深度理解 Subagent(子代理)——让 AI 更聪明、更高效地分工协作

在现代 AI 工作流中,我们越来越多地从“单一助手”转向多智能体协同工作的模式。这其中一个核心概念就是 Subagent(子代理),它让大型语言模型能像一个团队一样分工协作。

下面我们介绍 Subagent 的原理、三种不同平台上的实现(Claude Code、Cursor、VS Code Copilot),以及它们的异同对比。

什么是 Subagent?

Subagent(子代理)是由一个“主代理”在特定条件下自动创建出来的独立 AI 单元,专注处理特定子任务。它与主对话会话分离,有自己的上下文、系统提示、工具权限和工作流程。

核心价值在于解决两个问题:

  1. 上下文污染:主对话上下文容易被大量细节/中间思考信息刷屏。Subagent 保持隔离上下文,只把最终结果返回主线程。
  2. 任务分工:不同技能的子任务由专门子代理处理,类似把工作交给“专家”。

比喻一下,传统 Chat 就像一个多面手独自搞定所有事情,而 Subagent 架构则像一个由多个专家组成的小团队,各自分工合作。

Subagent 的技术特点(通用)

虽然不同平台具体实现不同,但 Subagent 通常具有以下技术特性:

1. 独立上下文

每个子代理维护自己的上下文,不会污染主代理的会话历史。

2. 自定义系统提示

可以为某个任务特别优化子代理的行为,例如“代码评审专家”、“深度搜索助手”等。

3. 工具权限控制

主代理可以限制 Subagent 可用的工具(读/写、搜索、终端命令等),增强安全性与准确性。

4. 并行/分布式工作

部分实现支持同时启动多个 Subagent 并行完成不同子任务,提高整体效率。

典型用例示例

  • 代码库探索:快速查找与分析仓库文件结构或内容。
  • 任务规划:在做整体计划前,由子代理进行代码库研究和背景调查。
  • 复杂操作代办:主任务拆解成多个子步骤,每个子代理独立运行。

分平台介绍

下面详细看看你提供的三个官方实现细节与理念。

Claude Code 的 Subagents(官方)

Claude Code 提供了 Subagent 机制,允许用户定义“专门的 AI 子助手”。这些子代理:

  • 独立运行于自己的上下文窗口
  • 拥有自定义的系统提示、可用工具和权限;
  • 可通过描述自动在合适时机调用,或者在 prompt 中明确指定。

内置 Subagents(Claude Code)

Claude Code 官方文档列举了几个预设的内置 Subagent:

  • Explore:用于代码库探索与只读搜索,使用快速模型(Haiku),不会执行写操作。
  • Plan:计划阶段的辅助研究者,用于收集上下文信息。
  • general-purpose:通用子代理,具有所有工具权限,可执行复杂操作。

此外还有一些辅助功能代理,比如 Bash 子代理用于运行终端命令。

自定义 Subagents

你可以通过以下两种方式创建自定义 Subagents:

  1. 交互式命令/agents 在 IDE/CLI 中创建;
  2. 手动创建 Markdown + YAML 文件 配置 Subagent 参数。

这些文件定义了 Subagent 的名字、描述、模型、可用工具和系统行为。

Cursor 的 Subagents

Cursor 也支持 Subagent 概念(例如在 2.4 版本中引入),并提供文档说明其核心用途:

Subagents 用于将复杂任务拆分成可并行执行的部分,并在主会话中保留清晰上下文。

与 Claude Code 类似,Cursor 的 Subagents:

  • 作为独立 AI 实例运行;
  • 支持隔离上下文;
  • 能自定义 prompt、模型、工具权限;
  • 可以并行启动多个子代理工作。

(注意:某些社区讨论指出 Cursor 当前在某些构建/工具权限集成上还有一些问题,例如 Task 工具暂不可用)。

VS Code Experimental Subagents

Visual Studio Code 在 1.107 版本中引入了一项实验性功能 “Run agents as subagents”。虽然官方页面内容更长,这里重点整理:

  • Subagents 可以在 VS Code 的 Copilot Chat 会话中启动;
  • 它们运行于独立上下文环境;
  • 可以绑定不同的 agent 配置来加强针对特定任务的表现;
  • 当前仍被标记为实验性支持

在 VS Code 的扩展和实验文档中也有提到 #runSubagent 用法,它允许你在 prompt 里请求子代理执行指定任务。

Subagent 之间的对比

下面是对这三种常见 Subagent 实现的对比总结:

方面Claude CodeCursorVS Code (Copilot)
是否支持隔离上下文
可自定义系统提示实验性
并行启动多个 Subagent支持实验性/部分支持
工具访问权限控制✅(细粒度)有但可能存在限需要手动启用
自动根据任务匹配调用支持支持主要手动触发
当前成熟度中等(新功能)早期实验支持

