Sub-Agent 的瓶颈在哪

用过 Sub-Agent 的人应该都踩过这几个坑：

  • 通信困难：不同 Sub-Agent 之间基本没法直接对话，想同步进度得额外维护一个 md 文件
  • 沟通浅层：Sub-Agent 之间只能做很表面的信息交换，深度协作基本不可能
  • 上下文污染：虽然 Sub-Agent 已经脱离主对话了，但结果摘要返回时还是会带回一部分上下文，挤占空间

这些限制决定了 Sub-Agent 只能处理一些相对独立的复合型任务。真正复杂度高、需要多模块协调的项目，它就力不从心了。

Agent Team 到底是什么

一句话概括：

Agent Teams = 多个独立的AI大脑 + 实时内部通信 + 共享任务看板 + AI项目经理统筹

它的协作流程其实就是模拟了一个真实的项目团队：

  1. 你描述需求，Main Agent（队长）理解并拆解为多个子任务
  2. 队长创建队友，每个队友被分配到具体的子任务
  3. 队友并行工作，各自在独立的上下文窗口中推进
  4. 队友之间可以直接通过 Mailbox 系统互相沟通
  5. 任务依赖自动管理——如果任务C依赖任务A的结果，C会自动等A完成
  6. 队长汇总所有成果，向你交付

这里有个关键设计：每个队友都有独立的上下文窗口。队友A写了什么，队友B不会自动看到，必须通过 Mailbox 显式共享。好处是每个 Agent 的"大脑"不会被无关信息塞满，能专注在自己的核心任务上。

跟 Sub-Agent 到底怎么选

我自己总结了几个最关键的区别：

生命周期：Sub-Agent 是一次性的，做完即销毁；Team Agent 持久运行，可以反复接收新指令。

通信能力：Sub-Agent 之间没有直接通讯能力；Team Agent 可以直接互相发消息。

协作模式：Sub-Agent 是星型拓扑，主 Agent 是唯一调度中心；Team Agent 是网状拓扑，队友可以自行认领共享任务列表里的任务。

用户可达性：Sub-Agent 用户看不到也摸不到；Team Agent 用户可以直接和任意队友对话。

打个比方——Sub-Agent 就像你同时在三个外卖App上点了三份餐，三个骑手各送各的，互不认识，最后都只向你汇报。Agent Team 则像你组了一个装修项目组，设计师、施工队长、采购员围在一起，设计师出了图直接递给施工队长，施工队长发现材料有问题马上找采购员沟通。

简单判断法则：

  • 子任务之间需要互相沟通吗？需要就用 Agent Team，不需要就用 Sub-Agent
  • 任务复杂度高吗？1-2个独立子任务用 Sub-Agent，3个以上需要协调的子任务用 Agent Team
  • 预算紧张且任务简单？Sub-Agent 更省钱

实战：用 Agent Team 做产品 Go-To-Market 材料

这个功能用起来其实不复杂，不需要写代码，自然语言就行。以 Windows 环境为例。

第一步：开启功能

Agent Team 目前还是实验性功能，默认关闭，需要手动打开。

临时启动：在启动 Claude Code 前设置环境变量即可。

永久启动（推荐）：找到 ~\.claude\settings.json 文件，没有就新建，写入对应配置并保存。

第二步：下达组队指令

在 Claude Code 里用自然语言描述你的需求，比如让它组建一个包含竞品分析师、文案策划、市场策略师的团队，去完成一个产品的 Go-To-Market 材料准备。

第三步：看团队自动协作

输入完之后基本就是看着它自己跑了：

  • Claude 自动成为队长，生成3个独立队友
  • 队长为团队创建任务清单（To-Do List）
  • 竞品分析师率先开工，搜索资料、整理对比表格
  • 文案策划同步起步，用已有产品信息开始写草稿框架
  • 队长查看各队友内容，进行评价和沟通，信息自动流转
  • 全部完成后队长整理所有文件，输出一份交付清单

我实际跑了一遍，输出质量说实话不比 Manus 差。特别是 Claude 4.6 支持 1M 上下文之后，只要提示词写得够精确，结果相当能打。

一个真正震撼的案例：16个 Agent 并行构建C编译器

这个案例来自 Anthropic 的安全研究员 Nicholas Carlini。他用 Agent Teams 指挥了16个 Claude 实例并行工作，从零构建了一个能编译真实C程序的编译器——最终超过10万行代码，通过了数百个测试用例。

具体做法是把编译器的不同模块（词法分析器、语法解析器、类型检查器、代码生成器等）分配给不同的 Agent 队友。这些队友并行开发各自模块，通过 Mailbox 系统协调接口定义和数据格式。当词法分析器队友完成并定义好 Token 格式后，语法解析器队友会立即收到通知并基于该格式开始工作。

这个案例证明了几件事：Agent Team 能处理真正的工程级复杂任务；并行协作的效率提升是实打实的；AI之间的自主协调能力——定义接口、解决冲突、保持代码风格一致——已经到了一个很惊人的水平。

写在最后

我觉得 Agent Team 代表的是一个很明确的趋势：我们跟AI的交互方式正在从"使用工具"变成"管理团队"。以前是你亲自干活，AI帮你加速；现在是你定义目标、分配角色，然后让一支AI团队去执行。

当然它目前还有不少限制——不支持会话恢复、不支持嵌套团队、费用也不低。但对于一人公司来说，这个方向的意义太大了：你一个人就能调度一支完整的项目团队，处理以前需要好几个人协作才能完成的复杂任务。

建议现在就去试试，打开终端，设好环境变量，从一个你手头正在做的实际项目开始，给 Agent Team 一个真实的复杂任务跑一下，感受会比读任何文章都直接。