Claude Code 源码显示至少 4 种子 Agent 隔离方案——从最轻的协程到最重的独立进程，Anthropic 正在把软件工程的进程管理思维塞进 AI 编程工具。这件事值得我们关心的是：当 AI 开始真正并行干活，"谁改了哪个文件"、"谁卡住了谁的进程"就不再是理论问题，而是每分钟都在发生的生产事故。
这是什么
Claude Code 的子 Agent（Sub-agent，即由主 AI 调度的下级 AI 任务单元）不是一个单一概念。源码拆解显示，它至少按四个维度组合出不同形态：
运行模式分三种：sync 同步（主 AI 等子任务干完才继续）、async 异步（子任务后台跑，完事通知）、background（主 AI 甚至不需要等通知）。简单说，就是"盯着你干"、"干完告诉我"、"你自己干我不管"三种管理风格。
隔离程度分四级，这才是重点——
Level 1：纯协程，零隔离。子任务和主 AI 在同一个进程、同一个内存空间，只靠上下文隔离防止"读串"。优点是快，缺点是一个死循环全家卡死。
Level 2：git worktree 隔离（worktree，Git 的多工作目录机制，让同一仓库同时存在多个独立目录）。子 Agent 在独立目录里改文件，互不冲突，但仍共享同一进程。这是性价比最高的方案。
Level 3：teammate 模式，真·多进程。每个 teammate 跑在独立 tmux pane 里，进程级隔离，一个崩了不影响其他。
Level 4：fork subagent（实验性），继承父级完整对话上下文，通过 prompt cache（提示词缓存，减少重复计算的 token 开销）降成本。
我们的判断：这套分级设计的核心逻辑不是"越隔离越好"，而是"按需选择"。只读探索用协程就够了，改代码上 worktree，长时间任务才开独立进程。这是工程思维，不是技术炫技。
行业怎么看
支持者认为，这是 AI 编程工具从"助手"进化到"团队"的关键一步。当前大多数 AI 编程工具仍是单线程对话——你问一句它答一句。但真实开发场景需要并行：一边跑测试、一边改代码、一边查文档。没有隔离机制，多任务并行就是互相踩脚。
但反对声音同样清晰。一位企业级 AI 平台架构师向我们指出：多 Agent 系统的可观测性（Observability，即对系统内部状态的监控能力）会随 Agent 数量指数级恶化——"一个 Agent 出错你能复现，五个 Agent 交互出错你连日志都看不懂"。此外，这些机制目前仍在快速迭代，源码中有大量 feature gate（功能开关）和实验性标记，生产环境稳定性存疑。
另一个被忽视的风险是成本。每多开一层隔离，token 消耗和计算资源就上去了。对企业来说，"让 AI 并行干活"的账未必算得过来。
对普通人的影响
对企业 IT：AI 编程工具正在获得"团队协作"能力，但你的代码审查流程和权限管理可能还没跟上。一个 AI 能同时开三个子任务改三个文件，谁来 review？
对个人职场：理解"多 Agent 协作"正在成为 AI 时代的软技能，就像十年前理解微服务架构一样。你不需要写代码，但需要知道为什么 AI 有时会"自己跟自己打架"。
对消费市场：短期影响有限，这套隔离机制目前只在编程场景跑通。但分级隔离的设计思路——轻任务轻隔离、重任务重隔离——未来大概率会泛化到其他 AI 应用场景。