---
title: "效率暴涨90%！Claude Code多Agent协作系统实战指南"
author: AI设计钟师傅
date: "2026-01-30 11:30:30"
source: "https://mp.weixin.qq.com/s/GW8gzggKU_OASZhlv5-xcA"
---

# 效率暴涨90%！Claude Code多Agent协作系统实战指南

嗨大家好，我是钟师傅。

前两天有读者朋友私信我：「钟师傅，我用 Claude Code 写代码挺顺的，但感觉它干活干多了就开始"犯傻"，明明之前讲过的事情又忘了，是不是哪里设置不对？」

这个问题我太熟悉了。

因为我自己也踩过这个坑——以为给 AI 塞越多信息它就越聪明，结果恰恰相反。

今天这篇文章，就是来解决这个问题的：不是让一个 AI 变得更聪明，而是组建一支 AI 团队，让它们分工协作。

这套方法来自 Anthropic（Claude 的母公司）内部验证的 Multi-Agent 架构。根据他们的数据：一个由 Claude Opus 4 担任"领导"、多个 Claude Sonnet 4 担任"员工"的多智能体系统，在研究任务上的表现比单个最强的 Claude Opus 4 智能体高出 90.2%。

没错，团队的力量在 AI 世界同样适用。

![单兵作战 vs 团队协作](https://mmbiz.qpic.cn/sz_mmbiz_jpg/Ek2xyjNq20VMLuLuImOUU8ZAexPHClURPBJib60Xr8QIlRoWqgWE5UAkRgjRLWjFFSzUVKSmia5mWH0obnKtn5oQ/640?from=appmsg#imgIndex=0)

## 一、为什么你需要一支AI团队 🤔

### 单兵作战的三大天花板

在讲怎么搭建之前，先说说为什么单个 Agent 会遇到瓶颈。

第一，上下文窗口限制

AI 的"记忆"是有限的。当你在一个对话里塞了太多东西——需求文档、代码文件、历史记录——AI 就会开始"幻觉"，输出的结果越来越离谱。

这就像让一个人同时记住 100 件事，然后问他第 37 件是什么。

第二，专业化不足

你让一个 Agent 又写代码、又写文档、又做测试、又审查代码——每个环节它都只能做到 60 分。

专注做一件事的人，往往比什么都做的人做得更好。AI 也一样。

第三，串行处理的效率瓶颈

单个 Agent 一次只能做一件事。当你的项目需要同时进行开发、测试、文档编写时，它只能排队一件一件来，大大拖慢了进度。

### 解决方案：像CEO一样管理AI

想象你是一家公司的 CEO。

遇到法律问题，你不会自己去翻法条，而是找法务部。遇到财务问题，你不会自己算账，而是找财务部。

每个部门有自己的专业知识和权限范围，他们在自己的"办公室"里处理复杂任务，最后只给你汇报一个精炼的结论。

这套逻辑，就是 Multi-Agent 系统的核心思想。

举个例子：你让主对话（CEO）审查 src/api 的代码变更。主对话把任务委派给 Sub-Agent（代码审查部），Sub-Agent 在独立环境里读取 20 个文件、分析 500 行代码、检查 15 个安全规则、生成详细报告，最后只返回一句结论："发现 2 个高危问题：SQL 注入、未处理异常。"

你看，复杂的分析过程全在 Sub-Agent 的"独立办公室"里完成了，CEO 只需要接收最终结论，不用被海量细节淹没。

这就是 Multi-Agent 能让效率提升 90% 的原因——分工让每个 AI 都能专注做好一件事。

💡 核心洞察：复杂的分析过程全在 Sub-Agent 的"独立办公室"里完成，CEO 只需要接收最终结论，不用被海量细节淹没。

![CEO 任务委派](https://mmbiz.qpic.cn/sz_mmbiz_jpg/Ek2xyjNq20VMLuLuImOUU8ZAexPHClURjZaJUPaJv5bX4WF8oZZUCNqny9WPUCTpV75o8pibDOQdp69l2TLbnIA/640?from=appmsg#imgIndex=1)

### Skills vs Sub-Agent：一句话搞懂区别

在动手之前，先搞清楚一个关键概念：Skills 和 Sub-Agent 有什么区别？

一句话总结：Skills 是"加技能"，Sub-Agent 是"派活"。

💡 核心洞察：Skills 是给主 Agent 加技能点，本质还是一个人干活；Sub-Agent 是派一个专家去处理任务，本质是多个人在协作。

|  |
| --- |
|  |

| 对比项 | Skills | Sub-Agent |
| --- | --- | --- |
| 本质 | 知识注入 | 任务委派 |
| 上下文 | 共享主对话 | 独立隔离 |
| 适用场景 | 增强单一能力 | 复杂任务分工 |
| 类比 | 学一门新技能 | 雇一个专家 |