总结

Subagent 是现代 AI 体系里一个非常重要的模式,它通过 分工协作、隔离上下文、自动调度 等手段提升长流程任务的效率与代码清晰度。Claude Code、Cursor 和 VS Code 都在支持 Subagent,但成熟度和特性有所不同:

  • Claude Code 的 Subagents 更成熟、配置细粒度高;
  • Cursor 的实现专注于并行子任务和更丰富的定制可能;
  • VS Code 将 Subagent 以实验性支持带入编辑器体验。

参考资料

https://code.claude.com/docs/en/sub-agents#explore
https://cursor.com/docs/context/subagents
https://code.visualstudio.com/updates/v1_107#_run-agents-as-subagents-experimental

Read more

FPGA实战:Verilog编写PID控制器驱动PWM精准调压

1. PID控制基础与FPGA实现优势 PID控制器是工业控制领域最常见的反馈控制器,它通过比例(P)、积分(I)、微分(D)三个环节的组合来修正系统输出与期望值之间的偏差。在FPGA中实现PID控制具有独特优势:首先是极低的延迟,硬件并行处理能力让PID计算可以在几个时钟周期内完成,远快于软件实现;其次是确定性响应,FPGA的硬件时序保证每次计算时间完全一致,不会出现操作系统调度带来的抖动;最后是高度集成性,可以将PID控制器与PWM生成、传感器接口等模块集成在同一芯片中。 在实际项目中,我经常遇到需要快速响应的控制场景。比如直流电机调速,当负载突然变化时,软件实现的PID可能需要毫秒级响应,而FPGA可以在微秒内完成调整。这种速度优势在高速伺服系统、无人机姿态控制等场景中至关重要。记得我第一次用FPGA实现PID控制器时,就惊讶于它带来的性能提升——原本在MCU上需要复杂优化的算法,在FPGA中可以如此优雅地实现。 2. Verilog实现PID的核心设计 2.1 定点数处理技巧 FPGA中直接处理浮点数会消耗大量资源,因此我们需要使用定点数运算。在我的实现中,通常将参

OpenClaw 是一个开源的、面向具身智能(Embodied AI)与机器人操作研究的多模态大模型框架

OpenClaw 是一个开源的、面向具身智能(Embodied AI)与机器人操作研究的多模态大模型框架

OpenClaw 是一个开源的、面向具身智能(Embodied AI)与机器人操作研究的多模态大模型框架,由上海人工智能实验室(Shanghai AI Lab)联合多家机构于2024年发布。它聚焦于“视觉-语言-动作”(Vision-Language-Action, VLA)联合建模,旨在让AI不仅能理解环境和指令,还能生成可执行的、细粒度的机器人控制动作序列(如关节扭矩、末端位姿、抓取姿态等),支持真实/仿真双环境部署。 核心特点包括: * ✅ 多模态对齐:统一编码图像、语言指令、机器人本体状态(如关节角度、力觉反馈); * ✅ 动作生成范式:采用“tokenized action”设计,将连续动作离散化为可学习的action tokens,便于大模型端到端生成; * ✅ 开源生态:提供预训练模型权重、仿真环境(基于ManiSkill2)、真实机械臂适配接口(如UR5e + Robotiq 2F-85)、数据集(OpenClaw-Bench)及训练/

智元机器人三大产线

智元机器人三大产线

执行摘要 2025 年 12 月 8 日,智元机器人迎来了具有里程碑意义的时刻 —— 第 5000 台通用具身机器人在上海临港工厂正式量产下线。这一成就标志着中国具身智能产业从技术验证阶段全面迈入规模商用时代。智元机器人通过三年的快速发展,已建立起远征、灵犀、精灵三大产品矩阵,累计出货 5000 台,其中远征 A1/A2 下线 1742 台,灵犀 X1/X2 下线 1846 台,精灵 G1/G2 下线 1412 台(3)。 在技术层面,智元机器人实现了多项重大突破。其自主研发的 PowerFlow 关节电机峰值扭矩超过 350N・m,重量仅 1.6kg,采用准直驱技术方案,相较传统谐波减速器方案成本降低

企微群机器人发markdown消息支持表格

企微群机器人发markdown消息支持表格

结论 1.V1接口可以圈人,但是无法正确展示表格的markdown语法 2.V2接口可以展示表格的markdown语法,但是无法圈人 3.企微消息有长度限制 前言 今天是日本投降日,写篇技术文档。 企业微信机器人发markdown表格信息+如何艾特人 企微机器人发消息通知,目标是生成数据对比表格,然后艾特到具体的人来跟进事物的变化 1、成果收益 发表格数据,圈人 2、背景 目前机器人通知的内容太单调了,无法满足告警提醒的作用,需要罗列表格进行对比,需要艾特到具体人 3、解决方案 如何支持markdown表格类型 1.企业微信从4.1.38开始支持markdown表格的语法了。可以参看官方文档4.1.38版本新功能介绍 所以企业客户端要升级 2.我们历史使用的是msgtype:markdown,这个还是不支持的 { "msgtype": "markdown", "markdown&