8n、Zapier 或腳本，通常更快、更穩，也更便宜。因為它們不需要每次重新思考，不需要分工，不需要多個模型互相確認。它們只要照步驟跑。

動態工作流真正有價值的地方，是那些你一開始就不確定該怎麼拆的工作。

例如：

審一個大專案，找出可能的風險
比較多份資料，整理互相矛盾的地方
把一個高風險改版拆成可驗收步驟
研究一個陌生議題，讓不同代理從不同角度交叉檢查

這些任務本來就不是「寫一段腳本」能解掉的。它們需要判斷、取捨、查證和收斂。

成本也不是小事

最大缺點也很直接：用量。

官方自己就提醒，動態工作流會比一般 Claude Code 對話吃更多 token。因為它不是單一對話，而是多個代理同時或分段工作。

我看到一篇實測 `/deep-research` 的文章，作者實際跑下去後，還沒產出最終報告就先撞到 rate limit。這個結果其實不意外。

多代理不是免費加速。

它是用更多模型呼叫，換更完整的拆解與驗證。

這也是為什麼我不會把它講成「每個人現在都該打開」。

如果任務本來就簡單、固定、可重複，動態工作流只會讓事情變慢又變貴。

但如果任務本來就需要多角度判斷，那它就可能很有價值。

我會怎麼用它

我的建議是：第一次不要拿整個 repo、整套營運流程、整個知識庫去測。

先給一個小而完整的任務。

例如：

幫我審這三個檔案可能的安全風險
幫我比較五篇資料的衝突點
幫我把這個改版拆成可以驗收的步驟
幫我找出這份策略裡三個最脆弱的假設

這些任務有一個共同點：它們不是固定流程，但也不是無邊無際的問題。

範圍要小，交付物要清楚，驗收方式要能說得出來。

如果第一次就丟「幫我分析整個公司營運」這種題目，結果通常不是 AI 很神，而是你很快撞到時間、用量與上下文混亂。

一句話判斷

我會用這個分界：

固定、重複、步驟明確的流程，交給 n8n、Zapier 或腳本。

模糊、需要判斷、需要查證、需要互相挑錯的任務，再交給 Claude Code 動態工作流。

這樣分，才不會把 AI 工具用成昂貴的自動化排程器。

也不會把本來應該交給模型判斷的複雜問題，硬塞進固定腳本裡。

可以先試的一句話

如果你想測，我會從這種指令開始：

請幫我完成一個小型審查任務。

目標：找出這份內容裡最可能誤導讀者的 3 個地方。
範圍：只看我提供的這 5 段文字，不要延伸到其他主題。
交付物：請用表格列出「問題」「為什麼有風險」「建議改法」。
驗收標準：每個建議都要能直接改進讀者理解，不要只做語氣潤飾。
如果你發現需要我判斷取捨，請先停下來問我。

重點不是把提示詞寫得更華麗。

重點是把任務交接清楚。

AI 越像工作入口，人越需要會寫工作單。