![教 vs 派](https://mmbiz.qpic.cn/sz_mmbiz_jpg/Ek2xyjNq20VMLuLuImOUU8ZAexPHClURhepBI1DtZb2xGuRsFzscemFSsGAwzADuRTa008ZtEdjyAqODhHuBKg/640?from=appmsg#imgIndex=2)

理解这个区别，你就知道什么时候用 Skills，什么时候用 Sub-Agent 了。

## 二、5分钟创建你的第一个Sub-Agent ⚡

理论讲完了，开干。

### 方法一：对话式创建（最简单）

这是最适合新手的方式，5 分钟搞定。

第一步，在 Claude Code 对话框输入 `/agents` 并回车。

第二步，选择「Create New Agent」。

第三步，选择范围。Project 只对当前项目生效，放在 `.claude/agents/` 目录；User 对你所有项目都生效，放在 `~/.claude/agents/` 目录。

第四步，选择「Generate with Claude」，让 AI 帮你生成配置。

第五步，告诉它你想要什么样的 Agent。

这里给你一个万能模板，直接复制进去就能用：

帮我创建一个 Claude Code 子代理：

「子代理信息」名称：code-reviewer，范围：项目级别，用途：审查代码质量、检查最佳实践、发现潜在bug。

「行为定义」触发时机：用户说"审查代码"或"review"时，工作流程：读取代码 → 分析问题 → 输出报告，工具需求：Read, Grep。

「系统提示要包含」角色定义、具体工作步骤、输出格式要求。

请严格按照高质量系统提示的5个部分来编写。

![5步创建流程](https://mmbiz.qpic.cn/sz_mmbiz_jpg/Ek2xyjNq20VMLuLuImOUU8ZAexPHClURqyDoCwd5qiaF8HXUN5WLuwzjvhdibtoMibvQc002Cu4ciapg5MgqS1iaGzg/640?from=appmsg#imgIndex=3)

### 方法二：手动创建（更灵活）

如果你想完全掌控配置，可以手动创建 Markdown 文件。

Sub-Agent 的配置文件由两部分组成：YAML frontmatter + 系统提示。

配置示例如下：

「YAML 头部」

name: code-reviewer

description: 审查代码质量、最佳实践和潜在bug。当用户说"审查代码"、"review"、"检查代码质量"时使用。

tools: Read, Grep

model: sonnet

「系统提示正文」

你是一个专注于代码质量的审查专家。你的职责是发现代码中的问题并提供改进建议。

触发后的第一个动作：

1. 确认要审查的代码范围；

2. 使用 Grep 搜索相关文件；

3. 使用 Read 读取代码内容。

核心工作流：

1. 检查代码规范（命名、格式、注释）；

2. 检查潜在bug（空指针、边界条件、异常处理）；

3. 检查安全问题（SQL注入、XSS等）；

4. 检查性能问题（循环优化、内存泄漏）。

输出格式要求：

问题严重级别（高/中/低）、具体代码位置、问题描述、修复建议。

边界情况处理：

如果代码范围太大，建议分批审查；如果遇到不熟悉的语言，明确告知用户；不确定时，标注为"待确认"而非猜测。

把这个文件保存到 `.claude/agents/code-reviewer.md`，你的第一个 Sub-Agent 就创建完成了。

### 三大设计原则

创建 Agent 容易，创建一个好用的 Agent 不容易。

记住这三个原则：

第一，单一职责

每个 Agent 只做一件事，并把它做到极致。

如果你发现需要用两句话才能描述一个 Agent 的职责，那它应该被拆成两个。

第二，最小权限

只给 Agent 完成任务所需的最少工具。

一个代码审查 Agent 不需要 Bash 权限，给它 Read 和 Grep 就够了。权限越少，AI 越专注，出错概率越低。

第三，显式委派

description 要写得像一份清晰的岗位说明书，包含明确的触发词。

黄金公式：description = 做什么 + 什么时候用 + 触发词示例

description 示例：审查代码质量、最佳实践和潜在bug（做什么）。

当用户说"审查代码"、"review"时使用（什么时候用）。

触发词示例——用户说"帮我review一下这个文件"，助手回应"我将使用code-reviewer来审查代码"。

![三大设计原则](https://mmbiz.qpic.cn/sz_mmbiz_jpg/Ek2xyjNq20VMLuLuImOUU8ZAexPHClURSwgOVT4cDp2kyN0V7n5960N3u3fCBDESmibhtXDBJNloCJKkgP2ltyw/640?from=appmsg#imgIndex=4)

