详解 Claude Code /workflows 功能的使用场景与实操技巧，教你用多 Agent 并行处理代码库清扫和难题调研。
详解 Claude Code /workflows 功能的使用场景与实操技巧，教你用多 Agent 并行处理代码库清扫和难题调研。
Claude Code 新增的 /workflows 功能，本质上解决了一个问题：让 AI 从"一个人干活"变成"一群人分头干活"。当你面对的任务可以被拆解成多个独立子任务时，/workflows 会自动规划需要多少个 Agent、各自负责什么，然后并行执行。本文基于实际使用经验，总结出两个最值得用 /workflows 的场景。
判断标准只有一条：这个任务是"体力问题"还是"智力问题"？
需要灵光一闪、需要连贯品味的 -- 那是智力问题，不适合 /workflows。
但凡"一个聪明人嫌烦，五十个普通人分头干就能干完"的 -- 那是体力问题，放 /workflows 出去效果极好。
两个典型场景：
这是 /workflows 最直接的用途。你代码库里一定有一堆"明显该修但一直没人修"的 bug -- 不致命、不紧急，但你知道它在那。
用 Pi 智能体框架配合 LM Studio 推理引擎，在本地 Mac 上跑 Gemma 4 完成 Agent 编码任务，附完整 Docker 配置和 models.json 示例。
请扫描整个代码库，找出所有低风险、可以放心修的陈年老 bug。
重点关注：
- 已经废弃但未删除的代码
- 未处理的异常和边界情况
- 不一致的错误处理模式
- 明显的逻辑错误
按置信度排序，置信度不够的直接丢弃。/workflowsClaude Code 会自动把代码库切成多个区域，分配数十个 Agent 同时扫描。一批负责找、一批负责挑刺，置信度不够的直接过滤掉。
实测中，/workflows 自动将代码库切分成 12 个区域、31 个 Agent 并行扫描，约两小时后输出一份高置信度清单。这些 bug 都是那种"每次路过那段代码都心虚，但永远不会专门花一下午去修"的类型。
当你遇到一个真正的技术难题，想知道"别人一般怎么解决"，可以同时用 /workflows 和 /deep-research。
我在 [具体场景] 下遇到了 [具体问题]，
目前尝试了 [方案A] 和 [方案B]，但都有 [缺陷]。
请帮我调研行业内主流的解决方案。/workflows /deep-research这两个功能叠加的效果：
/deep-research 负责联网搜索，获取外部知识/workflows 负责阅读你当前代码库，理解项目上下文实测中，一句话同时开启了 105 个 Agent，既有代码分析、又有网络调研，最终给出的方案质量远超单独使用任一功能。
Token 消耗：/workflows 会启动大量 Agent，Token 消耗显著。建议在需要大量并行处理的场景下使用，简单任务不值得。
适用模型版本：/workflows 随 Claude Code 新版本（Opus 4.8 同期）发布，确保你的 Claude Code 已更新到最新版本。
与其他命令组合：/workflows 可以和 /deep-research 叠加使用，效果加倍。这是目前推荐的"杀手级"组合。
用 Claude Code 遇到真正的难题时，在正常的问题描述后面加上
/workflows /deep-research就会有奇效。
核心判断：体力问题用 /workflows，智力问题还是靠你自己。当 AI 的智力水平已经够用时，瓶颈往往是"不够多"而不是"不够聪明" -- 而 /workflows 解决的正是这个问题。