智谱面试官问：CC 派子 Agent 翻一堆文件，怎么不占主对话的上下文？
你以为 Claude Code 派子 agent 就是再开个对话窗口、或者调一个函数——其实它是一个从零冷启动、跟主对话完全隔开的独立 agent。这课拆它的子 agent 机制：内部靠什么把探索过程隔在主对话外面，只回你一条干净摘要。
先把术语翻成人话
子 agent subagent：主 agent 派出去的一个从零冷启动、独立上下文的小 agent
上下文隔离：子 agent 的探索过程留在它自己的窗口，不脏主窗口
orchestrator 编排者：持有全局上下文、负责派活和合并的主 agent
压缩返回：子 agent 只回一个结论摘要，不回全过程
一、面试现场
面试官提问
“Claude Code 派子 Agent 翻一堆文件，怎么不占主对话的上下文？”
智谱 Agent 架构面。面试官：你用 Claude Code 派子 agent 查一个问题，它翻了几十个文件，最后只回你一句结论。它内部靠什么，把这几十个文件的过程挡在主对话外面？候选人：大概是又开了个对话窗口吧。
面试官追问：那这个「窗口」跟主对话什么关系、状态互通吗？——这题看似问编排，实考你能不能区分「再开一个对话」和「独立冷启动的子 agent」：子 agent 不是「再开个对话」，是一个从零冷启动、跟主对话完全隔开的独立 agent，跑自己的循环，结束只回一条压缩摘要，中间过程一概不进主上下文。
**直接回答：**靠给子 agent 一个冷启动的独立窗口，只回压缩摘要。
二、大多数人怎么答的
典型翻车回答
“子 agent 不就是再开个对话、或者调一次函数嘛。”
这是把子 agent 当成「第二个聊天框」或一次函数调用。差别大了：它是一个从零冷启动的独立 agent，有自己的 fresh context、自己的工具、自己的循环。你让它去翻 50 个文件找一个答案，那 50 个文件的内容留在它自己窗口里，主 agent 只拿回结论——主上下文不被探索垃圾污染。这就是它「隔离上下文」的实现方式。
把它当函数调用、给个名字就指望它干对，结果它缺少完成任务所需的上下文，跑出来驴唇不对马嘴。我认为：先认清它是个独立 agent、不是个函数——你得像给新人交接一样，把边界和必要上下文打包给它，它才跑得对。（顺带一提：开越多也不会越聪明，但那是数量问题；这课先把「靠什么隔离」讲透。）
三、拆开 Claude Code 的子 Agent：用完即弃的独立窗口
把 Claude Code 的子 agent 拆开看，它就是 orchestrator-worker 模式：主 agent 用Agent/Task工具、按subagent_type（通用搜索、只读探索、规划…）派出一个子 agent，子 agent 从零冷启动、用完即弃，结束只回一条 final message 摘要。
内部靠什么隔离上下文？就靠下面三件事。
① 给它一个独立的 fresh context 窗口
子 agent 有独立的 fresh context，它翻文件、试错、读一堆日志的过程都留在自己的窗口里。主 agent 只拿到最终摘要——主上下文不被这些探索垃圾占满。关键在于：派子 agent 是在「花一个独立窗口，换主窗口的干净」。
**违反后果：**不隔离、让一个 agent 自己翻 50 个文件，主上下文被中间过程塞满，没干到一半就开始丢主线、要压缩。
② 它是从零冷启动的独立 agent
子 agent 不是一个函数调用，它是一个从零冷启动的小型 agent：有自己的工具、自己的循环、自己的停止条件。
Claude Code 用Agent/Task工具派它、由subagent_type指定类型；主 agent 把一个有边界的子任务 + 必要上下文打包给它，它跑完一圈，结束只打包一条摘要返回。这就是 orchestrator-worker——主编排、子干活。
**违反后果：**把子 agent 当普通函数，给个名字就指望它干对，结果它缺少完成任务所需的上下文，跑出来驴唇不对马嘴。
③ 结束只回一条压缩摘要，过程主动丢弃
子 agent 结束只回一条压缩后的结果摘要（Claude Code 里就是那条 final message），过程不回灌——这是 feature 不是 bug：要的是结论不是过程。
