4099 字
20 分钟
Claude Code Agent Teams

Claude Code Agent Teams#

0. 写在前面#

在上一篇 [[Claude Code]] 里,我更多是把 Claude Code 当成一个“终端里的全栈 AI 工程师”来用。

但当任务开始变复杂之后,单会话模式很快会遇到几个典型问题:

  • 一个会话既要读需求、又要改代码、还要跑测试,上下文容易被冲散
  • 多个子任务串行执行,等待时间长
  • 同一个 Agent 同时承担架构、实现、验证、文档,角色切换成本高
  • 大任务做到一半时,主会话里会塞满中间分析,可读性和可控性都会下降

这时候,Agent Teams 的价值就出来了。

它不是简单地“多开几个 Claude Code 窗口”,而是把多个 Claude Code 会话组织成一个带分工、可协作、可汇总的团队。你可以把它理解为:

你 -> Team Lead(主会话)
├── Teammate A:架构分析
├── Teammate B:后端实现
├── Teammate C:前端实现
└── Teammate D:测试验证

Agent Teams 目前仍然是实验性功能,但已经非常适合复杂开发任务、并行研究、批量审查和大规模重构这类工作。

claude-4-6-agent-teams-how-to-use-guide 图示


1. 什么是 Agent Teams#

Agent Teams 是 Claude Code 的实验性多智能体协作能力。一个主会话作为 Team Lead,可以创建多个 Teammates,把复杂任务拆成多个子任务并行执行,再由 Team Lead 汇总结果。

核心能力#

  • 并行执行:多个队友同时处理不同任务;
  • 共享任务列表:团队成员可以看到当前任务状态;
  • 直接通信:Team Lead 可以直接和某个 teammate 对话;
  • 上下文隔离:每个 teammate 有自己的独立上下文,避免主会话被细节淹没;
  • 权限继承:teammate 会继承 Team Lead 的权限模式、MCP、Skills、CLAUDE.md 等上下文能力。

当前官方要求#

根据当前官方文档,使用 Agent Teams 需要注意:

  • 需要 Claude Code v2.1.32+
  • 需要显式开启实验开关
  • 目前一个会话只能创建一个团队
  • 团队里不能再嵌套新的团队
  • 它更适合复杂、可拆分、可并行的任务,不适合简单的一步到位任务

2. Agent Teams 和 Subagents 的区别#

很多人第一次看到这个功能,会把它和 Subagents 混在一起。实际上两者定位不一样。

对比项Agent Teams(团队)Subagents(子代理)
定位多个 Claude Code 会话组成的团队单个会话内调用的子代理
适合任务长任务、复杂任务、需要并行的大任务短任务、局部任务、临时委托
协作方式Team Lead + 多个 teammates主 Agent 调用多个子代理
上下文每个 teammate 独立上下文仍然围绕单会话工作
可见性可查看团队、任务、成员状态更偏内部调用
成本更高相对更低

一句话总结:

  • Subagents 更像“我手下的几个专员”;
  • Agent Teams 更像“我临时拉起的一个项目组”。

如果你只是想让 Claude Code 帮你查一个文件、写一个函数、补一个测试,没必要上 Agent Teams。

但如果你要做的是:

  • 跨前后端的大功能开发
  • 大型重构
  • 代码审查 + 修复 + 测试联动
  • 多方向并行研究

那 Agent Teams 会明显更顺手。


3. Agent Teams 的核心工作机制#

3.1 团队结构#

┌────────────────────────────────────────────┐
│ Team Lead │
│ 负责理解需求、拆解任务、分配工作、汇总结果│
└───────────────┬────────────────────────────┘
┌───────────┼───────────┬───────────┐
│ │ │ │
▼ ▼ ▼ ▼
┌────────┐ ┌────────┐ ┌────────┐ ┌────────┐
│架构队友│ │后端队友│ │前端队友│ │测试队友│
└────────┘ └────────┘ └────────┘ └────────┘
Shared Task List
(pending / in_progress / completed)

3.2 共享任务列表#

官方文档里,Agent Teams 的一个关键设计就是 Shared Task List。它不是简单的待办事项,而是团队成员协同的状态面板。

常见状态包括:

