第 8 章 子代理的创建与编排

作者：李学恒、林建浩、严翊歆

本文节选自《经济金融智能体：入门与实战》。该书正在编写修订中，面向经管学生、金融从业者和对 AI 智能体感兴趣的任何大众读者，教你用 Claude Code / Opencode / Codex 等工具来设计和管理 AI 智能体系统。全书覆盖从环境搭建、Skills和子代理等智能体基础概念、到业务和科研应用案例的完整路径，敬请关注。

本章核心概念速查

Skill 解决的是单任务复用。子代理解决的是分工、并行和整合。 当一项工作需要多个执行者在独立上下文中分别完成任务，再把结果汇总到一起时，单个 Skill 就不够了。

这一章围绕子代理（subagents）回答五个问题：为什么要创建子代理，怎么创建子代理，任务怎么拆给子代理，子代理的边界怎么划，主代理与子代理之间怎么高效传递信息而不浪费上下文窗口。

8.1 从单智能体到多智能体

在日常使用中，一个 Claude Code 智能体已经能处理很多工作。但任务复杂到一定程度后，单个智能体的表现会明显下降。原因主要有三点：

• • 上下文窗口有限：所有中间结果堆在同一个窗口里，窗口占满后前面的信息会被压缩甚至丢失
• • 任务切换成本高：不同任务的信息会互相干扰，产生上下文污染（Context Contamination）
• • 串行执行效率低：分析三家公司的财务报表只能逐一进行，但三家公司的分析彼此并无依赖

子代理不是为了把任务拆得更碎，而是为了拆得更稳。 主代理负责分派目标和整合结果，子代理负责在独立上下文里完成各自的工作。这样既能并行推进，也能减少不同子任务之间的相互干扰。

多智能体的实证效果与成本

Anthropic 在 2025 年公开了多智能体研究系统的实测数据。在 BrowseComp 基准测试中，token 使用量解释了 80% 的性能差异。多智能体的核心优势，是让系统能在同一问题上投入更多 token 和更多并行搜索。

以 Claude Opus 做主代理、Claude Sonnet 做子代理的配置，在内部研究评估中比单个 Claude Opus 高出 90.2%。模型本身的升级也会放大 token 的使用效率——从 Sonnet 3.7 升到 Sonnet 4 带来的提升，比单纯把 token 预算翻倍还大。

多智能体系统的 token 消耗远高于单智能体。Anthropic 的数据显示，普通智能体任务大约消耗聊天的 4 倍 token，多智能体系统约为 15 倍。从经济性看，多智能体更适合任务价值足够高、值得为更高质量付费的场景。

并非所有任务都适合拆成多智能体。以下场景目前更适合单智能体处理：

成本意识

在金融分析场景中，分析一家上市公司的年报可能就要消耗数万 token。如果同时分析十家公司，多智能体的开销会迅速增长。决定是否采用多智能体之前，先评估任务价值是否匹配成本。

子代理的核心特征

子代理（Subagent）是由主代理按需生成的独立智能体实例，具有四个核心特征：

子代理和传统的函数调用（Function Call）都能完成特定工作，但本质区别在于：函数调用是确定性的，给定输入就会得到固定输出；子代理具有自主性，给定目标后可以自行决定使用什么工具、采用什么顺序，以及如何处理意外情况。任务一旦涉及判断、选择和适应，子代理通常更合适。

知识卡片

独立上下文是子代理最关键的特性。 主代理发起子代理时，子代理会获得新的上下文空间，其中只有任务指令和必要信息。这种隔离既能减少无关信息干扰，也能避免主代理被子任务细节占满。

Claude Code 自带一组内置子代理，主代理会在合适的时机自动调用它们：

除了内置子代理，你还可以通过 agent.md 文件创建自定义子代理，配置专属的系统提示词、工具权限和 Skills。

一个直观的例子

假设你要分析贵州茅台、比亚迪和宁德时代三家公司的最新财务报表，并生成一份对比报告。

单智能体方式：一个智能体依次分析三家公司，所有财务数据、计算过程和分析结论都堆积在同一个上下文窗口中。到第三家公司时，前两家的关键数据就可能被遗漏。

多子代理方式：主代理把任务拆成四个环节，三个子代理分别负责一家公司的财务分析，最后由主代理整合三份报告并生成对比结果。三个分析子代理可以同时运行，各自在独立上下文中专注分析。

请创建 3 个财务分析子代理，并行分析贵州茅台、比亚迪和宁德时代三家公司的最新年报。主代理职责：- 只负责创建子代理、跟踪进度和整合结果- 不自己展开单家公司分析- 待 3 个子代理全部完成后，读取各自输出文件并生成横向对比报告子代理 1：负责贵州茅台子代理 2：负责比亚迪子代理 3：负责宁德时代每个子代理都要：- 只分析自己负责的公司- 计算盈利能力、偿债能力和运营效率指标- 将结果保存到 `output/{股票代码}-analysis.md`- 只返回一句状态摘要，不返回完整分析内容最终由主代理生成 `output/comparison-report.md`。