### 系统提示的5部分结构

一个高质量的系统提示，应该包含这5个部分：

「第一部分：角色定义」你是一个专注于某具体领域的某角色名称。你的职责是某核心职责。

「第二部分：触发后的第一个动作」当被调用时，立即执行：1. 检查关键前提；2. 确认必要条件；3. 如果缺少信息，主动询问。

「第三部分：核心工作流程」按以下步骤执行：步骤1、步骤2、步骤3。

「第四部分：输出格式要求」输出必须包含：必需项1、必需项2。格式可以是 JSON、Markdown 或纯文本。

「第五部分：边界情况处理」如果遇到情况A，采用处理方式A；如果遇到情况B，采用处理方式B；不确定时，停止并请求人工确认。

### 模型选择指南

不同的任务应该用不同的模型：

| 场景 | 推荐模型 | 原因 |
| --- | --- | --- |
| 简单工具调用 | haiku | 快速响应，成本低 |
| 常规任务 | sonnet | 平衡性能和成本 |
| 复杂分析/架构决策 | opus | 最强推理能力 |

## 三、帮助你造Agent的Agent 🤖

到这里，你已经学会了如何创建单个 Sub-Agent。

但如果你需要频繁创建不同的 Agent 呢？每次都要想配置、写提示词、检查格式，太累了。

这里有个骚操作：创建一个专门帮你造 Agent 的 Agent。

没错，用 AI 来造 AI。

### 为什么需要这个"造物主"

手动创建 Agent 有几个痛点：

容易忘记关键配置——description 里忘了写触发词？系统提示缺了边界情况处理？这些小问题会导致你的 Agent 不好用。

质量也容易参差不齐。有时候写得详细，有时候偷懒，不同 Agent 的水平差异很大。而且每次都要从零开始想结构、写模板，纯粹是重复劳动。

解决方案就是：把"如何创建高质量 Agent"这套方法论，固化成一个专门的 Agent。

### Sub-Agent-Creator：我的造物主配置

我自己用的这个"造 Agent 的 Agent"，核心设计如下：

「配置参数」

name: sub-agent-creator，

description: 帮助用户设计和创建高质量的 Sub-Agent 配置文件。当用户想要创建新的 agent、设计子代理、或说"帮我创建一个agent"、"新建子代理"时使用。tools: Read, Write, Glob，model: sonnet。

它的工作流程是这样的：用户说"帮我创建一个自动生成 commit message 的 agent"，Sub-Agent-Creator 被触发后会先收集需求（问你要解决什么问题、什么时候触发、需要哪些工具），然后验证设计是否符合三大原则，接着自动生成完整的 YAML + 系统提示，最后保存到 .claude/agents/ 目录。整个过程不到 2 分钟，你的新 Agent 就已就绪。

### 它是怎么确保质量的

关键在于它的系统提示里内置了一套检查清单：

单一职责检查：能用一句话描述这个 agent 做什么吗？如果需要两句话，考虑拆分为两个 agent。

最小权限检查：每个工具都是必需的吗？能否用更少的工具完成任务？

触发词检查：description 中是否包含 2-3 个触发词？是否提供了使用示例？

每次创建新 Agent 前，它都会自动跑一遍这个清单。

### 实际使用示例

我跟它说："帮我创建一个专门做代码审查的 agent"

它会先问我几个问题：

"这个 agent 要解决什么问题？比如检查代码规范、发现潜在 bug、还是安全审计？"

"什么时候应该触发它？用户说'审查代码'、'review'、还是其他关键词？"

"需要哪些工具？是否需要执行命令（Bash），还是只需要读取和搜索（Read, Grep）？"

等我回答完，它就自动生成一个完整的 Agent 配置文件，并保存到正确的目录。

整个过程不到 2 分钟。

第一次用的时候我愣了一下——我花了半小时才写好的 Agent 配置，它 2 分钟就搞定了，而且比我写得还规范。

💡 核心洞察：用 AI 来造 AI——把"如何创建高质量 Agent"这套方法论，固化成一个专门的 Agent。

![造物主Agent](https://mmbiz.qpic.cn/sz_mmbiz_jpg/Ek2xyjNq20VMLuLuImOUU8ZAexPHClURClnlnvPahXt5GzIYLQZakWvbia1BtvSNqN3QCFmbgYdYWxrJpc3SkKQ/640?from=appmsg#imgIndex=5)

