最近 OpenClaw 火的一塌糊涂，连我老婆一个从来不关注AI的人都知道了小龙虾火的不得了啊。那么我相信只要接触过 OpenClaw 一段时间的人，基本都会听过一个词：Skill。而只要稍微深度玩过OpenClaw的人，肯定就对Skill 非常熟悉了。
这个词3月份之前可能还只是少数人在聊，但现在不一样了。连我同事群里，最近也终于开始讨论Skill了。因为大家很快就发现：Skill 可以给 AI Agent 加能力。
可能很多人还没想过，当任务变复杂后，问题就来了。
你可以不断的给AI加很多的Skill，让它会更多技能。但很多时候，真正卡住你的，不是它不会，而是它一个人做不了太多的事情。
这时候，真正该上场的，不再是 Skill了，而是另一个重要的东西，就是今天我要讲解的女猪脚：SubAgent。
我的系列文章，三分钟大白话讲解我自己还不明白的AI 流行词。
什么是 Skill？带你看懂火爆全网的Agent Skills到底是个啥
下面的例子可能不够贴切，咱们就图一乐，理解一下。
先来开一家外卖店看看
要理解 SubAgent，我想到的最简单方法，就是先想象你在开一家外卖店，高端餐饮，米其林级别，相当挣钱的那种。
没有 SubAgent的时候：一个人包办一切
假设整家店刚开业为了省钱，因为只有你一个人。
你既是老板，也是采购员、洗菜工、厨师、收银员、打包员、配送员。
你的一天可能是这样的：
- 早上去买菜
- 回来洗菜切菜
- 刚开火炒菜，顾客刚吃完，要去收银
- 刚收完钱，外卖平台又来单了，要赶紧打包
- 打包完还得自己送
- 送完回来，顾客已经跑了，锅里的菜已经糊了，厨房差点炸了
问题不是你不够努力。问题是：一个人同时干太多事，迟早会乱。
这就是很多人现在用 AI 的真实状态。
主 Agent(也就相当于我们经常在工具中的主对话) 一会儿搜索资料，一会儿写内容，一会儿核对事实，一会儿改格式，一边还要记住前面说过的要求，都在这一个会话中。任务一长，上下文一多，它就开始混乱，开始分心，开始漏东西，最后就是写的什么玩意，垃圾AI。
有了 SubAgent：开始分工
聪明一点的做法是什么？
不是让老板更拼。而是将工作拆解后，交由不同领域的专业员工分别执行。
比如：
- 主 Agent：就是你，就是老板，叼着烟，对着小龙虾，只负责统筹安排任务、验收结果
- 采购 SubAgent：专门负责找采购、比价格、下单补货
- 备菜 SubAgent：负责洗菜、切菜、准备食材
- 烹饪 SubAgent：专门负责炒菜、控制火候、保证出品
- 收银 SubAgent：负责处理顾客结账、核对订单，兼职网上接单
- 打包 SubAgent：负责把做好的餐品分类、装盒、贴单
- 配送 SubAgent：负责把外卖准时送出去
这样一来，每个人只做自己那一件事。谁也不会互相打扰。（不过这样花的钱就多了不少)
这就是 SubAgent 的核心，主Agent用来整理需求，拆解任务，然后发送给SubAgent去做，做完结果拿回来给主Agent继续验收。
SubAgent 到底是什么？
简单说，SubAgent 是一个专门处理某类任务的子代理。
它不是一个普通功能，也不是简单调用一下工具。它更像是：主 Agent 把任务交给一个独立的小助手，这个小助手在自己的上下文里完成工作，然后把结果交回来。
官方文档也是这样定义的：每个子代理都有独立上下文、单独提示词、特定工具权限，用来处理特定任务。(Claude)
所以你可以把它理解成：
- Skill 相当于给同一个人配更好的工具；SubAgent 相当于给同一个人又配了一个能独立完成子任务的助手。
这两个不是一回事。
SubAgent 最适合做什么事情？
SubAgent 不是所有任务都适合。它最适合的，是那些 可以拆开、可以分工、每一步相对独立 的任务。