这类写法把子代理数量、职责和主代理边界都说清楚了，主代理只做调度和整合。主代理保留干净上下文，最后只做整合。

8.2 子代理的创建与配置

Claude Code 提供三种创建子代理的方式。三者各有适用场景，下表概览：

使用 /agents 命令创建

/agents 是管理子代理最直接的入口。在 Claude Code 对话中输入 /agents，会打开一个交互式界面，支持查看、创建、编辑和删除子代理。

创建流程分 8 步：

1. 1. 运行 /agents，选择 Create new agent
2. 2. 选择存储位置：Project（.claude/agents/，仅当前项目）或 Personal（~/.claude/agents/，所有项目可用）
3. 3. 选择 Generate with Claude，用自然语言描述子代理的用途
4. 4. 选择工具权限：只读工具 或 全部工具
5. 5. 选择运行模型：Sonnet / Opus / Haiku
6. 6. 选择背景颜色（用于在界面中区分不同子代理）
7. 7. 配置记忆：User scope / Project scope / None
8. 8. 按 s 或 Enter 保存，或按 e 在编辑器中打开微调

以创建一个财报分析师子代理为例：

/agents→ Create new agent → Project→ Generate with Claude描述：A financial statement analyzer that reads annual reports,calculates profitability ratios (gross margin, net margin, ROE),solvency ratios, and operating efficiency metrics.It should cross-validate figures and flag anomalies above 20%.→ 选择工具：Read-only tools + Bash(python *)→ 选择模型：Sonnet→ 选择颜色：蓝色→ 记忆：Project scope→ 按 s 保存

Claude 会根据描述自动生成 name、description 和系统提示词，保存为 .claude/agents/financial-analyzer.md。保存后子代理立即可用，不需要重启会话。

命令行快速查看

在终端运行 claude agents（注意没有斜杠），可以在不启动交互会话的情况下列出所有已配置的子代理，按来源分组显示，并标注同名时哪个处于活跃状态。

手动编写 agent.md 文件

对于需要精确控制每个配置字段的场景，可以直接在 .claude/agents/ 或 ~/.claude/agents/ 目录下创建 Markdown 文件。文件格式是 YAML frontmatter + Markdown 正文，frontmatter 定义元数据和配置，正文就是子代理的系统提示词。

以财报分析师为例：

---name: financial-analyzerdescription: >  Analyzes financial statements and calculates key ratios.  Use when the user asks to analyze financial reports,  calculate financial ratios, or evaluate company  financial health.model: sonnettools:  - Read  - Grep  - Bash(python *)memory: project---## 角色定位你是一位财务报表分析专家。## 核心职责1. 提取三大财务报表关键指标2. 计算盈利能力（毛利率、净利率、ROE）、偿债能力（资产负债率、流动比率）和运营效率（总资产周转率）3. 进行同比/环比分析，识别异常波动4. 将分析结果保存到指定路径## 输出格式分析结果以 Markdown 表格形式呈现，包含：- 指标名称、当期值、上期值、同比变化- 异常指标的文字说明- 整体财务健康评估## 质量标准- 所有数值交叉验证（资产 = 负债 + 所有者权益）- 计算保留两位小数- 异常波动（>20%）必须标注并给出可能原因

子代理只接收 agent.md 中的系统提示词和基本环境信息（如工作目录），不会继承主对话的完整系统提示。但它会自动遵循项目的 CLAUDE.md 规则。

手动添加的文件需要重启会话才能加载，或者运行 /agents 立即刷新。

关于 description 字段

description 是 Claude 决定是否委派任务的核心依据。写法上建议用英文，清晰描述该子代理处理什么类型的任务、在什么场景下应该被调用。模糊的描述会导致委派不准确，过于宽泛的描述会导致不该触发时也触发。

完整字段参考

以下是 agent.md frontmatter 支持的全部字段。只有 name 和 description 是必填的，其余均为选填。

工具控制：白名单与黑名单

白名单方式（tools） 明确列出子代理可以使用的工具，未列出的一律不可用：

tools: Read, Grep, Glob, Bash

黑名单方式（disallowedTools） 从继承的工具集中排除特定工具，其余照常使用：

disallowedTools: Write, Edit

这种写法适合只需禁止写操作的场景，比列举所有允许的工具更简洁。如果两者同时设置，Claude Code 先应用 disallowedTools 移除黑名单中的工具，再从剩余工具中解析 tools 白名单。

