要点小结

面向经管学生、研究者与从业者的 AI 智能体设计教材

本章梳理了子代理的完整工作流。

8.1 从单智能体到多智能体：单个智能体受制于上下文窗口有限、任务切换成本高和串行执行效率低三项结构性限制。子代理通过任务分解、并行执行和专业化分工缓解这些问题。Anthropic 的实测数据显示，多智能体系统在研究评估中比单智能体高出 90.2%，其中 token 使用量解释了 80% 的性能差异。但多智能体的 token 消耗约为普通任务的 15 倍，适合高价值场景。

8.2 子代理的创建与配置：Claude Code 提供三种创建方式：/agents 命令交互式创建（推荐）、手动编写 .claude/agents/ 目录下的 agent.md 文件、--agents CLI 标志动态定义。agent.md 支持 14 个配置字段，覆盖模型选择、工具控制、权限模式等维度。存储位置决定可见范围：项目级纳入版本控制，用户级跨项目复用，CLI 临时定义仅限当前会话。模型选择应与任务难度匹配。

8.3 任务分派与输入输出设计：好的任务提示词应包含明确目标、上下文信息、输出格式约定和约束条件。委派时避免模糊指令，要把目标、来源、格式、路径以及职责边界写清楚。投入规模应与任务复杂度匹配：简单查询不需要子代理，深度研究才值得拉起多个。File Handoff 是本章最关键的实践原则，子代理将详细结果保存到文件，只返回状态摘要。

8.4 子代理的进阶配置：agent.md 的进阶字段支持更精细的控制。skills 字段为子代理预加载特定 Skill，mcpServers 字段提供独立的 MCP 工具作用域，memory 字段支持三种作用域的持久记忆。hooks 字段可在子代理内部定义自动化约束，isolation: worktree 则为并行任务提供 Git Worktree 级别的文件隔离。

8.5 并行执行与结果集成：识别独立任务是并行执行的前提，并行分析多家公司的财务报表就是典型应用。两层并行（主代理层面并行启动子代理 + 子代理内部并行调用工具）可将复杂任务耗时降低最多 90%。整合结果时需要统一格式、做横向对比；出现分析冲突时，可以采用投票制、加权制或留存制。高风险判断里，留存分歧往往比强行统一更稳妥。

8.6 设计模式与常见误区：三种核心模式分别是协调者 - 执行者、评估者 - 优化者和交接模式，对应并行分工、迭代打磨和流水线传递。需要避免的反模式包括过度生成子代理、上下文爆炸、无限循环、子代理之间过度协调以及为不存在的信息无休止搜索。评估多子代理系统时，应尽早做小规模评估（20 题通常已够）、善用 LLM 做评委，并注意涌现行为。

8.7-8.8 案例：两个经济金融场景从头到尾跑了一遍子代理的创建、分派与结果集成——三家车企财务数据并行分析，以及三大经济体 PMI 数据采集与对比。

子代理解决的是怎样把复杂任务稳定地拆给多个专注的执行者。 掌握这项能力之后，Skill 就可以进一步升级，不再只是一组静态指令，而是一个能在内部编排多个子代理的调度中心，完成多阶段、多维度的工作流。