AI 编程助手的语境下Fork是什么意思？

这个设计灵感来源于 Unix 系统的 fork() 系统调用，可以把它想象成：

你（主线程）：正在和 Codex 进行一场深入的对话，讨论一个大型项目的重构方案。
Fork（分叉）：你希望在不打断当前对话的情况下，让 Codex 同时去后台研究三个不同的备选方案。这时，你就可以对 Codex 说"帮我分叉出三个线程，分别去调研方案A、B、C"。于是，Codex 就从当前的对话中"fork"出了三个独立的"分身"，各自去执行任务。

这是为了应对 AI 编程助手在实际使用时面临的一个核心挑战：上下文窗口（Context Window）有限。

如果不用 Fork：Codex 在一个会话里处理的任务越多，对话历史就越长，很快就会把上下文窗口塞满。这会导致：
1. 费用增加：每次请求都要带上庞大的历史记录，消耗更多 Token。
2. 处理能力下降：AI 可能"记不住"或"忽略"早期的关键信息，影响最终结果。
3. 速度变慢：处理大量上下文会拖慢响应速度。
使用 Fork 的好处：
1. 共享上下文，快速上手 ：新 fork 出来的"分身"会直接继承父任务完整的对话历史和系统提示。这意味着它不需要你重新解释一遍背景，立刻就能明白要做什么，省时又省力。
2. 并行处理，效率翻倍：多个"分身"可以同时工作，互不干扰。一个去读文档，一个去写测试，一个去检查 Bug，齐头并进。
3. 节省成本 ：由于所有"分身"共享同一个"前缀"（System Prompt 和对话历史），API 提供商（如 DashScope、OpenAI）的提示缓存（Prompt Caching） 机制就能生效。缓存一次，多个分身复用，能节省 80% 以上的 Token 费用。

你可能会看到 Subagent 这个词，它和 Fork 不同，常见于 Claude Code 或 Qwen Code 这类工具中。

特性	Fork (分叉任务)	Subagent (子代理)
上下文	完整继承父任务的对话历史	通常重新开始，不带父任务的历史
运行方式	在后台异步运行，不阻塞主任务	通常同步运行，会阻塞主任务直至完成
主要用途	处理需要完整上下文的并行任务，如同时研究多个方案	执行需要特定专业知识的独立子任务，如专门的代码审查员或测试员