工具权限的最小化原则

如果子代理的任务只需要读取文件和搜索代码，就不要给它写入权限。工具权限越少，误操作风险越低。一个常见做法是先用只读权限测试，确认需要写入时再放开。

–agents CLI 标志与存储优先级

--agents 标志允许在启动 Claude Code 时通过 JSON 临时定义子代理，仅在当前会话有效，不会写入磁盘。适用于快速测试或自动化脚本：

claude --agents '{  "earnings-checker": {    "description": "Validates earnings data extraction",    "prompt": "你是财报数据校验专家。检查提取的财务数据是否与原始报表一致。",    "tools": ["Read", "Grep", "Bash"],    "model": "haiku"  }}'

子代理的存储位置决定了可见范围和优先级。当多个位置存在同名子代理时，高优先级的生效：

模型选择策略

不同任务对模型能力的需求不同，合理选择可以在质量和成本之间取得平衡：

模型选择不是越强越好，而是要和任务难度匹配。一个常用做法是先用 sonnet 测试，输出质量不足时再切换到 opus。

模型选择技巧

金融数据提取（从年报中抽取特定数值）用 haiku 即可。财务指标的趋势分析和异常识别适合 sonnet。综合多维度数据做投资建议或撰写深度分析报告时，考虑用 opus。

8.3 任务分派与输入输出设计

任务要说清楚，信息要传对，输出要约定好。

调用子代理的三种方式

Claude Code 提供三种不同粒度的子代理调用方式：

自然语言调用是最常见的方式。在提示词中提到子代理的名称或描述其职责，Claude 会根据已有子代理的 description 字段判断是否委派：

用 financial-analyst 子代理分析贵州茅台的盈利能力

@ mention 提供了更强的控制力。输入 @ 后从 typeahead 列表中选择子代理，可以确保指定的子代理一定会被调用：

@"financial-analyst (agent)" 分析贵州茅台 2024 年三项盈利能力指标

如果子代理名称不含空格，可以直接手动输入 @financial-analyst；含空格时必须用引号包裹。

--agent 会话级运行将整个 Claude Code 会话替换为该子代理的系统提示词、工具限制和模型配置。适合把某个专属子代理作为独立工作台使用。

子代理每次调用都会创建新实例。如果需要继续已完成的子代理的工作，Claude 可以通过 SendMessage 工具向已完成的子代理发送新消息，子代理自动在后台恢复运行，保留之前所有的工具调用记录和推理过程。

任务提示词的写作要领

子代理收到的提示词会直接影响执行质量。一个好的任务提示词包含四个要素：

一个完整的任务提示词示例：

请创建 1 个财务分析子代理，专门分析贵州茅台 2024 年度财务报表的盈利能力。主代理职责：- 只负责发起子代理和接收状态摘要- 不自己展开财务指标计算输入数据：data/maotai-2024.csv参考说明：data/financial-metrics-guide.md 中有指标定义子代理任务：1. 计算毛利率、净利率、ROE 三项指标2. 与 2023 年数据对比，计算同比变化3. 对异常波动（变化超过 20%）给出可能原因输出要求：- 将完整分析报告保存到 output/maotai-profitability.md- 报告包含数据表格和文字分析- 数值保留两位小数- 完成后只返回一句话摘要说明结果

委派精确度

好的委派应把五个要素写清楚：清晰目标、输出格式、工具建议、来源范围和任务边界。对比两种写法：❌ 分析一下新能源行业；✅ 从 Wind 数据库提取 2024 年国内前五大新能源车企的季度营收数据，计算同比增长率，结果保存为 JSON 到 temp/ev-revenue.json。精确度越高，执行质量越稳定。

文件化信息传递策略

File Handoff 是使用子代理时最重要的实践原则。 核心思想：子代理将结果保存到文件，只返回简短摘要。

子代理返回的内容都会进入主代理的上下文窗口。如果三个子代理各自返回一份 3000 字的分析报告，主代理就要额外承载 9000 字内容，这部分空间本应用于决策和整合。

核心原则：保护主代理的上下文

主代理的上下文窗口最稀缺。 子代理应把详细结果保存到文件中，只向主代理返回状态摘要，例如：分析完成，报告已保存到 output/maotai-profitability.md，ROE 为 25.3%，同比下降 2.1 个百分点。

文件化传递分三个环节：

1. 1. 输入文件：将任务说明和参考资料写入指定路径，让子代理自行读取，而不是把大段文本塞进 prompt
2. 2. 输出文件：要求子代理将结果保存到约定路径（如 output/maotai-profitability.md）
3. 3. 状态摘要：子代理完成后只返回 1-2 句话的摘要

这种有意识地管理信息去向的做法，就是上下文工程（Context Engineering）的核心思想。每次决定一条信息该放进 prompt 还是写入文件，本质上都在做上下文工程的决策。

投入规模与任务复杂度匹配

智能体不擅长自己判断一项任务该花多大力气。Anthropic 的做法是直接在提示词里规定投入规模：

任务类型	子代理数量	金融场景举例
简单事实查询	不需要子代理	查询某只股票的最新收盘价
对比分析	2-4 个	对比三家公司的盈利能力指标
深度研究	5 个以上	行业深度报告、跨市场投资策略

