Claude Code subagents: dispatch 13 AI workers at once, and the main conversation only gets 3 conclusions
Original title: Claude Code 子代理 subagents:一次派 13 个 AI 干活,主对话只收 3 个结论
Drawing on a hands-on session where he dispatched 13 subagents to build a storyboard, the author walks through the subagents feature that both Claude Code and Codex have: subagents work in their own separate windows and hand only their conclusions back to the main conversation.
Using a hands-on session where he dispatched 13 subagents to build a storyboard, the author shows how subagents keep their work outside the main conversation and send back only the conclusions.
The full text in the selected language is awaiting translation. The original is shown for now.

子代理(subagents)是 Claude Code 和 Codex 都有的功能:让 AI 在自己的独立窗口里干专活,只把结论交回主对话。这篇讲清楚它什么时候该用、怎么自建、建的三个讲究、官方点名的三种没用用法,中间用我一次派 13 个子代理配分镜的真实案例演示。

三个 AI 同时在干活。一个在读字幕,一个在扒数据,一个在核对文档。主对话,干干净净,你只会收到三个子代理的结论。
这就是今天的主角:subagents,子代理。这一个功能 Claude Code 和 Codex 都有。
官方的定义是干专活的 AI 助手,它在自己的独立窗口里干活,只把结果给到你。
什么时候需要它
你跟 AI 的每一次对话,都记在上下文窗口里,这个空间是有限的。同时重要的决策,都发生在上下文还干净的早期。
比如你在陌生项目里问一句「退款是哪个服务处理的」,它要读 15 个文件、全灌进主对话,而你要的,只是结果。
子代理会在这种时候派上用场。它会出去读取这 15 个文件,然后给到你结果。
自带三个,也能自建

Claude Code 自带三个子代理,不用配置,它自己就会派。
| 子代理 | 干什么 |
|---|---|
| Explore | 翻代码的 |
| Plan | 做计划前调研的 |
| general-purpose | 全能工 |
你也可以自建。一个子代理就是一个 markdown 文件:名字,描述,权限,正文就是给它的说明书。
派活机制:描述越具体,派单越准
主对话怎么决定派谁?看每个子代理的「描述」那一栏,描述写得越具体,派单越准。子代理出发时拿到什么?一段主对话现写的任务书。
注意,它看不到你们之前聊过什么,一个字都看不到。干完之后,它只交一页摘要。
默认一个会话最多 200 个子代理,子代理还能再派子代理,最多五层。
建一个子代理的三个讲究
建的时候有三个讲究。
- 权限不需要全给。 核查资料的子代理,只给「看」的权限,不给「改」的权限。
- 定死输出格式。 总结、问题、结论,一栏一栏列好。表格填满,它才知道该停。摘要是子代理自己写的,它说做完,不等于真做完。格式定得越具体,它越难糊弄你。
- 让它把踩过的坑写进报告。 后续可避坑。
子代理还能省钱

主对话用贵的聪明模型当老板,比如 Fable 5,子代理用便宜的快模型当工人,比如 Haiku,翻文件、搜资料这种粗活,工人干就行。
不过 token 照烧,一趟活动辄十几万 token,省的是单价,和主对话的空间。
真实案例:13 个子代理配分镜
我在做上一条视频的时候,全片一共有七十多段的分镜,每一段都要 AI 去写画面。这活我就可以用上子代理。我使用主对话一共派出去十三个子代理。
光配镜头这一道工序,把七十多段拆成批,派给便宜的模型当工人,主对话用贵模型当老板。每个工人管十四五段:先读我的规则手册,再读我的镜头库索引,然后一段一段去审查:库里有现成镜头的,直接配到视频里面;库里没有现成镜头的,就标记出来要重新造镜头。
一个工人一趟十二到十四分钟,一次烧十几万 token。三批下来,四十七万 token,但是上下文全部都是在主对话外面。我的主窗口只收到三个结论和一个清单:他们配好哪几段,新造哪几段,库里缺什么镜头。主对话只需要看这些去拍板,工人在外面烧 token。这就是省上下文的真实样子。
| 这一趟的账 | 数字 |
|---|---|
| 全片分镜 | 七十多段 |
| 派出子代理 | 十三个,分三批 |
| 每个工人管 | 十四五段 |
| 一个工人一趟 | 十二到十四分钟,十几万 token |
| 三批合计 | 四十七万 token,全在主对话外面 |
| 主窗口收到 | 三个结论和一个清单 |
一句话判断该不该用
什么时候该用,判断标准一句话:中间过程,你要不要看?不用看,只要结果,外包。每一步都得盯,留在主线。
官方点名的三种没用用法
| 用法 | 为什么没用 |
|---|---|
| 专家人设 | 现在最流行的玩法,是给子代理装人设,「你是 Python 专家」。模型本来就会,子代理有用,靠的是独立窗口、更窄的权限,和专属的工具。 |
| 流水线 | 一个复现 bug、一个调试、一个修,每步依赖上一步,一交接,信息就丢。 |
| 拿子代理跑测试 | 测试挂了你要完整报错,它只回你四个字:测试没过。 |
这三条,毛病其实是同一个:摘要省地方,也丢细节,过程越重要的活,越不能只听摘要。
反直觉的用法:派子代理审代码

最后说个反直觉的用法。审代码,专门派个子代理。自己陪着写出来的代码,它挑毛病下不去手;子代理没这段记忆,拿到就是陌生代码,照标准挑,不讲情面。
这就是子代理:上下级,只汇报。它还有个平级版本,agent teams,队员之间能互相开会,下一篇讲它。
Source: 陈与小金 · AI Coding 博客 · blog.xiaochens.com