什么是SubAgent 一文说透SubAgent的原理

最近 OpenClaw 火的一塌糊涂，连我老婆一个从来不关注AI的人都知道了小龙虾火的不得了啊。那么我相信只要接触过 OpenClaw 一段时间的人，基本都会听过一个词：Skill。而只要稍微深度玩过OpenClaw的人，肯定就对Skill 非常熟悉了。

这个词3月份之前可能还只是少数人在聊，但现在不一样了。连我同事群里，最近也终于开始讨论Skill了。因为大家很快就发现：Skill 可以给 AI  Agent 加能力。

可能很多人还没想过，当任务变复杂后，问题就来了。

你可以不断的给AI加很多的Skill，让它会更多技能。但很多时候，真正卡住你的，不是它不会，而是它一个人做不了太多的事情。

这时候，真正该上场的，不再是 Skill了，而是另一个重要的东西，就是今天我要讲解的女猪脚：SubAgent。

我的系列文章，三分钟大白话讲解我自己还不明白的AI 流行词。

什么是 AI Agent？它凭什么能自己解决问题？

什么是 Skill？带你看懂火爆全网的Agent Skills到底是个啥

下面的例子可能不够贴切，咱们就图一乐，理解一下。

先来开一家外卖店看看

要理解 SubAgent，我想到的最简单方法，就是先想象你在开一家外卖店，高端餐饮，米其林级别，相当挣钱的那种。

没有 SubAgent的时候：一个人包办一切

假设整家店刚开业为了省钱，因为只有你一个人。

你既是老板，也是采购员、洗菜工、厨师、收银员、打包员、配送员。

你的一天可能是这样的：

早上去买菜回来洗菜切菜刚开火炒菜，顾客刚吃完，要去收银刚收完钱，外卖平台又来单了，要赶紧打包打包完还得自己送送完回来，顾客已经跑了，锅里的菜已经糊了，厨房差点炸了

问题不是你不够努力。问题是：一个人同时干太多事，迟早会乱。

这就是很多人现在用 AI 的真实状态。

主 Agent(也就相当于我们经常在工具中的主对话) 一会儿搜索资料，一会儿写内容，一会儿核对事实，一会儿改格式，一边还要记住前面说过的要求，都在这一个会话中。任务一长，上下文一多，它就开始混乱，开始分心，开始漏东西，最后就是写的什么玩意，垃圾AI。

有了 SubAgent：开始分工

聪明一点的做法是什么？

不是让老板更拼。而是将工作拆解后，交由不同领域的专业员工分别执行。

比如：

主 Agent：就是你，就是老板，叼着烟，对着小龙虾，只负责统筹安排任务、验收结果采购 SubAgent：专门负责找采购、比价格、下单补货备菜 SubAgent：负责洗菜、切菜、准备食材烹饪 SubAgent：专门负责炒菜、控制火候、保证出品收银 SubAgent：负责处理顾客结账、核对订单，兼职网上接单打包 SubAgent：负责把做好的餐品分类、装盒、贴单配送 SubAgent：负责把外卖准时送出去

这样一来，每个人只做自己那一件事。谁也不会互相打扰。（不过这样花的钱就多了不少)

这就是 SubAgent 的核心，主Agent用来整理需求，拆解任务，然后发送给SubAgent去做，做完结果拿回来给主Agent继续验收。

SubAgent 到底是什么？

简单说，SubAgent 是一个专门处理某类任务的子代 理。

它不是一个普通功能，也不是简单调用一下工具。它更像是：主 Agent 把任务交给一个独立的小助手，这个小助手在自己的上下文里完成工作，然后把结果交回来。

官方文档也是这样定义的：每个子代 理都有独立上下文、单独提示词、特定工具权限，用来处理特定任务。(Claude)