输入输出的标准化设计

当多个子代理协作时，标准化的输入输出格式可以减少出错和返工。

JSON 结构化数据适合传递数值型结果：

{  "company": "贵州茅台",  "period": "2024年度",  "metrics": {    "profitability": {      "gross_margin": 0.915,      "net_margin": 0.482,      "roe": 0.253    }  },  "anomalies": [    { "metric": "roe", "change": -0.021, "note": "受投资收益下降影响" }  ]}

Markdown 文档适合人类直接阅读的报告。先约定统一的文档结构，可以让不同子代理生成的报告保持一致：

# [公司名] [年度] 财务分析报告## 概要[2-3 句话的核心结论]## 数据表| 指标 | 当期值 | 上期值 | 同比变化 ||------|-------|-------|---------|## 分析[文字分析]

约定输出路径的命名规则

建议采用 {任务类型}/{公司代码}-{分析维度}-{日期}.{格式} 的命名方式，例如 output/600519-profitability-20240331.md。统一的命名规则让主代理和后续流程能自动定位结果文件。

8.4 子代理的进阶配置

基础的 name、description、tools、model 四个字段已经能覆盖大部分场景。当子代理需要调用特定 Skill、积累跨会话知识或在后台并行运行时，就需要用到进阶配置字段。

以下是三个进阶字段的功能概览：

Skills 预加载

子代理不继承主对话中已匹配的 Skills。如果子代理需要遵循某个 Skill 的指令，必须在 frontmatter 的 skills 字段中显式列出。列出后，Skill 的完整内容会在子代理启动时注入其上下文。

---name: report-writerdescription: 撰写行业研报初稿，遵循团队研报模板和文献引用规范model: opustools: Read, Write, Edit, Grep, Glob, Bashskills:  - report-template  - paper-lookup---你是研报撰写子代理。按照预加载的研报模板组织内容结构，使用 /paper-lookup 检索和引用学术文献。将初稿保存到 output/ 目录，只返回状态摘要。

Skills 预加载 vs Skill 的 context: fork

两者底层机制相同，区别在于控制权。skills 字段由子代理的 agent.md 控制，子代理定义自己需要哪些 Skill；context: fork 由 Skill 的 SKILL.md 控制，Skill 定义自己应该运行在哪个子代理中。根据管理偏好选择其中一种，避免两边重复配置。

持久记忆

默认情况下，子代理的知识随会话结束而消失。memory 字段让子代理拥有跨会话的持久目录。三种作用域：

启用后，子代理的行为会发生三个变化：系统提示中自动注入记忆目录下 MEMORY.md 的前 200 行；Read、Write、Edit 工具自动启用；当 MEMORY.md 超过 200 行时，子代理会收到整理提示。

随着使用次数增加，子代理会逐步积累对特定领域的认知。这些知识在无状态子代理中每次都需要从头建立。

记忆管理

官方推荐以 project 为默认作用域。记忆目录不会自动清理，建议在子代理的系统提示中加入整理指令。project 作用域的记忆会被提交到版本控制，注意不要在其中写入敏感信息。

后台运行

子代理默认在前台运行，阻塞主对话直到完成。设置 background: true 后，子代理在后台运行，主对话可以继续处理其他事务。

后台运行的权限机制

后台子代理无法中断你的工作来提问权限，所以 Claude Code 会在启动前一次性询问所有可能需要的权限。启动后，已批准的自动通过，未批准的自动拒绝。运行中的前台子代理也可以按 Ctrl+B 随时切换到后台。

8.5 并行执行与结果集成

能并行的前提，不是任务多，而是任务彼此独立。

识别独立任务

并行执行的前提是任务之间相互独立——一个任务的输出不被另一个任务所需要。判断方法：如果去掉任何一个任务，其他任务仍然能正常执行，这些任务就是独立的。

并行分派与两层并行

在 Claude Code 中，并行分派通常是在一条指令中同时描述多个独立任务：

请创建 3 个财务分析子代理，并行分析以下三家公司的 2024 年度财务报表：1. 贵州茅台（600519）- 数据文件 data/600519-2024.csv2. 比亚迪（002594）- 数据文件 data/002594-2024.csv3. 宁德时代（300750）- 数据文件 data/300750-2024.csv主代理职责：- 只负责创建这 3 个子代理、等待完成并整合结果每个子代理的分析内容相同：- 计算盈利能力（毛利率、净利率、ROE）- 计算偿债能力（资产负债率、流动比率）- 计算运营效率（总资产周转率）- 只写入 `output/{股票代码}-financial-analysis.md`- 只返回一句状态摘要