最典型的，就是一条完整的内容生产流程。
比如你输入一个关键词，想自动生成一篇能发布的文章。这个过程其实可以拆成很多步：
- 搜索资料去网上找相关内容，收集信息
- 筛选资料去重、过滤广告、挑出最有用5-篇内容
- 写初稿根据筛选后的材料写文章
- 事实核查再检查数据、例子、表述对不对
- 风格统一让文章语气一致，读起来更顺
- 格式整理统一标题、段落、列表、代码块
- 配图或封面生成最后做视觉部分
- 人工审阅润色文章去去AI味，读读是否存在不通顺等等
这种任务最怕什么？最怕所有东西都堆在同一个上下文里。
这里假设，我的信息源每个平台比如公众号搜索5篇文章，知乎搜索5篇文章，推特长文搜索5篇文章，头条5票文章，B站5篇文章，等等等平台，导致我刚开始后上下文就很长了。
搜索阶段会带来一大堆杂乱信息；写作阶段又会出现大量草稿；核查阶段还会不断修改。如果全都塞给同一个 主Agent下，它很容易“脑子里全是噪音垃圾”。
但换成 SubAgent 就不一样了。
- 搜索的归搜索打包 SubAgent
- 写作的归写作SubAgent
- 核查的归核查SubAgent
- 排版的归排版SubAgent
- ……
主 Agent 只看每一环的结果，不看所有中间产生的垃圾过程。
所以，SubAgent 最适合这些场景：
- 多步骤任务
- 流程型任务
- 每一步职责很清楚的任务
- 中间过程没必要一直共享给主 Agent 的任务
- 有写甚至可以并行推进的任务
比如：
- 代码审查
- 内容生产流水线
- 多语言翻译
- 资料搜索与整理
- 测试、校验、格式统一
- 长流程自动化任务
一句话总结：
越复杂、越能拆分、越容易被上下文污染的任务，越适合交给 SubAgent。
SubAgent 最大的优点，以及它的缺点
最大的优点
第一，上下文更干净
这是 SubAgent 最核心的价值。
每个子代理都有自己的独立上下文。搜索时产生的噪音，不会污染写作；写作时产生的草稿，不会干扰核查；核查时发现的问题，也不会把前面的上下文搅乱。
主 Agent 看到的，始终是整理过的结果。
这就像老板不需要盯着后厨切了多少根葱。他只需要知道：菜做好没有，能不能上桌。
第二，更专注，结果更稳
一个 Agent 同时做五件事，和一个 Agent 只做一件事，效果通常完全不一样。
专门负责找资料的 SubAgent，会更像一个研究员；专门负责写作的 SubAgent，会更像一个作者；专门负责核查的 SubAgent，会更像一个审稿人。
因为它们各自不会分心，所以质量通常更稳。
第三，可以并行
有些任务没必要排队一个个做。
例如：
- A 在查资料
- B 在准备提纲
- C 在整理参考格式
几个 SubAgent 同时动起来，速度就会快很多。OpenClaw 文档也把并行处理、隔离长任务作为 sub-agents 的主要目标之一。()
OpenClaw
第四，可复用
一旦你写好了一个好用的 SubAgent，比如“文章审查员”“事实核查员”“排版整理员”，以后就可以一直复用。
这和临时写提示词完全不一样。它更像你已经招好了一个老员工，下次直接派活就行。
第五，能处理更复杂的任务
很多复杂任务不是 AI 做不了，而是一个 Agent 装不下。
当任务长度、步骤、信息量都上来以后，SubAgent 往往就是突破复杂度上限的办法。
它的缺点
当然，SubAgent 也不是万能的。
第一，配置有门槛
你要告诉它：
- 它负责什么
- 什么情况下调用
- 能用哪些工具
- 最后要交付什么结果
这些如果写得不清楚，它就容易跑偏。
第二，信息交接可能丢细节
SubAgent 和主 Agent 之间，通常传递的是“任务说明”和“结果摘要”。
这很高效，但也有代价。有些关键细节，可能在交接过程中被压缩掉了。