所以你可以把它理解成：

Skill 相当于给同一个人配更好的工具；SubAgent 相当于给同一个人又配了一个能独立完成子任务的助手。

这两个不是一回事。

SubAgent 最适合做什么事情？

SubAgent 不是所有任务都适合。它最适合的，是那些 可以拆开、可以分工、每一步相对独立 的任务。

最典型的，就是一条完整的内容生产流程。

比如你输入一个关键词，想自动生成一篇能发布的文章。这个过程其实可以拆成很多步：

搜索资料去网上找相关内容，收集信息筛选资料去重、过滤广告、挑出最有用5-篇内容写初稿根据筛选后的材料写文章事实核查再检查数据、例子、表述对不对风格统一让文章语气一致，读起来更顺格式整理统一标题、段落、列表、代码块配图或封面生成最后做视觉部分人工审阅润色文章去去AI味，读读是否存在不通顺等等

这种任务最怕什么？最怕所有东西都堆在同一个上下文里。

这里假设，我的信息源每个平台比如公众号搜索5篇文章，知乎搜索5篇文章，推特长文搜索5篇文章，头条5票文章，B站5篇文章，等等等平台，导致我刚开始后上下文就很长了。

搜索阶段会带来一大堆杂乱信息；写作阶段又会出现大量草稿；核查阶段还会不断修改。如果全都塞给同一个 主Agent下，它很容易“脑子里全是噪音垃圾”。

但换成 SubAgent 就不一样了。

搜索的归搜索打包 SubAgent写作的归写作SubAgent核查的归核查SubAgent排版的归排版SubAgent……

主 Agent 只看每一环的结果，不看所有中间产生的垃圾过程。

所以，SubAgent 最适合这些场景：

多步骤任务流程型任务每一步职责很清楚的任务中间过程没必要一直共享给主 Agent 的任务有写甚至可以并行推进的任务

比如：

代码审查内容生产流水线多语言翻译资料搜索与整理测试、校验、格式统一长流程自动化任务

一句话总结：

越复杂、越能拆分、越容易被上下文污染的任务，越适合交给 SubAgent。

SubAgent 最大的优点，以及它的缺点

最大的优点

第一，上下文更干净

这是 SubAgent 最核心的价值。

每个子代 理都有自己的独立上下文。搜索时产生的噪音，不会污染写作；写作时产生的草稿，不会干扰核查；核查时发现的问题，也不会把前面的上下文搅乱。

主 Agent 看到的，始终是整理过的结果。

这就像老板不需要盯着后厨切了多少根葱。他只需要知道：菜做好没有，能不能上桌。

第二，更专注，结果更稳

一个 Agent 同时做五件事，和一个 Agent 只做一件事，效果通常完全不一样。

专门负责找资料的 SubAgent，会更像一个研究员；专门负责写作的 SubAgent，会更像一个作者；专门负责核查的 SubAgent，会更像一个审稿人。

因为它们各自不会分心，所以质量通常更稳。

第三，可以并行

有些任务没必要排队一个个做。

例如：

A 在查资料B 在准备提纲C 在整理参考格式

几个 SubAgent 同时动起来，速度就会快很多。OpenClaw 文档也把并行处理、隔离长任务作为 sub-agents 的主要目标之一。()