仅在主代理层面做并行，有时还不够快。Anthropic 把并行拆成两层：第一层，主代理同时拉起多个子代理，每个负责一个研究方向；第二层，每个子代理内部也并行发起多个工具调用。这种做法让复杂研究任务的耗时最多降低了 90%。

两层并行示例：新能源行业深度研究第一层并行（主代理调度）：├── 子代理 1：负责比亚迪├── 子代理 2：负责宁德时代└── 子代理 3：负责理想汽车第二层并行（每个子代理内部）：子代理 1 同时发起：├── 搜索 `比亚迪 2024 年报 盈利`├── 搜索 `比亚迪 海外市场 销量`└── 搜索 `比亚迪 电池技术 专利`

启用两层并行

在给子代理的任务提示词中加一句：如果多个搜索之间互不依赖，请在同一轮中并行发起。这样可以鼓励子代理利用并行工具调用能力。

结果收集与整合

子代理完成后，主代理需要收集结果并完成整合。整合时主代理做三件事：统一格式（确保指标名称和计算口径一致）、横向对比（将相同指标放在一起比较）、综合判断（基于对比结果给出整体评估）。

# 三家公司财务对比报告（2024 年度）## 关键指标对比| 指标 | 贵州茅台 | 比亚迪 | 宁德时代 ||------|---------|-------|---------|| 毛利率 | 91.5% | 21.3% | 26.8% || 净利率 | 49.2% | 5.2% | 12.1% || ROE | 25.3% | 18.7% | 16.2% || 资产负债率 | 22.1% | 77.4% | 65.3% |

处理结果冲突

当多个子代理的分析结果出现矛盾时，有三种常见处理策略：

• • 投票制：多个子代理从不同角度分析同一问题，以多数结论为准。适用于判断类任务
• • 加权制：根据子代理的专业领域赋予不同权重。财务分析师的盈利能力评估权重高于市场分析师
• • 留存制：保留所有分析结果，标注来源和分歧点，交给人类决策者判断

金融分析中的冲突处理

在金融分析场景中，不同分析维度得出相反结论并不少见，例如基本面优秀但估值偏高。这不一定是错误，更可能反映了市场的复杂性。高风险决策里，留存分歧往往比强行统一更稳妥。

8.6 设计模式与常见误区

在子代理的实际应用中，已经形成了几种常见设计模式。设计模式的价值，不在命名，而在少走弯路。

协调者-执行者模式

协调者-执行者（Orchestrator-Workers）是最常见的多子代理模式。主代理作为协调者，负责拆分任务、分派工作和整合结果；多个子代理作为执行者，各自完成分配的子任务。

主代理（协调者）├── 拆分任务├── 分派给子代理├── 收集结果└── 整合报告子代理 A（执行者）→ 盈利能力分析子代理 B（执行者）→ 偿债能力分析子代理 C（执行者）→ 运营效率分析

适用场景：任务可以自然拆分为多个独立的子任务，每个子任务的执行方法相似但输入不同。

金融应用：多公司对比分析、多市场数据采集、多维度风险评估。

评估者-优化者模式

评估者-优化者（Evaluator-Optimizer）模式中，一个子代理负责生成初稿，另一个负责评估并提出改进建议。两者交替工作，逐步提升输出质量。

循环流程：生成者子代理 → 产出初稿评估者子代理 → 审查并反馈生成者子代理 → 根据反馈修改评估者子代理 → 再次审查... （直到质量达标或达到最大轮次）

适用场景：对输出质量有严格要求，需要多轮打磨才能达标。

金融应用：研究报告撰写（分析师写初稿、合规团队审查）、投资建议生成（策略组产出、风控组评估）。

知识卡片

没有停止条件的优化，不是打磨，而是空转。 常见做法是设置最大迭代次数，通常为 2-3 轮，或定义可量化的通过标准。

交接模式

交接（Handoff）模式中，子代理之间按流水线方式传递任务。上游子代理的输出是下游子代理的输入，每个子代理完成一个阶段的工作后交给下一个。

子代理 A（数据采集）    → 输出 temp/raw-data.json        → 子代理 B（指标计算）            → 输出 temp/calculated-ratios.json                → 子代理 C（报告撰写）                    → 输出 output/final-report.md

适用场景：任务由多个有依赖关系的阶段组成，每个阶段需要不同的专业能力。

金融应用：从年报 PDF 提取数据，再进行清洗和计算，最后生成分析报告。这三个阶段分别需要文档解析、数值计算和文本撰写能力。

交接模式和协调者 – 执行者模式的区别在于，前者是串行推进，后者通常用于并行分工。选择哪种模式，取决于子任务之间是否存在依赖关系。

隔离高频操作模式

子代理最直接的用途之一，是把产生大量输出的操作隔离到独立上下文中。运行测试套件、抓取网页文档、处理日志文件，这些操作的原始输出可能占据数千 token，但你真正需要的往往只是几行摘要。

