什么时候才需要 Subagent？
教学案例：登录超时根因不明时，可以让一个只读 Subagent 查调用链，另一个只读 Subagent 检查失败测试；但两个 Agent 同时改同一文件，通常只会制造冲突。
Subagent 的价值来自任务可独立拆分、上下文需要隔离，或并行能明显缩短等待。主 Agent 仍负责授权、预算、冲突处理和最终验证。
多 Agent 会增加用量和汇总成本，所以先把单 Agent 跑好，再用同一任务比较是否真的更快、更稳。
主 Agent 需要决定拆什么、给多少上下文、如何避免资源冲突、何时汇总、如何处理结论分歧。协调成本可能超过并行收益。
什么时候并行调查，什么时候必须回到一个主任务？
登录超时任务先拆成三个互不写文件的调查分支；主 Agent 等证据汇合后只修改一次，再由独立复核者（Reviewer）检查改动对比和测试。
三个分支都不能修改文件，也不能扩大任务范围。
固定失败用例、运行命令与错误时间。
定位客户端超时、服务端配置与相关文件。
列出必须通过的测试和公开 API 约束。
证据不一致时不拼接答案；先补查，再只修改批准的两个文件。
未通过则返回主任务，不能由子任务自行宣布完成。
先画依赖，再决定并行
把任务写成节点和依赖：调用链调查与测试失败分析可以并行；修改方案必须等待两者结果；写代码只能由主 Agent 执行。这个有向依赖图就是简化的 DAG。
每个子任务需要明确输入快照、可用工具、输出格式、完成标准和停止条件。隔离上下文可以减少噪声，也意味着主 Agent 必须主动提供必要背景。
汇总不是拼接，而是验证
多个 Agent 结论冲突时，汇总器要比较证据、来源和任务条件，必要时请求独立 Reviewer 找反例。多数票不能替代事实。
衡量多 Agent 要同时看实际等待时间、总成本、工具冲突、结论质量和汇总负担。并行更快但成本更高，也可能不符合产品目标。
只有三类瓶颈值得先考虑多 Agent
第一，当前上下文被某个子任务污染，需要隔离；第二，多个子任务相互独立，可以真正并行；第三，工具和领域差异足够大，专业化能显著减少误选。其他情况下，先把单 Agent 的上下文、工具和指令做好。
是否采用多 Agent 是实验结论，不是架构审美。用同一任务比较单 Agent 与多 Agent 的质量、墙钟时间、总 Token、失败点和人工汇总成本，达不到预先门槛就不增加复杂度。
实现对照 · DeepSeek Harness
一个 Agent 可以把任务交给另一套 Agent。
固定版本的 Codex 后端会为自包含任务创建新的临时线程，运行一个轮次，再返回最终答案或有限诊断。它并不会把子系统所有工具活动与原始过程复制回父会话。更换子任务后端因此会改变上下文、控制权和证据边界。
产品判断：先定义委派合同，再决定用多个 Agent。
固定源码观察 · 核验 2026-09-11。业务迁移为本站分析。
本课术语，放回情境理解
- Subagent
- 在主任务下承担明确子任务、拥有受限上下文和工具的 Agent 实例。
- Orchestrator
- 负责拆分任务、调度依赖、分配资源并汇总结果的编排者。
- DAG
- 用节点和有向依赖表示哪些任务可并行、哪些必须按顺序完成。
- 输出契约
- 对子任务返回格式、证据、完成标准和失败语义的约定。
- 墙钟时间
- 从用户开始等待到整体任务结束的实际时间，与所有 Agent 消耗时间之和不同。
本课依据与证据边界
正文引用对应下面的具体结论。厂商资料、固定版本实现与本站解释分别标识。
- [1]
Anthropic 文档公开说明 Claude Code 的自定义 Subagent、独立上下文与工具配置；这是 Claude Code 产品案例。
官方事实ANCreate custom subagents官方文档 · 核验 2026-07-14 - [2]
Anthropic 建议从简单可组合模式出发，只有复杂性带来可证明收益时再增加 Agent 编排。
官方事实ANBuilding effective agents官方工程文章 · 核验 2026-07-14 - [3]
Google Research 的实验显示，多 Agent 在其可并行任务上可能增益明显，在严格串行任务上反而下降 39%–70%；这些数字只适用于该研究任务与架构。
独立研究GOTowards a science of scaling agent systems官方研究 · 核验 2026-07-14 - [4]
Anthropic 将上下文隔离、可并行任务和有效专业化列为多 Agent 的三类主要收益，并披露其测试中多 Agent 通常使用 3–10 倍 Token；该数字只适用于其测试设置。
官方事实CLBuilding multi-agent systems: When and how to use them官方工程文章 · 核验 2026-07-14 - [5]
Claude Code 官方把 Dynamic Workflows 描述为动态编排、并行 Subagent、独立复核和可恢复进度的产品能力，并明确提醒用量会显著增加。
官方事实CLIntroducing dynamic workflows in Claude Code官方工程文章 · 核验 2026-07-14 - [6]
本站的 DAG、只读调查和 Reviewer 流程是跨产品教学推演。
本站推演ANCreate custom subagents官方文档 · 核验 2026-07-14
按需查阅的原始材料
- DeepSeek Harness：子任务、提供方与生命周期 ↗DeepSeek · 核验 2026-09-11
- Building effective agents ↗Anthropic · 核验 2026-07-23
- Effective context engineering for AI agents ↗Anthropic · 核验 2026-07-23
- Hooks reference ↗Anthropic · 核验 2026-07-11
- Connect Claude Code to tools via MCP ↗Anthropic · 核验 2026-07-23
- Create custom subagents ↗Anthropic · 核验 2026-07-23
- A practical guide to building agents ↗OpenAI · 核验 2026-07-23
- Grok Build is Now Open Source ↗xAI · 核验 2026-07-16
- Grok Build repository map（固定提交） ↗xAI · 核验 2026-07-23
- Hermes Agent async delegation and turn finalization ↗Nous Research · 核验 2026-07-23
- How we built our multi-agent research system ↗Anthropic · 核验 2026-07-23
- A harness for every task: dynamic workflows in Claude Code ↗Claude by Anthropic · 核验 2026-07-23
- Towards a Science of Scaling Agent Systems ↗Google Research · 核验 2026-07-14