核心用法
Agent Team Workflows 是 Claude Code 的实验性多智能体编排框架，核心架构为 1 Lead（主脑）+ 4 Teammates（专家角色）：
- Lead：任务分配、上下文传递、质量把关、最终输出合成
- architect（架构师）：规划者，负责问题框架、任务分解、蓝图制定
- developer（开发者）：构建者，负责产出核心交付物（代码、文档、数据、方案等）
- tester（测试者）：验证者，对照验收标准进行测试和正确性评估
- reviewer（审阅者）：批判者，评估质量、风险、一致性，提出改进建议
四大工作流模式
| 模式 | 适用场景 |
|------|---------|
| **sequential** | 线性依赖任务，如功能开发、报告撰写 |
| **parallel-merge** | 多视角独立探索后合并，如战略分析、研究 |
| **iterative-review** | 创作者与批判者迭代打磨，如内容编辑、设计优化（默认最多2轮）|
| **fan-out-fan-in** | 大任务拆分并行处理，如多模块开发、大数据集处理 |
六步协调协议
1. 确认范围（目标、领域、模式、约束、输入、验收标准）
2. 构建工作流实例规范（填写统一模板）
3. 创建团队（使用特定ID实例化4个队友）
4. 创建带依赖的任务（明确输入输出、验收标准）
5. 启动队友并传递丰富上下文（角色卡+任务+输入+输出契约+约束）
6. 协调交接与最终合成（验证、传递、修订、交付）
显著优点
- 领域通用性强：通过"角色卡（Role Cards）"机制，同一架构可映射到软件、内容、数据、战略、研究等任意领域
- 并行效率提升：适合可并行化的复杂任务，fan-out-fan-in 模式可显著加速大型工作
- 质量保障机制：专职验证者和批判者角色，配合迭代审查模式，减少单点失误
- 结构清晰可控：严格的6步协议和Lead纪律规则，避免多智能体协作常见的上下文混乱和责任模糊
- 成本透明：明确标注各模式约4-5倍单智能体成本，提供决策依据
潜在局限与风险
- 实验性功能依赖：需手动启用
CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS环境变量，稳定性未经验证 - 成本显著增加：团队模式成本为单智能体的3-5倍，简单任务反而低效
- 上下文传递负担：Teammates无共享历史，Lead必须手动转发所有相关工件，遗漏即导致失败
- 启动门槛较高：需完整填写工作流实例规范、创建多个带依赖的任务、准备详细的角色卡和契约，前置工作量大
- 迭代次数限制：默认最多2轮迭代审查，更多需用户批准，可能中断流畅性
- 无内置失败恢复：队友卡住、输出不合格、停止响应等情况需Lead手动干预，框架仅提供应对指南而非自动处理
适合人群
- 复杂任务处理者：工作跨度3+个工件/文件，存在明确流水线依赖
- 多视角需求场景：需要独立专家从不同角度评估（如战略分析需市场、财务、风险多维度）
- 质量敏感型工作：内容发布、代码合并、研究报告等需要专门验证和审查环节
- 具备Claude Code环境的技术用户：需能编辑settings.json并管理实验性功能
常规风险
- 实验性功能不稳定性：可能存在未记录的bug或行为变更
- 成本失控风险：未按"一人能完成的简单任务不用团队"原则使用，导致费用浪费
- 上下文丢失导致输出偏差：Lead未完整传递前置工件，队友基于不完整信息工作
- 权限边界模糊：Lead需用户批准高风险的不可逆操作、外部发布、生产部署，但规则依赖人工判断