用子代理运行完整的测试套件，只报告失败的测试及其错误信息

把这类操作委派给子代理后，冗长的原始输出留在子代理的上下文里，主对话只收到精炼的结果。这对金融数据处理场景尤其有用：批量解析上百份公告、清洗大规模交易日志、跑回测报告，都适合用这种方式隔离。

链式子代理模式

对于多步骤工作流，可以让主代理按顺序调用多个子代理，前一个子代理的输出作为后一个的输入上下文。

先用 code-reviewer 子代理找出性能问题，然后用 optimizer 子代理修复这些问题

在 CLAUDE.md 中定义工作流步骤，主代理会按顺序依次创建子代理执行。每个子代理完成后将结果返回主代理，主代理再把相关上下文传给下一个。

这种模式适合需要多种专业能力接力完成的任务：先用数据采集子代理获取财报，再用分析子代理计算指标，最后用写作子代理生成报告。与交接模式的区别在于，链式子代理由主代理显式编排调用顺序，而交接模式更强调通过文件系统自动串联。

何时委派给子代理

不是所有任务都适合交给子代理。官方文档给出了明确的选择指南：

适合在主对话中完成的任务：

• • 需要频繁来回沟通或迭代调整的工作
• • 多个阶段共享大量上下文（规划 → 实现 → 测试属于同一流程）
• • 你需要全程监控每一步的执行

适合委派给子代理的任务：

• • 有大量探索或搜索操作（避免污染主对话上下文）
• • 可以并行处理的独立工作
• • 需要限制特定工具权限或执行模式
• • 任务本身自成体系，能以摘要形式返回结果

快速判断

如果一个任务的完整输出你并不需要看到，只需要知道结论，那它就适合交给子代理。反过来，如果你需要在执行过程中随时调整方向，就留在主对话里做。

还有两个容易混淆的替代方案：如果你想要可复用的提示词或工作流、但不需要隔离上下文，用 Skills 更合适；如果只是对当前对话中已有内容提一个快速问题，可以用 /btw 命令（”by the way”的缩写）——它能看到完整上下文但不调用任何工具，回答也不会写入对话历史，是最轻量的一次性询问方式。

禁用特定子代理

如果需要阻止某个子代理被调用，可以在 settings.json 的 permissions.deny 中添加 "Agent(subagent-name)"，或在启动时传入 --disallowedTools "Agent(name)"。

反模式警示

以下做法在实践中被证明效果不佳：

过度生成子代理

将每个微小步骤都交给独立的子代理处理，会导致子代理数量膨胀。创建和协调子代理本身有成本，当子任务过于简单时，如读取一个文件、转换一个格式，直接在主代理中执行更高效。

只有真正消耗上下文、或能并行推进的任务，才值得拆成子代理。

上下文爆炸

让子代理返回完整分析结果而不是状态摘要，会让大量内容回流到主代理的上下文里，导致上下文窗口被迅速占满。这是上下文工程中最常见的失误：没有在信息流入主代理之前做好过滤。解决方法很直接，严格执行文件化传递策略，把详细结果写入文件，只返回 1-2 句话的摘要。

无限循环

在评估者-优化者模式中，没有设置停止条件，两个子代理反复迭代，永远达不到完美状态。

解决方法：设置最大迭代次数，并定义可衡量的通过标准。

子代理之间过度协调

Anthropic 在早期版本中遇到过一个问题：多个子代理之间频繁互相更新状态，结果互相拖慢。子代理之间每多一层通信，延迟和出错概率都会增加。 设计原则是让子代理各自独立完成任务，通过文件系统交换结果，而不是在运行中互相等待。

为不存在的信息无休止搜索

子代理有时会对一条不存在的数据反复搜索，换不同关键词尝试，消耗大量 token 却没有结果。Anthropic 的做法是在提示词中设置搜索轮次上限：如果连续 3 次搜索都没有找到目标信息，就停下来报告未找到，而不是继续尝试。在金融数据采集中，这种情况尤其常见：某些非上市公司或早年数据根本不在公开数据库里，子代理需要学会及时止损。

设计检查清单

在设计多子代理工作流时，用这份清单确认每个关键环节：

评估多子代理系统

多智能体系统不像传统程序那样总会走同一条路径。面对同一个输入，不同子代理可能查不同数量的来源、走不同路线，但最终都给出合理答案。所以评估的重点不是检查每一步是否按预设执行，而是看最终结果对不对、过程是否合理。

Anthropic 在构建多智能体研究系统时总结了三条评估经验：

尽早做小规模评估

在早期阶段，很多提示词调整的效果很大，可能一下把成功率从 30% 拉到 80%。这时候不需要上百题的大型测试集，20 个能代表真实使用场景的问题，往往已经足够判断改动有没有效果。