  • pending
  • in_progress
  • completed

这个机制的价值在于:

  • Team Lead 能知道谁正在做什么;
  • teammate 之间能避免重复劳动;
  • 在大任务里更容易控制依赖关系;
  • 对多轮长任务来说,可追踪性明显更强。

3.3 直接消息通信#

Agent Teams 不是完全中心化的“总控台 + 工作者”模式。

在当前官方设计里,teammates 之间可以直接通信,而不是所有消息都必须经过 Team Lead 转发。这样做的好处是:

  • 架构队友可以直接和实现队友对齐接口;
  • 测试队友可以直接向实现队友反馈失败点;
  • Team Lead 不需要处理所有细节通信,减轻主会话压力。

3.4 上下文隔离#

这是我认为 Agent Teams 最重要的一点。

单会话最大的痛点,是所有内容都在一个上下文里竞争注意力。任务一多,主会话很容易变成:

1. 关键信息的“噪音干扰”#

当所有的架构讨论、代码块、终端报错和 Git Diff 挤在一起时,AI 的**注意力机制(Attention Mechanism)**会被稀释。

  • 现象: 你在讨论一个深层的逻辑 Bug,但上下文里充斥着前 10 分钟产生的 500 行测试日志。

  • 后果: AI 可能会忽略你刚提出的核心约束,转而根据过时的报错信息给出错误的建议。这就好比在一个吵闹的菜市场里谈代码架构,核心信息被噪音盖过了。

2. Token 窗口的“通货膨胀”#

单会话就像一个不断膨胀的记事本。

  • 现象: 每一次简单的对话,AI 都要重新读取一遍之前所有的 npm install 输出和冗长的代码 Diff。

  • 后果: * 响应变慢: 处理的 Token 越多,推理延迟越高。

    • 费用飙升: 每次回复都在为那些已经没用的历史日志付费。

    • 遗忘曲线: 随着会话变长,最早定义的全局架构原则可能会被挤出有效窗口。

3. “读写冲突”导致的逻辑混乱#

在单会话中,AI 既是“思考者”又是“执行者”。

  • 现象: AI 正在修改 auth.py,同时你又让它去查 database.sql 的结构。

  • 后果: 由于只有一个主循环,AI 必须停下手中的修改去执行查询。这种上下文切换会导致它在回来继续写代码时,丢失掉刚才对逻辑细微之处的“手感”,从而产生低级语法错误或逻辑断层。

4. 人的认知负荷过载#

不仅 AI 会乱,人也会乱

  • 现象: 当你向上滚动屏幕寻找 5 分钟前的一条 API 定义时,你需要划过几十屏的命令输出。

  • 后果: 你很难一眼看出当前的进度。哪些任务完成了?哪些还在等待?在一个滚屏不断的单窗口里,复盘和校对代码修改(Review Diff)变得极其痛苦。

最后的结果就是:主会话既长又乱

Agent Teams 把这些内容分散到不同 teammate 的独立上下文中,Team Lead 只在必要时接收摘要、结论和关键结果,这样主线会清楚很多。


4. 启用方式与基础配置#

claude-4-6-agent-teams-how-to-use-guide 图示

4.1 启用实验功能#

按照当前官方文档,推荐在 settings.json 中配置环境变量:

C:\Users\Administrator\.claude
{
"env": {
"CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
}
}

也可以直接使用环境变量方式开启。

4.2 版本检查#

先确认 Claude Code 版本是否足够新:

Terminal window
PS C:\Users\Administrator> claude --version
2.1.74 (Claude Code)

如果版本低于官方要求,就先升级,否则后面很多行为和界面都可能对不上。

4.3 显示模式#

当前官方文档提到,Agent Teams 有不同的 teammate 显示模式。

  • 默认是 auto
  • 如果终端支持,可以使用 tmux 相关模式看到分屏效果

图像

需要注意的是,官方当前明确提到:

  • VS Code 集成终端
  • Windows Terminal
  • Ghostty

这些环境不支持 split-pane teammate display

4.4 首次创建团队#

启用后,你可以直接用自然语言告诉 Claude Code:

创建一个 4 人的开发团队:
1. 架构师,负责方案拆解和边界确认
2. 后端工程师,负责 API 和数据层修改
3. 前端工程师,负责页面和接口联调
4. QA 工程师,负责测试方案和回归验证
请先输出任务拆解,再开始执行。

如果是复杂任务,后面可以在加补充:

在开始改代码前,先让架构师给出文件边界、接口契约和风险点,经过我确认后再进入实现阶段。

这一步很关键。因为一旦你让多个 teammate 直接开工,而没有先做边界约束,文件冲突、重复修改和返工会非常常见


5. 开发一个语音转弹幕的项目#

需求描述:通过微信小程序语音输入,在web界面可以看到文字弹幕

5.1 阶段一:先做拆解,再做实现#

这边我没有用teams来写PRD,我在外面另外用 Gemini 生成了一份需求文档,这样可以马上微调

提示词:

请确认我的以下请求。请以产品经理的身份回复我。我会提供一个主题,您将协助我根据以下标题编写一份PRD文档:主题、简介、问题陈述、目标与目的、用户故事、技术需求、收益、关键绩效指标(KPI)、开发风险、结论。在我针对某个具体主题、功能或开发请求您编写之前,请不要主动撰写任何PRD文档。

PixPin_2026-03-22_14-08-54

5.2 阶段二:按文件归属并行实现#

需求确认后,再分配实现类任务:

我想开发一个语音转弹幕的项目。
创建一个团队来协作开发:
团队成员分工:
- Teammate A(后端开发):设计整体架构,对接转译api,写接口给小程序和web界面
- Teammate B(小程序开发):使用uni-app加vue3来开发微信小程序前端界面
- Teammate C(web前端开发):使用vue3来实现web界面显示弹幕功能
- Teammate D(UI/UX设计):设计小程序和web的ui,使用skill UI ux pro max
- Teammate E(测试):测试网页是否正常
技术要求:
- 后端使用 java
- 小程序使用uni-app加vue3
- web使用使用vue3
请先让架构师设计整体方案,定义好数据结构后,其他成员再并行开发。

这时候 Agent Teams 的并行优势才会真正发挥出来。

team-leader(项目管理)#

PixPin_2026-03-22_14-22-01

Architect(架构师)#

PixPin_2026-03-22_14-22-51

Dev(开发人员)#

backend-dev\miniprogram-dev\ui-designer\web-dev

PixPin_2026-03-22_14-23-54

团队协作#

PixPin_2026-03-22_14-26-51

5.3 阶段三:汇总与回归#

PixPin_2026-03-22_14-59-37

最后可以汇总一下:

  • Team Lead 汇总每个 teammate 的产出
  • QA 队友统一给出测试结果
  • 架构队友确认没有偏离最初设计
  • Team Lead 再输出最终结论

参考提示词:

停止新增修改,开始汇总:
1. 每个 teammate 用 5 条以内总结自己的工作
2. QA 队友列出已验证项、未验证项和风险点
3. Team Lead 输出最终交付摘要:
- 改了什么
- 为什么这样改
- 还有哪些风险
- 下一步建议

效果 image-20260325162724245

PixPin_2026-03-25_16-28-26


6. 适用场景#

claude-4-6-agent-teams-how-to-use-guide 图示

场景一:多角度代码审查#

创建一个 agent team 审查这个 PR:
- 安全审查者:检查注入、XSS、权限等安全问题
- 性能审查者:分析 N+1 查询、内存泄漏、缓存策略
- 测试审查者:验证测试覆盖率和边界情况
让他们各自审查后汇报发现。

为什么适合 Agent Teams: 三个审查维度完全独立,不会产生文件冲突,可以并行执行。

场景二:新功能模块并行开发#

创建一个团队来构建用户通知系统:
队友 1:开发后端 API(src/api/notifications/)
队友 2:开发前端组件(src/components/notifications/)
队友 3:编写集成测试(tests/notifications/)

