---
site: "zyx.tw"
title: "我把過程長、結論短的工作交給子 agent"
description: "派工前，我先衡量中間資訊、重讀成本與交接需求。"
url: "https://www.zyx.tw/map/fleet/subagent-bill"
---

# 我把過程長、結論短的工作交給子 agent

紀錄 024，經驗 L2，948 字，2 分鐘，v2.0.0，更新 2026-11-16

Claude Code 可以另外啟動 agent 分擔工作，稱為子 agent。我把正在與使用者對話的 Claude Code 稱為主線。

我的分工是：寫程式、改設定與部署留在主線，查資料與審查才考慮派出去。我派工的條件是過程遠比結論長，而不只是工作屬於哪一類。

## 省下的是主線反覆讀取的中間資訊

context 是一次請求送給模型的全部內容，包含工具定義、系統指示與對話。每一輪都會重送 context，所以留在對話中的工具結果，也會跟著被反覆讀取。

模型讀寫文字的單位是 token。工具結果不斷加進 context，每一輪讀的內容比上一輪多，所以輪數加倍，累計輸入的 token 不只加倍。

prompt cache 會保留請求前段的計算結果，供相同前段的後續請求重用。快取降低讀取的單價，但不減少每輪計入的 token 數量。

子 agent 讀進來的內容不會進入主對話。因此，子 agent 處理的中間資訊，不會成為主線後續每一輪都要讀取的內容。

例如，讀取長篇的程式執行紀錄，也就是 log，可能只需要交回簡短結論。我會把這類只讀、不修改內容的查詢交出去，讓主線接收查詢結果。

下圖用示意數字呈現輪數增加時，固定開銷與工具結果如何累積成輸入用量。

**輪數 5 輪**

- 固定開銷: 100k
- 工具結果: 50k

輪數少時，固定開銷佔大部分。

**輪數 10 輪**

- 固定開銷: 200k
- 工具結果: 225k

工具結果累計的量，已經超過固定開銷。

**輪數 20 輪**

- 固定開銷: 400k
- 工具結果: 950k

輪數加倍，累計的輸入變成約 3 倍。

**輪數 40 輪**

- 固定開銷: 800k
- 工具結果: 3,900k

輪數變成 4 倍，累計的輸入變成約 11 倍。

## 重新開始有成本，交接要補背景

子 agent 要重新讀取規則、工具定義與任務背景。任務太短時，重新開始的用量可能高於省下的用量。

一般子 agent 不帶原本的對話，所以我派工時會重新交代背景。需要沿用目前對話時，我才使用 fork，讓子 agent 帶著目前的對話開始。

主線剛讀過的檔案，我不再派子 agent 重讀。

派工指示也要寫清楚任務、限制與執行位置。我會明列執行的機器，以及不能碰的內容。

CLAUDE.md 是 Claude Code 每次新對話開始時載入的規則檔。我不假設子 agent 一定會遵守，因此仍會把派工所需的限制寫進指示。

我依工作難度選模型：審查與規劃用最強的模型，查資料用中階模型，依規則掃描文字用最小的模型。

## 只讀的查詢、高風險審查與拆工作清單可以派出去

除了讀檔與長篇 log，跨專案盤點、上網研究也在我的派工範圍。這些查詢都限定為只讀，不修改內容。

審查方面，我只派高風險的修改，判斷方式見 只審高風險。目標模糊時，我也會請子 agent 拆出工作清單，但需要決定的事項交回主線。

下圖依寫程式、查資料與審查，呈現工作交給誰，以及查與審要帶回什麼。圖中的 Codex 是 OpenAI 的 coding agent。

**這個工作交給誰 寫程式**

誰做:
- 主線的 Claude Code 處理

寫程式由主線的 Claude Code 處理。避免重新交代主線已知的背景。

**這個工作交給誰 查資料**

誰做:
- 派負責查資料的子 agent

帶回來的:
- 簡短的結論與出處

讀取檔案或長篇 log，再交回簡短結論。

**這個工作交給誰 審高風險的修改**

誰做:
- 派負責審查的子 agent
- 同時請 Codex 審查

帶回來的:
- 是否通過，以及需要修正的地方

把審查交給另一個 agent，檢查開發時的盲點。

## 需要持續對話的工作留在主線

需要與使用者來回討論的事，我留在主線處理。

如果一項工作的過程與結論差不多長，我會直接在主線完成。

## 來源

- [Manage costs effectively](https://code.claude.com/docs/en/costs), Claude Code docs
- [Context windows](https://platform.claude.com/docs/en/build-with-claude/context-windows), Claude API docs
- [How we built our multi-agent research system](https://www.anthropic.com/engineering/multi-agent-research-system), Anthropic

## 地圖

- 原理：[子 agent 另開迴圈，交接內容決定彼此知道多少](https://www.zyx.tw/map/harness/subagent-fresh-context.md)
- 相關：[我依修改出錯的後果，決定是否送審](https://www.zyx.tw/map/fleet/review-by-risk.md)
- 相關：[我按合計用量決定是否並行，不確定就逐項完成](https://www.zyx.tw/map/fleet/many-at-once.md)
- 回到：[協作](https://www.zyx.tw/map.md)
