# Równoległa praca w Claude Code: worktree, agenci i Workflows
> Cztery warstwy równoległej pracy w Claude Code, izolacja przez git worktree, weryfikacja rezultatów, narzędzia GUI oraz limity obciążenia i tokenów.
Source: https://ailoot.ai/blog/pl/claude-code-parallel-worktree-agents/
Canonical: https://ailoot.ai/blog/pl/claude-code-parallel-worktree-agents/
Language: pl
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-179
Revision: sha256-6db5a630a82f0016bcfdf41e1ff64c1086c5d64b5544eafe168f1d85a5b8addc
Najważniejsze informacje
Claude Code oferuje cztery sposoby podziału pracy między wielu agentów: subagents w jednej sesji, skills zawierające instrukcje, agent teams z liderem i osobnymi oknami oraz Dynamic Workflows jako skrypt JavaScript uruchamiany przez środowisko wykonawcze. Jeśli chcesz uruchomić równolegle na jednej maszynie więcej niż pięć instancji Claude Code, użyj git worktree do izolowania plików. Oficjalny limit środowiska wykonawczego wynosi 16 agentów naraz i 1000 na jedno uruchomienie. Główna pułapka nie tkwi w kodzie. „Mam 50 pracujących agentów” zwykle oznacza „50 agentów równolegle generuje bzdury, których nikt nie sprawdza”. Pomagają w tym Outcomes — zestaw kryteriów w formie rubryki oraz niezależny agent recenzujący.
Praktyczne materiały o pracy z agentami równolegle: [dokumentacja Ailoot](https://ailoot.ai/docs/).
Ten przewodnik łączy praktyczne doświadczenia z mapą zastosowań narzędzi. Zawiera cztery oficjalne prymitywy Claude Code, przegląd ich zastosowań oraz ramy pozwalające ocenić, ilu równoległych agentów naprawdę potrzebuje vibe coder. Wszystkie liczby i cytaty odsyłają do źródeł pierwotnych Anthropic.
## Czym jest praca wieloagentowa w Claude Code?
Najważniejsze informacje
Multi-agent w Claude Code oznacza każdą sytuację, w której zadanie obsługuje kilka strumieni pracy zamiast jednej rozmowy. Może to być kilka sesji w różnych oknach, lider kierujący podwładnymi w jednej sesji albo skrypt orkiestrujący działanie środowiska wykonawczego. „1000 agentów” to techniczny limit jednego Dynamic Workflow. Chroni przed niekontrolowaną pętlą środowiska wykonawczego; nie jest zaleceniem dotyczącym obciążenia.
Konfiguracja multi-agent to taka, w której zadanie zostaje podzielone na kilka niezależnych strumieni pracy. Każdy zajmuje się własną częścią i zwraca wynik. Najprostszy przykład: piszesz frontend w jednym oknie Claude Code, a backend w drugim oknie na tej samej maszynie, korzystając ze wspólnego repozytorium git. To już multi-agent, choć „orkiestracja” byłaby tu zbędnym określeniem.
Bardziej rozbudowana konfiguracja: w jednej sesji Claude Code uruchamiasz pięć subagents o różnych rolach (programista frontendu, programista backendu, recenzent bezpieczeństwa, tester, autor dokumentacji), a każdy zwraca swoją część wyniku do wspólnej rozmowy. To to samo podejście multi-agent, tylko z jednym punktem kontroli.
Jeszcze bardziej rozbudowany wariant: prosisz Claude: „przeprowadzaj co tydzień audyt bezpieczeństwa wszystkich 500 plików w moim projekcie”, a on pisze orkiestrujący skrypt JavaScript. Środowisko wykonawcze uruchamia w tle kilkadziesiąt agentów, z których każdy audytuje własną część; następnie niezależni agenci sprawdzają nawzajem swoje ustalenia, a ty otrzymujesz jeden raport. To [Dynamic Workflows](https://ailoot.ai/blog/pl/claude-code-dynamic-workflows/), wprowadzone przez Anthropic 28 maja 2026 roku. Szczegółowy opis funkcji znajdziesz w [osobnym przewodniku po Dynamic Workflows](https://ailoot.ai/blog/pl/claude-code-dynamic-workflows/).
Różnica między tymi trzema scenariuszami nie dotyczy liczby agentów. Chodzi o to, **kto decyduje, co ma zrobić następny agent**. W pierwszym scenariuszu decydujesz ty. W drugim — Claude w miarę rozwoju rozmowy. W trzecim — skrypt JavaScript napisany przez Claude.