### 一个小技巧：常用模板

如果你不确定要创建什么 Agent，可以让它推荐。它内置了几个常用模板：

| 模板 | 职责 | 推荐工具 |
| --- | --- | --- |
| 代码审查 | 检查代码质量和最佳实践 | Read, Grep |
| 文档生成 | 为代码生成文档 | Read, Write, Glob |
| 测试生成 | 为函数生成单元测试 | Read, Write |
| Git 操作 | 自动生成 commit message | Bash, Read |
| 代码重构 | 重构指定代码段 | Read, Edit, Grep |

有了这个"造物主"，你就可以快速批量创建标准化的 Agent 团队了。

## 四、Multi-Agent协作——从单兵到军团 🚀

有了多个 Agent 之后，下一个问题是：怎么让它们协作起来？

这就涉及到 Multi-Agent 的编排模式。

### 三种编排模式

根据 Anthropic 的官方文档，Multi-Agent 系统主要有三种编排模式：

第一种，并行模式（Parallelization）

多个 Agent 同时执行不同任务，互不干扰，最后汇总结果。比如用户任务下发后，Agent A 写代码、Agent B 写测试、Agent C 写文档，三个同时进行，最后汇总结果。

适用场景：任务之间没有依赖关系，可以同时进行。比如同时写代码、测试和文档。

优点：效率最高，时间 = 最慢的那个 Agent 的时间。

第二种，顺序模式（Sequential）

一个 Agent 完成后，把结果交给下一个 Agent，像流水线一样。比如：用户任务 → Agent A 写代码 → Agent B 审查代码 → Agent C 修复问题 → 最终结果。

适用场景：任务之间有依赖关系，后一个任务需要前一个的输出。比如先写代码，再审查，再修复。

优点：每个环节都能拿到上一步的完整结果，质量更可控。

第三种，层级模式（Hierarchical）

一个"领导" Agent 负责分配任务、监督进度、汇总结果，多个"员工" Agent 负责执行具体任务。就像公司组织架构：顶层是领导 Agent（Orchestrator），下面分别是员工 A（Builder）、员工 B（Tester）、员工 C（Scribe），领导统一调度，员工各司其职。

适用场景：复杂项目，需要动态调整计划、处理异常情况。

优点：最灵活，领导 Agent 可以根据执行情况实时调整策略。

### 如何选择编排模式

一张表帮你快速决策：

| 场景 | 推荐模式 | 原因 |
| --- | --- | --- |
| 任务独立，追求速度 | 并行 | 同时执行，效率最高 |
| 任务有先后依赖 | 顺序 | 确保每步输入正确 |
| 复杂项目，需要灵活调度 | 层级 | 领导可动态调整 |
| 不确定用哪个 | 层级 | 最通用，容错性最好 |

我个人最常用的是层级模式，因为它最接近真实的团队协作方式——有人统筹，有人执行。

![三种编排模式](https://mmbiz.qpic.cn/sz_mmbiz_jpg/Ek2xyjNq20VMLuLuImOUU8ZAexPHClURjqeluLf7lVQ17DPLgFxRibicOw3K3ibXsGCsQcjdOnSUpDia9M4rC6LUicw/640?from=appmsg#imgIndex=6)

### Claude Code 中的实现方式

在 Claude Code 里，Multi-Agent 是通过 Task 工具实现的。

当主对话需要委派任务给 Sub-Agent 时，它会调用 Task 工具，指定要使用的 Agent 类型和具体任务。比如主对话收到"帮我重构这个模块并写测试"，就会同时发起两个 Task 调用：一个给 builder 重构 src/utils 模块，一个给 validator 为重构后的代码写测试。

这里有个关键点：你可以在一条消息里同时发起多个 Task 调用。

如果这些任务之间没有依赖关系，它们会并行执行。如果有依赖关系，就需要等前一个完成再发起下一个。

Claude Code 会自动判断依赖关系，但你也可以在提示词里明确指定："先完成 A，再执行 B"。

### 实战案例：Four Agent 开发团队

光说不练假把式。这里给你一个我实际在用的 Multi-Agent 配置，适合中小型项目开发。方法来源于推特技术大佬@YukerX 的文章

叫做 "Four Agent" 团队，由四个角色组成：

Four Agent 团队的协作流程是这样的：Architect（架构师）先分析需求并拆解任务，然后把任务交给 Builder（建造者）实现代码。Builder 完成后，Validator（验证者）接手进行测试验证。最后，Architect 和 Validator 都会把成果汇总给 Scribe（文档官），由它来完成文档更新。

