Prime Agent Subagent 实战指南
【免费下载链接】prime-agentA self-improving RLM agent for coding workflows and long-running autonomous tasks.项目地址: https://gitcode.com/GitHub_Trending/pr/prime-agent
让一个智能体从头读到尾,上下文越滚越长,判断也越来越毛糙。Prime Agent 的 Subagent(子智能体,即由主智能体派生出的独立子会话)机制把任务拆给并行会话处理,父级只收结论。读完这篇,你能把"全库审查"这类大活拆成并行任务,并知道怎么把结果收回来。
图:交互模式下 Subagent 任务的执行与输出展示
机制拆解:Subagent 为什么能绕开上下文爆炸
关键不在多线程,而在上下文隔离。每个 Subagent 都在自己的会话里跑,有独立的上下文窗口,它读的文件、执行的命令都不会挤进父级的上下文;干完活只通过消息或文件把结论送回。这样父级始终保持精简,派生多少个孩子都不会退化成"通读全文"。
最快上手:两行命令跑通第一个 Subagent
假设你已装好 Prime Agent:
cd /path/to/project prime-agent在交互框里直接下指令:"把认证模块审查和测试覆盖度审查作为两个独立子任务,并行执行,汇总结论。"模型会在 IPython kernel(常驻的 Python 执行环境)里每拆一个子任务就创建一个 Subagent,输出区能看到各自的名称与进度。
核心工作流:启动前、运行中、收工时各盯什么
- 启动前:给每个 Subagent 明确且单一的任务,并附带一句"完成后把结论回复给父级",避免结果丢失。
- 运行中:用
/context或/usage查看父级与每个子智能体的上下文、token 和费用拆分,必要时展开执行记录看细节。 - 收工时:子智能体的结论以普通消息形式到达;想追问某个孩子,按名字直接发后续指令即可。
图:会话树状视图,展示父智能体与多个子智能体的层级状态
kernel 里还能用 Python 直接管理子智能体:
children = await rlm.list_subagents() await agent_message.send("补查授权边界", receiver_role="child", receiver_name=review.name)第一行找回所有孩子的句柄,第二行对指定子智能体追加指令。
进阶玩法:2 个冷门但实用的用法
把子智能体写成文件:不依赖模型自由发挥,用 Markdown 定义 agent 档案(工具白名单、模型、系统提示词),放进扩展目录后,/implement(scout → planner → worker)、/implement-and-review这类固定流水线可以按剧本跑,参考 subagent 示例。
控制递归深度:默认只允许一层父子;想让子智能体再往下派生,用/rlm-max-depth命令调高上限。Python 侧的 rlm 对象只是薄桥接,真正的调度在 TypeScript 宿主,实现细节可看 rlm Python 桥接 与 核心运行时。
避坑速查:最常见的三个问题
| 问题 | 现象 | 一句话解法 |
|---|---|---|
| 收不到结果 | 父级回合结束却没有输出 | 创建时要求"回复给父级",rlm()只返回句柄,从不返回答案 |
| 上下文膨胀 | 子任务读完整仓库,token 飙升 | 任务改小改单一,用档案文件限制工具与模型 |
| 无法追问 | 想给已干完的孩子补指令 | 用rlm.list_subagents()找回句柄再按名发送 |
在项目里打开 Prime Agent,让它把"审查当前仓库"拆成 3 个并行任务,盯着结论一条条回来。某个孩子的输出不满意时,照表格第三行按名字追问,流程就跑通了。
【免费下载链接】prime-agentA self-improving RLM agent for coding workflows and long-running autonomous tasks.项目地址: https://gitcode.com/GitHub_Trending/pr/prime-agent
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