„1000 agentów” to zresztą rzeczywista liczba. Jest to górny limit jednego Dynamic Workflow w Claude Code. [Oficjalna dokumentacja Anthropic](https://code.claude.com/docs/en/workflows) podaje:
Maksymalnie 16 agentów jednocześnie; na maszynach z ograniczonym procesorem mniej. Łącznie do 1000 agentów na jedno uruchomienie — aby zapobiec niekontrolowanym pętlom.
— Anthropic Claude Code Docs, https://code.claude.com/docs/en/workflows
Innymi słowy, to techniczne zabezpieczenie przed niekontrolowanym działaniem, a nie zalecane obciążenie. W praktyce 95% zadań można wykonać przy użyciu 2–8 równoległych strumieni pracy. Jeśli planujesz więcej, najpierw zastanów się, czym będą się zajmować.
## Cztery prymitywy Claude Code: subagents, skills, agent teams, workflows
Najważniejsze informacje
Oficjalna dokumentacja Claude Code opisuje cztery odrębne warstwy pracy multi-agent. Subagents to tymczasowi pracownicy w jednej sesji. Skills to instrukcje, których Claude przestrzega. Agent teams to stali „współpracownicy” w osobnych oknach, z liderem na czele. Workflows to skrypty orkiestrujące działanie środowiska wykonawczego. Każde rozwiązanie ma własny limit równoległości i miejsce na wyniki pośrednie.
Claude Code ma cztery oficjalne prymitywy do dzielenia jednego zadania między wielu agentów. Anthropic zebrał je w tabeli porównawczej w [dokumentacji Dynamic Workflows](https://code.claude.com/docs/en/workflows). Oto porównanie prostym językiem:
| | Subagents | Skills | Agent Teams | Workflows |
|----|----|----|----|----|
| Co to jest | Pracownik uruchamiany przez Claude | Instrukcje, których przestrzega Claude | Lider i zespół w osobnych oknach | Skrypt wykonywany przez środowisko wykonawcze |
| Kto ustala kroki | Claude w miarę rozwoju rozmowy | Claude na podstawie instrukcji | Lider | Sam skrypt |
| Gdzie są wyniki | W oknie kontekstu Claude | W oknie kontekstu | We wspólnej liście zadań | W zmiennych skryptu |
| Co można ponownie wykorzystać | Opis pracownika | Same instrukcje | Opis zespołu | Całą orkiestrację |
| Skala | Po kilka naraz | Podobna liczba | Kilku stałych współpracowników | Dziesiątki i setki na jedno uruchomienie |
| Co dzieje się po przerwaniu | Rozpoczyna turę od nowa | Rozpoczyna turę od nowa | Współpracownicy kontynuują | Wznawia w tej samej sesji |
Każdy z tych prymitywów rozwiązuje inny problem. Subagents służą do delegowania 2–3 kontroli w ramach jednego zadania. Skills sprawdzają się, gdy masz gotowe instrukcje, których Claude ma przestrzegać (na przykład „przeprowadź przegląd PR według tej listy kontrolnej”). Agent teams są przydatne, gdy różne części produktu znajdują się w osobnych oknach i potrzebujesz koordynatora. Workflows nadają się do zadań zbyt dużych, by zmieściły się w jednym oknie kontekstu.
Subagents opisano szczegółowo w [przewodniku Claude Code Subagents 2026](https://ailoot.ai/blog/pl/claude-code-subagents/). Drzewo decyzyjne „czego użyć do danego zadania” znajdziesz w [przewodniku Skills, Subagents, MCP, Plugins](https://ailoot.ai/blog/pl/skills-subagents-mcp-plugins-claude-code/). Ten przewodnik dotyczy składania ich w konfigurację multi-agent opartą na git worktree.
## Poziom 1: subagents w jednej sesji — najłatwiejszy początek
Najważniejsze informacje
Subagent to tymczasowy „pracownik” w sesji Claude. Mówisz głównemu agentowi: „uruchom cztery subagents: programistę frontendu, programistę backendu, testera i autora dokumentacji”. Każdy zajmuje się swoją częścią, a potem zwraca wynik do wspólnej rozmowy. Równolegle działa 2–5 subagents, wszystkie w obrębie jednego wspólnego kontekstu.
Subagent to najprostszy sposób na podział zadania. Główna rozmowa pełni funkcję koordynatora. Główny agent uruchamia tymczasowych pracowników w miarę postępów.
Konkretny przykład z opisanego projektu. Po przygotowaniu pierwszej wersji przewodnika organizuje się recenzję w następujący sposób: Claude otrzymuje prośbę: „uruchom równolegle sześć subagents — pierwszy sprawdza oznaki treści AI, drugi terminologię prawną, trzeci głos i ton, czwarty weryfikuje fakty za pomocą WebFetch, piąty ocenia strukturę SEO, a szósty sprawdza poprawność linków wewnętrznych”. Każdy zwraca raport, po czym wprowadza się poprawki.