四个角色分工如下：

|  |
| --- |
|  |

|  |
| --- |
|  |

|  |
| --- |
|  |

|  |
| --- |
|  |

| 角色 | 职责 | 模型 | 工具 |
| --- | --- | --- | --- |
| Architect | 分析需求、设计架构、拆解任务 | opus | Read, Grep, Glob |
| Builder | 写代码、实现功能 | sonnet | Read, Write, Edit, Bash |
| Validator | 写测试、跑测试、验证功能 | sonnet | Read, Write, Bash |
| Scribe | 写文档、加注释、更新 README | haiku | Read, Write, Edit |

![Four Agent 团队](https://mmbiz.qpic.cn/sz_mmbiz_jpg/Ek2xyjNq20VMLuLuImOUU8ZAexPHClUR9vOBVbzrywVWu2Yz34BW54gDRaxsYSy03q787UeEHqRicgEc7ymMRhA/640?from=appmsg#imgIndex=7)

工作流程是这样的：

第一步，Architect 先出场

你说："帮我实现一个用户登录功能"

Architect 会分析需求，输出一份任务分解清单：

任务分解：第一步，创建 User 模型和数据库迁移。第二步，实现登录 API 端点。第三步，添加 JWT token 生成逻辑。第四步，编写单元测试。第五步，更新 API 文档。

第二步，Builder 接手

根据 Architect 的任务清单，Builder 逐个实现功能，写代码、创建文件。

第三步，Validator 验证

Builder 完成后，Validator 为新代码编写测试，运行测试套件，报告问题。如果发现 bug，会反馈给 Builder 修复。

第四步，Scribe 收尾

功能完成、测试通过后，Scribe 更新文档：添加 API 说明、补充代码注释、更新 README。

### 为什么是这四个角色

这个配置不是随便拍脑袋想的。

为什么要有 Architect？

很多人直接让 AI 写代码，结果写出来的东西零散、不成体系。Architect 的作用是在动手之前先想清楚：要做什么、怎么拆分、按什么顺序。

这一步可以用 opus 模型，因为需要强推理能力。

为什么 Builder 和 Validator 要分开？

让同一个 Agent 既写代码又测代码，就像让学生自己给自己判卷子——容易放水。

分开之后，Validator 会用"挑刺"的心态来检查 Builder 的代码，更容易发现问题。

💡 核心洞察：让同一个 Agent 既写代码又测代码，就像让学生自己给自己判卷子——容易放水。

为什么 Scribe 用 haiku？

文档工作相对简单，不需要太强的推理能力。用 haiku 模型，响应更快、成本更低。

### 一键启动团队

你可以这样启动整个团队：

"用 Four Agent 团队帮我实现用户注册功能，要求：邮箱验证、密码加密、返回 JWT token"

Claude Code 会自动按顺序调用四个 Agent，最后给你一个完整的功能实现，包括代码、测试和文档。

当然，你也可以只用其中几个。比如只想审查代码，就说"用 Validator 帮我检查这个文件"。

## 五、指挥官Agent——让AI自己调度AI 🎯

到这里，你已经有了一支 Agent 团队。

但问题来了：每次都要手动决定"这个任务该派给谁"，还是有点累。

有没有可能让 AI 自己来做这个决策？

答案是：创建一个"指挥官" Agent。

### Agent-Commander：我的指挥官配置

这个 Agent 的职责很明确：分析任务、组建团队、下达指令、监控进度。

「配置参数」

name: agent-commander，

description: Agent指挥官 - 负责协调和指挥多个AI Agent完成复杂任务。当用户有复杂任务需要"协调多个agent"、"组建agent团队"、"指挥agent完成任务"时使用。tools: Task, Read, Write, Glob, Grep, AskUserQuestion，model: opus。

注意几个关键点：

model 用 opus，因为指挥官需要强推理能力来分析任务、做出决策。

tools 里有 Task，这是关键，它让指挥官可以调用其他 Agent。还有 AskUserQuestion，遇到不确定的情况，它会主动问你，而不是自己瞎猜。

![指挥官Agent](https://mmbiz.qpic.cn/sz_mmbiz_jpg/Ek2xyjNq20VMLuLuImOUU8ZAexPHClURRibD8ACtbMyRgWvBpLHBerYxGvhHQhYRFaWPojibvg2Du6popjicJsD8Q/640?from=appmsg#imgIndex=8)

