Paper2Agent 这个工作本身完全基于 CC 的 subagent 机制,本身就是一个我们一直大力推广的 subagent 的极好案例,与 CC 的契合度几乎 100%,拿这个例子来反推我们自己的 Paper2Agent 本身主要通过 CC 自身的机制,把论文复现这件事情分成了几个 subagent:用 「环境 Agent」 帮论文代码配置隔离、可复现的运行环境,用 「提取 Agent」 把论文逻辑转化为标准化工具调用 相关 tools 也木有,感觉更像是应对 CC 的仓促之举 Qwen-code fork 自 Gemini-code ,主要目的是推广 Qwen 家大模型们,中规中矩,PR 稿上说有 MCP 和 类 subagent ,适合开发者辅助,定位更 copilot,subagent 直接留了个命令,运行完了之后提示正在开发中,,,一个字,绝! ,做的很早,YC 毕业,创始人工作狂据说 007,初心是 auto 模式,就是解决问题过程尽量不需要用户参与,多专家代理协同编辑,在局部修改精度上优秀,且比 subagent 更进一步提出了 agent
每个 Subagent 独立执行网页搜索,利用交替推理方式评估工具返回的结果,并将其研究发现返回给 LeadResearcher。 LeadResearcher 对这些结果进行汇总分析,并判断是否需要进一步研究——如果需要,它可以创建更多的 Subagent,或者调整研究策略。 明确主从分工,细化任务边界 在系统中,主智能体(LeadResearcher)负责拆解任务并分配给 subagent。 10–15 次; 深度研究任务:10 个以上 subagent,需明确分工。 并发策略显著提升效率 为解决串行执行耗时过长的问题,系统实现了两个层面的并行机制: 主智能体一次性并发生成多个 subagent; 每个 subagent 可并行调用多个工具。
本篇我们分享它在博客中所设计的 3 个 Agent 的 Prompt:Lead Agent、Search SubAgent和Citations SubAgent。 1. Search SubAgent Search SubAgent主要负责并行执行子任务,使用工具(如 Web 搜索),返回关键发现。 可通过以下地址查看: https://github.com/anthropics/anthropic-cookbook/blob/main/patterns/agents/prompts/research_subagent.md 角色与基础设定 身份:研究子代理(Research Subagent) 协作关系:受主研究代理(Lead Agent)指派执行具体任务 时间基准:当前日期为{{.CurrentDate}} 核心原则:严格遵循指令 Citation SubAgent Citation SubAgent为最终报告生成标准化来源引用标注 。
先说结论: Claude Code 的发展路径清晰可循:从聚焦先进开发工具,到通过 subagent 为业务人员提供低门槛多智能体体验,再到以 SDK 定位自身、力图成为严肃 2B 业务流的驱动引擎。 的产品经理 @_catwu) 想把 CC 融入工作流的一种努力,这个点很好,但这个时间点大家可能还是简单的拿 CC 跟 Cursor 对比,并没有往工作流应用上想,有点发力过早 2025.7.24 发布 subagent 正式宣告一种新的业务和开发对接模式,把 coding 这件事暂时藏起来,让业务而不是开发人员首先感受到 CC 的威力,这个发布很寒碜,仅仅是开发文档里面提了一嘴,官网的 blog 都懒得提一嘴,但事实证明,subagent 才是打动 2B 端组织的关键,有了 subagent 让业务人员跳过开发,直接亲身体会到「多智能体」的威力,甚至都不需要了解什么是多智能体 说完了 CC 的发展脉络,Anthropic 这家不能忽视但不值得尊重的公司想做什么也就了然了 CC 从开发工具入手,以 subagent 的方式提供多智能体入门体验,最后通过 SDK 的方式把自己嵌入组织工作流中,思路清晰了 2.
你可以为每个subagent定义:它负责什么?如何处理问题?能访问哪些工具? Claude可以根据subagent的描述自动把任务委派给合适的subagent;你也可以在对话中直接指定调用某个subagent。 :将特定subagent限定为更安全的操作范围(例如只读权限)举一个例子:创建一个code-reviewersubagent,仅允许使用ReadGrepGlob等读取与检索工具,不开放Write/Edit 这样当你修改代码后,Claude可以自动将质量与安全审查交给该subagent完成,同时避免出现“意外改动代码”的风险。 小提示:如果你希望多个代理或多段对话都复用同一套专业方法(例如安全审查流程、数据分析方法),建议将这些知识沉淀为Skill,而不是写死在某个subagent里。
')) { return 'openrouter,anthropic/claude-3.5-sonnet'; } return null; // 使用默认路由 }; Subagent 路由 对于 Sub Agent 子代理,可以在 prompt 开头指定特定模型: <CCR-SUBAGENT-MODEL>openrouter,anthropic/claude-3.5-sonnet< /CCR-SUBAGENT-MODEL> 请帮我分析这段代码的优化点...