Technicznie robi się to za pomocą plików `.claude/agents/[subagent-name].md`, w których opisuje się role i narzędzia. Wywołanie następuje przez narzędzie `Agent` w głównej rozmowie. Claude decyduje, kiedy wysłać prośbę do subagenta.
**Gdzie się sprawdza.** Zadania obejmujące 3–7 równoległych kontroli jednego artefaktu (kodu, tekstu, projektu). Każda kontrola jest niezależna, a wyniki mieszczą się w głównym oknie kontekstu.
**Gdzie przestaje wystarczać.** Jeśli masz ponad 50 plików albo każda kontrola wymaga osobnego kontekstu o rozmiarze 50K tokenów, główne okno się zapełni. Potrzebujesz workflows albo agent teams.
**Główne ryzyko.** Każdy subagent osobno zużywa tokeny. Jeśli uruchomisz sześć agentów w projekcie z 200 plikami i każdy ponownie przeczyta wszystkie 200, zapłacisz 6× więcej. Dlatego MUSISZ dokładnie określić, które pliki ma sprawdzić subagent. Szczegóły znajdziesz w [przewodniku Gdzie znikają tokeny w Claude Code](https://ailoot.ai/blog/pl/where-claude-code-tokens-go/).
## Poziom 2: git worktree — izolowanie plików między równoległymi sesjami
Najważniejsze informacje
Subagents współdzielą jedną sesję i jeden system plików. Jeśli chcesz, by dwie pełnoprawne instancje Claude Code w różnych terminalach edytowały ten sam projekt, potrzebują osobnych kopii roboczych. Git worktree zapewnia je bezpłatnie: jedno źródło prawdy w `.git` i dwa niezależne katalogi na dysku.
Gdy subagents nie wystarczają i potrzebujesz dwóch pełnoprawnych instancji Claude Code działających w różnych terminalach nad tym samym repozytorium, pojawia się typowy problem. Zaczynają edytować ten sam plik; jedna zapisuje pierwsza, a druga nadpisuje jej zmiany. W zeszłym tygodniu klient powiedział zespołowi wsparcia: „5 osób nadpisuje sobie pliki jednocześnie”.
Rozwiązaniem jest git worktree. To wbudowana funkcja git, która pozwala mieć kilka kopii roboczych tego samego repozytorium, każdą na własnej gałęzi, przy współdzielonym repozytorium `.git`. Jedno źródło, różne katalogi na dysku, bez nakładania się plików. Mechanizm opisano szczegółowo w [przewodniku Git worktree w Claude Code](https://ailoot.ai/blog/pl/claude-code-git-worktree/).
Polecenia pozwalające skonfigurować to w pięć minut:
```bash
# Z głównego katalogu projektu
cd ~/projects/my-app
# Utwórz worktree dla feature/auth
git worktree add ../my-app-auth feature/auth
# Utwórz worktree dla feature/billing
git worktree add ../my-app-billing feature/billing
# Otwórz dwa okna terminala
cd ~/projects/my-app-auth && claude # pierwszy Claude Code
cd ~/projects/my-app-billing && claude # drugi Claude Code
```
Każda kopia znajduje się na własnej gałęzi. Każda instancja Claude Code zapisuje pliki we własnym katalogu. Po zakończeniu zadania uruchom `git push` z danej gałęzi, a następnie `git worktree remove ../my-app-auth`.
**Co warto wiedzieć.** Worktree nie kopiuje node_modules, .venv ani innych plików wymienionych w `.gitignore`. Jeśli potrzebujesz niezależnych zależności (na przykład innej wersji biblioteki w każdej gałęzi), po `worktree add` uruchom `npm install` osobno w nowym katalogu.
**Ile worktrees na osobę.** Według ankiet zespołowych z 2026 roku praktyczny limit to 4–8 równoległych worktrees na programistę. Ograniczeniem nie jest Claude, lecz zdolność człowieka do przejrzenia i zaakceptowania wyników. Jeśli masz 10 worktrees, będą czekać na recenzję.
W opisanej praktyce zwykle używa się 2–3 równoległych worktrees. Jeden główny worktree do bieżącej pracy, jeden zapasowy do pilnych hotfixów i jeden do eksperymentu (nowej funkcji, co do której nie masz pewności). Więcej nie potrzeba.
