Claude Code đã trở thành một trong những AI Coding Assistant mạnh nhất dành cho kỹ sư phần mềm. Tuy nhiên, phần lớn các phiên làm việc truyền thống (standard session) vẫn dựa trên một mô hình quen thuộc: một AI nhận yêu cầu, suy luận trong một context duy nhất rồi trả về kết quả.

Cách tiếp cận này hoạt động rất tốt đối với các tác vụ nhỏ như sửa một bug, viết một API hoặc giải thích một đoạn code. Nhưng khi quy mô công việc tăng lên – ví dụ kiểm tra toàn bộ codebase, migrate framework, đánh giá bảo mật hoặc phân tích hàng trăm module – một AI duy nhất sẽ gặp nhiều hạn chế về khả năng điều phối, quản lý context và kiểm chứng kết quả.

Dynamic Workflows được Anthropic giới thiệu để giải quyết chính bài toán đó. Thay vì chỉ “trả lời prompt”, Claude Code có thể tự xây dựng một quy trình điều phối (orchestration) gồm nhiều AI subagent làm việc song song, kiểm tra chéo lẫn nhau và chỉ trả về kết quả sau khi đã trải qua nhiều vòng xác thực.

Theo mình, đây không đơn thuần là một tính năng mới của Claude Code mà là sự chuyển đổi từ mô hình “AI Assistant” sang mô hình “AI Engineering Team”.

---

Dynamic Workflows hoạt động như thế nào?

Điểm khác biệt lớn nhất của Dynamic Workflows là Claude Code không sử dụng prompt làm bộ điều phối, mà tự sinh ra một orchestration script để quản lý toàn bộ quá trình thực hiện.

Có thể hình dung quy trình như sau:

Người dùng
      │
      ▼
Prompt
      │
      ▼
Claude phân tích yêu cầu
      │
      ▼
Sinh Orchestration Script
(JavaScript Workflow)
      │
      ├─────────────┬─────────────┬─────────────┐
      ▼             ▼             ▼             ▼
Subagent A     Subagent B     Subagent C    ...
      │             │             │
      └─────────────┴─────────────┘
                │
      Verifier / Reviewer Agents
                │
      Nếu chưa đạt → tiếp tục lặp
                │
                ▼
         Tổng hợp kết quả
                │
                ▼
          Trả lời người dùng

Điểm quan trọng ở đây là Claude không chỉ chia nhỏ công việc, mà còn tự viết chương trình điều phối (workflow script) để quyết định:

• Chia bài toán thành bao nhiêu nhiệm vụ nhỏ.
• Subagent nào sẽ thực hiện từng nhiệm vụ.
• Những tác vụ nào có thể chạy song song.
• Khi nào cần tổng hợp kết quả.
• Khi nào cần kiểm tra chéo.
• Khi nào cần chạy lại nếu phát hiện kết quả chưa đáng tin cậy.

Nói cách khác, AI không còn chỉ “suy nghĩ”, mà còn “lập kế hoạch” và “quản lý tiến độ” giống như một Technical Lead điều phối cả nhóm kỹ sư.

---

Cơ chế điều phối Parallel Subagents

Trong một phiên Claude Code thông thường, chỉ có một agent xử lý toàn bộ yêu cầu.

Dynamic Workflows thay đổi hoàn toàn mô hình này.

Sau khi orchestration script được tạo, Claude sẽ khởi tạo từ vài chục đến hàng trăm subagent hoạt động độc lập.

Ví dụ:

Security Audit

├── Agent 1 → Authentication
├── Agent 2 → Authorization
├── Agent 3 → SQL Injection
├── Agent 4 → XSS
├── Agent 5 → Logging
...
├── Agent 80 → Dependency Scan
└── Agent 100 → Configuration Review

Mỗi subagent có:

• context riêng
• nhiệm vụ riêng
• không làm ảnh hưởng context của agent khác

Sau khi hoàn thành:

Agent Results

↓

Verification Agents

↓

Conflict Detection

↓

Merge Results

↓

Final Report

Một điểm rất hay là Claude không mặc định tin tưởng kết quả của subagent đầu tiên.

