Claude Code的Workflow有点意思，但流马想得更远

摘要：本文深入对比Claude Code Workflow与开源AI Agent操作系统「流马（Gliding Horse）」的设计理念差异。Claude Code Workflow本质是增强版命令模板，而流马基于动态PDCA调度、5W2H元数据推理和四层记忆系统，构建真正的AI Agent认知决策中心。文章从技术架构、记忆系统、安全校验、知识沉淀等维度展开对比，阐述为何独立思考比跟风大厂更重要。适合AI Agent开发者、开源技术爱好者阅读。

关键词：Claude Code Workflow, 流马, Gliding Horse, AI Agent操作系统, 动态PDCA, 认知调度器, Supervisor Agent, 5W2H元数据, JSON-LD语义图, IRI地址总线, 四层记忆系统, Agent并行, 开源AI Agent, Rust Agent框架, Oxigraph, 独立思考, 大厂vs开源

最近Claude Code发布了Workflow功能，群里不少人在讨论。我认真研究了一下，发现这东西确实挺实用——但和我做的流马（Gliding Horse）比起来，思路完全不同。

今天就来客观聊聊两者的区别。不是为了踩谁，而是想说明一个道理：大厂的新功能不代表AI Agent的未来，独立思考和系统性设计才是真正有竞争力的东西。

一、Claude Code Workflow到底是个啥？

简单说，Claude Code的Workflow就是一个受约束的、LLM可以现编的执行模板。它不是死流程，LLM能根据提示词和内部约束，在框架允许的范围内动态生成执行步骤。

而且它已经能做到大规模Agent并行、Agent间隔离、相互Check——这比很多人想象的要强得多。你可以在Workflow里定义多个Agent角色，让它们同时干活，然后互相检查结果，出错了还能自动修复。

那它和流马的区别在哪？

Claude Code Workflow本质上是一个增强版的Skill或Command。它解决的是“把一连串操作打包，让LLM自己编排顺序”的问题。但它不是系统化的Agent操作系统——它没有独立的知识图谱记忆，没有跨会话的持久化状态，没有统一的IRI地址总线，也没有内核级的安全校验。

它是工具，不是平台。

二、流马的动态PDCA：不是Workflow，是“认知调度器”

流马从第一天起就没打算做“工作流宏”。我们要做的是：让AI Agent像人类专家一样，拿到任务先自己分析，然后自己决定该怎么干。

核心机制是这样的：

1. SA（Supervisor Agent）接收到任务，自动提取5W2H元数据（做什么、为什么、谁、何时、何地、怎么做、花多少资源）。
2. SA基于元数据和历史经验，动态决定执行拓扑：
   • 简单任务 → 只派一个DA（执行Agent）
   • 标准任务 → PA（计划）→ DA（执行）→ CA（检查）→ AA（决策）
   • 复杂项目 → PA → 三个DA并行 → CA汇总 → AA拍板
   • 探索性研究 → DA ↔ CA循环直到收敛
3. 运行时，SA还会监控系统状态：Token消耗、错误率、节点冲突……发现不对劲立刻调整流程。

这一切都不是人编的YAML文件，是SA实时推理的结果。 每个Agent的提示词动态生成，Skill按需从知识图谱加载，整个流程是“活的”。

三、关键区别：工具链 vs 操作系统

打个比方：Claude Code Workflow是一个高级厨师机，能帮你省掉很多重复性切菜搅拌的活。流马是在建一个完整的智能厨房，里面有独立的知识库、自动化的流程决策、多角色协作、还有安全监控系统。

四、为什么我们不需要跟风？

Claude Code的Workflow发布后，有些开发者兴奋，觉得“AI Agent终于能编排流程了”。其实这种“宏”机制几十年前就有了，从Makefile到GitHub Actions，核心都是人定义流程、机器执行。

流马走的是另一条路：让机器自己决定流程。

我们不是在看到大厂功能后才去模仿。相反，我们从零开始就在思考：为什么人要去规定Agent先做什么后做什么？如果Agent真的智能，它应该能自己分析任务、自己拆解步骤、自己根据反馈调整策略。

所以流马的SA调度器不是“Workflow引擎”，它是一个认知决策中心。它利用L0长期记忆中历史任务的经验，结合5W2H元数据，动态生成执行拓扑。没有两个完全一样的任务，也就没有两个完全一样的流程。

这就是独立思考的价值：不被大厂的产品思路带着走，从第一性原理出发，做出有自己灵魂的东西。

五、流马开源，欢迎来玩

流马（Gliding Horse）的核心代码全部开源在GitHub上，用Rust写成，图数据库用Oxigraph，记忆系统借鉴了CPU缓存架构。虽然文档还在补，但架构和理念已经能打。

如果你也对“AI Agent操作系统”感兴趣，或者觉得动态PDCA和JSON-LD语义总线有点意思，欢迎来star、提issue、一起搞。

最后想说的是：别光盯着大厂的新功能看。很多看起来很酷的东西，其实自己也能做，而且能做得更贴合自己的场景。流马就是这样一个产物，它不完美，但它是独立思考的结果。而且Claude本来就在中国用不了，注册帐号的地方连中国都选不了，我们有那么多的程序员我就不信开发不出最强的Agent。我的流马所有测试都是用deepseek-v4-flash来做的，glidingcode直接下载设置deepseek api key就能试验。发布的是无依赖库musl版，只有一个可执行二进制文件，支持X64，ararch64 linux，mac，windows仅13MB，感兴趣的下载试试，欢迎感兴趣的同学一起开发。

GitHub地址：https://github.com/doiito/gliding_horse