为什么适合: 每个队友负责不同目录,天然隔离,完成后合并即可。

场景三:竞争假设调试#

有一个间歇性 Bug,创建 team 用不同假设调试:
- 队友 A:调查是否是竞态条件
- 队友 B:调查是否是内存泄漏
- 队友 C:调查是否是第三方 API 超时
各自独立验证假设并汇报。

为什么适合: 对抗式调试,多条线索并行排查,谁先找到根因谁赢。

场景四:跨层修改协调#

当一个改动横跨前端、后端和数据库时,Agent Teams 可以让每层的专家各司其职,通过消息系统协调接口定义。

场景五:探索性研究#

我在设计一个 CLI 工具来追踪代码中的 TODO 注释。
创建一个团队从不同角度探索:
- 一个队友负责用户体验设计
- 一个队友负责技术架构
- 一个队友扮演"质疑者"(devil's advocate)

为什么适合: 多视角碰撞,互相挑战对方的假设和结论。


7. Claude Agent Teams 与 Subagent 选择指南#

判断维度选 Subagent选 Agent Teams
队友需要互相沟通?不需要需要
任务是否可并行?部分可以高度并行
是否涉及多文件编辑?同文件安全需分工避免冲突
任务复杂度?聚焦单一目标多角度、多模块
Token 预算?更省约 3-7 倍消耗
是否需要讨论/质疑?不需要需要

成本参考: 一个 3 人 Agent Teams 团队运行 30 分钟,Token 消耗约为单个会话的 3-4 倍。Plan 模式下约 7 倍。


8. 优势与局限#

8.1 优势#

优势说明
并行能力强多个 teammate 同时执行,适合复杂任务
上下文更清晰每个 teammate 独立上下文,主线更干净
角色分工自然更接近真实研发团队协作方式
适合长任务大任务不容易把单会话拖乱
汇总质量更高Lead 负责归纳,而不是所有内容都自己生成

8.2 局限#

局限说明
仍是实验性功能官方说明当前仍在迭代中,行为和配置可能变化
成本更高官方文档明确提到 token 消耗会显著增加
调度更复杂团队越大,越需要明确边界和流程
不适合简单任务小任务强行用团队,收益很低
终端展示有限当前并不是所有终端都支持分屏显示

8.3 成本#

这点必须单独说。

官方文档已经明确提示:Agent Teams 会显著增加 token 消耗。Anthropic 的工程文章里,在多智能体研究系统实验中也提到,多智能体在效果更好的同时,通常也伴随更高的资源消耗。

所以正确的使用姿势不是“所有任务都上 Agent Teams”,而是:

  • 简单任务:单会话或 subagents
  • 中等复杂任务:2 到 3 个 teammates
  • 复杂且可并行任务:Agent Teams

这才是比较合理的性价比。


9. 总结#

Claude Code Agent Teams 的意义,不在于“能同时开几个 Agent”,而在于它把 Claude Code 从单兵作战推进到了团队协作

它解决的不是“Claude 会不会写代码”,而是:

  • 当任务足够大时,怎么拆;
  • 当角色足够多时,怎么分;
  • 当信息足够杂时,怎么控;
  • 当结果需要汇总时,怎么收。

如果说单会话 Claude Code 更像一个能力很强的工程师,那么 Agent Teams 更像一个可以临时组建的小型研发团队。

对复杂开发任务来说,这个方向非常值得关注。

但同样要保持克制:

  • 它是实验性功能;
  • 它并不便宜;
  • 它不适合所有任务;
  • 它需要更强的任务拆解能力。

真正用好它的人,不是“把任务一股脑扔给 4 个 Agent”,而是知道什么时候该拆、拆成什么样、怎么让团队不互相踩脚


参考资料#

Claude Code 官方文档:Agent Teams(中文)

Anthropic Engineering:How we built our multi-agent research system

Datawhale Easy Vibe:Agent Teams 多代理协作

Claude Code4.6新工具Agent Teams(蜂群)使用指南 - 寒月萧风 - 博客园

你提供的视频参考:Claude Code Agent Teams

Claude Code Agent Teams
https://fuwari.vercel.app/posts/claude-agent-teams/
作者
Purezento
发布于
2026-03-26
许可协议
CC BY-NC-SA 4.0