coding-agent-internals

子代理 — 实现方式对比

四种模式

模式 A: 隔离 Worktree

每个子代理在独立的工作目录中执行，防止互相干扰。

Agent	实现方式
omp	task 工具，隔离 worktree + schema 验证结果 + IRC 通信
Claude Code	Agent Teams，子代理在独立上下文中工作

omp 子代理特点：

• 每个 worker 有自己的 tool surface
• 最终返回 schema 验证的结构化对象（不是自然语言）
• 子代理之间可通过 IRC 风格消息协调
• 无 merge 冲突（隔离 worktree）

模式 B: MOA 多模型协作

多个专家模型从不同角度分析问题，聚合器综合为一个答案。

Agent	实现方式
Hermes	Mixture-of-Agents (MOA)

MOA 原理：

1. 多个 specialist advisor 分析同一问题
2. 每个 advisor 可分配不同模型（便宜模型做分类，贵模型做推理）
3. 聚合器综合所有建议为最终答案
4. 文档明确：MoA 不破坏主会话 prompt cache，代价是每次迭代多出参考模型调用；官方 HermesBench 数据（厂商自报）：两模型预设 0.8202 vs 单跑 opus-4.8 0.7607

模式 C: 云端沙箱并行

任务提交到云端独立沙箱，完成后自动创建 PR。

Agent	实现方式
Codex	每个任务独立云端容器，完成后自动创建 GitHub PR

特点：提交任务后可离开，回来收 PR；不适合需要实时交互的场景。

模式 D: 委派任务

父代理将子任务委派给子代理，每个子代理有独立上下文和工具。

Agent	实现方式
Hermes	delegate_task，独立工作目录 + 独立 LLM 分配 + 失败恢复

delegate_task 特点：

• 每个子代理可分配不同模型（成本优化）
• 内置重试和 fallback 逻辑
• 父代理可 inspect/kill/merge 子代理的工作

对比总结

维度	隔离 Worktree	MOA	云端沙箱	委派任务
隔离性	高（目录级）	高（独立上下文）	最高（容器级）	高（目录级）
并行能力	✅	✅	✅	✅
成本优化	❌ 同一模型	✅ 多模型分级	❌ 同一模型	✅ 多模型分级
实时交互	✅	❌	❌	✅
失败恢复	有限	有限	自动重建	✅ 重试+fallback

待补充

• 各模式下的 token 消耗对比
• 子代理数量上限
• 嵌套子代理的支持情况

This site is open source. Improve this page.