SubAgent

在AI和軟體架構中，Subagent（子代理/次級代理） 是一種將複雜任務拆解並交由「專家」處理的設計模式。簡單來說，它就像一個團隊裡的「專職助手」，由負責統籌的「主代理（Orchestrator）」指派特定工作

為什麼需要Subagent？

傳統AI模型（單一對話視窗）往往試圖由一個大腦處理所有事情，但這會面臨三大問題：

• 上下文污染（Context Pollution）： 當AI執行複雜任務（編寫程式、搜尋資料）時，會產生大量的中間 log、雜訊和調用紀錄。若全部塞進同一個對話視窗，會很快耗盡上下文長度（Token limit），甚至讓 AI「迷失」在雜亂資訊中

• 效率低下：什麼都會一點的AI，不如專精於特定工具（例如:數據分析、程式碼審查、網頁瀏覽）的專家有效率

• 靈活性不足：若所有邏輯都在一個Prompt裡，調整起來非常困難

Subagent運作原理與架構圖

Subagent 架構遵循「主從式（Supervisor-Worker）」設計：

• 圖文說明

  • 分層架構：清晰劃分為「用戶層」、「協調層 (Master Agent)」與「執行層 (Subagents)」

  • 核心模組：Master Agent 內部包含「任務拆解器」、「規劃與排程」、「狀態管理」及「工具註冊中心」

  • 動態生成：明確展示 Master Agent 如何動態生成專職的 Subagent（研究、編碼、驗證代理人），並賦予其專屬 Prompt 與特定工具集

  • 執行閉環：包含完整的資料流、工具執行、外部服務互動，以及最終結果回傳給 Master Agent 的過程

  • 輔助機制：強調了「上下文管理」與「監督與容錯」機制的重要性

• 任務委派：主代理（主腦）接到使用者需求後，分析並將任務切分成數個子任務

• 建立隔離環境：主代理呼叫特定Subagent，每個Subagent都有獨立的上下文視窗（Context Window）、專屬的系統提示（System Prompt）和特定工具權限

• 執行與匯報：Subagent在自己的環境內獨立執行，過程中的「雜訊」不會干擾主對話。完成後，Subagent只將最終結果或摘要回傳給主代理

• 整合： 主代理接收各個子代理的結果，綜合處理後回覆給使用者

Subagent三大優勢

• 上下文保護：主對話視窗始終保持乾淨，只保留重要的進度，大幅減少Token消耗

• 專業分工： 可以設定專屬角色。例如:建立一個 Code Reviewer 專門負責檢查程式，建立一個 Debugger專門負責抓錯。每個角色的提示詞（System Prompt）可以針對該任務優化

• 並行處理： 當任務之間沒有前後依賴時，主代理可以同時啟動多個Subagent並行工作，大幅縮短整體響應時間

實際應用案例

程式開發（例如:Claude Code, Cursor）：

• 主代理： 負責規劃架構

  • Subagent A (Research)： 負責瀏覽程式庫並查找相關文件

  • Subagent B (Coder)： 負責撰寫代碼

  • Subagent C (Tester)： 負責執行單元測試並回報錯誤

企業助理：

• 主代理： 接待訪客、整理會議紀錄

  • Subagent (Email)： 負責處理郵件往來

  • Subagent (Calendar)： 負責查詢與安排會議時間

與其他概念的區別

總結

Subagent 讓 AI 從「個人雜工」變成了「團隊經理」。它透過「隔離上下文」與「專職處理」，解決了當前 LLM 處理長序列與複雜任務時最常見的效能瓶頸。對於需要長期開發、複雜數據分析或是多步驟自動化流程的場景，Subagent 是目前最主流的解決方案

如果目前在開發或使用相關工具（例如: Cursor 或 Claude Code），建議從定義「最小化單一功能」的 Agent 開始嘗試，效果會非常顯著