一份指南，外加一个能跑的工具包
10 月 22 日，claude.com 上线了一篇署名 Diane Sarkis 的文章，题目把结论直接写在了标题里：什么时候该把子智能体折回你的主循环。文章出自 Anthropic 的应用 AI 团队，讲的是他们在多个企业部署里反复看到的一种搭法——意图识别、固定处理管线、用户分层、独立推荐分支，顶上再压一个编排模块——以及这套搭法现在还剩多少是必要的。
配套的 GitHub 仓库叫 anthropics/single-agent-loop-kit，Apache 2.0 许可。README 写得挺实在：这是参考实现，不维护，也不接受贡献。它把迁移拆成度量、合并、折叠三步，每一步之间都会停下来，跑付费任务之前还会先给一份词元估算；示例目录里放了一个带路由和六个专家子智能体的客服案例，用 KIT_MODEL=fake 可以拿替身模型跑 19 个任务做一次免费的离线检查。
「组织架构被复刻成了智能体架构」
文章给这种现象起的名字挺损：智能体领域的康威定律。哪个团队负责哪块业务，就自己上线一个子智能体；等到几百个子智能体堆起来，既没有统一标准也没有明确 owner，系统提示词还被各团队不断往里加规则，加到最后规则互相打架。Anthropic 管这叫拼接式提示词。
被点名的五类毛病依次是上下文管理、子智能体蔓延、拼接式提示词、未经统一校验的局部评测，以及最容易被感知的延迟。延迟那一条给了个数：一家客户拿多智能体外壳和单循环做对照，后者大约快一倍。这里得把口径说清楚——那是单一客户的一次对照，不是跑在公开基准上的通用结论，文章自己也这么标注。
Anthropic 拿自家产品举的例子更能说明问题：适配新模型之后，Claude Code 的系统提示词长度砍掉了八成以上。一部分原因是技能与工具改成按需加载，另一部分是从 Opus 4.5 这一代开始，模型能自己标注进度、自己校验结果，原来那些外部控制层就没必要留着了。这个数字是厂商自述，没有附基准。
什么时候别折
值得注意的是文章并没有把话说满。它明确列出三种仍然该保留子智能体的情形：单智能体的上下文窗口出现可量化的性能下降、有多个任务必须靠独立上下文窗口并行跑、以及单智能体在工具选择上明显吃力。这三条的共同点是可测量——不是「感觉有点乱」，而是拿得出数字。
工具包给每个子智能体的裁决也只有四种：折进主循环、与总是成对出现的那个合并、改成以工具方式调用、或者原样保留。审计阶段跑完就停，折叠时一次只动一个，前后各跑一遍评测对比。文章建议起步用 10 条黄金样本，由中心团队统一维护一套端到端评测，各业务团队只负责交出技能、工具和配套的小评测。
还给了一个反面例子：某次客服智能体测试里，把子智能体合并进去之后延迟确实降了，但流程被改坏了——主智能体开始自己直接回话，不再去问对应的专业模块。延迟是看得见的指标，流程正确性不是，合并这种改动最怕的就是只盯着前者。
这段建议里有个绕不开的立场问题
读到这里有个前提值得摊开讲：Anthropic 是在劝你把架构收敛成一个跑在 Claude 上的单循环，用 Claude 的技能、Claude 的工具、调用 Claude 的接口。这套建议本身可能有道理，数据和工具包都在那儿摆着，但推荐方同时是受益方，这一点不该被略过。
另一边的证据并不完全一致。Vals 的研究发现智能体团队可以更快但质量并不更高，从 10 个扩到 30 个、100 个，质量没有继续涨而成本明显上升；OpenAI 的 Eric Provencher 则对智能体蜂群的价值提出过公开质疑。这和本站此前记录过的多智能体工作流设计空间研究能对上——那份研究从两万八千多条工作流里挖出的结论是，持续性共享文档明显强于辩论，而提示词具体度带来的增益与换一种通信结构相当。
把这些放在一起看，真正稳定的结论其实不是「少用子智能体」，而是「先量一量你的外壳到底在干什么，再看现在的模型还需不需要它」。模型每一代都会让一部分外壳逻辑变成冗余，该退的退，退不了的就留着等下一代。这个判断方法比任何固定架构模板都活得久。