## Poziom 3: agent teams — kilka okien i jeden agent prowadzący
Najważniejsze informacje
Agent teams to kilka instancji Claude Code pracujących zespołowo w różnych oknach: jeden agent prowadzący śledzi wspólną listę zadań, pozostali mu raportują i komunikują się przez wspólny system plików. To poziom orkiestracji pośredni między „subagents w jednej rozmowie” a „Dynamic Workflows jako kod”.
Agent teams to stosunkowo nowy prymityw. Pomysł jest następujący: jeden agent prowadzący przechowuje wspólny plan w postaci listy zadań, a kilka równorzędnych sesji w osobnych oknach podejmuje zadania przydzielone przez lidera. Wszyscy pracują na tym samym systemie plików i mogą przeglądać artefakty pośrednie pozostałych.
To rozwiązanie przydaje się, gdy zadanie dzieli się na 3–5 dużych strumieni pracy, z których każdy trwa kilka godzin (migracja dużego modułu, przepisanie podsystemu, pełny audyt bezpieczeństwa). Agent prowadzący zachowuje plan w jednym współdzielonym pliku pod bezwzględną ścieżką poza worktree. Wykonawcy czytają tę ścieżkę i raportują wyniki; wyłącznie prowadzący zmienia statusy, unikając konkurujących zapisów.
Technicznie agent teams to kilka okien pracujących na git worktree ze wspólnym punktem planowania. W praktyce 80% osób zarządza agent teams ręcznie (tak jak opisano wyżej, przy użyciu worktree) i nie korzysta ze specjalnego „teams framework”. To w porządku.
Jeśli nie masz pewności, czy w ogóle potrzebujesz frameworka, prawie na pewno go nie potrzebujesz. Użyj ręcznego worktree i jednego agenta prowadzącego w głównym katalogu.
## Poziom 4: Dynamic Workflows — Claude pisze skrypt orkiestrujący w JS
Najważniejsze informacje
Dynamic Workflow to skrypt JavaScript, który Claude pisze na potrzeby zadania, a środowisko wykonawcze uruchamia w tle. Środowisko uruchamia naraz do 16 agentów (łącznie 1000 na jedno uruchomienie), a sesja pozostaje responsywna. Funkcję można aktywować słowem kluczowym `workflow` w prompcie, ustawieniem `/effort ultracode` albo wbudowanym poleceniem `/deep-research`. Udostępniono ją 28 maja 2026 roku; wymaga Claude Code v2.1.154+.
Wszystkie trzy opisane wyżej poziomy przechowują plan w rozmowie: w głowie głównego agenta albo na liście zadań agenta prowadzącego. Dynamic Workflows przenosi plan **do kodu**. Claude zapisuje zadanie jako skrypt JavaScript, środowisko wykonawcze uruchamia go w odizolowanym środowisku, wyniki pośrednie przechowuje w zmiennych skryptu zamiast w kontekście, a sesja pozostaje responsywna, gdy agenci pracują w tle.
Konkretny przykład z oficjalnej dokumentacji. Mówisz:
```
ultracode: audit every API endpoint under src/routes/ for missing auth checks
```
Claude pisze skrypt JavaScript o mniej więcej takiej logice: „pobierz wszystkie pliki z `src/routes/`, podziel endpointy na grupy po 30, uruchom agenta dla każdej grupy z tym samym zadaniem kontrolnym, następnie uruchom dwóch niezależnych grader agents, aby sprawdzili ustalenia, i zbierz wszystko w końcowym raporcie”. Skrypt działa. Otrzymujesz tabelę wyników i listę endpointów, które bez wątpienia wymagają sprawdzenia.
Gdzie się sprawdza:
- Audyt całego projektu pod kątem jednego rodzaju problemu (bezpieczeństwo, typowanie, przestarzałe API).
- Duże migracje (ponad 500 plików objętych wspólną regułą).
- Pytania badawcze, które wymagają weryfikacji z kilku niezależnych perspektyw (Anthropic robi to we wbudowanym poleceniu `/deep-research`).
Szczegółowy opis Dynamic Workflows, ich ograniczeń i działania `ultracode` znajdziesz w [osobnym przewodniku po Dynamic Workflows w Claude Code](https://ailoot.ai/blog/pl/claude-code-dynamic-workflows/).
**Kiedy NIE używać.** Gdy zadanie jest liniowe i jasne. Workflow nie jest potrzebny do zadania w rodzaju „dokończ ten komponent”. Ma sens, gdy zadanie dzieli się na ponad 10 niezależnych podzadań i trzeba je wzajemnie sprawdzać.
