在一个单一的 Claude Code 会话中，同时调度 6 个 AI 智能体并行工作，38 秒内完成 SaaS 平台全栈认证系统的数据库架构设计，同时同步推进 REST 接口开发、JWT 鉴权体系搭建、前端登录模块落地、全局状态管理封装、全链路测试用例编写 —— 这不是科幻电影里的未来开发场景，而是 Claude Code 实验性功能 Agent Teams 带来的、当下即可落地的研发范式革命。
一、Agent Teams：从单 AI 提示词到 AI 团队 orchestration
长久以来，基于大模型的 AI 编码工具始终困在「单会话串行执行」的框架里：开发者需要在一个对话窗口中，用提示词一步步引导 AI 完成任务，从数据库 schema 到 API 接口，从前端组件到测试用例，所有工作都必须线性推进。一旦项目涉及全栈跨层的复杂需求，不仅会出现严重的上下文过载、信息遗忘问题，更会因为串行执行的特性，让研发效率被严重制约。
而 Claude Code 推出的实验性功能 Agent Teams，彻底打破了这一桎梏。它的核心逻辑，是让开发者从「给单个 AI 写提示词的执行者」，转变为「管理 AI 研发团队的技术负责人」—— 你只需要定义业务目标、角色分工与验收标准，系统会自动将主会话升级为团队负责人（Team Lead），并 spawn 出多个独立的 Claude Code 实例作为团队成员，各司其职、并行协作，甚至可以自主完成跨角色的信息同步与任务调度。
开启这一功能的方式极其简单，仅需在项目的 settings.json 中添加一行环境变量配置即可：
{ "env": { "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1" } }
配置完成后，你只需要用自然语言给出团队构建指令，比如：
"Create an agent team — one on schemas, one on routes, one on components, one on tests."
系统便会自动完成团队的搭建与任务的分发，开启并行研发模式。本文开头的截图，正是这一功能的真实落地场景：在 saas-platform 项目的 auth-system 特性分支中，团队负责人拆分出 6 个核心角色，其中 DB Architect 已经完成了 Prisma schema 设计、数据迁移与种子数据搭建，其余 5 个角色（API Builder、Auth Engineer、Frontend Lead、State Manager、Test Architect）同时处于运行状态，后台同步调度集成测试验证与 OpenAPI 文档生成智能体，整个流程仅耗时 38 秒。
二、Agent Teams 的核心运作机制
Agent Teams 的能力，建立在「团队负责人统筹 + 成员自主协作」的双层架构之上，既保证了研发目标的一致性，又赋予了 AI 团队足够的自组织能力，彻底区别于传统的单会话编码模式。
1. 团队负责人（Team Lead）：目标拆解与结果合成的核心
当你开启 Agent Teams 后，当前的主会话会自动升级为团队负责人，它承担着技术管理者的核心职责，是整个研发流程的中枢：
- 任务拆解与角色定义：基于开发者的自然语言需求，将复杂的全栈项目拆分为可并行执行的子任务，并为每个子任务定义清晰的角色边界与工作范围。比如全栈认证系统的需求，会被拆解为数据库架构、API 接口、鉴权体系、前端开发、状态管理、测试覆盖 6 个核心模块，每个模块对应一个专属的 AI 角色。
- 团队实例化与任务分配：为每个角色 spawn 一个完整的、独立的 Claude Code 实例，通过共享任务列表为每个实例分配专属工作，确保每个 AI 成员都有明确的工作目标，不会出现职责重叠或工作盲区。
- 全局进度管控与结果合成：实时监控所有团队成员的工作进度，当所有成员完成任务后，会将分散的代码、文档、配置进行统一合成，形成完整的、可运行的项目交付物；同时也会在研发过程中，处理成员之间的协作冲突，调整任务优先级。
2. 团队成员（Teammate）：独立执行与自主协作的执行单元
每个被 spawn 的团队成员，都是一个完整的 Claude Code 实例，而非简单的子会话或子代理，这是 Agent Teams 能力的核心基础。每个成员都具备以下核心能力：
