我们推出了新的命令/usage，帮助用户理解Claude Code的使用情况。用户在管理会话时存在差异，尤其是在使用一百万上下文的更新后。上下文窗口包含系统提示、对话、工具调用及其输出等。过多上下文会导致性能下降，称为上下文腐烂。用户可以选择继续、回退、清除或压缩会话，以更好地管理上下文。对于新任务，建议开始新会话。使用子代理可以处理大量中间输出，最终只返回结果。

本文探讨了在飞桨星河社区中构建多智能体系统的方法，强调将复杂任务分解为多个专门的子代理。通过创建日历和邮件子代理，系统能够更高效地处理任务。每个子代理专注于特定功能，提升了系统的稳定性和可调试性，最终由Supervisor协调各个子任务，确保系统高效运作。

Claude Code通过子代理处理复杂任务，减轻主会话的上下文负担。子代理独立工作，适合研究、独立任务和需要新视角的场景，能提高效率，但在小任务或紧密依赖的情况下应避免使用。

Claude Code通过子代理处理复杂项目，提高效率。子代理独立工作，避免主会话混乱，适合研究、独立任务和客观评审。使用时需明确任务范围和输出格式，以提升效果。

Claude Code的优势在于其工具框架和上下文管理，而非仅仅是模型。通过精细的准备、专用工具和高效的上下文处理，提升了编码体验，支持子代理并行工作，确保流畅和便利。

本文探讨了基于Bash的Agent设计，指出通过一个工具和一个循环即可实现完整的Agent功能。文章展示了如何利用Bash命令进行文件操作和子代理机制，揭示了Agent的本质。尽管存在效率和安全性问题，但为后续优化奠定了基础。

多智能体系统是一种架构，多个大型语言模型（LLM）在独立对话中运行。本文重点介绍主代理-子代理模式，适合新团队。该系统在上下文污染、并行任务和工具选择等特定情况下优于单一代理，尽管增加了复杂性，但在合适场景下能提升效率和效果。

Deep Agents通过子代理和技能简化多代理系统的构建，子代理解决上下文膨胀问题，保持主代理的上下文清晰；技能则通过逐步披露能力，优化工具使用。两者结合可高效管理复杂任务，构建强大的AI系统。

Deep Agents通过子代理和技能简化多代理系统的构建，解决上下文膨胀问题，保持主代理的上下文清晰。技能提供逐步披露能力，按需加载指令，从而有效管理复杂任务，提高AI系统能力。

本文探讨了使用子代理（如查找子代理）来优化代理性能和降低成本的可能性。通过限制上下文增长，子代理能减少请求成本并提高效率。实验结果表明，使用子代理的成本降低约10%，性能略有提升。尽管创建子代理简单有效，但仍需进一步实验验证其长期效果。

Anthropic推出Claude Code子代理，允许开发者创建任务特定的独立AI代理，支持模块化开发。子代理可自动或手动调度，降低上下文溢出风险。每个子代理在Markdown文件中定义，支持项目定制和版本控制，内置安全管理，建议仅授予必要权限。目前社区已创建60多个子代理，旨在提升AI辅助开发的安全性和可解释性。