夜雨聆风学习资料网

ARTICLE · 1269842

搭 AI 助手别叠太多层,一个主循环往往就够

搭 AI 助手别叠太多层,一个主循环往往就够

近日,X 用户 Tak(@cherry_mx_reds)提炼了 Anthropic 新指南(参考链接 1)的要点:建议删掉不必要的子智能体。与其堆一堆「专家机器人」互相传话,不如让一个主智能体按需加载技能和工具(约 90 万次展示、三千多赞,见文末参考链接 4)。

如果你也给 AI 配了写稿、查资料、审稿几个专员,外面再套一层总指挥,结果越用越慢、超费额度,转来转去还老丢重点,可以看看这份指南怎么说。

先解释两个词: 子智能体是另开出来专干某件事的小助手,按岗位分工的那种原文叫 specialist,下文称「专员」; 主循环是同一个助手从头干到尾,自己决定查什么、调什么工具,直到把事做完。

一、叠得越多,越像传话游戏

过去一年,让一个总指挥派活、几个专员各开窗口干完再交摘要,几乎成了进阶用法的标配,像给 AI 开了家小公司。用久了,常见的问题有三个。

1.
传话丢细节:子智能体交回摘要,主智能体再转述,关键数字、限制条件和原话很容易漏掉。Anthropic 的指南把这叫作「电话游戏(telephone game)」,每次交接都会降低保真度。
2.
慢且烧额度:每多一层子智能体,就多一层嵌套的模型循环,多一轮调用,也多一份延迟。
3.
规则打架管不过来:专员一多,这个要求简短,那个要求详尽,总指挥的提示词越补越长,规则互相矛盾,成了指南里说的「弗兰肯斯坦提示词(Frankenprompt)」。

X 用户 Maanas Tyagi(@maanas_tyagi)只让 Claude Code 开一个子智能体,5 小时的额度却很快用光。Claude Code 的解释是:「我启动的那个智能体自己又拉了 6 个子智能体,一共是 7 个。」子智能体再开子智能体,用户在前台根本看不到。

做 AI 工程科普的 Raghav Mehta(@RaghavMehtaM1)也调侃,今年圈子里一半时间都在拿大模型画组织架构图,每交接一次摘要就丢一点东西;他只在几路调研要并行、各自需要干净上下文时才用子智能体。

@krika2810 等用户的总结更简单:别什么事都上子智能体,一个够强的主智能体配好技能和工具,多数时候就够了。

二、官方怎么说:把子智能体「折」回主循环

2026 年 10 月 22 日,Anthropic 在 Claude 资源站发布了 Diane Sarkis 撰写的 Applied AI 指南《Building agents: When to fold subagents into your main agent loop》(见文末参考链接 1),并附带开源迁移套件。

指南的结论是:在 Anthropic 比较过的一些企业部署里,少用子智能体,改成一个主循环加按需加载的技能和工具,质量往往更好,单次任务的成本和延迟也往往更低。

下表的数据和案例都出自这份指南。

报告要点
出处说明
在多个企业部署中,带技能的单一智能体在质量上常同时胜过「超长提示词包打天下」和「多子智能体」
Applied AI 指南(企业部署对比)
一家客户对比发现,单循环方案运行速度约为原来的 2 倍(roughly 2x faster runtime)
Applied AI 指南(客户案例)
一家公司面向客户的智能体用了十来个专员,品牌语气很难统一,增加的延迟还影响了用户体验
Applied AI 指南(客户案例)
针对更强的模型,Claude Code 把系统提示词削减了 80% 以上,其中一部分靠的就是技能和工具的按需披露
Applied AI 指南(Claude Code)
系统提示里的工具定义超过约 30~50 个,模型选工具往往变差(说的是一次放进提示词的数量,不是能装多少);建议按用户要办的事给工具分组,不要一个 API 配一个工具,并用工具搜索按需加载定义
Applied AI 指南(MCP 工具小节)

指南没有提到旧文,但在我看来,它和 Anthropic 2024 年 12 月那篇《Building effective agents》(见文末参考链接 3)主张的「尽量简单、可组合」是同一个思路:模型变强后,很多过去靠拆成多个智能体来解决的问题,现在可以收回到一个主循环里。

指南也没说不能用子智能体,下面三种情况仍然适合保留:

1.
上下文太长,单个循环的表现明显下降,而且能测出来;
2.
有几件任务要同时做,每件都用一份全新的上下文,做完就扔;
3.
单个智能体总选不对工具,或者系统提示里的规则互相冲突。

其余时候,要当心原文提到的康威定律(Conway’s law):公司有几个团队,就各做一个子智能体,智能体架构成了组织架构图的翻版,最后叠出一堆职责重叠的专员。

三、普通人怎么改:一个主循环 + 按需技能/工具

日常用 Claude、ChatGPT、Gemini、Grok Bot 这类个人助手写稿、查资料、改代码时,可以借用指南说的按需加载(渐进式披露):技能和工具平时只给模型看一句简介,真用到时才加载完整说明,提示词就不会越塞越长。技能、工具和子智能体的分工大致是:

•

技能(Skills)教它「怎么做」:步骤、口吻、检查清单。

•

工具(Tools / MCP)让它「能去做」:搜网页、读日历、发草稿、跑命令。

•

子智能体(Subagents)只留给「必须另开一间房」的活:同时深挖几份互不相关的资料,主对话因为上下文太长明显变差,或者有一大段杂乱的中间过程不想带进主对话。

改法对照

以前常见做法
建议改成
搜、写、改、审、排版各配一个专员,来回传话
一个主助手做到底;把搜索、写作、审稿的做法写成技能,用到再加载
每步新开对话,只把上一段摘要粘过去
同一件事尽量在一个会话里做完;资料太多时,先让它写一份进度笔记,记下目标、来源和还没做完的事
一上来就把 20 个插件全打开
用到再开。指南提到,不少设计得很复杂的方案,其实一段清楚的系统提示、4~5 个精简的数据工具,再加上严格的输出护栏,就能覆盖大部分需求;一次挂上三五十个,反而容易选错
习惯性地再开一个审稿智能体
普通润色让主助手按清单自查;要独立核实事实、不想让大量试错过程混进主对话,或者要对比两种结果时再另开

以写公众号稿为例:先对主助手说清读者、篇幅和交稿时间,让它列个简短计划(在一个循环里,写计划和执行计划的是同一个模型,中途发现不对,它自己就能改);然后在同一个会话里搜资料、写初稿、按审稿要求改。只有碰到「得先读完一份 80 页的行业报告」这种支线任务,才另开一个临时窗口,让它提炼出 3 条核实过的结论,再带回主窗口,免得几十页内容把主对话撑满。

技能现在基本是各家通用的做法:Claude、ChatGPT 都支持 SKILL.md 格式的技能,平时只看名称和简介,用到时才加载全文;Gemini 也从 10 月起用技能(skills)逐步取代 Gem。所以写作、查资料、审稿这些环节,做成几份技能交给同一个主助手调用就行,不必拆成多个 GPTs 或 Gem 来回切窗口,也别把所有规则塞进全局自定义指令。Grok Bot 这类暂时没有技能入口的机器人道理也一样:尽量让同一个 Bot 把事办完,别在几个 Bot 之间频繁转交。

官方给的迁移步骤是给企业团队的,个人用可以简化成下面几步:

1.
备好样例:官方说 10 条黄金例子也能起步,个人挑最常做的 3 件事,留着做改前改后的对比;
2.
先留一个基线:官方建议先把子智能体原样包成工具,跑一遍记下结果,后面每次改动都和它比;
3.
一次只折进一个:从最常用、彼此总是一起出现的专员开始,把子智能体提示词变成技能、API 变成工具,有它没它各跑一次对比;
4.
看具体哪件事出了错,别只看总分:Anthropic 拿一个客服样例智能体测试时,把一个子智能体折进另一个后延迟降了,却有一条原本通过的流程坏了:主智能体拿着订单查询工具就自己作答,没再找物流专员要送达日;
5.
每条多跑几次:这类问题并非每次都出现,多跑才能撞上,效果不好就改回去。

四、自查清单

先找流程隐患(勾得越多越值得查,但光凭这些还判断不了问题出在哪一层):

只是照着部门或岗位名称,给每个角色配了一个机器人。

两个专员总是前后一起出现,反复读取同一批资料。

主助手只拿到摘要,结果漏了数字、来源或必须满足的要求。

简单的任务也要交接好几次,却说不出这样做有什么好处。

一次加载了很多工具的完整说明,实际却很少用到。

同样的规则写了好几遍,彼此还有冲突。

每个专员各自看着挺好,整件事做完却不满意。

出错后找不到问题发生在哪一步。

额度常常被子智能体自己开出来的更多子智能体烧掉。

再看有无保留子智能体的理由(单独判断):

主助手确实因为上下文太长而变差,前后一对比就看得出来。

有几件互不依赖的任务适合同时做,过程中的试错也不必带回主对话。

主助手老是选错工具,或者系统提示里有几条规则互相打架、怎么改都顾此失彼(官方认为可考虑子智能体;建议先试着把规则拆成技能、把工具减下来,不行再拆智能体)。

五、升级常常是删,不是加

Tak 在帖子结尾说,模型变强以后,改架构越来越不是琢磨还能加什么,而是还能删什么。指南最后给的原则也差不多:先测量,一次只改一点,留下经得起评测的设计。

想马上试,可以从最小的改动开始:

1.
关掉很少用的专员或子会话模板;
2.
把它们的提示词改写成几份简短的技能说明,交给主助手按需调用;
3.
用最常做的一件事,对比改前改后的耗时、费用和完成质量。

说到底,一个助手能干完的活,就别拆给好几个。

参考链接

1.
Anthropic Applied AI 指南(主来源):https://claude.com/resources/articles/building-agents-when-to-fold-subagents-into-your-main-agent-loop[1]
2.
单智能体循环迁移套件:https://github.com/anthropics/single-agent-loop-kit[2]
3.
Anthropic《Building effective agents》(2024-12-19):https://www.anthropic.com/engineering/building-effective-agents[3]
4.
X 讨论帖 @cherry_mx_reds:https://x.com/cherry_mx_reds/status/2113969070118666670[4]
5.
X 讨论 @RaghavMehtaM1:https://x.com/RaghavMehtaM1/status/2114071854461657419[5]
6.
X 讨论 @krika2810:https://x.com/krika2810/status/2113988590845989280[6]
7.
X 用户自述 @maanas_tyagi:https://x.com/maanas_tyagi/status/2098918213723852808[7]

参考

[1]
https://claude.com/resources/articles/building-agents-when-to-fold-subagents-into-your-main-agent-loop
[2]
https://github.com/anthropics/single-agent-loop-kit
[3]
https://www.anthropic.com/engineering/building-effective-agents
[4]
https://x.com/cherry_mx_reds/status/2113969070118666670
[5]
https://x.com/RaghavMehtaM1/status/2114071854461657419
[6]
https://x.com/krika2810/status/2113988590845989280
[7]
https://x.com/maanas_tyagi/status/2098918213723852808

相关学习资料