agent-Specialization/agentskills/sub-agent-guide/SKILL.md

name	description
sub-agent-guide	子智能体使用指南。创建子智能体之前必须阅读此技能。子智能体仅用于并行处理独立的“非代码编写”任务（如项目初步探索、网络搜索与信息收集、程序测试执行）。关键限制：子智能体之间无法通信，看不到主对话历史。严格禁止将子智能体用于项目代码编写、代码修改、重构或实现功能。**如果运行模式为多智能体模式，禁止阅读并参考该 skill。**

子智能体使用指南

核心原则

一个子智能体 = 一个完整的独立任务

子智能体拥有完整工具能力，但与主智能体和其他子智能体完全隔离。它们看不到你的对话历史，无法互相通信，只能通过文件系统共享信息。

硬性限制：子智能体严格禁止用于项目代码编写/修改。

何时使用

适合（推荐）：

• 项目初期探索：快速梳理目录结构、模块职责、运行方式，形成初步认知
• 占用大量上下文的网络搜索和信息收集：竞品调研、资料汇总、文档整理、新闻/资料比对
  • 重要：进行大范围搜索或调查前，必须先自己进行一次浅层搜索/调查，摸清关键词、主要来源和任务边界，再创建子智能体并给出精确指导。
• 程序测试与验证：执行测试命令、收集日志、汇总失败用例与错误模式
• 并行独立的文档/分析任务：生成说明文档、运行报告、排查清单

不适合：

• 任务之间需要频繁协调（子智能体无法互相通信）
• 简单快速的任务（创建子智能体有开销）
• 需要你参与决策的任务（子智能体是自主运行的）
• 任何项目代码编写、代码修改、代码重构、功能实现任务（必须由主智能体处理）
• 任何会直接改动项目源码的开发工作

任务描述的艺术

子智能体看不到你的对话历史，task 参数是它收到的唯一指令。

关键要素：

1. 明确的目标 - 要做什么，产出什么
2. 清晰的范围 - 操作哪些文件/目录
3. 具体的交付物 - 生成什么文件，放在哪里
4. 完成标准 - 什么算完成

好的示例：

# 代码定位任务
用户反馈了一个程序 bug：登录时偶尔报 500 错误。
1. 先自己阅读项目结构，确认技术栈和登录相关模块位置
2. 复现或定位错误触发条件，理解问题表现
3. 创建子智能体：在 src/auth/、src/middleware/、src/api/login/ 等目录中查找可能导致 500 的代码路径
4. 子智能体交付可疑文件列表和代码位置，生成 bug_location.md

# 网络调研任务
用户要求调查国产开源智能体功能：
1. 先自己进行一次浅层搜索，列出当前主要的国产开源智能体（如 AgentScope、DB-GPT、ModelScope-Agent 等）
2. 根据初步结果，为每个候选智能体创建独立的子智能体，分别调研其功能特性、架构设计、适用场景
3. 每个子智能体生成独立报告
4. 最后由你整合对比，生成 overall_comparison.md

# 系统信息收集
收集当前计算机的硬件和系统信息：
1. CPU 架构、型号、核心数
2. GPU 型号、显存、驱动版本
3. 内存大小、系统版本
4. 保存为 system_info.md

避免：

• ❌ "帮我分析一下认证代码" - 太模糊
• ❌ "如果发现问题请告诉我" - 子智能体无法与你交互
• ❌ "先做 A，然后等我确认再做 B" - 子智能体是一次性执行的

交付目录设计

deliverables_dir 必须是不存在的新目录，子智能体会把所有成果放在这里。

命名建议：

sub_agent_results/task_description/  # 清晰描述任务
sub_agent_results/module_a_docs/     # 按模块组织
sub_agent_results/test_auth_report/  # 按测试/报告组织

避免：

• ❌ 使用已存在的目录（会报错）
• ❌ 使用绝对路径（必须是相对于项目根目录的相对路径）
• ❌ 使用通用名称如 "output" "result"（多个子智能体会冲突）

执行模式：阻塞 vs 后台

子智能体有两种执行模式，通过 run_in_background 参数控制：

阻塞模式（run_in_background=false，默认）

行为：

• 创建子智能体后，你会停止输出，等待它完成
• 完成后结果直接在工具返回中给出，继续你的工作
• 不会有额外的系统通知消息

何时使用：

• ✅ 快速任务（预计 < 1 分钟）
• ✅ 需要立即使用结果的任务
• ✅ 单个子智能体，没有其他并行工作

示例：

# 快速信息搜集，立即需要结果
create_sub_agent(
    agent_id=1,
    summary="搜索 Python 3.12 新特性",
    task="搜索并整理 Python 3.12 的主要新特性，生成 python312.md",
    deliverables_dir="research/python312",
    run_in_background=false,  # 阻塞等待
    timeout_seconds=300
)
# 工具返回后，你可以立即读取 research/python312/python312.md

后台模式（run_in_background=true）

行为：

• 创建子智能体后，工具立即返回，你可以继续做其他事情
• 子智能体在后台运行，完成后系统会自动插入一条 user 消息通知你
• 你会在对话中看到类似："这是一句系统自动发送的user消息，用于通知你子智能体已经运行完成..."

