这是什么

Claude Code 上线了一套「多 Agent」机制：让一个主 AI 把任务拆开，派给多个子 AI 并行处理，每个子 AI 拥有独立的对话上下文、独立的工具权限，甚至可以用不同档位的模型。比如「Explore」子 Agent 只负责读代码、用最快的 Haiku 模型跑；「Plan」子 Agent 只负责设计方案、用主 Agent 的同款模型深度思考。

通俗讲：原来是一个实习生从头干到尾，工具塞满口袋、脑子越来越乱；现在是项目经理把活分给三个专员，每人一个口袋、只干一件事。

技术细节上，Claude Code 的源码透露了一个关键数字：Explore 子 Agent 每周被调用 3400 万次以上，单靠「忽略项目说明文档」这一项优化，每周就能省下 50-150 亿 token 的成本。

行业怎么看

支持方认为，多 Agent 是 AI 走向「能干复杂活」的必经之路。Anthropic 用工程实践证明：让 AI 像公司一样分工，比让一个 AI 变聪明更现实。开源社区已经在复刻这套设计。

反对意见同样尖锐。多 Agent 架构的最大风险是「协调成本失控」：子 Agent 之间反复传话、互相等待、结果不一致，最终开销可能远超单 Agent 方案。Vercel 工程团队曾公开数据：盲目堆 Agent 数会让延迟翻 3-5 倍。还有研究者提醒，当 AI 拥有独立的「执行上下文」，调试和审计的难度会指数级上升——出了问题，你甚至说不清是哪个 Agent 做的决定。

我们倾向于把这看作「工程方法论的拐点」，而不是「AI 智力再次飞跃」。分不分工，怎么分，本质是软件架构问题，不是模型能力问题。

对普通人的影响

对企业 IT：未来 12 个月，「能不能让多个 AI 协作完成任务」会从加分项变成采购门槛。预算审批时，建议把「多 Agent 架构」列入技术评估清单。

对个人职场：「指挥 AI 干活」这项技能的具体含义在变化——重点不是写更长的提示词，而是学会拆任务、定边界、做验收。可以开始练习了。

对消费市场：C 端用户短期内还感受不到。真正能用上的，至少要等大厂把架构成本摊薄到普通订阅价之后，预计还要 6-12 个月。