**Główne ograniczenie.** Workflow zużywa znacznie więcej tokenów niż zwykła sesja. Anthropic zaleca w [dokumentacji](https://code.claude.com/docs/en/workflows):
Dynamic workflows mogą zużyć znacznie więcej tokenów niż typowa sesja Claude Code, dlatego zalecamy rozpoczęcie od zadania o ograniczonym zakresie.
— Anthropic Claude Code Docs, https://code.claude.com/docs/en/workflows
Innymi słowy, pierwszego workflow uruchom w jednym katalogu, a nie w całym projekcie. Sprawdź koszt, a potem zdecyduj, czy warto zwiększyć zakres.
## Outcomes: rubryka kryteriów i niezależny recenzent
Najważniejsze informacje
Główny problem pracy multi-agent polega na tym, że agenci tworzą rzeczy, które WYGLĄDAJĄ na skończone. Cytat wydaje się prawdziwy, raport kompletny. Outcomes firmy Anthropic to drugi agent działający w nowym kontekście, który czyta rubrykę i sprawdza pracę pierwszego agenta. Funkcję udostępniono 6 maja 2026 roku na Code with Claude. W Harvey zwiększyła ona liczbę ukończonych zadań 6×, a w Wisedocs skróciła czas recenzji o 50%.
Najgroźniejszą rzeczą w pracy multi-agent jest **ufanie wynikom agentów**. Każdy agent zwraca tekst wyglądający na ukończoną pracę. Cytat wydaje się prawdziwy, raport kompletny, migracja zakończona. Przy jednym agencie możesz sprawdzić wynik samodzielnie. Przy 10 — nie dasz rady, zabraknie ci czasu.
Anthropic rozwiązuje ten problem za pomocą Outcomes, funkcji Managed Agents udostępnionej 6 maja 2026 roku. Pomysł jest prosty: do sesji dołącza DRUGI agent (oceniający), którego jedynym zadaniem jest sprawdzenie pracy pierwszego agenta według ścisłej rubryki.
Jak to działa technicznie? Piszesz rubrykę — dokument Markdown ze szczegółową listą kryteriów ukończenia, źródeł do sprawdzenia i etykiet do użycia. Platforma automatycznie tworzy agenta oceniającego w nowym oknie kontekstu. Otrzymuje on wyłącznie rubrykę i wynik, nic więcej. Po każdej próbie głównego agenta (autora) oceniający ponownie czyta wynik i albo go akceptuje, albo zwraca listę braków punkt po punkcie.
Cytat z [Anthropic Cookbook](https://platform.claude.com/cookbook/managed-agents-cma-verify-with-outcome-grader):
Agenci dobrze radzą sobie z tworzeniem rzeczy, które WYGLĄDAJĄ na skończone. Poproś o raport badawczy z cytatami, a dostaniesz dopracowany dokument z przypisami. Przy bliższym sprawdzeniu okaże się, że temat omówiono powierzchownie, cytat odbiega od źródła albo przypis prowadzi do komunikatu prasowego zamiast do oryginalnego dokumentu.
— Anthropic Cookbook - Outcomes, https://platform.claude.com/cookbook/managed-agents-cma-verify-with-outcome-grader
Rzeczywiste wyniki: po zintegrowaniu Outcomes z Claude Managed Agents wskaźnik ukończenia zadań w firmie AI Harvey wzrósł około 6×. W Wisedocs, firmie zajmującej się dokumentacją medyczną, czas poświęcany na przegląd dokumentu spadł o 50%. Te wartości pochodzą z oficjalnego ogłoszenia funkcji.
Dla vibe codera, a nie dużej firmy, ważne jest to, że Outcomes to wzorzec, a nie tylko konkretna funkcja. Możesz utworzyć własny grader agent, opisując te same kryteria w `.claude/agents/grader.md` i prosząc głównego agenta o uruchamianie go po każdej próbie. Działa to z każdą konfiguracją multi-agent, nie tylko z Managed Agents.
Główna zasada pisania rubryk z Cookbook brzmi: **określaj rzeczy możliwe do zweryfikowania, a nie ogólne wymagania**. Nie pisz „sprawdź, czy brief omawia rozliczenia”, lecz „otwórz brief, znajdź sekcję o rozliczeniach i sprawdź, czy określa kwotę w \$ lub procent przychodu”. Pierwsze polecenie pozwala oceniającemu pobieżnie przejrzeć dokument i zaznaczyć pole. Drugie każe mu otworzyć dokument i znaleźć konkretną liczbę.
