Bun 创始人 Jarred Sumner 用 Claude Code Dynamic Workflow 将约 75 万行 Zig 代码迁移到 Rust，从第一次提交到合并仅用 11 天，测试套件通过率达 99.8%。这个案例之所以炸裂，不是因为模型更聪明，而是因为 Dynamic Workflow 允许模型临时写出编排脚本，把工作分给数百个子 Agent——有的负责干活，有的负责复核，结果冲突了还能迭代。工作流不再完全由人提前画好，而是由 Agent 当场生成。

Anthropic 在 Claude Code 中发布的 Dynamic Workflow，本质上是让模型一次性生成编排脚本，由独立 Runtime 引擎在后台执行，与用户 Session 解耦。关键突破在于中间状态持久化存储，中断后可从中断处续跑，解决了长耗时任务（如 75 万行跨语言代码迁移）必须保持在线等待的痛点。这与传统固定工作流的本质区别是「模型自定步调 + 确定性兜底」——模型决定下一步做什么，但用 hooks、schema 校验等机制约束自由发挥。

MIT 2025 年《The GenAI Divide》调研显示，95% 的企业 AI 试点项目无法创造可量化的业务价值。另一组来自 BCG 与 MIT 斯隆管理学院的数据则指出，76% 的高管已将 Agent AI 视为同事而非工具，但 47% 的组织尚未建立配套管理战略。这些数据与文章观点形成呼应——不是模型不够聪明，而是缺乏工程化约束。中信建投研报也从投资角度印证了落地顺序由容错率决定：从高容错单一任务到低容错复杂场景，尚需时间。

当下已能观察到的关键变量有两个。第一，全球首个政府级 Agent AI 治理框架由新加坡于 2026 年 1 月发布，明确要求最小权限、行动可逆性评估、渐进式部署。第二，企业级 Agent OS 架构正在从「人工配置策略」向「策略自优化」演进——JBoltAI 提出的三阶段路线中，第一阶段「策略与观测」实现了权限统管与操作审计，这是企业接手动态工作流之前必须完成的基础设施。焦点会是：Agent 能力越强，治理框架落地的速度能否追上 Agent 扩散的速度？

文章提出了「确定性规则→模糊判断→高风险审批」三层架构，但真正困难的问题是：如何判断一个环节到底属于「模糊判断」还是「高风险动作」？例如外贸发信中的称呼写错看似属于模糊判断（可补救），但如果错误触发了客户投诉或法律风险呢？这个分类边界没有通用公式，取决于具体业务的法律合规要求、品牌容忍度和数据回滚能力。值得追问的方向是：能否设计一套「容错等级评估表」，让业务人员而非技术团队来标记每一环节的风险等级？