也就是说，隔离上下文是优点，但信息压缩也是风险。
第三，调试更麻烦
如果最后结果有问题，排查起来会比较麻烦。
你要去看：
- 是搜索拿错了资料？
- 还是写作理解错了方向？
- 还是核查漏掉了问题？
- 还是排版阶段处理坏了？
链条越长，定位问题越复杂。
第四，小任务不值得上 SubAgent
如果只是改一句话、润一小段文案、改个标题，直接让主 Agent 做，通常更快。
这类小事再拆分，就像为了煮一碗泡面还专门设采购、厨师、配送三个岗位，明显过度了。
所以，SubAgent 很强，但它不是越多越好，而是要用在真正值得拆分的任务上。
Skills 和 SubAgent 到底怎么选？
很多人刚接触时，最容易问的就是这个问题：
既然都有了 Skill，为什么还要 SubAgent？
因为这两个东西解决的不是同一个问题。
Skill 解决的是“能力问题”
它的作用是： 让主 Agent 学会一项新本事。
比如格式检查、固定模板生成、文档整理、某类规范输出。这些都是给主 Agent 直接加能力。
它适合的任务通常是：
- 轻量
- 规则明确
- 过程不复杂
- 需要主 Agent 一直掌握上下文
所以，Skill 更像：
- 给同一个人配上一把更顺手的工具。
SubAgent 解决的是“分工问题”
它的作用是： 把某一整块任务外包给独立专业的角色去做。
它适合的任务通常是：
- 重型任务
- 多步骤任务
- 中间过程很长
- 不适合把所有信息都堆在主上下文里
所以，SubAgent 更像：
- 直接把这项工作交给一个专门的人。
怎么判断该用哪个？
你可以用一个很简单的标准：
用 Skill 的时候
当你想的是：
- “我希望主 Agent 多会一个能力”
- “这件事不复杂”
- “过程我希望它一直知道”
- “我不想多一层调度”
那就用 Skill。
比如：
- 格式规范检查
- 固定风格改写
- 简单模板输出
- 单次轻任务处理
用 SubAgent 的时候
当你想的是：
- “这事能不能单独拆出去做”
- “这一步不该污染主上下文”
- “最好由一个专门角色来处理”
- “中间过程很长，但最终只要结果”
那就用 SubAgent。
比如：
- 代码审查
- 资料搜集与筛选
- 内容生产流水线
- 多轮核查与修订
- 长任务分步骤执行
最常见的正确答案，其实是混合使用
现实里最好的方案，往往不是二选一，而是一起用。
比如：
- 主 Agent 负责整体协调
- 轻量规则能力交给 Skills
- 重型独立任务交给 SubAgent
也就是说：
Skill 负责补能力，SubAgent 负责分工执行子任务。
两者不是竞争关系，而是搭档。
总结
很多人第一次接触 AI 工作流时，会先爱上 Skill。这很正常，因为 Skill 很直观：装上就能用，马上见效。
但当任务越来越复杂时，你很快会发现，只给 AI 加技能还不够。因为真正的问题，往往不是“它不会做”，而是“它什么都在自己做”。
这时候，SubAgent 的价值就出来了。
它的本质，不是多一个插件，而是让 AI 从“一个人死扛”变成“多人分工协作”。
所以，如果你已经开始接触 OpenClaw，也已经熟悉 Skill，那下一步最值得理解的，可能就是 SubAgent。OpenClaw中也可以使用Sub-Agents，OpenClaw中甚至还有ACP Agents。Claude Code和Codex中也都支持SubAgent，只是使用方式上不同。当然你还可以换一种方式，用Claude Code来规划任务，然后让Codex来给你干活。玩法也有很多，你还玩别的方式吗？
因为从某种意义上说，真正成熟的 AI 工作方式，不是让一个 Agent 拼命干活，而是让它学会把合适的工作，交给合适的角色。
会做事很重要。 会分工，才是真正开始走向高级玩法。