但摘要要有契约：带什么（结论、关键发现、未解决项）、不带什么（探索流水）。截至 2026-06，orchestrator + ephemeral subagent + compressed summary 已是行业收敛模式，不是 CC 独有。
**违反后果：**返回契约不清，子 agent 要么回一句太空泛没法用，要么把整个过程倒回来，隔离的好处全抵消。
**我的优先顺序：**先认清子 agent 是个从零冷启动的独立 agent（决定你怎么交接——把边界 + 必要上下文打包给它），再把返回摘要的契约定清（决定过程散不散回主上下文）。这两步定了，隔离才真正成立；只甩个任务名、上下文不交代，子 agent 照样跑偏。
四、面试官追问链
追问 1
“子 agent 干完只回一句摘要，信息不就丢了吗？这是 bug 还是 feature？”
是 feature。过程垃圾本就不该进主上下文——你要的是「找到了，在 config.py 第 30 行」，不是它翻了哪 50 个文件的全过程。关键是把摘要契约写清：必须带结论、关键发现、还没解决的问题；不必带探索流水。摘要写好，隔离才既省上下文又不丢真正有用的信息。
追问 2
“主 agent 怎么知道把多少上下文塞给子 agent？给多给少各有什么问题？”
只给完成这个子任务必需的。给少了子 agent 抓瞎、来回猜（delegation gap）；给多了又把隔离优势抵消——你本想省主上下文，结果把一大半都复制给了子 agent。我认为这是编排里最难的手艺：任务边界切得越干净，需要交代的上下文就越少，子 agent 也越不容易跑偏。
追问 3
“3 个子 agent 并行跑，结果怎么合并？谁兜冲突？”
主 agent兜。它是唯一持有全局上下文的人，负责收集各子 agent 的摘要、合并、裁决冲突。子 agent 之间不直接通信——一旦让它们互相传状态，状态会到处扩散、谁也说不清当前真相是什么，这正是 multi-agent 变 chaos 的根源。星型（主编排、子不互联）比网状稳得多。
五、给你的 agent 加子 agent
自造 agent 要处理过程脏、可并行的活时，子 agent 是利器。下面四步教你派得出去、收得回来。
STEP 1 · 切出边界清晰的子任务
挑那种过程一大堆、结论一句话的活外包：搜索、调研、批量探索。边界越清越好交代。
↳ 关键：边界模糊的任务别外包，自己干更省。
STEP 2 · 只打包必需上下文
给子 agent 完成任务必需的那部分上下文，别把主对话整个复制过去。
↳ 关键：给多了就抵消了隔离的意义。
STEP 3 · 子 agent 冷启动跑独立 loop
子 agent 从零冷启动，用自己的 fresh context、自己的工具、自己的停止条件跑一圈。
↳ 关键：它是独立 agent，不是普通函数。
STEP 4 · 定返回摘要契约
规定它回什么：结论 + 关键发现 + 未解决项；不回探索流水。主 agent 负责合并。
↳ 关键：子 agent 之间别互联，星型最稳。
**↳ 一句话验收：**判断要不要派子 agent，就问一句——**这活的探索过程，要不要进主上下文？**不要（搜索、调研、批量探索这类），就派出去隔离；要（强依赖主对话细节、需要来回交互），自己干。隔离是手段，干净的主上下文才是目的。
六、本课总结
一句话总结
派子 agent 内部靠什么隔离上下文？靠给子 agent 一个从零冷启动的独立窗口 + 只回一条压缩摘要——探索过程关在子 agent 自己窗口里，主 agent 只拿干净结论；它是独立 agent、不是函数调用，用完即弃。
面试锦囊
**先说：**先讲机制：派子 agent 靠的是「上下文隔离」——给子 agent 一个从零冷启动的独立窗口，它翻文件、试错的过程留在自己窗口，主 agent 只拿一条摘要，主上下文不被污染。
**再说：**三要点：独立的 fresh context 窗口、从零冷启动的独立 agent（Claude Code 用Agent/Task按subagent_type派）、只回一条压缩摘要且契约写清。
**最后补：**关键在于：只给必需上下文防 delegation gap；子 agent 之间不互联、由主 agent 合并冲突，星型比网状稳；判断要不要派就问一句——这活的过程要不要进主上下文。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～