### 指挥官的工作流程

当你说"帮我重构整个项目的代码结构，同时更新文档和测试"时：

第一步，扫描资源

指挥官先用 Glob 搜索所有可用的 Agent，了解"手下有哪些人可以用"。

第二步，分析任务

它会 think hard 分析你的任务：可以分解为哪些子任务？每个子任务需要什么能力？子任务之间有什么依赖关系？

第三步，组建团队

根据分析结果，从可用 Agent 中挑选合适的团队成员。

选择原则：最小团队、能力互补、避免冗余。

第四步，下达指令

向每个 Agent 下达明确的指令，包含：目标、输入、输出要求、约束条件。

第五步，监控进度

每个 Agent 返回结果后，指挥官会检查完成度、评估质量、识别问题。如果发现问题，要求重做或调整计划。

### 一个实际场景

你说："我要给项目加一个评论功能，包括前后端"

指挥官的输出会是这样的：

「Agent指挥官 - 任务分析报告」

任务理解：为项目添加完整的评论功能，覆盖前后端实现。

子任务分解：第一步，设计评论功能架构，预计由 architect 执行。第二步，实现后端 API，预计由 builder 执行。第三步，实现前端组件，预计由 builder 执行。第四步，编写测试用例，预计由 validator 执行。第五步，更新 API 文档，预计由 scribe 执行。

团队组建：architect 负责需求分析和架构设计，执行顺序第一；builder 负责前后端代码实现，执行顺序第二；validator 负责测试验证，执行顺序第三；scribe 负责文档更新，执行顺序第四。

准备开始执行，确认吗？

你确认后，它就自动开始调度，每完成一步都会汇报进度。

### 指挥官的边界情况处理

好的指挥官不只是会派活，还要会处理意外。

任务过于模糊？主动问你澄清，而不是猜测。

没有合适的 Agent？先问你是否要创建新 Agent，经过确认后再调用 sub-agent-creator 创建。

Agent 执行失败？分析原因，尝试调整指令重新执行，最多重试 2 次。如果还是失败，向你报告并请求指导。

子任务有冲突？暂停执行，向你说明情况，请求决策后继续。

### 人机协作的正确姿势

这里要强调一点：指挥官再强，最终决策权还是在你手上。

创建新 Agent、改变计划方向、处理重大异常——这些事情，指挥官都会先征求你的同意。

AI 负责执行和建议，人负责决策和把关。

💡 核心洞察：指挥官再强，最终决策权还是在你手上。创建新 Agent、改变计划方向、处理重大异常——这些事情，指挥官都会先征求你的同意。

![进化路径](https://mmbiz.qpic.cn/sz_mmbiz_jpg/Ek2xyjNq20VMLuLuImOUU8ZAexPHClURhF4Re5vicKJiczKEfvvZftmoKz2xSORvD0M89kRpsib3aRHZbIhre44Ig/640?from=appmsg#imgIndex=9)

## 六、写在最后 ✨

回到开头那个读者的问题：AI 干活干多了就"犯傻"，怎么办？

答案不是让单个 AI 更聪明，而是组建一支 AI 团队。

每个 Agent 专注做一件事，做到极致。用 Multi-Agent 协作模式，让它们分工配合。再用一个指挥官 Agent，自动调度整个团队。

从一个人干活，变成带一支队伍。

Anthropic 的数据说，Multi-Agent 比单个最强 AI 效率高 90.2%。

我自己的体验是：搭建好这套系统后，很多原来需要反复沟通、手动干预的任务，现在一句话就能搞定。

上周我让指挥官帮我重构一个老项目，它自己拉了 4 个 Agent 干了 2 小时，我只点了 3 次确认。以前这活儿我得盯一整天。

如果你也想试试，从第二章开始，先创建你的第一个 Sub-Agent。

然后用第三章的"造物主"，快速批量创建更多 Agent。

最后用第五章的指挥官，把它们组织成一支听话的 AI 军团。

干就完了。

最后，感谢你看到这里

如果觉得有收获，不妨顺手 点赞 / 在看 / 转发 / 评论

想第一时间收到 AI 工具实战干货？给我个星标

有更野的玩法？评论区聊聊