## Antywzorzec: „50 agentów robiących bzdury”
Najważniejsze informacje
Najczęstszym błędem w dowolnej konfiguracji równoległej jest uruchamianie wielu agentów bez zrozumienia, czym każdy się zajmuje. W praktyce przy tworzeniu agenta AI przez 3–4 godziny działały najwyżej 2–3 równoległe strumienie pracy. Gdy vibe coder chwali się „50 agentami równolegle”, zwykle oznacza to „50 agentów równolegle generuje śmieci, których nikt nie sprawdza”. Sygnałem ostrzegawczym jest brak możliwości wyjaśnienia w 30 sekund, jakie konkretne zadanie rozwiązuje każdy z nich.
To główny antywzorzec multi-agent. Ktoś dowiaduje się, że Claude Code może jednocześnie uruchomić 16 agentów, a Dynamic Workflows 1000 na jedno uruchomienie, więc siada i ich uruchamia. Efekt: zero. Zużycie tokenów: 10× większe niż w zwykłej sesji.
Prosty test. Weź kartkę i narysuj pole dla każdego agenta. W każdym polu zapisz:
1. Co dokładnie robi (jedno zdanie).
2. Jakich plików dotyka.
3. Co zwraca.
4. Kto to sprawdza.
Jeśli choć na jedno z tych pytań nie potrafisz odpowiedzieć w 30 sekund, nie powinieneś uruchamiać tego agenta. Ta zasada działa na każdym poziomie: subagents, agent teams, Dynamic Workflows.
Drugi antywzorzec to **równoległe wykonywanie pracy, która powinna przebiegać sekwencyjnie**. Jeśli frontend potrzebuje najpierw backendu, bo odczytuje schemat API, nie uruchamiaj obu równolegle. Najpierw zrób backend, potem frontend. Równolegle powinny być wykonywane tylko zadania **niezależne**.
Trzeci antywzorzec to **używanie multi-agent dla szybkości**. To działa tylko do pewnego momentu. Jeśli podzielisz zadanie na cztery niezależne strumienie pracy, ukończą je mniej więcej w czasie potrzebnym jednemu strumieniowi (plus niewielki narzut koordynacyjny). Ale jeśli na jednej maszynie uruchomisz 50 strumieni, każdy będzie działał wolniej, bo wszystkie współdzielą procesor. Praktyczny limit laptopa to 4–6 instancji Claude Code działających równolegle; powyżej tej liczby zaczyna się ograniczanie wydajności.
## Ile to kosztuje i jak nie wyczerpać limitów?
Najważniejsze informacje
Konfiguracja multi-agent mnoży zużycie tokenów. Subagents: 2×–4× zwykłej sesji. Agent teams: 3×–6×. Dynamic Workflows: 10×–30×. Główne zasady oszczędzania: wskazuj pliki dla każdego agenta, nie uruchamiaj workflow od razu na całym projekcie i sprawdzaj koszt na małym fragmencie.
W maju i czerwcu 2026 roku branża zderzyła się z rzeczywistością: programowanie z pomocą AI kosztowało więcej, niż oczekiwano.
Jedna zwykła sesja czatu Claude Code kosztuje stosunkowo rozsądną kwotę. Włącz Dynamic Workflows dla całego repozytorium, a rachunek będzie 20× wyższy. Oficjalna dokumentacja Anthropic mówi:
Workflow uruchamia wiele agentów, więc jedno uruchomienie może zużyć znacznie więcej tokenów niż wykonanie tego samego zadania w zwykłej rozmowie. Aby poznać koszt przed dużym uruchomieniem, wypróbuj workflow na małym fragmencie.
— Anthropic Claude Code Docs, https://code.claude.com/docs/en/workflows
Co robić w praktyce? Oto zasady oszczędzania wynikające z opisanych doświadczeń.
1. **Precyzyjnie określ pliki dla każdego agenta.** Nie pisz „przejrzyj projekt i znajdź problemy”, lecz „sprawdź `src/auth/*.ts` i zweryfikuj, czy każda funkcja sprawdza `userId`”. Drugi prompt zleci dokładnie tę pracę, za którą płacisz.
2. **Zawsze najpierw przetestuj workflow na jednym katalogu.** Nie obejmuj od razu całego `src/`. Zacznij od `src/auth/`. Jeśli spodoba ci się wynik i poznasz koszt, wtedy rozszerz zakres.
3. **Domyślnie używaj `/effort high`, a `ultracode` tylko z rozmysłem.** `/effort ultracode` oznacza xhigh i automatyczną orkiestrację. Jest bardzo kosztowne. Używaj go, gdy zadanie naprawdę wymaga kilku równoległych strumieni pracy.
4. **W miarę możliwości przełącz subagents na mniejszy model.** Jeśli sześć subagents sprawdza jeden przewodnik, ani agent QA szukający oznak AI, ani agent sprawdzający linki nie potrzebują Opus. Wystarczy Sonnet. Zmniejsza to użycie 3–5×.
