在数据处理速度和AI模型效率成为决定性因素的世界里,优化工作流程变得至关重要。我分析了一种能够从根本上加速Claude任务执行的新方法,以下是我的结论。

经典方法是线性循环:“观察→行动→检查→重复”。它运行可靠,但仅限于任务未被拆分为多个独立组件的情况。在这种情况下,循环就像卡住的唱片,继续逐个处理它们,这极其低效且缓慢。解决方案在于范式转变:从顺序循环转向并行图。

加速的四个步骤

第一步:瓶颈审计。在做出任何改变之前,必须拆解每个工作流程并回答三个关键问题:它需要多少步骤,哪里最常发生重试,以及这消耗了多少时间和资源。这能在你开始修改之前揭示真正的“瓶颈”。

第二步:寻找并行机会。对于每个阶段,需要判断它是否依赖于另一个步骤的结果。如果不依赖,就可以放心地并行运行。最常见的是研究任务、排版、设计以及逻辑和策略。这些模块通常互不关联,而检查则不同,它依赖于前一个结果。

第三步:可视化方案。画出图。这可以通过Excalidraw MCP完成,甚至手绘也行。以研究五个竞争对手并准备报告的任务为例。在循环中,这表现为逐个研究每个竞争对手,然后撰写文本。如果结果“不理想”,则从头开始。而在图中,规划器确定每个竞争对手需要哪些数据,然后五个分支同时启动,将结果汇总成一份统一报告。

第四步:将方案传递给模型。将图的截图连同包含五个要点的清晰指令一起发送给模型:规划要查找的内容;并行启动五个子代理;将所有内容汇总成一份报告;与原始任务核对;如果失败,仅将反馈发送到问题所在位置,而不重新启动整个方案。

本质上,这还是具有指定角色的子代理,但它们是同时启动的,外加一条“故障导向何处”的规则。应该从三到五个节点开始,不要使初始方案复杂化。

重要的是要理解:图能加速工作,但不保证节省成本。没有并行分支的任务仍然更适合用普通循环解决。关键点在于方案中每个元素的角色必须具体描述:模糊的图会产生同样模糊的结果。

我的结论:这种方法不仅仅是技巧,而是代理管理方式的根本性转变。在加密分析中,需要同时处理大量项目的数据,这种优化可能成为竞争优势。我建议将图方法集成到你的流水线中——这将带来多倍的回报。