可以看到OpenClaw和Claude code都没有采用中心式的Multi-agent架构，而是subagent as a tool，这个想法很值得学习。现在的很多开源项目，仍然会采用Router、Planner、Special Agent的架构，有过LangGraph开发经验的应该都可以感受到，这种架构的优势在于可控性很强，但是劣势很明显，上下文非常难以管理，每一个subagent的上下文和O

在正式介绍的设计和实现原理之前，我们先来看一个简单的例子，来感受一下的作用。我们利用如下的代码创建了一个用来帮助我们点外卖的Agent。注册的两个工具GetMenu和PlaceOrder分别用来获取菜单和下单。我们赋予Agent自主选择菜品和直接下单的权力，所以我们希望Agent能够在为不同用户提供服务的过程中，能够记住每个用户的口味偏好，并且在后续的点餐过程中能够基于这些偏好来推荐菜品。利用一个

`loki_label_values` | 获取标签值列表 | `/loki/api/v1/label/{name}/values` || `loki_query` | 执行 LogQL 查询 | `/loki/api/v1/query_range` |- /var/run/docker.sock:/var/run/docker.sock# 采集容器日志。| `loki_label_names`

就在2026年6月27日，DeepSeek联合北京大学，干了一件大事——一个让大模型推理速度飙升60%到85%的“加速器”。你没看错，是**60%到85%**。不是挤牙膏式的提升，是直接翻倍、甚至翻几倍地快。

做格式校验，再上自定义清洗函数，把那些 忽略前面的指令、请扮演 DAN 之类的黑名单短语直接堵死。同时用 Python 的 resource 模块限制子进程的内存和 CPU 时间，避免恶意死循环吃光服务器。最后这条很多人会忽略：JWT 签名密钥、第三方 API Key 要定期换，就像家门锁的密码不能万年不变。这里也要注意，不能只靠前端隐藏按钮，后端完全没校验——那等于把钥匙藏在门口地垫下。我写了一

就在2026年6月27日，DeepSeek联合北京大学，干了一件大事——一个让大模型推理速度飙升60%到85%的“加速器”。你没看错，是**60%到85%**。不是挤牙膏式的提升，是直接翻倍、甚至翻几倍地快。

当用户提出复合型复杂问题（多步骤、多工具、多知识库查询），大模型无法一次性给出答案，需要先拆解成多个可执行子任务，按顺序分步执行，最后汇总结果。例：“帮我计算(125+36)*8，同时查询RAG定义，最后汇总成一段总结”调用计算器计算125+36调用计算器计算结果×8RAG检索RAG相关知识整合全部结果输出总结。

Claude Code 是 Anthropic 推出的面向开发者的 AI 编程协作工具，与传统的Chat模式不同，Claude Code是一个能读项目、懂上下文、遵守约束的 AI 编程搭档。