Szczegółowe wskazówki dotyczące oszczędzania tokenów znajdziesz w [przewodniku Gdzie znikają tokeny w Claude Code](https://ailoot.ai/blog/pl/where-claude-code-tokens-go/) i [Jak nie wyczerpać limitów Claude Code](https://ailoot.ai/blog/pl/claude-code-token-limits-saving/).
## Od czego zacząć dzisiaj: lista kontrolna na 30 minut
Najważniejsze informacje
Nie musisz od razu przechodzić do Dynamic Workflows. Podstawową konfigurację multi-agent przygotujesz w 30 minut: dwa worktrees, dwa terminale i jedna główna lista kontrolna w `tasks.md`. To wystarczy w 80% przypadków. Pozostałe 20% (duży audyt lub migracja) pojawi się naturalnie po kilku tygodniach.
1. ### Zaktualizuj Claude Code do v2.1.154+
To minimalna wersja obsługująca Dynamic Workflows. W terminalu uruchom `claude update`.
2. ### Włącz Dynamic Workflows w /config
W planie Pro są domyślnie wyłączone. Otwórz `/config`, znajdź wiersz „Dynamic workflows” i włącz tę opcję. W planach Max, Team i Enterprise są już włączone.
3. ### Utwórz pierwszy worktree
W głównym katalogu projektu uruchom `git worktree add ../-experiment `. Otwórz drugie okno terminala w tym katalogu. Uruchom `claude`.
4. ### Dodaj wspólną listę zadań
Użyj **jednej bezwzględnej ścieżki poza wszystkimi worktree**. `tasks.md` w każdym worktree jest osobnym plikiem i nie synchronizuje się automatycznie. Tylko sesja prowadząca zapisuje listę; wykonawcy czytają i raportują.
Utwórz katalog i listę raz:
```bash
mkdir -p "$HOME/projects/my-app-coordination"
printf '%s\n' '# Tasks' '- Auth: assigned to the auth worktree' '- Billing: assigned to the billing worktree' > "$HOME/projects/my-app-coordination/tasks.md"
```
Pierwszy terminal:
```bash
cd "$HOME/projects/my-app-auth"
printf 'Shared task list: %s\n' "$HOME/projects/my-app-coordination/tasks.md"
claude
```
Drugi terminal:
```bash
cd "$HOME/projects/my-app-billing"
printf 'Shared task list: %s\n' "$HOME/projects/my-app-coordination/tasks.md"
claude
```
Obu agentom daj **tę samą rozwiniętą bezwzględną ścieżkę wypisaną powyżej**: „Przeczytaj tę współdzieloną listę. Pracuj tylko nad przydzielonym zadaniem i plikami. Nie edytuj listy; raportuj ukończenie i blokady prowadzącemu, który ją aktualizuje”. Przed startem sprawdź, że obaj mogą czytać dokładny plik; rozstrzygnij prośbę o uprawnienie dla tej ścieżki. Lista koordynuje statusy, a kod pozostaje w osobnych worktree.
5. ### Pracuj w ten sposób przez tydzień
Nie instaluj od razu graficznego narzędzia pomocniczego. Przez tydzień pracuj ręcznie z dwoma worktrees. Zobaczysz, czego brakuje, a potem wybierzesz narzędzie, aby rozwiązać konkretny problem.
6. ### Dopiero wtedy włącz \`/effort ultracode\`
Wybierz jedno zadanie, na przykład „znajdź wszystkie endpointy API bez kontroli uwierzytelniania w src/routes/”. Włącz `/effort ultracode`. Zobacz, jaki workflow napisze Claude, ile będzie kosztować i jaki da wynik. To twój pierwszy Dynamic Workflow.
## Co dalej: pamięć między sesjami, Code Review, Multi-Agent v2
Najważniejsze informacje
Podstawowa konfiguracja multi-agent obsługuje 80% zadań. Trzy kolejne funkcje na horyzoncie to Managed Agents z Dreaming (pamięć między sesjami), Code Review wykonywane przez zespół agentów przy każdym PR oraz Multi-Agent Orchestration v2 w Claude Agent SDK. Wszystkie pozostają w fazie research preview lub public beta albo zostały zapowiedziane z ograniczonym dostępem.
Oto, co pojawiło się w maju i czerwcu 2026 roku oraz dokąd zmierza multi-agent w Claude Code.
