试了Claude Code的Sub Agents，前后端同时干活，这感觉太爽了

大家好，我是子昕，一个干了10年的后端开发，现在在AI编程这条路上边冲边摸索，每天都被新技术追着跑。

Claude Code最近推出的Sub Agents功能让我很感兴趣，这可能是AI编程工具的一个重要进化方向。

花了几天时间深度研究这个功能，发现它确实解决了传统AI编程的一个核心痛点：上下文混乱。

今天就来详细分析一下这个技术，并手把手教大家如何使用。

Sub Agents是什么？解决了什么问题？

传统的AI编程助手就像一个什么都会的全栈工程师，你跟它聊前端，它能给建议；聊后端，它也能设计；聊数据库，它还能优化。

但问题是，当你在一个对话中混合讨论多个领域时，AI经常会产生混乱。

比如你先讨论React组件设计，然后转到讨论数据库表结构，AI可能会把前端的概念带到后端设计中，或者在设计API时考虑UI组件的状态。

Sub Agents的核心思想很简单：既然一个通用AI容易混乱，那就创建多个专业化的AI，每个都专注自己的领域。

Sub Agents的技术架构

独立上下文机制

每个Sub Agent都有完全独立的上下文窗口。

当你调用backend-architect时，它只关注后端架构设计，不会被之前的前端讨论影响。当你调用security-auditor时，它专注于安全分析，有完整的安全知识库和检查清单。

智能任务路由

Claude Code会根据你的请求内容，自动判断应该调用哪个Sub Agent。这个判断基于每个Agent的description字段，以及请求中的关键词和上下文。

文件系统存储

每个Sub Agent本质上是一个Markdown文件，存储在：

• 项目级：.claude/agents/ (优先级更高)
• 用户级：~/.claude/agents/ (全局可用)

文件格式采用YAML frontmatter + Markdown body：

---
name: backend-architect
description: "专门设计RESTful API、微服务架构和数据库设计"
model:sonnet
tools: [file_search, bash, file_edit]
color: blue
---

你是一个资深后端架构师...
（详细的专业提示词）

手把手教程：创建和使用Sub Agents

第一步：启动Agent管理界面

输入/agents命令：

选择Create new agent：

第二步：选择Agent级别

项目级 vs 全局级的区别：

• 项目级：只在当前项目中可用，适合项目特有的专家
• 全局级：所有项目都能使用，适合通用专家

第三步：选择创建方式

推荐选择"Generate with Claude"，让Claude帮你生成专业的配置。

第四步：编写Agent描述

这一步非常关键！ Agent的描述决定了什么时候会被自动调用。我这里使用了开源项目中前端开发专家的描述。

第五步：配置工具权限

可以看到有这些工具可选：

直接回车会继承主窗口的所有工具权限，这对新手来说是最简单的选择。

第六步：选择模型和颜色

选择AI模型：

选择显示颜色：

选颜色可不是为了让你装逼用的，而是为了在终端中区分不同的Agent输出。

第七步：确认生成

Claude Code会根据你的描述生成完整的agent内容，直接回车确认：

生成成功展示在列表中：

Agent管理功能

创建完成后，你可以对Agent进行查看、编辑和删除等操作：

可以直接修改agent的配置内容，也可以编辑可使用的工具、模型和颜色等：

直接在系统编辑器中打开修改agent配置内容：

手动配置Agent

上面的案例是让Claude Code根据描述自动生成完整的Agent内容，另一种就是手动配置，区别是你可以自定义System Prompts 系统提示词，其他的都一样，这里不再详述，感兴趣自行尝试。

当然，从上面的流程也能看出，最终就是生成一个Agent的配置md文件，所以我们直接把文件放到Agents对应的目录下也是可以的。

实战案例：多Agent协作开发博客系统

使用现成的优质Agents

手动创建每个Agent比较麻烦，我推荐使用现成的高质量Agent库：

github.com/wshobson/ag...

这个仓库包含50个专业的Sub Agents，涵盖了全栈开发的各个领域。

可以使用git克隆或者直接下载到Agents的全局目录下：

cd ~/.claude
git clone https://github.com/wshobson/agents.git

多Agent并发协作实战

我用三个专业Agent来开发一个博客系统：

用backend-architect设计一个个人博客平台的完整架构，包括用户认证、文章管理、评论系统
用frontend-developer设计前端页面  
用code-reviewer审查代码
backend-architect和frontend-developer同时进行，生成完一个模块代码之后code-reviewer开始介入审查代码
用中文回答

可以看到，后端和前端两个Agent真的在并发工作：

当代码生成完成后，code-reviewer自动介入进行审查：

Code Reviewer的专业能力

虽然这次演示因为限制中断了，但我之前用code-reviewer审查过其他项目，效果很专业：

专业的code-reviewer能发现安全漏洞、性能问题、代码规范问题等，比静态分析工具更全面。

Sub Agents的核心优势

1. 专业化深度

每个Agent都有针对特定领域优化的提示词，通常长达几百行，包含该领域的最佳实践、常见问题、检查清单等。这比通用AI的浅层建议要专业得多。

2. 上下文隔离

传统AI在处理复杂项目时容易出现上下文污染，前面讨论的内容会影响后面的回答。Sub Agents通过独立上下文彻底解决了这个问题。

3. 并行处理能力

可以同时启动多个Agent处理不同方面的任务，这在复杂项目开发中特别有用。

4. 灵活的调用方式

• 显式调用 ：@agent-security-auditor 检查安全问题
• 自动路由：Claude根据请求内容自动选择合适的Agent
• 协作模式：多个Agent按依赖关系串行或并行工作

使用中的注意事项

Token消耗会增加

使用Sub Agents确实会比普通对话消耗更多tokens，因为：

1. 每个Agent都有独立的上下文
2. 专业的提示词通常比较长
3. 多Agent协作需要更多的协调沟通

不过这个增加是值得的，因为结果的质量和专业度有明显提升。

Agent选择的准确性

Claude Code的自动Agent选择机制大部分时候很准确，但偶尔也会选错。如果发现选择不当，可以显式指定Agent名称。

模型选择策略

• 复杂的架构设计：使用Sonnet模型
• 代码审查：使用Sonnet模型
• 简单的格式化、文档生成：可以使用Haiku模型节省成本

技术深度分析

智能路由机制

Claude Code通过分析用户请求中的关键词、上下文信息，以及各个Agent的描述字段，来决定调用哪个Agent。这个过程是基于语义理解的，不是简单的关键词匹配。

Agent间通信

虽然每个Agent有独立上下文，但它们可以通过主对话线程进行间接通信。主Claude作为协调者，整合不同Agent的输出。

配置文件结构

---
name: unique-agent-name          # 必须唯一
description: "详细的能力描述"      # 用于自动路由
model: sonnet                   # 可选，默认使用系统模型
tools: [tool1, tool2]           # 可选，默认继承所有工具
color: blue                     # 可选，终端显示颜色
---

# Agent的详细提示词
你是一个专业的...

总结

Sub Agents代表了AI编程工具从通用助手向专家团队的重要进化。它解决了传统AI在处理复杂、多领域问题时的上下文混乱问题，提供了更专业、更准确的建议。

虽然会增加一些token消耗，但对于复杂项目来说，这种专业分工带来的效率提升是很明显的。特别是在需要跨多个技术领域协作的场景下，Sub Agents的价值更加突出。

如果你经常处理复杂的全栈项目，或者需要高质量的代码审查和架构建议，Sub Agents绝对值得尝试。