完成通知机制说明：

• 后台子智能体完成的通知是系统自动插入的 user 消息（前缀 [系统通知|sub_agent]），不依赖手动调用任何轮询接口。
• 你只需在收到通知后直接查看交付目录即可，系统会把所有必需信息一并带上。

何时使用：

• ✅ 需要同时创建多个子智能体
• ✅ 创建后你有其他工作可以先做（回答用户问题、处理其他任务）

后台模式下你应该做什么：

情况 A：运行子智能体期间需要做别的事情

# 创建多个后台任务
create_sub_agent(agent_id=1, task="...", run_in_background=true, ...)
create_sub_agent(agent_id=2, task="...", run_in_background=true, ...)

# 立即告诉用户并继续其他工作
"我已经启动了2个子智能体在后台并行工作，预计需要10-15分钟。在等待期间，我可以先帮你处理其他事情。"

# 然后你可以：
# - 回答用户的其他问题
# - 处理其他任务
# - 阅读代码、分析问题
# - 运行其他工具
# 子智能体完成时会自动插入一条 system 消息通知你

情况 B：运行子智能体期间不需要做别的事情，且只需要一个子智能体

# 只有单个子智能体，且期间没有其他工作，直接使用阻塞模式
create_sub_agent(agent_id=1, task="大规模日志分析", run_in_background=false, timeout_seconds=1800)

# 等待工具返回后，直接读取交付目录处理结果

情况 C：运行子智能体期间不需要做别的事情，但需要同时创建多个子智能体

# 多个子智能体同时运行，即使自己暂时没事做，也全部使用后台模式
create_sub_agent(agent_id=1, task="分析前端认证实现", deliverables_dir="analysis/frontend_auth", run_in_background=true, ...)
create_sub_agent(agent_id=2, task="分析后端鉴权实现", deliverables_dir="analysis/backend_auth", run_in_background=true, ...)

# 告诉用户预计时间
"我已启动2个子智能体并行分析认证与鉴权实现，预计需要10-15分钟。系统会在完成后自动通知我，届时我会立即整合结果并回复你。"

# 然后停止工作和输出，等待系统通知
# 每个子智能体完成后，系统都会自动发送一条 user 消息通知你

重要提示：

• 系统会自动处理通知，你只需要在收到通知消息后处理结果即可
• 如果你正在执行工具调用，系统会延迟通知，避免打断你的工作流
• 不论运行中还是空闲，通知一律是带 [系统通知|sub_agent] 前缀的 user 消息；运行中只是通知不触发新一轮回复，空闲时等同于一条新输入会触发回复
• 后台完成由上述系统通知负责，不要再依赖任何手动等待流，系统会在能插入消息时自动通知你。

模式选择决策树

任务预计耗时 < 1 分钟？
├─ 是 → 使用阻塞模式（run_in_background=false）
└─ 否 → 需要同时创建多个子智能体？
    ├─ 是 → 使用后台模式（run_in_background=true），然后停止输出等待系统通知
    └─ 否 → 创建后你有没有其他工作可以先做？
        ├─ 是 → 使用后台模式（run_in_background=true），继续处理其他工作
        └─ 否 → 使用阻塞模式（run_in_background=false）

核心判断标准：选择阻塞模式还是后台模式，唯一标准是创建子智能体后你自己还有没有别的事情要做，和子智能体本身被用来做什么任务无关。不要因为任务是“搜索”就一定用后台，也不要因为任务是“分析”就一定用阻塞。

并行执行模式

创建多个子智能体时，确保它们的任务完全独立：

# ✅ 好的并行：各自独立，使用后台模式
create_sub_agent(agent_id=1, task="生成模块 A 的文档", deliverables_dir="docs/module_a", run_in_background=true, ...)
create_sub_agent(agent_id=2, task="生成模块 B 的文档", deliverables_dir="docs/module_b", run_in_background=true, ...)
# 告诉用户："已启动2个子智能体并行生成文档，预计10分钟完成。系统会在完成后自动通知我。"
# 然后你可以继续做其他事情，或者停止输出等待通知

