密歇根大学 AI 编程课第 14 讲公开：讲透 Subagents 机制与取舍

密歇根大学最新 AI 编程课「Applied Agentic Software Engineering」 第 14 讲「Subagents」讲义刚刚公开，围绕：为什么需要 subagents、机制是什么、关键取舍、以及它和相邻概念的区别 四个部分展开。 讲义： github.com/eecs498-aase/m… Part 1：为什么需要 subagents？ 因为长对话必然劣化，四个原因： · 上下文有限，内容只进不出 · 被否决的想法仍在场（history bleed），模型会捡回来；这就是“变差”的来源 · 每次请求重发全部历史，caching 省钱不省窗口 · 单对话串行，读代码时无法并行比较方案 解法：主对话只留请求和计划，各部分的阅读留在各自的 subagent 里；只回流结果，垃圾全部丢弃。 Part 2：subagents 机制 · Agent 工具对模型就是普通工具；prompt（即 brief）是 subagent 信息的唯一来源 · harness 立即回 "launched"（默认后台），开出第二对话：更短的系统提示词、更少的工具（Explore 无 Edit/Write/Agent，物理上只读）、同样的 CLAUDE.md、没有主对话历史 · 结束必须调 SubagentHandback，否则内容不送达 · 报告回流时的防护：标记为模型输出而非用户（无用户权限）、整体缩进（伪造帧线可辨）；用纯格式守住对话边界 · brief 是模型写给模型的提示词：位置、验收标准、报告形状都要写清；模糊的 brief 得到模糊的搜索 Part 3：Fresh 还是 Forked（最大取舍） harness 自己列出的风险： · 细节双向丢失：它只知 brief，你只见报告 · 错误与正确发现同样自信 · 最危险：拿到你的假设，倾向于证实着送回来；要第二意见，给它代码，不给结论 Fresh：起点「仅 brief」、适合「第二意见、独立审查」、成本「更贵」 Forked：起点「全部历史 + brief」、适合「需要全部积累的侧任务」、成本「更便宜（复用 prompt cache）」 Fresh 不是便宜选项，是独立选项。 L10 的 Goldfish 必须是 fresh：fork 出来的会用记忆填补文档缺口，然后说文档没问题。 Part 4：辨析与工程 三个问题区分一切形态：几个对话、谁和谁说话、谁决定下一步。 · Subagents：每段新对话，只与父对话通信，父对话掌权 · Team：多对话 + 互发消息 + 共享任务列表（带文件锁），你可直连任意队友 · Handoff：一段对话，换个 agent 接管（换指令换工具、保历史），不回头；与 subagent 恰好相反 · Swarm = 机制 × 规模（Kimi K2.5：100 并发；OpenAI Navier–Stokes：约 10,000 agents、1,300 亿 token） · 并行编辑靠 worktree 隔离：每个 subagent 独立 checkout + 分支，改完留分支等合并 meng shao @shao__meng x.com/i/article/2108… 🔗 View Quoted Tweet 💬 2 🔄 4 ❤️ 8 👀 519 📊 6 ⚡