Workflow có thể sinh thêm:

• Reviewer Agent
• Verifier Agent
• Adversarial Agent

để cố gắng tìm lỗi trong kết quả của các agent khác.

Nếu các kết quả mâu thuẫn:

Detect Conflict

↓

Re-run

↓

Compare

↓

Verify

↓

Converge

Quá trình này tiếp tục cho tới khi workflow hội tụ về một kết quả có độ tin cậy cao hơn.

Đây là điểm khác biệt quan trọng so với cách làm việc của một AI agent thông thường.

---

Dynamic Workflows khác gì so với Claude Code thông thường?

Claude Code thông thường	Dynamic Workflows
Một agent xử lý toàn bộ yêu cầu	Hàng chục đến hàng trăm subagent làm việc song song
Toàn bộ suy luận diễn ra trong một context	Điều phối bằng orchestration script riêng
Context ngày càng dài khi công việc lớn	Context của từng subagent được tách biệt
Không có quy trình kiểm chứng mặc định	Có reviewer, verifier và adversarial agents kiểm tra chéo
Phù hợp với tác vụ nhỏ và trung bình	Phù hợp với migration, audit, refactor và phân tích quy mô lớn
Kết quả phụ thuộc vào một lần suy luận	Có nhiều vòng xác minh trước khi trả kết quả

Theo mình, điểm cải tiến quan trọng nhất không phải là số lượng subagent, mà là orchestration được tách ra khỏi cuộc hội thoại.

Ở phiên làm việc thông thường, mọi kết quả trung gian đều quay trở lại context chính, khiến context ngày càng lớn và dễ mất trọng tâm.

Dynamic Workflows chuyển phần điều phối sang workflow script, giúp giữ cho phiên làm việc chính luôn gọn nhẹ, trong khi các subagent xử lý phần lớn công việc ở các context độc lập.

---

Khi nào nên sử dụng Dynamic Workflows?

Dynamic Workflows đặc biệt phù hợp với các công việc có quy mô lớn hoặc yêu cầu độ tin cậy cao, chẳng hạn như:

• Security Audit trên toàn bộ codebase.
• Bug Hunt trên nhiều module.
• Framework Migration.
• Language Migration.
• Refactor hàng trăm file.
• Kiểm tra tuân thủ coding standards.
• Phân tích hiệu năng.
• Review thay đổi có ảnh hưởng lớn.

Ngược lại, với các tác vụ đơn giản như:

• sửa một bug nhỏ,
• thêm một API,
• chỉnh vài file,

thì một phiên Claude Code thông thường sẽ nhanh và tiết kiệm token hơn.

---

Góc nhìn cá nhân: Tôi sẽ ứng dụng Dynamic Workflows như thế nào trong công việc BA phát triển hệ thống MES?

Là một IT Business Analyst tham gia các dự án Manufacturing và MES, mình thấy Dynamic Workflows đặc biệt phù hợp với những công việc đòi hỏi phân tích tác động trên nhiều module thay vì chỉ sinh code.

1. Impact Analysis khi thay đổi yêu cầu

Ví dụ khách hàng bổ sung thêm bước Quality Inspection.

Thay vì đọc thủ công hàng trăm file, mình có thể yêu cầu workflow:

• một nhóm subagent phân tích Production Routing;
• nhóm khác kiểm tra Inventory;
• nhóm khác rà soát API;
• nhóm khác đối chiếu Database Schema;
• nhóm khác đánh giá Test Cases.

Sau đó workflow tổng hợp thành một báo cáo duy nhất, giúp mình nhanh chóng xác định phạm vi ảnh hưởng trước khi viết đặc tả hoặc giao việc cho Developer.

