深度理解 Subagent(子代理)——让 AI 更聪明、更高效地分工协作

在现代 AI 工作流中,我们越来越多地从“单一助手”转向多智能体协同工作的模式。这其中一个核心概念就是 Subagent(子代理),它让大型语言模型能像一个团队一样分工协作。

下面我们介绍 Subagent 的原理、三种不同平台上的实现(Claude Code、Cursor、VS Code Copilot),以及它们的异同对比。

什么是 Subagent?

Subagent(子代理)是由一个“主代理”在特定条件下自动创建出来的独立 AI 单元,专注处理特定子任务。它与主对话会话分离,有自己的上下文、系统提示、工具权限和工作流程。

核心价值在于解决两个问题:

  1. 上下文污染:主对话上下文容易被大量细节/中间思考信息刷屏。Subagent 保持隔离上下文,只把最终结果返回主线程。
  2. 任务分工:不同技能的子任务由专门子代理处理,类似把工作交给“专家”。

比喻一下,传统 Chat 就像一个多面手独自搞定所有事情,而 Subagent 架构则像一个由多个专家组成的小团队,各自分工合作。

Subagent 的技术特点(通用)

虽然不同平台具体实现不同,但 Subagent 通常具有以下技术特性:

1. 独立上下文

每个子代理维护自己的上下文,不会污染主代理的会话历史。

2. 自定义系统提示

可以为某个任务特别优化子代理的行为,例如“代码评审专家”、“深度搜索助手”等。

3. 工具权限控制

主代理可以限制 Subagent 可用的工具(读/写、搜索、终端命令等),增强安全性与准确性。

4. 并行/分布式工作

部分实现支持同时启动多个 Subagent 并行完成不同子任务,提高整体效率。

典型用例示例

  • 代码库探索:快速查找与分析仓库文件结构或内容。
  • 任务规划:在做整体计划前,由子代理进行代码库研究和背景调查。
  • 复杂操作代办:主任务拆解成多个子步骤,每个子代理独立运行。

分平台介绍

下面详细看看你提供的三个官方实现细节与理念。

Claude Code 的 Subagents(官方)

Claude Code 提供了 Subagent 机制,允许用户定义“专门的 AI 子助手”。这些子代理:

  • 独立运行于自己的上下文窗口
  • 拥有自定义的系统提示、可用工具和权限;
  • 可通过描述自动在合适时机调用,或者在 prompt 中明确指定。

内置 Subagents(Claude Code)

Claude Code 官方文档列举了几个预设的内置 Subagent:

  • Explore:用于代码库探索与只读搜索,使用快速模型(Haiku),不会执行写操作。
  • Plan:计划阶段的辅助研究者,用于收集上下文信息。
  • general-purpose:通用子代理,具有所有工具权限,可执行复杂操作。

此外还有一些辅助功能代理,比如 Bash 子代理用于运行终端命令。

自定义 Subagents

你可以通过以下两种方式创建自定义 Subagents:

  1. 交互式命令/agents 在 IDE/CLI 中创建;
  2. 手动创建 Markdown + YAML 文件 配置 Subagent 参数。

这些文件定义了 Subagent 的名字、描述、模型、可用工具和系统行为。

Cursor 的 Subagents

Cursor 也支持 Subagent 概念(例如在 2.4 版本中引入),并提供文档说明其核心用途:

Subagents 用于将复杂任务拆分成可并行执行的部分,并在主会话中保留清晰上下文。

与 Claude Code 类似,Cursor 的 Subagents:

  • 作为独立 AI 实例运行;
  • 支持隔离上下文;
  • 能自定义 prompt、模型、工具权限;
  • 可以并行启动多个子代理工作。

(注意:某些社区讨论指出 Cursor 当前在某些构建/工具权限集成上还有一些问题,例如 Task 工具暂不可用)。

VS Code Experimental Subagents

Visual Studio Code 在 1.107 版本中引入了一项实验性功能 “Run agents as subagents”。虽然官方页面内容更长,这里重点整理:

  • Subagents 可以在 VS Code 的 Copilot Chat 会话中启动;
  • 它们运行于独立上下文环境;
  • 可以绑定不同的 agent 配置来加强针对特定任务的表现;
  • 当前仍被标记为实验性支持

在 VS Code 的扩展和实验文档中也有提到 #runSubagent 用法,它允许你在 prompt 里请求子代理执行指定任务。

Subagent 之间的对比

下面是对这三种常见 Subagent 实现的对比总结:

方面Claude CodeCursorVS Code (Copilot)
是否支持隔离上下文
可自定义系统提示实验性
并行启动多个 Subagent支持实验性/部分支持
工具访问权限控制✅(细粒度)有但可能存在限需要手动启用
自动根据任务匹配调用支持支持主要手动触发
当前成熟度中等(新功能)早期实验支持

