4-4 子Agent（delegation）使用时机

什么时候该用子Agent？

• ✅ 任务完全独立：子任务不需要主任务的实时状态，可以独立完成
• ✅ 需要隔离上下文：子任务如果在主对话里做，会污染上下文，影响后续判断
• ✅ 可以并行执行：多个独立子任务同时跑，节省时间
• ✅ 子任务本身很复杂：需要子Agent自己做多步推理，独立完成

delegate_task的三要素

delegate_task(
    goal="...",    # 子Agent的目标，越具体越好
    context="...", # 子Agent需要的背景信息（它没有主对话的上下文！）
    role="leaf"    # leaf=专注工作者 / orchestrator=可以再派子Agent
)

子Agent结果验证的重要性

子Agent汇报"成功"不代表真的成功。必须验证：

# ❌ 错误：直接信任子Agent的自我汇报
result = delegate_task(goal="把文件上传到GitHub")
print("成功！")  # 不对，没验证

# ✅ 正确：要求子Agent返回可验证的handle，然后自己验证
result = delegate_task(
    goal="把文件上传到GitHub，完成后返回commit SHA和文件URL",
    context="仓库：..."
)
# 然后自己去验证URL是否真实存在
verify_url(result["url"])  # 确认文件确实在GitHub上

完整使用示例

# 主任务：生成每日AI报告并推送
# 把耗时的信息收集拆成并行子任务

tasks = [
    {
        "goal": "搜索今日GitHub上star增长最快的AI项目，返回前5个的名称、star数、简介",
        "context": "只关注AI/ML相关仓库，今日指2026-07-24"
    },
    {
        "goal": "搜索今日HackerNews上关于AI的热门讨论，返回前3个的标题和链接",
        "context": "HN分数需要>100"
    },
    {
        "goal": "搜索今日arXiv上最新发布的LLM相关论文，返回2-3篇的标题和摘要",
        "context": "关注cs.AI和cs.CL类别"
    }
]

# 并行运行，等待所有结果
results = delegate_task(tasks=tasks)

# 验证每个子任务的结果是否非空
for r in results:
    assert r and len(r) > 0, "子任务返回了空结果"

# 合并生成报告
report = generate_report(results)

常见陷阱

• ❌ 给子Agent的context不够 → 子Agent没有主对话的上下文，必须在context里提供所有需要的背景
• ❌ 在子Agent里让它"回复给用户" → 子Agent无法直接和用户对话，只能返回结果给父Agent
• ❌ 嵌套太多层子Agent → 调试困难，延迟累加，通常2层足够

子Agent最大的价值是并行化和上下文隔离。记住：它们是盲的，只知道你传进去的context，什么都不假设。