在阅读《Claude Code Sub-Agent 小白入门指南》和《Multi-Agent 小白入门》后，大家应该已经对 Sub-Agent 有了一定的了解。那么面对着新出的 Agent team 功能，大家应该都有一个同样的疑问：

Sub-Agent 和 Claude 新出的 Agent Team，他们区别是什么？

我也带着同样的疑问，在这两天高强度使用了该功能，输出效果非常的震惊，因此在出差的间隙，抽空写下这篇文章，把我的感受分享给大家。

跟以往一样，依旧是小白能够读懂的内容，并且附加快速实操的案例（👹想直接尝试的可以跳到第3章）；相信读完这篇文章，你不单能够理解 Agent Teams 和 Sub-agent 之间的区别，并且能够立刻感受到让你震惊的念头：

Agent Team 的输出效果真的很好

如果你已经开始感兴趣了，那事不宜迟，我们马上开始。

今天我们要讲的内容是 -- Agent Team。

第一章： Agent Team 到底是什么？

Agent Teams = 多个独立的AI大脑 + 实时内部通信 + 共享任务看板 + AI项目经理统筹

你们可以这样理解，我们以往使用的 Sub-Agent 体系，存在三个核心问题：

通信难题：不同 Sub-Agent 之间的通信很难，通常需要额外一份md文件来同步进程。

内部沟通：Sub-Agent 之间的沟通难度较高，只能进行较为浅层的交流。

上下文：Sub-Agent 虽然已经脱离了主对话，但结果摘要返回依然会返回部分上下文，占据空间。

基于这样的属性，Sub-Agent 注定只能处理一些复合型任务；而面对真正复杂度极高的任务，仍然效果不尽人意。由此，Agent Teams 的解决方案出现了，其目的便是通过更加完善的 Multi-Agent 机制，来达到更完美的输出效果。

这功能让 Agent 之间，实现了更加完美和拟人的协同方式

为了让大家看得更清楚，我们先来看一下它的内部架构图，这完美模拟了一个真实的项目团队：

🧌这个架构由四大组件构成，各司其职，又紧密配合：

这个体系的协作流程，完美复刻了人类高效团队的工作模式：

你描述需求 → Main Agent（队长）理解并拆解为多个子任务

队长创建队友 → 每个队友被分配到一个或多个子任务

队友并行工作 → 各自在自己的“大脑”（新窗口）中独立推进。

队友互相沟通 → 遇到需要其他人配合的地方，直接发消息询问

任务依赖自动管理 → 如果任务C依赖任务A的结果，C会自动等待A完成后再开始

队长汇总交付 → 所有队友完成后，队长整理全部成果，向你汇报

💯关键理解：每个队友都有独立的“大脑”（上下文窗口）

这意味着队友A写了什么，队友B不会自动看到 —— 他们需要通过Mailbox系统来显式地共享信息。

这种设计的好处是每个人的大脑都不会被不相关的信息塞满，能时刻保持思路清晰，专注于自己的核心任务。

第二章： 跟 Sub-agent 有什么区别？

在 Agent Team 出现之前，Claude 已经具备了 Sub-agent 的能力，这两者确实非常容易混淆。但实际上，它们的协作逻辑和适用场景截然不同。用一个生活化的例子就能讲清楚：

Sub-agent 就像你同时在三个不同的App上点了三份外卖

三个外卖小哥各自接单、取餐、配送，他们之间互不相识，也无法沟通，最终都只向你一个人汇报（“您的餐到了”）。你作为中心节点，掌握所有信息。

Agent Teams 则像你为了装修房子，组建了一个包含设计师、施工队长和采购员的项目组。

他们围坐在一起，设计师的图纸可以直接交给施工队长，施工队长发现材料问题可以马上和采购员沟通。他们共享一个总体的装修目标，并能主动协调解决问题。

为了更清晰地展示差异，我们整理了以下详细对比表格，这可能是全网最全的对比：

如果你嫌麻烦，上面的表格直接忽略不看！！我们直接注意一下几个点：

💟生命周期

Sub-Agent：一次性，做完即销毁

Team Agent：持久运行，可反复接收新指令，直到主动关闭

📶通信能力

Sub-Agent：没有直接通讯能力

Team Agent：拥有直接通讯能力

🎼协作模式

Sub-Agent：星型拓扑，主 Agent 是唯一调度中心

Team Agent: 网状拓扑，共享任务列表，队友可自行认领

🧌用户可达性

Sub-agent: 用户看不到、摸不到 sub-agent

Team Agent: 用户可以直接和任意队友对话

一个简单的判断法则：当你不确定用哪个时，问自己两个问题：

这些子任务之间需要互相沟通吗？

  • 需要 -> 用 Agent Team

  • 不需要 -> 用 Sub-Agent

任务的总复杂度高吗？

  • 简单任务（1-2个子任务） ： 用 Sub-Agent

  • 复杂任务（3个以上需要协调的子任务）：Agent Team

💰经验法则：需要快速完成独立小任务，用 Sub-agent；任务复杂、多模块、需要队友互相讨论，用 Agent Team。如果预算紧张且任务简单，Sub-agent 更省钱。