测试第二个子智能体 测试一下新的 invoice_information_subagent,以确保它按预期工作。我们将提供一个需要获取发票和员工信息的查询。 Error: transfer_to_music_catalog_information_subagent is not a valid tool, try one of [transfer_to_music_catalog_subagent 它检测到与发票相关的部分(“最近的购买”)并将其发送给 invoice_information_subagent。 然后,监督者将剩余的音乐查询路由到 music_catalog_subagent。 音乐子智能体检索 U2 专辑信息并将控制权返回给监督者。 由于state.get("customer_id")已设置为1,它会立即移至supervisor,后者将查询路由到music_catalog_subagent。
c.String("v3PrivacyPassphrase"), }, }, }, SubAgents: []*GoSNMPServer.SubAgent Append GoSNMPServer.PDUValueControlItem to your SubAgent OIDS: { OID: fmt.Sprintf("1.3.6.1.2.1.2.2.1.1
❤ Claude Code的subagent技术革新软件开发 并行任务委托大幅提升效率 在快速发展的软件开发领域,AI工具如Claude Code正在彻底改变工程师处理复杂项目的方式。 Claude Code采用的subagent技术允许将专门任务委托给虚拟"子代理",每个子代理专注于代码库的不同方面。 这种并行化方法带来了显著的效率提升: *同时处理多个任务*,取代了传统的顺序人工处理 *专业化分工*,每个subagent专注于特定领域 *显著生产力提升*,根据实际案例,开发效率大幅提高 这一创新使Claude
这个事情其实已经在很多场合说过多遍,为了应对高速发展的业界进展,我们需要有一套以快打快的方法论应对,说穿了其实很简单:「用类似 Claude Code Subagent 这种方式来应对日常突发的新任务, 把 Claude Code(简称 CC)视为一套通用的工具集而不是简单的代码生成工具,尤其是它的自定义指令和 subagent,为什么? 有两个原因: CC 的 subagent 定义完全是自然语言交互,全程无需一行代码,用起来跟领导交代忠心的下属做一件他做熟了的事一样,自然流畅,让用户的心智负担降到最低 内置 Web Search 功能 这个特性在很多事情的探索阶段非常之有用,可以低成本试错,快速找到正确的方向 其实 CC 不让用也不用太糟心,Qwen-code 、CodeBuddy、Google Gemini 这些都排着队免着费等你翻牌子,也都支持 subagent
图片---SNMP 状态交互如前所述, snmp 容器同时承载一个snmp主代理(snmpd)和一个特定于sonic的agentX进程( snmp_subagent )。 (0)在初始化snmp-subagent进程中支持的不同MIB子组件时,该MIB子组件与上述各个db建立连接。从这一刻起,从所有这些db获得的状态被本地缓存到snmp-subagent中。 该信息每隔几秒(< 60)刷新一次,以确保db和snmp-subagent完全同步。(1)一个snmp查询到达内核空间的snmp的套接字。内核的网络栈将数据包发送给snmpd进程。 (3) Snmp-subagent服务于其本地数据结构中缓存的状态之外的查询,并将信息发送回snmpd进程。(4) Snmpd最终通过常用的socket接口向发起者发送一个应答。
在代码中,我们可以这样定义: from deepagents.sub_agent import SubAgent # 1. 数据研究员:负责从网络上获取原始数据 researcher = SubAgent( role="数据研究员", goal="负责搜集特斯拉过去7天的每日股价数据和所有相关的重要新闻。" 数据分析师:负责处理和分析数据 analyst = SubAgent( role="数据分析师", goal="对原始股价数据进行统计分析,生成数据洞察,并绘制一张股价走势图。" 报告撰写师:负责整合信息,撰写最终报告 writer = SubAgent( role="首席分析报告撰写师", goal="整合研究员搜集的新闻摘要和分析师得出的数据洞察,按照要求撰写最终的深度分析报告
它就像一个高效的研究团队:一个“首席研究员”负责规划,然后将任务分解,交给多个“子研究员”(Subagent)去并行探索不同方面。 每个 Subagent 独立执行 Web 搜索,使用交错思维评估工具结果,并将结果返回给 LeadResearcher。 如图所示 2、任务分解与并行执行 首席研究员根据计划,创建出多个子智能体(Subagent),并为每个分配明确的研究任务(例如,图中的子智能体分别负责搜集不同AI公司的信息)。
所以cc里面支持了subagent,就是你可以拉起一个AI开发团队,里面成员的功能职责全是有你来定,然后你的领导给你来了任务,交给他,不同AI员工进行响应,直接互相协同,这样你摸鱼的时间更长了,效率提高 changes for security issues > run all tests and fix any failures 明确请求特定子代理 > use the code-reviewer subagent to check the auth module > have the debugger subagent investigate why users can't log in 为您的工作流程创建自定义子代理 > /agents 然后选择”Create New subagent”并按照提示定义: 子代理类型(例如,api-designer、performance-optimizer) 何时使用它 它可以访问哪些工具
research might use more than 10 subtasks with clearly divided responsibilities # CLEARLY DEFINE EACH SUBAGENT'S GUIDANCE (basically here we are doing Tool RAG) examine all available tools first, match tool usage to subagent
Each subagent also provides separation of concerns—distinct tools, prompts, and exploration trajectories—which
============================== # 第二部分:定义子智能体类 # ============================================ class SubAgent create_sub_agents() self.memory = [] # 用于持久化计划和中间结果 def _create_sub_agents(self) -> Dict[str, SubAgent ]: """创建专用子智能体""" return { "researcher": SubAgent( name=" role="负责网络搜索和信息收集", tools=[search_web] ), "data_analyst": SubAgent 负责数据库查询和数据分析", tools=[search_database, analyze_data] ), "reporter": SubAgent
那个项目对“Deep Agent”模式的实现——包括规划循环(Planning loops)、工具调用、子智能体委托(Subagent delegation)以及 Human-in-the-loop(人机协同
✅/plan一键进规划模式,免审批终于不用对AI说:“领导,申请进入思考状态…”❌子任务(subagent)一碰权限拒绝就躺平✅自动换招:被拒后尝试备选路径从“被拒即离职”进化成“灵活打工人”三大核心升级
SubAgent⚠️ 需手动引导✅ 内置,自动拆解✅ 内置,自动拆解⚠️ 需手动引导准确。 Cursor的SubAgent仍处Beta,需用户手动触发拆分;Claude Code/CodeBuddy支持自动子任务并行执行。