為什麼重要
子代理解決了長時間代理任務的主要瓶頸:上下文視窗。搜尋一個程式碼庫或閱讀二十個網頁可能產生幾十萬個 token,其中大部分事後都無關緊要。如果這些全都落進主代理的上下文,品質會下降(上下文腐化),成本會上升。子代理吸收了這些雜亂的內容,只回傳幾百個 token 的結論。
它們還讓平行工作成為可能。包括 Anthropic、OpenAI 和 Google 在內的深度研究產品,都使用一個主代理同時派出多個搜尋子代理。Claude Code 這樣的程式編寫代理則用子代理來探索程式碼、做程式碼審查和執行測試。
深度解析
子代理是由另一個代理啟動、用來接手一部分工作的代理。主代理(常被稱為編排者或 lead)寫一份任務說明,描述這個子任務。子代理隨後用自己全新的上下文視窗、自己的工具,有時還是不同的模型來完成它,然後發回一份簡短的報告。主代理永遠看不到子代理的中間步驟,只看到結果。
可以想像一位首席研究員讓三位助理各自閱讀一摞不同的檔案,然後帶著一頁紙的摘要回來。閱讀在別處進行,首席研究員則始終專注於全局。
三個好處
- 上下文隔離:每個子代理都從乾淨的狀態開始,並把自己的工具輸出擋在主代理的上下文之外。
- 平行:相互獨立的子任務同時執行,縮短實際耗時。
- 專門化:子代理可以有自己的系統提示、受限的工具集,或者用更便宜、更快的模型來處理簡單工作。
代價
子代理不是免費的。Anthropic 報告稱,它的多代理研究系統使用的 token 大約是普通聊天的 15 倍,同時在內部的研究評估中比單個代理高出約 90%。對於有價值的寬泛問題,這很值得;對於簡單問題,這就是浪費。
第二個代價是上下文丟失。子代理只知道任務說明裡寫的東西。它不知道使用者之前說過什麼,哪些已經被排除,也不知道其他子代理在做什麼。而主代理只看到摘要,看不到證據,所以子代理的錯誤回傳時,聽起來和正確的發現一樣自信。
第三個是決策衝突。Devin 背後的公司 Cognition 在 2025 年一篇廣為流傳、題為「Don't Build Multi-Agents」的文章中指出,平行的代理各寫同一樣東西的不同部分時,會做出互不相容的選擇,因為每個代理依據的假設是其他代理看不到的。
什麼時候適用
子代理最適合範圍廣、以閱讀為主、可以拆分的任務:做研究、搜尋大型程式碼庫、審查大量檔案、用全新的眼光檢查一個結果。當子任務緊密耦合時(比如多個代理編輯同一段程式碼),或者任務小到一個上下文就夠用時,它們就不合適。一條常見的規則是:把讀平行化,把寫留在一處。
寫好任務說明
任務說明就是子代理的整個世界,所以要像給一位能幹的外包人員做交接那樣來寫:
- 說明目標以及它為什麼重要,而不只是要做的動作。
- 說明哪些已經知道、哪些已經排除。
- 劃定範圍,並說明何時停止。
- 指定答案的格式,並要求給出來源或檔案路徑,以便查核結果。
含糊的任務說明是最常見的失敗原因。一句「研究一下半導體短缺」會讓三個子代理跑去做同樣的搜尋。
子代理與多代理系統
子代理是多代理系統中的一種模式:一個層級結構,由一個代理分派任務,而工作者之間互不交流。其他模式則涉及以對等身分進行談判、辯論或協作的代理,有時還透過 A2A 這樣的協定跨公司進行。編排者-工作者模式應用最廣,因為它最容易理解和把握。