**Managed Agents z Dreaming.** Udostępnione 6 maja 2026 roku na Code with Claude. Zaplanowany proces odczytuje transkrypcje wcześniejszych sesji agenta, identyfikuje powtarzające się wzorce i aktualizuje jego pamięć. W firmie AI zajmującej się prawem, Harvey, ukończenie zadań wzrosło sześciokrotnie właśnie po wdrożeniu Dreaming. Funkcja nadal znajduje się w fazie research preview.
**Outcomes jako funkcja Managed Agents.** Opisane powyżej. Dostępne przez Claude Agent SDK, nie bezpośrednio z CLI Claude Code. Ten sam wzorzec możesz już teraz zastosować ręcznie, używając grader subagent.
**Multi-Agent Orchestration v2 w Claude Agent SDK.** Agent prowadzący sam deleguje zadania subagents, korzystając ze wspólnego systemu plików. To krok od „ręcznie uruchom N subagents” do „opisz zadanie, a agent prowadzący sam zdecyduje, komu i co delegować”. Jeśli dopiero uczysz się subagents, na razie nie przejmuj się wersją v2. Opanuj klasyczny wzorzec — „jeden główny agent + 3–5 subagents z określonymi rolami” — a do v2 przejdziesz naturalnie za 3–6 miesięcy.
**Code Review wykonywane przez zespół agentów.** Podczas Code with Claude Anthropic zapowiedział automatyczny przegląd kodu po otwarciu PR. Zespół agentów AI równolegle sprawdza diff, szuka błędów, weryfikuje ustalenia nawzajem i szereguje je według powagi. Funkcja jest dostępna w planach Team i Enterprise, ale jeszcze nie w Pro.
**Plugin Marketplace.** Uruchomiono 23 maja 2026 roku w wersjach v2.1.128-136. Niektóre wtyczki z marketplace to gotowe konfiguracje multi-agent (parallel-review, security-audit, migration-helper). Możesz je zainstalować poleceniem `/plugin install @claude-plugins-official` i sprawdzić, jak zostały zbudowane — to dobry sposób na naukę tworzenia własnych.
Multi-agent w Claude Code nadal przypomina zestaw prymitywów o różnym poziomie dojrzałości. Subagents i git worktree są stabilne, sprawdzone i działają wszędzie. Agent teams są półautomatyczne, półręczne. Dynamic Workflows pozostają w fazie research preview i szybko się zmieniają. Managed Agents v2 są dostępne tylko dla firm. Dlatego przez najbliższy rok optymalna konfiguracja dla vibe codera nie będzie oznaczać **najnowszego wydania**, lecz minimalny zestaw potrzebny do konkretnego zadania. Dwa worktrees i jeden grader subagent wystarczą na miesiąc intensywnej pracy. Dodawaj złożoność dopiero wtedy, gdy zaczniesz odczuwać ograniczenia.
## Praktyczna konfiguracja do vibe codingu
Najważniejsze informacje
Konfiguracja multi-agent działa tylko wtedy, gdy opiera się na świadomym projektowaniu kontekstu. Bez niego każda równoległa orkiestracja zmienia się w antywzorzec „50 agentów robiących bzdury”.
### Źródła
- [Anthropic - Orchestrate subagents at scale with dynamic workflows (oficjalna dokumentacja)](https://code.claude.com/docs/en/workflows)
- [Anthropic - Introducing Dynamic Workflows in Claude Code](https://claude.com/blog/introducing-dynamic-workflows-in-claude-code)
- [Anthropic Cookbook - Outcomes: agents that verify their own work](https://platform.claude.com/cookbook/managed-agents-cma-verify-with-outcome-grader)
- [Anthropic - New in Claude Managed Agents (Dreaming, Outcomes, Multi-Agent v2)](https://claude.com/blog/new-in-claude-managed-agents)
- [Claude Code - Run agents in parallel (dokumentacja subagents i agent teams)](https://code.claude.com/docs/en/agents)
Więcej materiałów i narzędzi: [Ailoot](https://ailoot.ai/).
## Pytania i odpowiedzi
### Dlaczego dwa worktree pokazują różne tasks.md?
Każde ma własne pliki. Umieść listę koordynacji pod jedną bezwzględną ścieżką poza oboma, podaj identyczną rozwiniętą ścieżkę obu agentom i sprawdź odczyt przed startem.
### Kto powinien aktualizować współdzieloną listę?
Wyznacz jedną sesję prowadzącą jako jedynego zapisującego. Wykonawcy czytają listę, edytują tylko przydzielone pliki swojego worktree i raportują wyniki lub blokady; samo współdzielenie ścieżki nie zapobiega równoczesnym zapisom.
## Ailoot · Firma i jej portfel projektów
Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI.
Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach.
Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.