总结

Subagent 是现代 AI 体系里一个非常重要的模式,它通过 分工协作、隔离上下文、自动调度 等手段提升长流程任务的效率与代码清晰度。Claude Code、Cursor 和 VS Code 都在支持 Subagent,但成熟度和特性有所不同:

  • Claude Code 的 Subagents 更成熟、配置细粒度高;
  • Cursor 的实现专注于并行子任务和更丰富的定制可能;
  • VS Code 将 Subagent 以实验性支持带入编辑器体验。

参考资料

https://code.claude.com/docs/en/sub-agents#explore
https://cursor.com/docs/context/subagents
https://code.visualstudio.com/updates/v1_107#_run-agents-as-subagents-experimental

Read more

一文读懂AI语言模型

一文读懂AI语言模型

引言 人工智能(Artificial Intelligence, AI)作为当今科技领域最炙手可热的方向之一,正以前所未有的速度改变着社会的方方面面。特别是在自然语言处理(Natural Language Processing, NLP)领域,AI语言模型的发展尤为显著。所谓AI语言模型,简单来说,就是通过计算机模拟人类语言的理解与生成能力的系统,从而使计算机能够“听懂”我们说的话,甚至能“对话”与“写作”。这不仅极大地推动了搜索引擎、智能助理、自动翻译等应用的发展,也催生了诸如ChatGPT、BERT、GPT系列等广受关注的先进模型。这篇长文将从AI语言模型的发展历程、核心技术原理、典型模型解析、训练与应用、未来趋势等多个维度,帮助你全方位深入理解AI语言模型。 文章包含具体代码示例,帮助你更直观地理解模型的工作机制,方便实际动手实验。文章内容结构清晰,力求详尽全面,适合希望系统理解AI语言模型的技术爱好者、学生、研究人员和从业者阅读。 文章目录 * 引言 * 1. AI语言模型概述 * 什么是AI语言模型? * 语言模型的作用

OpenClaw 飞书机器人配置教程|一键对接飞书,实现聊天下达 AI 指令

OpenClaw 飞书机器人配置教程|一键对接飞书,实现聊天下达 AI 指令

适配版本:OpenClaw v2.3.12/v2.4.1(小龙虾)前置要求:已部署 OpenClaw Windows 端(Win10/Win11 均可),未部署可先下载一键部署包完成安装核心效果:配置完成后,可在飞书聊天窗口直接向机器人发送自然语言指令,OpenClaw 自动拆解任务、操控电脑完成操作,实现飞书远程下达 AI 任务 📌 OpenClaw Windows 一键部署包下载地址🔗 OpenClaw Windows 一键部署包 v2.3.12✅ 免配置、免命令行、解压即用,内置所有运行依赖,部署完成后再进行飞书配置即可 (此教程配合这个安装包使用) 一、配置前必看 1. 需拥有飞书账号,个人 / 企业账号均可,企业账号需确保有应用开发权限 2. OpenClaw

PyTorch生成式人工智能实战:从零打造创意引擎

PyTorch生成式人工智能实战:从零打造创意引擎

PyTorch生成式人工智能实战:从零打造创意引擎 * 0. 前言 * 1. 生成式人工智能 * 1.1 生成式人工智能简介 * 1.2 生成式人工智能技术 * 2. Python 与 PyTorch * 2.1 Python 编程语言 * 2.2 PyTorch 深度学习库 * 3. 生成对抗网络 * 3.1 生成对抗网络概述 * 3.2 生成对抗网络应用 * 4. Transformer * 4.1 注意力机制 * 4.2 Transformer 架构 * 4.3 多模态 Transformer 和预训练大语言模型 * 5. 专栏目标 * 小结 * 系列链接

【保姆级教程】爆火开源项目 Next AI Draw.io 上手指南:一句话画流程图

【保姆级教程】爆火开源项目 Next AI Draw.io 上手指南:一句话画流程图

目录 一、部署方式选择说明(先看这个) 二、部署前准备(非常重要) 三、方式一:Docker 一行命令启动(最推荐) 四、方式二:源码本地运行(适合二次开发) 五、配置API_Key 六、案例展示 七、写到最后 最近一个开源项目 Next AI Draw.io 在 GitHub 上迅速走红,只需要一句自然语言,就能自动生成流程图、架构图,甚至是完整的 AWS / GCP / Azure 云架构示意图,引发了不少开发者和产品经理的关注。它将大模型能力与 draw.io 深度结合,把“画图”这件原本又慢又累的事情,直接变成了“对话即出图”,无论是技术方案梳理、