第三章：实战案例，使用 Agent Team 完成产品经理 Go-To-Market 材料准备

理论讲完，我们进入最激动人心的实战环节。Agent Team 的使用并不复杂，即使你不是程序员，也能通过简单的几步，用自然语言指挥一支Agent Team。这里我们以Windows环境为例。

第一步：功能开启

⚠️Agent Team 由于目前是实验性功能，因此默认是关闭的，需要手动打开。

这里有两种开启的方式，分别是“临时启动”和“永久启动”：

1️⃣临时启动：

在启动 Claude Code 前，输入上述指令即可临时启动。

2️⃣ 永久启动：

为了方便，更推荐在 Claude Code 的 settings.json 配置文件中进行永久设置。找到 ~.claude\settings.json 文件（没有就新建一个），写入以下内容并保存：

第二步：启动并下达你的第一个组队指令

在 Claude Code 里输入以下内容（你可以直接复制这段话，然后根据自己的产品修改）：

第三步：看团队自动协作

输入完毕后，你只需要看着 Claude 自动工作：

1️⃣ 组建团队：Claude 自动成为队长，并且生成3个独立的队友

2️⃣ To-Do List：Claude 队长为团队创建了任务清单

3️⃣ 竞品分析师率先开工：搜索资料、整理对比表格、分析差异化

4️⃣ 文案策划同步起步：先用已有的产品信息开始写草稿框架

5️⃣ 信息自动流转：队长会查看内容并进行评价和沟通

6️⃣队长汇总：全部完成后，整理所有文件，给你一份交付清单

🏴‍☠️强烈建议大家可以去看看输出的结果

作为一次测试性的功能演示，其输出的成果，并不比 Manus来的要差；我相信只要提示词写的够精确（特别是 Claude 4.6 支持 1M 上下文后），定能产出十分优质的结果。

第四章：真实案例，16个Agent并行构建C编译器

在讲完实战技巧之后，让我们来看一个真正震撼的官方案例，它完美展示了 Agent Teams 的极限能力。

2026年2月5日，Anthropic 的安全研究员 Nicholas Carlini 发表了一篇工程博客 ，详细记录了他如何使用 Agent Teams 指挥 16个 Claude 实例并行工作，从零开始构建了一个能够编译真实C程序的编译器。这个编译器最终包含 超过10万行代码，能够通过数百个测试用例。

这个项目的工作方式是这样的：Carlini 将编译器的不同模块（词法分析器、语法解析器、类型检查器、代码生成器等）分配给不同的 Agent 队友。这些队友并行开发各自负责的模块，同时通过 Mailbox 系统协调接口定义和数据格式。当一个队友完成了词法分析器并定义好了 Token 格式，语法解析器队友会立即收到通知并基于这个格式开始工作。

这个案例之所以重要，是因为它证明了三件事：

Agent Teams 能处理真正的工程级复杂任务，而不仅仅是写写文案、做做表格。

并行协作的效率提升是实打实的 —— 如果让单个 Agent 按顺序写10万行代码，可能需要数天；16个Agent并行，大幅缩短了时间。

AI之间的协调能力已经达到了令人惊讶的水平——它们能够自主定义接口、解决冲突、保持代码风格一致。

结语：从“使用AI”到“领导AI”，你准备好了吗？

回到文章开头的那个场景。当你坐在CEO的位置上，面对三项紧急任务时，你不再需要焦虑地排优先级、催进度、当信息中转站。你需要做的，是像一个真正的领导者那样 —— 定义目标、组建团队、分配角色、然后信任你的团队去执行。

Agent Teams 的出现，标志着我们与AI的交互方式正在经历一次根本性的范式转换。这个转换可以用三个阶段来概括：

我们正站在第二阶段向第三阶段跃迁的临界点上。Agent Teams 虽然仍是实验性功能，存在不支持会话恢复、不支持嵌套团队、费用较高等局限，但它所揭示的未来图景已经足够清晰：未来的超级个体，不是那个什么都会做的人，而是那个知道如何组建、指挥和优化一支AI团队的人。

对于产品经理、市场人员、研究员、开发者乃至任何知识工作者而言，学会如何定义角色、拆解任务、构建并引导这样一支AI团队，将成为未来最核心的竞争力之一。

现在，就打开你的终端，输入那行环境变量，开始组建属于你的第一支AI梦之队吧。未来已来，而你，就是那个总指挥。

✨加入交流群：@YukerX（TG）