OpenClaw

第四，可复用

一旦你写好了一个好用的 SubAgent，比如“文章审查员”“事实核查员”“排版整理员”，以后就可以一直复用。

这和临时写提示词完全不一样。它更像你已经招好了一个老员工，下次直接派活就行。

第五，能处理更复杂的任务

很多复杂任务不是 AI 做不了，而是一个 Agent 装不下。

当任务长度、步骤、信息量都上来以后，SubAgent 往往就是突破复杂度上限的办法。

它的缺点

当然，SubAgent 也不是万能的。

第一，配置有门槛

你要告诉它：

它负责什么什么情况下调用能用哪些工具最后要交付什么结果

这些如果写得不清楚，它就容易跑偏。

第二，信息交接可能丢细节

SubAgent 和主 Agent 之间，通常传递的是“任务说明”和“结果摘要”。

这很高效，但也有代价。有些关键细节，可能在交接过程中被压缩掉了。

也就是说，隔离上下文是优点，但信息压缩也是风险。

第三，调试更麻烦

如果最后结果有问题，排查起来会比较麻烦。

你要去看：

是搜索拿错了资料？还是写作理解错了方向？还是核查漏掉了问题？还是排版阶段处理坏了？

链条越长，定位问题越复杂。

第四，小任务不值得上 SubAgent

如果只是改一句话、润一小段文案、改个标题，直接让主 Agent 做，通常更快。

这类小事再拆分，就像为了煮一碗泡面还专门设采购、厨师、配送三个岗位，明显过度了。

所以，SubAgent 很强，但它不是越多越好，而是要用在真正值得拆分的任务上。

Skills 和 SubAgent 到底怎么选？

很多人刚接触时，最容易问的就是这个问题：

既然都有了 Skill，为什么还要 SubAgent？

因为这两个东西解决的不是同一个问题。

Skill 解决的是“能力问题”

它的作用是： 让主 Agent 学会一项新本事。

比如格式检查、固定模板生成、文档整理、某类规范输出。这些都是给主 Agent 直接加能力。

它适合的任务通常是：

轻量规则明确过程不复杂需要主 Agent 一直掌握上下文

所以，Skill 更像：

给同一个人配上一把更顺手的工具。

SubAgent 解决的是“分工问题”

它的作用是： 把某一整块任务外包给独立专业的角色去做。

它适合的任务通常是：

重型任务多步骤任务中间过程很长不适合把所有信息都堆在主上下文里

所以，SubAgent 更像：

直接把这项工作交给一个专门的人。

怎么判断该用哪个？

你可以用一个很简单的标准：

用 Skill 的时候

当你想的是：

“我希望主 Agent 多会一个能力”“这件事不复杂”“过程我希望它一直知道”“我不想多一层调度”

那就用 Skill。

比如：

格式规范检查固定风格改写简单模板输出单次轻任务处理

用 SubAgent 的时候

当你想的是：

“这事能不能单独拆出去做”“这一步不该污染主上下文”“最好由一个专门角色来处理”“中间过程很长，但最终只要结果”

那就用 SubAgent。

比如：

代码审查资料搜集与筛选内容生产流水线多轮核查与修订长任务分步骤执行

最常见的正确答案，其实是混合使用

现实里最好的方案，往往不是二选一，而是一起用。

比如：

主 Agent 负责整体协调轻量规则能力交给 Skills重型独立任务交给 SubAgent

也就是说：

Skill 负责补能力，SubAgent 负责分工执行子任务。

两者不是竞争关系，而是搭档。

总结

很多人第一次接触 AI 工作流时，会先爱上 Skill。这很正常，因为 Skill 很直观：装上就能用，马上见效。

但当任务越来越复杂时，你很快会发现，只给 AI 加技能还不够。因为真正的问题，往往不是“它不会做”，而是“它什么都在自己做”。

这时候，SubAgent 的价值就出来了。

它的本质，不是多一个插件，而是让 AI 从“一个人死扛”变成“多人分工协作”。

所以，如果你已经开始接触 OpenClaw，也已经熟悉 Skill，那下一步最值得理解的，可能就是 SubAgent。OpenClaw中也可以使用Sub-Agents，OpenClaw中甚至还有ACP Agents。Claude Code和Codex中也都支持SubAgent，只是使用方式上不同。当然你还可以换一种方式，用Claude Code来规划任务，然后让Codex来给你干活。玩法也有很多，你还玩别的方式吗？

因为从某种意义上说，真正成熟的 AI 工作方式，不是让一个 Agent 拼命干活，而是让它学会把合适的工作，交给合适的角色。

会做事很重要。 会分工，才是真正开始走向高级玩法。