# ✅ 好的并行：信息搜集
# 先自己浅层搜索，列出 3-5 个国产开源智能体
# 然后为每个智能体创建独立的子智能体并行调研
create_sub_agent(agent_id=1, task="调研 AgentScope 的功能特性、架构和适用场景", deliverables_dir="research/agentscope", run_in_background=true, ...)
create_sub_agent(agent_id=2, task="调研 DB-GPT 的功能特性、架构和适用场景", deliverables_dir="research/dbgpt", run_in_background=true, ...)
create_sub_agent(agent_id=3, task="调研 ModelScope-Agent 的功能特性、架构和适用场景", deliverables_dir="research/modelscope_agent", run_in_background=true, ...)
# 等系统自动通知全部完成后，你再整合生成对比报告

# ✅ 好的并行：系统调研
create_sub_agent(agent_id=1, task="分析前端认证实现", deliverables_dir="analysis/frontend_auth", run_in_background=true, ...)
create_sub_agent(agent_id=2, task="分析后端鉴权实现", deliverables_dir="analysis/backend_auth", run_in_background=true, ...)
# 系统会在每个完成时发送通知，你可以逐个处理或等全部完成

# ❌ 不好的并行：需要协作
create_sub_agent(agent_id=1, task="收集日志", ...)
create_sub_agent(agent_id=2, task="基于子智能体1的日志结论生成报告", ...)  # 依赖子智能体1的结果
# 子智能体2不知道子智能体1什么时候完成，无法协调

常见陷阱

1. 期望子智能体协作

❌ 错误：

create_sub_agent(agent_id=1, task="收集 A 类日志并通知子智能体2")
create_sub_agent(agent_id=2, task="等待子智能体1完成，然后汇总 B 类报告")

子智能体之间无法通信。如果任务有依赖，应该：

• 方案1：顺序执行（等第一个完成后再创建第二个）
• 方案2：让一个子智能体完成整个流程

2. 忘记子智能体看不到对话历史

❌ 错误：

# 你在对话中说："我们要排查认证流程问题"
create_sub_agent(task="按照我们讨论的方案排查认证流程")

✅ 正确：

create_sub_agent(task="""
排查 src/auth/ 目录认证流程：
- 梳理认证相关入口、调用链和关键配置
- 运行现有测试并记录失败项
- 生成诊断报告（auth_diagnosis.md）
- 不允许修改任何项目源码
""")

3. 超时时间设置不当

子智能体超时后会被强制终止，已完成的工作可能丢失。

经验值：

• 文档生成：600-900 秒
• 信息搜集/网络调研：900-1800 秒
• 大规模分析：1800-3600 秒

宁可设置得长一些，也不要让子智能体因超时而前功尽弃。

4. agent_id 重复使用

同一对话中，每个 agent_id 只能使用一次。如果子智能体失败需要重试，必须使用新的 agent_id。

create_sub_agent(agent_id=1, ...)  # 失败了
# ❌ create_sub_agent(agent_id=1, ...)  # 会报错
# ✅ create_sub_agent(agent_id=2, ...)  # 使用新的 ID

检查结果

阻塞模式下

工具返回中直接包含结果：

result = create_sub_agent(agent_id=1, run_in_background=false, ...)

if result["success"]:
    # 读取交付目录中的文件
    deliverables = result["deliverables_dir"]
    # 处理生成的文件...
else:
    # 检查失败原因
    if result["status"] == "timeout":
        # 考虑增加 timeout_seconds 重试
    else:
        # 查看 result["message"] 了解失败原因

后台模式下

等待系统自动插入的通知消息：

如果你继续工作，会收到 system 消息：

✅ 子智能体1 任务摘要：搜索 Python 3.12 新特性 已完成。

调用了15次
阅读了8次文件
编辑了2次文件
搜索了3次内容
查看了5个网页
运行了2个指令

运行了245秒

已搜索并整理 Python 3.12 的主要新特性...

交付目录：research/python312

如果你停止输出，会收到 user 消息：

这是一句系统自动发送的user消息，用于通知你子智能体已经运行完成

子智能体1 (搜索 Python 3.12 新特性) 已完成任务。

已搜索并整理 Python 3.12 的主要新特性...

运行了245秒

交付目录：research/python312

收到通知后，读取交付目录中的文件并处理结果。

thinking_mode 选择

• fast：常规任务（文档生成、信息搜集、数据分析）
• thinking：需要深度推理的任务（架构设计、复杂算法分析、安全审计）

大多数情况下使用 fast 即可。

总结

子智能体的本质是并行执行完全独立的任务。

关键要点：

1. 执行模式选择：运行子智能体期间没有别的事情要做且只创建一个子智能体 → 阻塞模式；需要同时创建多个子智能体，或期间有其他工作可以先做 → 后台模式
2. 后台模式下：创建后继续工作或停止输出，系统会自动通知完成
3. 任务独立性：子智能体之间无法通信，确保任务完全独立
4. 任务描述：子智能体看不到对话历史，task 参数必须包含所有信息

如果你发现自己在设计子智能体之间的协作流程，那可能不应该使用子智能体，而应该自己顺序执行这些步骤。