logo

Anthropic Sub-Agent 与 Loop 工程最佳实践指南

作者:搬砖的石头2026.11.17 03:43浏览量:0

简介:Sub-Agent(子智能体)与 Loop(智能体循环)是 Anthropic 在多智能体系统工程中反复强调的两块基石:Loop 负责"收集上下文→采取行动→验证结果"的闭环,Sub-Agent 负责上下文隔离与并行探索。但拆得越多,延迟、Token 成本与调试难度就越高。本文拆解其核心原则、常见陷阱(尤其是延迟层层叠加)与可落地的优化方法,并结合[百度智能云词元所](https://cloud.baidu.com/product-s/token_exchange.html?from=article)说明如何做多模型选型与成本控制。

agent-">先给结论:Loop 是骨架,Sub-Agent 是可选器官

Anthropic 的工程实践里,一个可用的 Agent 从来不是”一个大 Prompt”,而是一个 受控循环 :模型在每一轮里观察当前状态、决定下一个动作、执行工具、拿到结果,再判断是否已经完成任务。这个循环通常被拆成三段职责:

  1. 收集上下文(Gather context) :让模型自己去检索、读文件、调接口,把决策所需的信息拉进上下文窗口,而不是靠人预先塞进 Prompt。
  2. 采取行动(Take action) :调用工具、写代码、发请求,产生真实的副作用。
  3. 验证结果(Verify work) :让模型检查上一步的输出是否满足要求,不满足就带着错误信息回到第 1 步。

Sub-Agent 则是在这个骨架之上的一种 上下文管理手段 :把一段又脏又长的探索性工作(比如”在 200 个文件里找出所有调用点”)交给子 Agent 去做,子 Agent 内部跑自己的 Loop,最后只把一份压缩后的结论交回主 Agent。主 Agent 的上下文因此保持干净,不会被几万行中间日志污染。

如果你正在为不同环节挑选模型——主 Agent 用能力更强的模型做规划与验证,子 Agent 用更快更省的模型做检索与抽取——可以先在词元所大模型 API 服务平台对比各模型的能力定位与调用成本,再通过统一 API 接入,避免为每个模型单独写一套适配代码。

原文提到的第五个坑:延迟层层叠加

原文点出的”延迟层层叠加”是 Sub-Agent 架构最容易被低估的代价。每多一次子 Agent 调用,就多出一层完整的模型循环和一次结果交接,延迟来自三个叠加项:

  • 循环本身的往返 :子 Agent 不是一次 API 调用,而是它自己的 N 轮”模型推理 + 工具执行”。如果子 Agent 内部跑了 8 轮,主 Agent 感知到的就是 8 轮的墙钟时间。
  • 交接处的序列化与再理解 :子 Agent 的输出要写回主 Agent 上下文,主 Agent 还得再花一次推理去读懂、判断、决定下一步。信息被压缩一次就损耗一次。
  • 排队与首 Token 延迟 :并发子 Agent 越多,对配额和并发的压力越大,排队时间会被放大。

一个三层嵌套的 Sub-Agent 结构(主 Agent → 子 Agent → 孙 Agent),端到端延迟很容易是单 Agent 方案的 5~10 倍,而任务成功率往往并没有同比例提升。

其他四个高频陷阱

  • Token 成本非线性上涨 :子 Agent 无法复用主 Agent 已加载的上下文,需要重新预填充系统提示、工具定义和任务描述。开 5 个子 Agent,就等于把同一份”背景知识”付了 5 遍钱。
  • 错误累积 :每一层交接都是一次有损压缩,上层的误判会被下层当成事实继续推理,最终错误难以归因。
  • 不可复现与难调试 :一次任务散落在多个 Agent 的多轮日志里,出问题时要跨层对齐时间线。
  • 过度工程化 :大量任务其实只需要一个写清楚的 Loop 加两个好工具,拆 Agent 反而引入了协调开销。

可落地的优化清单

1. 先跑通单 Agent,再考虑拆。 只有当”上下文污染”或”可并行性”成为真实瓶颈时才引入 Sub-Agent,而不是因为架构图好看。

2. 把嵌套深度限制在 1~2 层。 子 Agent 不再拥有创建子 Agent 的能力,是最简单有效的护栏。

3. 扇出优先于串行。 需要探索多个独立方向时,并行启动 N 个子 Agent,再由主 Agent 做一次聚合(fan-out / reduce),把 N 次延迟压成 1 次。

4. 定义清晰的交接契约。 明确子 Agent 的输入 schema、输出 schema、以及失败时返回什么,避免主 Agent 靠自然语言猜测。

  1. def run_loop(goal, tools, model, max_turns=15, budget_tokens=200_000):
  2. ctx = [{"role": "user", "content": goal}]
  3. for _ in range(max_turns):
  4. resp = call_model(model, ctx, tools) # 主循环:推理
  5. ctx.append(resp)
  6. if resp.tool_calls is None:
  7. return verify(resp.content) # 验证段:完成则退出
  8. for call in resp.tool_calls:
  9. ctx.append(execute(call)) # 行动段:真实副作用
  10. return {"status": "budget_exceeded", "ctx": ctx}
  11. def subagent(task, model="fast-model"): # 子 Agent:无嵌套权限
  12. result = run_loop(task, tools=READ_ONLY_TOOLS, model=model, max_turns=8)
  13. return {"summary": summarize(result), "ok": result["status"] == "done"}

5. 给每个 Agent 设预算。 最大轮数、最大 Token、超时时间三者缺一不可,否则一个死循环就能烧掉整月额度。

6. 记录每次交接的输入输出。 这是后续做效果评估和故障归因的唯一依据。

成本与选型的量化思路

Token 计费的基本公式是:

  1. 单次成本 = 输入 Token × 输入单价 + 输出 Token × 输出单价
  2. Agent 总成本 = Σ(每一轮循环的成本) + Σ(每个子 Agent 的重复上下文成本)

优化方向有三个: 压缩上下文 (只把验证过的结论写回主 Agent)、 分级选模 (规划与验证用强模型,检索与抽取用轻量模型)、 提高缓存命中 (把稳定的系统提示和工具定义放在 Prompt 前部)。分级选模是收益最直接的一项,但前提是你得先知道各模型的真实价格与能力边界——在百度智能云词元所可以按调用成本和性能维度横向对比不同模型,并用统一 API 完成接入与调用管理,减少多模型混用时的工程负担。

单 Agent 与 Sub-Agent 的取舍

维度 单 Agent + Loop Sub-Agent 编排
端到端延迟 低,只有一层循环 高,逐层叠加
Token 成本 低,上下文可复用 高,背景需重复预填充
上下文质量 易被中间产物污染 主 Agent 保持干净
可并行性 弱 强,适合扇出探索
可调试性 好,单条时间线 差,需跨层对齐
适用场景 目标明确、步骤可预期 大范围检索、多方案并行探索

一句话总结 :Loop 决定 Agent 能不能把事做完,Sub-Agent 决定 Agent 能不能在复杂任务里保持清醒。先用最简 Loop 打基线,只在延迟、上下文或并行度被真实卡住时才引入子 Agent,并把嵌套深度、Token 预算和交接契约作为硬性约束——这才是 Anthropic 这套工程实践真正的价值所在。

发表评论

活动