Your Site Name

（6）Subagent：给活干不完的模型派分身

2026年10年23日 · 1793 字

分类:AI
标签:
智能体

写在前面

链二还剩最后一块。前面五篇讲的都是"一个 agent 怎么把活干好"，但有些活天生不是一个人干得完的。

最典型的是理解一个陌生的大仓库：几十万行代码，要把相关的部分都看一遍。一个上下文装不下，串行看又太慢。生产系统给出的答案是 subagent：主 agent 派出分身，各自带独立上下文去干活，干完把结论带回来。

这篇讲 subagent 到底解决什么问题、11 家系统各自怎么编排，以及一个反直觉的事实。

一个 Agent 为什么干不完：仓库太大、探索要并行

subagent 解决的核心问题是上下文，不是算力

先纠正一个直觉。很多人以为派分身是为了"快"（并行），其实第一性收益是隔离。

探索一个仓库会产生海量的中间产物：读了几百个文件、搜了几十次字符串、走过一堆死胡同。这些过程如果全发生在主对话里，主上下文瞬间被污染，真正重要的任务状态反而被稀释了（链一讲过的信噪比问题）。subagent 的做法是让分身在自己的上下文里随便折腾，折腾完只回传一份摘要。脏活在分身那里，干净的结果回到主线。

主 Agent 派遣分身：各自带独立上下文探索，干完交摘要

并行的加速是真实存在的红利，但它是第二位的。判断该不该用 subagent，先问上下文会不会被污染，再问要不要快。

上下文隔离：脏活留在分身，主线保持清晰

IMPORTANT: subagent 的本质是上下文的分治：过程留在分身，结论回到主线。这与链一是同一条经济学，只是换了执行者。

六种编排形态

11 家系统的实现摆在一起，论文归纳出六种形态，从简到繁：

11 家系统，六种编排形态：并列的分类学，不是演化史

  1. 单 agent：不派分身（Mini-SWE-Agent、Aider，pi 的核心也是）；
  2. 顺序委派：一个 task 工具，派一个分身，等它干完拿结果（Mistral Vibe）；
  3. 并行子会话：多个分身并发跑，各带各的历史（OpenHands、OpenCode）；
  4. 线程树：分身还能派分身，形成一棵树，继承多少历史可配置（Codex）；
  5. 递归组合：任意 agent 无限嵌套地生成子 agent，父级冻结的系统提示词原样传给子级，共享缓存（Claude Code）；
  6. 注册表加协议：agent 定义成命名资源，跨进程、跨机器调用（Gemini CLI、OpenClaw）。

要说明：这六种是并列的分类学，不是演化史。没有哪家是从第一种一步步升级到第六种的，它们是同一批需求在不同产品约束下的不同取舍。

协调者-工人是趋同进化

六种形态是按"怎么派活"（派生机制和拓扑）分的，换个维度看"谁说了算"，还有一个角色模式反复出现：一个主 agent 负责拆解分派，若干工人各领一块，这就是协调者-工人。它不属于六种之一，而是横切的形状，顺序委派、并行子会话、线程树、递归组合都能长出它。

论文的观察：四家厂商自家的系统（Claude Code、Codex、Gemini CLI、Mistral Vibe），加上 OpenHands、Hermes、OpenCode，代码库各自独立开发，最后都收敛到同一个分层形状：一个主 agent 负责拆解和分派，若干工人 agent 各领一块。

Anthropic 自己的多智能体研究系统给过量化数据：协调者加并行工人的架构，在他们内部评测里比单 agent 基线提升了 90.2%。但这个数字要带两个限定：一是对照基线是单次对话，不是优化过的单 agent 流水线；二是消耗约 15 倍 token。

还有一个使用场景的限定，来自同一篇研究：编程任务里真正可并行的部分，比研究类任务少。所以实际系统里，多智能体主要用在广度探索阶段（并行搜代码、并行查资料），实现阶段大多还是收回到单线程。为并行而并行，只会拿到 15 倍的账单，拿不到 90% 的提升。

协调者-工人：七家独立开发，收敛到同一个分层形状

反直觉的事实：管分身不用协议

最后这个事实值得单独一节。

小红书和博客圈聊多智能体，常听到"用 MCP、A2A 把 agent 连起来"。但论文的发现是：所有系统管自家分身，用的都是进程内原语，没有一家用标准协议。跨进程的个别案例（pi 用 JSONL 管道，Hermes 的蜂群用 SQLite 当黑板），用的也不是标准协议，是更朴素的东西。

协议去哪了？对外。ACP（Agent Client Protocol）最常见的角色是让编辑器驱动 agent，就像驱动语言服务器；比较新的用法是一个 harness 把别家 harness 当可替换的后端跑（OpenHands 可以把 Claude Code、Codex 当插件调用）。跨厂商的 A2A（Agent-to-Agent，让不同厂商的 agent 互相发现、协作的协议），11 家里只有 Gemini CLI 一家实现，需求尚未被验证。

一句话总结：对内，进程内调用最简单直接；对外，协议才有网络效应。分身不是网络，是手脚。

管分身不用协议：对内进程内原语，协议只对外

pi 里的 subagent

pi 又一次是个好标本：它的核心里压根没有 subagent，分身是官方给的一个扩展示例，约一千行代码。每次派活就是启动一个独立的 pi 进程，跑完把 JSONL 输出流解析回来，支持单个、并行池、链式三种用法。

进程级隔离，最彻底的分身边界，实现却最朴素。这很 pi。

pi 的 subagent：进程级隔离，约一千行代码的扩展示例

写在最后

链二到此收尾：文本变动作、接口即成绩、工具按需加载、生态靠协议、重活派分身。行动的可靠性，这一整条链都是在回答"模型怎么把活干好"。

但效率的每一分提升，都在给下一篇文章交学费。分身能跑起来，意味着失控的规模也变大了。下一篇进链三：自主性需要约束，从 AutoGPT 的公开翻车讲起。

从单体到分身协作：效率上台阶，下一篇给自主性上锁

参考资料

0 次阅读