---

2. Kiểm tra tính nhất quán giữa tài liệu và source code

Trong các dự án dài hạn, tài liệu thiết kế thường bị lệch so với hệ thống thực tế.

Mình có thể dùng Dynamic Workflows để:

• đọc SRS;
• đọc Design Document;
• đọc API Specification;
• quét source code;
• phát hiện các điểm không đồng nhất.

Điều này giúp giảm đáng kể thời gian kiểm tra thủ công trước mỗi đợt phát hành.

---

3. Review thay đổi xuyên nhiều module

Một thay đổi nhỏ trong MES thường ảnh hưởng đồng thời đến:

• Production
• Inventory
• Quality
• Maintenance
• Reporting

Thay vì tự kiểm tra từng module, mình có thể để nhiều subagent phân tích song song, sau đó dùng verifier agent tổng hợp các dependency và cảnh báo những thay đổi có nguy cơ gây lỗi dây chuyền.

---

4. Tự động hóa tài liệu kỹ thuật

Sau mỗi lần Developer hoàn thành chức năng, workflow có thể:

• quét commit;
• cập nhật tài liệu thiết kế;
• tạo API documentation;
• phát hiện sự khác biệt giữa tài liệu và code.

Điều này giúp tài liệu luôn đồng bộ với hệ thống và giảm đáng kể công sức bảo trì.

---

Quan điểm cá nhân

Theo mình, giá trị lớn nhất của Dynamic Workflows không nằm ở việc “viết code nhanh hơn”, mà ở khả năng tổ chức và kiểm chứng những công việc phức tạp mà trước đây cần nhiều kỹ sư phối hợp.

Đối với vai trò IT Business Analyst, Dynamic Workflows không thay thế việc phân tích nghiệp vụ hay ra quyết định, nhưng có thể đóng vai trò như một “AI Engineering Team” hỗ trợ phân tích tác động, rà soát tài liệu, kiểm tra tính nhất quán giữa yêu cầu và hệ thống, cũng như đánh giá thay đổi trên nhiều module cùng lúc.

Trong các dự án MES hoặc Manufacturing có quy mô lớn, mình tin rằng việc kết hợp kiến thức nghiệp vụ của BA với khả năng điều phối nhiều subagent của Claude Code sẽ giúp giảm thời gian phân tích, tăng độ chính xác của impact analysis và hỗ trợ nhóm phát triển đưa ra quyết định nhanh hơn, đặc biệt với những thay đổi có ảnh hưởng đến nhiều thành phần của hệ thống.

---

Kết luận

Dynamic Workflows đánh dấu một bước tiến mới của Claude Code: từ một AI Coding Assistant sang một nền tảng có khả năng điều phối nhiều AI subagent để giải quyết các bài toán kỹ thuật quy mô lớn.

Thay vì chỉ phản hồi một prompt, Claude Code có thể tự tạo orchestration script, phân rã công việc, chạy song song hàng chục hoặc hàng trăm subagent, thực hiện nhiều vòng kiểm chứng và chỉ tổng hợp kết quả sau khi đạt được sự đồng thuận.

Đối với các kỹ sư phần mềm, Technical Lead hay IT Business Analyst làm việc trên các hệ thống lớn như MES, đây là một cách tiếp cận đáng cân nhắc để tối ưu hóa các hoạt động như impact analysis, review kiến trúc, migration, audit và kiểm tra tính nhất quán của toàn bộ hệ thống. Tuy nhiên, do Dynamic Workflows tiêu tốn nhiều tài nguyên tính toán và token hơn một phiên Claude Code thông thường, nó phù hợp nhất với các tác vụ phức tạp, có giá trị cao và yêu cầu độ chính xác lớn.

Nguồn tham khảo

Nguồn tham khảo

• https://claude.com/blog/introducing-dynamic-workflows-in-claude-code
• https://code.claude.com/docs/en/workflows
• https://vn.linkedin.com/pulse/claude-code-your-ai-pair-programmer-actually-gets-arijit-saha-5omfc?tl=vi