用 LLM 做评委

研究类产出通常是自由文本，很难用规则程序判断质量。Anthropic 用另一个 LLM 作为评委，根据评分标准检查事实准确性、引用准确性、完整性和来源质量。

在金融分析场景中，可以让一个独立的评估子代理检查分析报告：数据是否正确引用、计算是否交叉验证、结论是否有依据支撑。

注意涌现行为

多智能体系统会出现涌现行为：主代理的提示词稍做修改，所有子代理的行为都可能一起变化。最好的提示词不是一连串死命令，而是清楚的协作框架、分工方式和质量标准。

知识卡片

涌现行为（Emergent Behavior）指系统整体表现出单个组件不具备的行为特征。在多智能体系统中，主代理的一个小改动可能通过任务分派链路放大，导致所有子代理的行为模式同时偏移。这不一定是坏事，但需要通过评估来监控。

从简单开始

设计多子代理系统时，可以先从 2 个子代理开始验证核心流程，确认正常后再逐步增加。一次性构建包含十余个子代理的复杂系统，调试成本会很高。

8.7 案例一：三家车企财务数据并行分析

场景：你正在做一份新能源汽车行业横向对比分析，需要同时处理比亚迪（002594）、蔚来（NIO）、理想汽车（LI）三家公司的最新财务数据。逐家手动分析太慢，改用子代理并行处理会快得多。

项目目录

ev-comparison-202603/├── data/│   ├── 002594_比亚迪_2025Q4.csv│   ├── NIO_蔚来_2025Q4.csv│   └── LI_理想_2025Q4.csv├── output/                       # 各子代理的分析结果│   ├── 002594_analysis.md│   ├── NIO_analysis.md│   ├── LI_analysis.md│   └── comparison_summary.md     # 主代理汇总的横向对比└── CLAUDE.md

data/ 存放三家公司的原始财务数据，每个文件对应一家。output/ 是所有产出的统一出口，子代理各自写入单家分析，主代理最后写入汇总对比。

配置文件

CLAUDE.md 的重点是约束子代理的分工方式和输出规范。

## 项目新能源汽车行业 2025Q4 横向财务对比分析。## 目录约定- data/：三家车企的原始财务数据，只读不改- output/：所有分析结果写入此目录## 子代理分工- 每家公司的分析由独立子代理完成- 子代理直接将结果保存到 output/{股票代码}_analysis.md，只返回状态摘要- 主代理负责汇总对比，不自己做单家分析## 分析维度（四项统一）- 营收增速（同比）- 毛利率- 研发费用占比- 经营性现金流净额## 输出格式每份单家分析包含：- 四项指标的数据表格（数值保留两位小数）- 每项指标的简要解读（1-2 句）- 异常指标标注（同比变化超过 30%）

这份规则文件做了两件关键的事：一是把分析维度固定为四项，确保三个子代理的产出口径一致；二是明确子代理只保存文件、只返回摘要。统一口径和摘要回传，是并行分析能稳定落地的前提。

用户操作

项目目录和规则文件就绪后，在 Claude Code 中用一条指令启动并行分析。

请创建 3 个财务分析子代理，并行处理 `data/` 目录下的三家车企数据。主代理职责：- 只负责创建子代理、等待完成和汇总结果- 不自己做单家公司分析子代理 A：只负责比亚迪，对应 `data/002594_比亚迪_2025Q4.csv`子代理 B：只负责蔚来，对应 `data/NIO_蔚来_2025Q4.csv`子代理 C：只负责理想汽车，对应 `data/LI_理想_2025Q4.csv`每个子代理都必须：- 只读取自己负责公司的 CSV 数据文件- 分析四个维度：营收增速、毛利率、研发费用占比、经营性现金流- 将分析结果保存到 `output/{股票代码}_analysis.md`- 只返回完成状态，不返回完整内容3 个子代理全部完成后，主代理再汇总三家公司的指标，生成横向对比表格，写入 `output/comparison_summary.md`。

这条指令把主代理职责、子代理数量和文件边界都写明了。三个子代理会在独立上下文中读取各自的数据文件、完成四项指标分析并保存结果；全部完成后，主代理再读取三份报告并整合为横向对比表格。

三家公司的分析互不依赖时，并行就是最直接的提速方式。 主代理只做调度和汇总，子代理各自处理单家公司，整体流程就更稳。并行执行只需等待最慢的那个完成，每个子代理也都能在独立上下文中专注工作，主代理的上下文负担也更轻。

统一分析口径

对比分析的维度必须在 CLAUDE.md 中提前约定。如果三个子代理各自决定分析哪些指标，产出的表格列名和计算口径可能不一致，主代理整合时就需要额外的格式对齐工作。本案例把分析维度固定为四项，正是为了避免这个问题。

