AI上下文污染：Subagent隔离机制如何阻止Agent胡说？

问：我让AI分析项目里用了什么测试框架，它读了5个文件后开始胡扯，告诉我“项目使用Jest”——明明应该是pytest。为什么会这样？

答：因为它的上下文被垃圾信息塞满了。

问：什么意思？不是读了文件会更清楚吗？

答：读文件本身没错，错的是读完后那些内容一直堆在对话里。5个文件的内容加上命令输出，上下文里已经积累了几千个token。而你最初的问题“用了什么测试框架”反而被挤到了边缘。

问：那怎么办？不读文件了？

答：不是不读，而是换个地方读。

s04要解决的就是这个问题。它引入了一个新机制：Subagent（子Agent）。

核心思路异常简单：当主Agent遇到一个需要大量探索的子任务时，它不自己动手，而是派一个“临时工”出去。这个临时工拥有全新的对话上下文，与主Agent完全隔离。临时工完成任务后，只把结论带回来，中间那些读文件、试命令、走弯路又重试的过程，全部丢弃。

def run_subagent(task: str) -> str:
    messages = [{"role": "user", "content": task}]
    # 子Agent的messages[]是全新的，跟主对话完全隔离
    for _ in range(30):  # 最多30轮
        response = client.messages.create(
            model=MODEL, system=SYSTEM, messages=messages,
            tools=CHILD_TOOLS, max_tokens=8000,
        )
        messages.append({"role": "assistant", "content": response.content})
        if response.stop_reason != "tool_use":
            # 返回最终文本结果，整个对话历史丢弃
            return next((b.text for b in response.content
                        if hasattr(b, "text")), "(no result)")
        # ...执行工具，继续循环

注意两个关键点：messages = [{"role": "user", "content": task}] 是从零开始的，主对话里那些乱七八糟的工具调用结果、报错信息，子Agent一个字都看不到。另外还有一个安全限制：子Agent的工具列表里没有 task 工具，所以它不能再派自己的子Agent，从而防止无限套娃。

问：具体跑起来效果如何？

答：我实际试了一下。对主Agent说“这个项目用了什么测试框架？”

没有Subagent的时候，主Agent自己去读文件：先读 pyproject.toml，再读 setup.py，再读某个测试文件看看import了什么……读完后上下文里堆了三份文件内容。回答完你的问题之后，这些内容还在上下文里，影响后面的对话。

有了Subagent，主Agent调用 task 工具，把问题甩给子Agent：“去查一下这个项目用的测试框架。”子Agent在自己的干净上下文里读文件、跑命令，最后只带回一句话：“pytest。”

主Agent的上下文里只剩下：“用户问了测试框架 → 子Agent说pytest。”干干净净。

问：这跟Claude Code有什么关系？

答：Claude Code里的Subagent就是这个机制的产品级实现。你在Claude Code里让它做一件复杂的事，比如“帮我重构这个模块”，它会自己拆成子任务，每个子任务用独立的上下文执行。你在Claude Code界面上看到的“Dispatching agent...”提示，就是在派子Agent。

问：听起来就像多进程，没什么新奇的啊？

答：这不是多进程，而是上下文隔离。多进程强调的是并行执行，Subagent强调的是信息隔离。就算你的子Agent是串行执行的，隔离上下文的价值依然在——主对话不会被子任务的噪音污染。

这个思路在很多场景都适用。你在公司里处理一个大项目，核心决策层只看最终结论，不需要知道执行层翻了几个文件、试了几种方案。Subagent就是给Agent建了同样的信息分层。

问：那子Agent读的文件内容不会丢吗？

答：会丢，但这正是设计意图。子Agent读完文件、得出结论后，文件内容和中间过程全部丢弃。下次需要的时候，再派一个新的子Agent去读。有人说这不是浪费token吗？确实有点，但比另一种情况好得多：主对话被几十个文件的冗余内容塞满，到后面连你的原始指令都记不住了。丢了中间过程，保住了决策质量。 这账算下来是划算的。

项目地址：https://github.com/shareAI-lab/learn-claude-code

运行一下试试，给它一个需要探索的任务：

python agents/s04_subagent.py

比如“分析这个项目有哪些Python模块，每个模块的职责是什么”，看看主Agent会不会派子Agent出去干活。

搞Agent开发有个很深的体会：上下文管理比工具设计难多了。工具是你主动添加的，上下文膨胀却是你被动承受的。Subagent是第一个对抗上下文污染的机制，后续的s05和s06还会从另外两个角度解决同类问题，值得持续关注。