子 Agent 模式（Sub-Agent Pattern）

概述

子 Agent 模式是一种上下文保护策略，将昂贵的操作（测试、编译、截图）offload 给独立的子 Agent 执行，主 Agent 仅接收结论而不被执行细节污染，从而保持主上下文的精简和决策能力。

关键内容

1. 核心架构： 主 Agent 上下文 (调度器): "请运行测试并告诉我 auth-001 是否通过" ↓ spawn subagent 子 Agent 上下文 (执行器): 运行 npm test -- auth.test.js 截图 → 分析结果 → 返回: "PASS / FAIL" ↑ 只返回结论，不污染主上下文 主 Agent: 收到结论 → 更新 prd.json → 提交

2. 主 Agent 的职责：只做决策，不做重型执行。保持上下文精简，避免被测试输出、编译日志、截图分析等大量中间结果污染。

3. 子 Agent 的职责：执行具体的重型操作，包括运行测试套件、编译构建、截图分析、文件转换等。子 Agent 拥有独立的上下文窗口，其内部的 token 消耗不会影响主 Agent。

4. 与 上下文窗口 的关系：子 Agent 模式是保护主上下文窗口不被污染的关键手段。重型操作的输出通常包含大量 token（测试日志、编译错误、终端输出），如果直接在主 Agent 中执行，会快速消耗上下文预算。

5. 与 Orchestrator-Subagent-Pattern 的对比：

6. Orchestrator-Subagent 是通用的任务分发模式，子 Agent 可能承担完整的子任务

7. 子 Agent 模式更聚焦于"上下文保护"——子 Agent 是执行器，返回精简结论

8. 与 脑手分离架构 的对比：

9. 脑手分离架构将"大脑"（决策）和"手"（执行）完全解耦为独立服务

10. 子 Agent 模式是脑手分离的轻量实现——在同一系统内通过 spawn 实现分离

11. 在 Ralph Loop 中的应用：主 Agent 负责选择 Story、编写代码、更新状态文件，而将测试验证、浏览器自动化等重型操作委托给子 Agent。主上下文永远保持精简，只做决策。

来源

• raw/articles/ai-tools/ralph-loop/how-the-loop-works.md — Ralph Loop 核心原理深度解析
• raw/articles/ai-engineering/anthropic-engineering/claude-engineering/04_context_engineering.md — Anthropic 子 Agent 架构上下文流模式分析
• 08_claude_code_best_practices.md — Anthropic 官方 Claude Code 最佳实践指南（子 Agent 用于调查的经验法则）

相关

• Ralph Loop — used_by（Ralph Loop 中用于保护主上下文）
• 上下文窗口 — relates_to（保护主上下文窗口不被重型操作污染）
• Orchestrator-Subagent-Pattern — compares_to（更通用的任务分发模式）
• 脑手分离架构 — compares_to（完全解耦的决策-执行分离架构）