8.8 案例二：三大经济体 PMI 数据采集与对比

场景：你在准备一份全球宏观经济月度简报，需要同时采集中国、美国、欧元区三大经济体的制造业 PMI（Purchasing Managers’ Index，采购经理指数）数据，并生成横向对比。三个经济体的数据来源和格式各不相同，很适合用子代理分头处理。

项目目录

pmi-monitor-202603/├── sources/│   ├── china_caixin_pmi.csv        # 财新中国制造业 PMI│   ├── us_ism_pmi.csv              # ISM 美国制造业 PMI│   └── eu_markit_pmi.csv           # S&P Global 欧元区制造业 PMI├── output/│   ├── china_pmi_brief.md│   ├── us_pmi_brief.md│   ├── eu_pmi_brief.md│   └── global_pmi_comparison.md    # 主代理汇总├── .claude/│   └── agents/│       └── pmi-analyst.md          # 子代理配置└── CLAUDE.md

sources/ 存放三个经济体的 PMI 原始数据。每个子代理读取一份文件，产出写入 output/。

配置文件

.claude/agents/pmi-analyst.md 定义了通用的 PMI 分析子代理。主代理调度时，只需通过任务描述指定具体经济体。

---name: pmi-analystdescription: 分析单个经济体的制造业 PMI 数据，输出月度简报model: sonnettools:  - Read  - Write---你是一个宏观经济数据分析助手。## 任务读取指定经济体的 PMI 数据文件，完成以下分析：- 最新月份 PMI 数值及荣枯线判断（50 为分界）- 近 6 个月趋势（上行/下行/震荡）- 关键分项指标：新订单、产出、就业- 与上月对比的边际变化## 输出要求- 保存到 output/{经济体}_pmi_brief.md- 数值保留一位小数- 只返回完成状态和 PMI 读数，不返回完整报告

用户操作

请创建 3 个 `pmi-analyst` 子代理，并行分析 `sources/` 目录下的 PMI 数据。主代理职责：- 只负责创建子代理、等待完成和整合结果- 不自己展开单个经济体的 PMI 分析子代理 A：只负责中国，读取 `sources/china_caixin_pmi.csv`子代理 B：只负责美国，读取 `sources/us_ism_pmi.csv`子代理 C：只负责欧元区，读取 `sources/eu_markit_pmi.csv`每个子代理都必须：- 只读取自己负责经济体的 CSV 数据- 分析 PMI 走势、分项指标和边际变化- 保存结果到 output/ 目录- 只返回 PMI 读数和趋势判断3 个子代理完成后，主代理再汇总三大经济体的 PMI 数据，生成横向对比表格和全球制造业景气度判断，写入 `output/global_pmi_comparison.md`。

这个案例与车企分析的结构相同：三个子代理各自独立工作，主代理负责调度和汇总。区别在于，这里通过 .claude/agents/ 目录预定义了子代理配置，但真正执行时，仍然要在提示词里把本轮要创建几个子代理、各自负责哪个经济体写清楚。角色一旦固定下来，预定义子代理就能把重复调度成本降下来。 当分析对象从三个扩展到五个或十个时，只需增加数据文件，调度逻辑基本不用改动。

子代理配置的复用

pmi-analyst.md 的设计思路是通用化：配置文件定义分析能力和输出规范，具体分析哪个经济体则由调用时的任务提示词指定。这种”配置定义能力，提示词指定参数”的模式，让同一个子代理配置可以被不同场景反复调用，无需为每个经济体单独写一份 agent.md。

要点小结

从单智能体到多智能体：单智能体受限于上下文窗口、任务切换和串行执行。子代理通过独立上下文和并行执行缓解这些问题，但 token 消耗约为普通任务的 15 倍，适合高价值场景。

子代理的创建与配置：三种创建方式——/agents 交互式创建、手动编写 agent.md、--agents CLI 临时定义。存储位置决定可见范围和优先级，模型选择应与任务难度匹配。

任务分派与输入输出设计：好的任务提示词包含目标、上下文、输出格式和约束条件。File Handoff 是核心原则——子代理将结果保存到文件，只返回状态摘要，保护主代理上下文。

子代理的进阶配置：skills 字段预加载特定 Skill，memory 字段支持三种作用域的持久记忆，background 字段支持后台运行不阻塞主对话。

掌握这项能力之后，Skill 就可以进一步升级，不再只是一组静态指令，而是一个能在内部编排多个子代理的调度中心，完成多阶段、多维度的工作流。

1. Claude Code入门指南：为研究者写的配置手册
2. 《经济金融AI智能体设计》节选：Skills基础
3. 粉丝破万福利：赠送我自己最常用的19个Skills
4. JPE副主编的AI论文工厂全流程拆解
5. 让AI为你打工的第一步：从收拾好你的AI工作台开始
6. Claude Code 进阶技巧：从思维到 Skill 的全面升级
7. Agent Skills：让AI复制你的多年行业经验
8. 手把手教你搭建AI原生笔记系统