Claude Code 在 2026 年上半年密集更新了 Auto Mode、/goal、Dynamic Workflows 等自主运行功能,配合云端部署和端到端验证,开发者已经可以让它连续数天无人值守地完成大型重构、迁移和审计任务——Bun 作者 Jarred Sumner 用这套组合 6 天内把 75 万行 Zig 代码移植成了 Rust。 Auto Mode + /goal:砍掉审批弹窗,跑到完为止
Claude Code 默认每次写文件、跑命令都要人工点批准。几十次之后,开发者不看内容直接盲批,安全形同虚设。2026 年 3 月上线的 Auto Mode 用一个内置分类器自动判断每次工具调用的风险等级:安全操作直接放行,危险操作(批量删除、数据外传、恶意代码执行)自动拦截并强制 Claude 换路径,反复触发才会弹回人工。它比老版 --dangerously-skip-permissions 精细得多——后者是把所有安全检查全部关掉,在一次性容器外用几乎等于裸奔。 5 月发布的 /goal 指令补上了另一块拼图。开发者写一句完成条件(比如"所有测试通过""TypeScript 零报错""Lighthouse 移动端分数 >90"),Claude 就进入持续循环:规划→写码→测试→重构→验证,每轮结束由一个轻量评估模型(默认 Haiku)读对话记录判断条件是否达成,没达成就继续下一轮,达成则交还控制权。/goal 条件上限 4000 字符,每个 session 同时只能有一个 goal,新设会覆盖旧的。
对比来看,OpenAI Codex 在 2026 年 4 月先上了同名 /goal,Claude Code 一个月后跟进。两者机制类似,但 Codex 的云端 agent 更适合"排 5 个任务、走人、回来收 5 个 PR"的场景,Claude Code 的优势在深度推理和大规模上下文——Opus 4.8 在 SWE-bench Verified 上跑出 88.6%,领先 Codex 背后的 GPT-5.5。Cursor 3.3 的 Bugbot 支持 IDE 内自主修 bug,但它是编辑器级工具,不具备 CLI 级别的长时间无人值守能力。
Dynamic Workflows:一条指令调度数百子 Agent
单 Agent 跑长任务有三个结构性缺陷:Agent 越跑越懒(agentic laziness),自己审自己永远觉得好(self-preferential bias),上下文膨胀导致目标漂移(goal drift)。2026 年 5 月底上线的 Dynamic Workflows 直接从架构层解决这三个问题。
开发者给一条高层指令,Claude 自动生成一个 JavaScript 编排脚本,把任务拆成子任务,分发给并行子 Agent,每个子 Agent 拿到独立上下文窗口和单一目标。关键设计:生产结果的 Agent 和验证结果的 Agent 不是同一个,消除自评偏差;单个子 Agent 的窗口很短,来不及漂移就已完成交付。系统当前支持最多 16 个并发、累计 1000 个子 Agent。
适用场景包括:跨 50 个文件的安全审计、大规模代码迁移、多模块 API 变更、架构级性能优化。Jarred Sumner 的 Zig→Rust 迁移就是 Dynamic Workflows 的典型案例,其中包含一个跑了整夜的编排阶段。
Google Antigravity 2.0 在全栈 Web 项目上有内置浏览器优势,Cursor 的 Agent Mode 在 IDE 内做多文件编辑很快,但两者都不支持这种"一个 orchestrator 管几百个独立 Agent"的编排粒度。Devin 走完全异步路线,开发者只看最终结果,但 SWE-bench 得分(60.8%)和 Claude Code(78.4%~88.6%)差距明显。
云端部署 + 端到端自验证
长时间运行的前提是 session 不能断。本地跑 Claude Code,合上笔记本就全丢了——Dynamic Workflows 的编排进度是 session 级的,中断无法恢复。
三种方案按可靠度排序。最简单的是 Remote Control:终端里启动后扫码,手机或浏览器接管 session,但底层仍然跑在本地机器上,关机即断。中间方案是在云 VM(Daytona、自建 VPS)上用 tmux 挂 Claude Code,推荐 16GB 以上内存,8GB 有 OOM 风险。最可靠的是 Routines(2026 年 4 月上线,研究预览阶段):任务跑在 Anthropic 云端(4 vCPU / 16GB RAM / 30GB 磁盘),从 GitHub 仓库克隆代码,跑完把改动推到新分支,环境随即销毁。Routines 是四种后台运行方式中唯一不依赖本地机器的。
自验证是最后一环。如果 Claude 跑了 8 小时但产出不可用,等于白烧 token。网页端任务用 Claude in Chrome 浏览器扩展做可视化验证——它能在你已登录的 session 里点击、填表、截图,不需要额外认证配置。后端任务让 Claude 启动完整 Web 服务器或跑测试套件来自检。移动端可以接入 iOS/Android 模拟器 MCP,让 Claude 在模拟环境里端到端走完用户流程。Playwright MCP 是另一个选项,支持无头模式和 CI/CD 集成,跨 Chromium/Firefox/WebKit 三引擎,适合正式 E2E 测试流水线。
局限与风险
Token 消耗是最直接的成本问题。Auto Mode 每次工具调用都要过分类器,/goal 每轮都要调评估模型,Dynamic Workflows 并发数百子 Agent——一次复杂编排可能烧掉相当于数周手动编码的 token 预算,Claude Code 重度用户月均花费在 200~1000 美元之间。
Routines 仍处于研究预览阶段,只支持 GitHub 仓库,不读 .env 文件,本地依赖和私有配置需要额外处理。Remote Control 的单 session 限制和 10 分钟网络超时也是实际痛点。
/goal 的评估模型只能读对话记录,不能独立跑命令或读文件,如果 Claude 在对话中没暴露关键信息,评估器可能误判为已完成。复杂任务建议拆成多个串行 goal 而非一个巨型 goal。
Dynamic Workflows 的 16 并发上限在超大规模迁移中可能不够用,8GB 内存的 VM 在高负载编排下有被 OOM kill 的实际案例。所有自主运行功能目前都应在沙箱环境、一次性 Git 分支或 Docker 容器中使用,正式仓库配合版本控制和回滚机制。