Sub-agent（子智能体）和 Skills（技能/工具）的界限可以通过“自主性”和“上下文管理”这两个核心维度来清晰区分

Skills (技能/Tools): 是“工具箱里的锤子”它是被调用的原子能力，通常是确定性的或者是单步的。它本身没有“脑子”（推理能力），不知道为什么要用自己，只负责接受输入，产出输出。ReadFile()。Agent 觉得需要搜索 -> 调用 Search Skill -> 获得结果。Sub-agent (子智能体): 是“外包团队的专员”它是一个具有独立推理能力的实体，负责处理一个完整的子任

路人与大师

785人浏览 · 2026-01-27 18:46:10

路人与大师 · 2026-01-27 18:46:10 发布

这是一个非常经典且触及 AI 架构本质的问题。在目前的 AI Agent（智能体）架构中，Sub-agent（子智能体） 和 Skills（技能/工具） 的界限可以通过“自主性”和“上下文管理”这两个核心维度来清晰区分。

以下是具体的拆解：

1. 核心定义的区别

你可以用“员工 vs. 工具”的模型来理解：

Skills (技能/Tools): 是“工具箱里的锤子”
定义： 它是被调用的原子能力，通常是确定性的或者是单步的。
特点： 它本身没有“脑子”（推理能力），不知道为什么要用自己，只负责接受输入，产出输出。
例子： GoogleSearch()、ReadFile()、Calculator()、RunPythonScript()。
交互模式： Agent 觉得需要搜索 -> 调用 Search Skill -> 获得结果。
Sub-agent (子智能体): 是“外包团队的专员”
定义： 它是一个具有独立推理能力的实体，负责处理一个完整的子任务。它拥有自己的 System Prompt（人设）和独立的执行循环（Loop）。
特点： 它有“脑子”，懂得规划。它可以在内部进行多次尝试、自我纠错，直到完成目标后再向主 Agent 汇报。
例子： CodeReviewerAgent（专门负责查错的）、SQLOptimizerAgent（专门优化查询的）。
交互模式： 主 Agent 把“优化这段代码”的任务丢给 Sub-agent -> Sub-agent 自己思考、调用 Skills、测试、修改 -> 最终只返回优化好的代码给主 Agent。

2. 关键差异点：上下文压缩与隔离

在架构设计中，Sub-agent 存在的一个核心意义就在于上下文（Context）的压缩与隔离：

维度	Skills (技能)	Sub-agent (子智能体)
上下文 (Context)	无状态或并在主线程。使用 Skill 的过程、参数和返回结果通常直接暴露在主 Agent 的对话历史里。	独立隔离。 Sub-agent 有自己的对话历史。它在内部思考了10轮，最后只把结论返回给主 Agent。主 Agent 的 Context 不会被中间过程污染。
自主性 (Agency)	被动。必须由 Agent 明确调用。	主动/半主动。一旦接受任务，它自己决定怎么做，甚至可以调用它自己的 Skills。
容错率	低。工具报错通常直接抛出异常，需要主 Agent 来处理。	高。 Sub-agent 可以在内部看到报错，自己尝试修复，修好了再汇报。
复杂度	原子级操作 (Atomic)。	任务级流程 (Workflow)。

3. 场景举例：代码重构

假设要开发一个“代码重构功能”：

如果用 Skills 模式：
主 Agent 的思维链是：“我先读取文件 A（Skill 1），分析后发现需要改名，我调用重命名工具（Skill 2），然后我再运行测试（Skill 3）…”
后果： 主 Agent 的上下文里塞满了文件内容、中间步骤、测试日志，Token 消耗巨大且容易迷失（Lost in the middle）。
如果用 Sub-agent 模式：
主 Agent 的指令是：“@RefactorAgent，帮我重构下这个模块。”
RefactorAgent (Sub-agent) 接手。它自己在“小黑屋”里读文件、改代码、跑测试、报错、再改、再跑…（这些繁琐的过程主 Agent 都不用管）。
最后 RefactorAgent 完成工作，只回复：“搞定了，这是最终的 Diff。”
优势： Context 被极致压缩。主 Agent 只看到了“请求”和“结果”，中间的“思考过程”被封装在了 Sub-agent 内部。