Cloud Code 新功能 Workflows：企业级自动化利器

来源：抖音 @大厂吾师兄（AI篇）

Cloud Code 推出了备受关注的新功能 Workflows，它旨在将企业的标准操作流程（SOP）直接编译成 JavaScript 控制脚本，并通过 Node.js 执行与 TUI 实时观测，从而实现企业级任务的自动化。这一功能在发布前经历了一番“泄露”风波，最初在 Cloud Code 的更新日志中短暂出现，随后被删除，但细心的社区用户和安全研究员通过 GitHub 仓库、YouTube 视频等渠道发现并公开讨论，证实了其存在。

Workflows 的生态定位与独特优势

Cloud Code 生态中，Workflows 与 MCP、Skill、Subagent 共同协作，各自扮演着独特角色。

• MCP（连接器）：解决 AI 如何连接外部工具的问题，就好比水电接入，是连接内外部系统的基础。
• Skill（能力包）：封装可调用的能力，如同工具箱，将特定功能打包供其他模块调用。
• Subagent（执行者）：接到任务立即执行，好比临时工，任务来就干。
• Workflows（指挥家）：按照剧本调度全员，更像是乐团总指挥，负责统筹协调整个工作流程，能将频繁出现的标准化任务转化为可重复执行的确定性流程。它超越了简单的工具连接或能力打包，专注于解决 AI 如何实现有纪律、可重复执行的连贯任务。

Workflows 的核心机制

Workflows 与 Subagent 在技术实现上的最大差异在于其执行模式。Subagent 收到任务后即刻开始执行，属于即时模式；而 Workflows 则采取“先暂停、编译、再跑”的策略，更像一个架构师 Agent。

1. 用户自然语言任务：用户提出自然语言任务需求，例如“帮我审一份 PR”。
2. 生成 context.md：Workflows 会先暂停，将任务分析落地，生成一个 context.md 文件，其中包含任务的上下文和步骤，供用户审阅。
3. 现场编写 JS 脚本：根据 context.md，Workflows 会现场编写多阶段的 JavaScript 控制脚本。
4. Node.js 执行：生成的 JS 脚本通过 Node.js 执行，并能调度多个 Subagent，实现复杂任务的自动化。

这种机制让 Workflows 更灵活，也更适合处理复杂的企业级场景，因为它可以先规划再执行、分阶段控制，并允许人工干预和审查。

真实案例：开源 PR 审查任务表现

有团队利用 Workflows 对真实的开源 PR 审查任务进行了实测。该团队编写了约 300 行 JavaScript 代码，将任务分为三个阶段：

1. 审查代码：提取差异、调用静态审查器、标注潜在问题。
2. 验证结果：跑测试、校对断言、对比历史基准。
3. 生成报告：汇总发现、结构化输出、提交 PR 评论。

整个流程累计进行了 97 轮 Agent 调度，但需注意的是，这些 Agent 并非并发执行，而是反复在后台运行。这些测试数据来自第三方视频，而非 Anthropic 官方发布。

运行态 TUI 实时观测

Workflows 提供了一个像 htop 一样的 TUI 仪表盘，通过在终端输入 workflows 即可启动。这个仪表盘具备多项功能：

• 实时进度：显示每个 Agent 当前在做什么以及完成度。
• Token 计费：清晰展示单个 Agent 调用的 Token 消耗。
• MCP 调用：显示后台调用了哪些外部工具，便于估算资源使用。
• 键盘交互：通过上下键、Enter 和 ESC 进行操作，提供高级的 CI 面板体验。

这种实时观测能力专为需要实时监控和精细控制的复杂自动化任务设计，提供了高度的成熟度和精细化管理。

Deep Research 工作流：一次调研究多视角对齐

另一个实际应用案例是 Deep Research 工作流，它能在一个脚本中实现四路并行调研，确保调研结果的一次到位。其核心步骤包括：

1. 搜索：并行调用四个 Applet，分别搜索官方文档、论文、社区讨论和源代码托管库（如 GitHub Repo），全面收集信息。
2. 交叉验证：对多个来源的信息进行交叉比对和验证，以确保准确性和完整性。
3. 合成报告：将验证后的信息汇总，生成结构化的报告。

该脚本的可复用性极高，下次进行类似调研时，无需重新编写 Prompt，直接运行即可大幅提升效率。

企业视角：缺的不是能力，是纪律

在企业级自动化场景中，许多企业并非缺乏技术实力，而是缺少“纪律”——即标准化流程。目前，企业在处理重复性任务时，通常是临时通过聊天指令执行，缺乏标准、容易出错且效率低下。Workflows 的出现正是为了解决这一痛点。

Workflows 通过将重复性任务标准化为 SOP workflow，实现“一次编写，反复运行”，从而有效地提升了企业的纪律性和效率。其优势在于将重复任务一键执行，降低错误率，并提升整体工作效率。

可借鉴的三条经验

即使不使用 Workflows，其设计理念也值得企业在自动化实践中借鉴：

1. 先编译，后执行：留下控制脚本的历史记录，而非“聊完就忘”。这有助于追踪、复盘和优化自动化流程。
2. 可观测性产品化：通过 TUI 或类似工具，实时展现多 Agent 后台运行的进度、Token 消耗和 MCP 调用情况，像 htop 那样可视化管理，提高透明度。
3. 脚本可复用：将任务脚本化，实现跨项目、跨业务的复用，大幅减少开发成本和时间，如 Deep Research 脚本的跨项目应用。

Preview 风险与建议

Workflows 目前仍处于预览阶段，存在一些风险：

• 没有 SLA 保证：不承诺稳定性，没有服务等级协议（SLA），一旦出现问题可能无人负责。
• API/UX 可能随时变动：环境变量、Ultrawork 触发词、TUI 操作等在未来版本中都可能发生变化。
• 无官方文档，无官方宣发：所有用法都需依赖社区探索，升级方式也未确定。

因此，建议先锋型团队在沙盒（sandbox）环境中试用，暂时不作为生产必备工具。

选型决策树

在 Subagent、Skill 和 Workflows 之间如何选择，主要取决于任务的性质：

• 一次性探索任务：选择 Subagent，例如临时数据清洗、调研零散问题，强调即时执行和探索性。
• 封装能力供他人调用：选择 Skill，例如公司内部知识库查询、通用代码生成，强调能力复用和模块化。
• 反复出现的 SOP 任务：选择 Workflows，例如 PR 自动审查、Deep Research 流程，强调流程自动化、可重复执行和可视化管理。

这套选型准则并非官方发布，而是基于实践的总结。

总结：Workflows 的核心链路

Workflows 通过以下核心链路，让企业级自动化变得更加规范、灵活和可观测：

1. 自然语言需求：用户提出需求。
2. context.md：Workflows 解析需求，生成包含任务分析的 context.md 文件。
3. JavaScript 脚本：将 context.md 编译成多阶段的 JavaScript 脚本。
4. Node.js + TUI：使用 Node.js 执行脚本，并通过 TUI 实时观测运行状态。

Workflows 为企业自动化带来了前所未有的规范性、灵活性和可观测性，是企业提升效率和管理能力的关键一步。