Trzy pliki subagentów, które nadal się opłacają
Plik subagenta w Claude Code to plik Markdown, który definiuje pomocnika z własnym, świeżym kontekstem. Anthropic radzi używać mniej subagentów i zostawia je na kilka przypadków, z testem. Napisaliśmy pliki, które ten test nadal zachowuje, uruchomiliśmy każdy na prawdziwym repozytorium, a jego fold test puściliśmy jeszcze na jednym agencie. Środowisko: Claude Code 2.1.294 z Opus 5.5, przebiegi z 2026-11-08, na małym API do faktur w TypeScripcie i na repozytorium Hono.
Haczyk w tym, że popularna rada brzmi "usuń swoje subagenty", a artykuł Anthropic zostawia je na konkretne przypadki i podaje test. Puściliśmy ten test na agencie, który dostarcza każda kolekcja: autorze testów. Złożony w skill zaliczył wszystkie dwanaście przebiegów. Przetrwały trzy pliki: zwiadowca tylko do odczytu, recenzent tylko do odczytu, który przepuścił zieloną zmianę i mimo to wskazał ryzyko, o które nikt nie pytał, oraz izolowany builder, który dowiózł całą funkcję we własnej kopii repozytorium, podczas gdy główna sesja pracowała dalej.
Czym jest plik subagenta i test Anthropic
Subagent to pomocnik ze świeżym, własnym kontekstem. W dużym repozytorium wszystko, co czyta twoja sesja, zostaje w jej kontekście, czyli w pamięci roboczej, i ta pamięć się zapełnia. Subagent działa jak kolega, który dostaje zlecenie, czyta pół bazy kodu i odsyła krótką notatkę.
Zespół applied AI w Anthropic napisał artykuł o składaniu subagentów z powrotem w głównego agenta, skierowany do ich platformy. Subagenty zostają w trzech przypadkach: twój kontekst puchnie, potrzebujesz pracy równoległej w świeżych kontekstach, które wyrzucasz, albo agent nie potrafi wybrać właściwych narzędzi. Cała reszta zwykle może być skillem, czyli tymi samymi instrukcjami ładowanymi do głównej sesji, gdy są potrzebne. Test jest taki: zbuduj mały eval, złóż subagenta i zostaw go tylko wtedy, gdy złożona wersja wypada gorzej.
Koszt subagenta polega na tym, że startuje na ślepo. Wie tylko to, co wpiszesz w jego prompt, a każde przekazanie może zgubić jakiś szczegół. Zanim więc napiszesz jakikolwiek plik, nazwij przypadek, na który odpowiada.
Fold test Anthropic na czwartym agencie
Fold test to sposób Anthropic na ocenę, czy subagent zasługuje na własny plik. Działa na evalu, czyli stałym zestawie zadań, które uruchamiasz za każdym razem tak samo, z regułą zaliczenia wybraną wcześniej. Zastosowaliśmy go do autora testów, agenta, którego dodaje prawie każdy, bo każda kolekcja go zawiera. To subagent, który pisze testy dla modułu, nigdy nie rusza twojego kodu źródłowego i uruchamia zestaw, aż będzie zielony.
Metoda: zostaw plik agenta bez zmian, skopiuj te same instrukcje do skilla i uruchom każde zadanie kilka razy z agentem. Potem odłóż plik agenta na bok i puść te same zadania ze skillem. Nic nie tracisz, jeśli test wypadnie przeciwko plikowi, bo przenosisz tylko instrukcje.
Uruchomiliśmy to na naszym małym API do faktur, z jednym promptem na moduł, na przykład "add tests for the router": sześć zadań po dwa przebiegi na wariant. Reguła zaliczenia była ustalona z góry: zestaw musi być zielony, żaden plik źródłowy nie może się zmienić, a nowe testy muszą wyłapać podłożony błąd. Podłożony błąd to drobna zmiana w kodzie, której stare testy nie zauważyły, więc dobry nowy test musi na niej oblać.
| Wariant | Wywołany | Zaliczone | Średni koszt | Średni czas |
|---|---|---|---|---|
| Subagent | 12/12 | 11/12 | $0.410 | 72 s |
| Złożony w skill | 12/12 | 12/12 | $0.262 | 36 s |
Subagent pomylił się raz. Na routerze użył polecenia testowego, którego ustawienia naszego projektu nie dopuszczały, więc nikt nie uruchomił jego nowych testów i jeden z nich był czerwony. Wersja złożona zajęła mniej więcej o połowę mniej czasu, bo główna sesja już znała repozytorium i nie musiała od zera briefować pomocnika. Złożony autor testów odpowiada szybciej i kosztuje mniej przy każdym zleceniu, a nic nie tracisz. Pokrewny artykuł Anthropic mówi, że układy z wieloma agentami zwykle spalają znacznie więcej tokenów niż jeden agent, i nasze przebiegi idą w tę samą stronę.
Autor testów oblewa fold test, bo po złożeniu robi co najmniej to samo taniej. Ograniczenie: to mały eval, dwanaście przebiegów na stronę, na jednym repozytorium, a pudło było po części winą naszych uprawnień. Uruchom go na własnym repozytorium i przeczytaj każdy przebieg, który zmienił wynik. Napisaliśmy skill, puściliśmy obie wersje i plik agenta poszedł do kosza, bo złożona wersja nigdy nie wypadła gorzej.
Plik pierwszy: zwiadowca tylko do odczytu
Zwiadowca to subagent, który potrafi tylko czytać i szukać, a oddaje kilka linijek z dowodem. Bez niego pytanie wymagające przeczytania wielu plików zmusza główną sesję do przeczytania ich wszystkich i noszenia każdej linijki dalej.
Dajesz mu narzędzia do odczytu i wyszukiwania i nic więcej, więc nie może edytować plików ani uruchamiać własnych pomocników. Stawiasz go na Haiku, małym, tanim modelem Anthropic, bo czytanie i szukanie nie wymagają twojego najlepszego. Piszesz też kontrakt zwrotu, czyli kształt odpowiedzi, którego wymagasz: najpierw odpowiedź, potem plik i linia, które ją dowodzą, na końcu to, czego nie znalazł. W opisie mówisz Claude, żeby używał go do pytań wymagających przeczytania wielu plików, jeden zwiadowca na pytanie, równolegle.
Sklonowaliśmy Hono, duży framework webowy open source, i poprosiliśmy o audyt tego, jak wszystkie dwadzieścia siedem jego wbudowanych middleware odrzuca żądanie. Audyt puściliśmy raz inline, bez agentów, a raz ze zwiadowcami równolegle, z których każdy dostał część folderów. Obie drogi dały tę samą odpowiedź, aż po te same middleware i te same kody statusu. Po dwa przebiegi każda:
| Miara | Inline, przebieg 1 / przebieg 2 | Zwiadowcy, przebieg 1 / przebieg 2 |
|---|---|---|
| Główny kontekst na końcu (tokeny) | 45,868 / 47,476 | 30,505 / 33,937 |
| Koszt | $0.457 / $0.433 | $0.267 / $0.344 |
Ze zwiadowcami główna sesja skończyła około jedną trzecią lżejsza, bo czytała ich krótkie notatki zamiast każdego pliku. Ten zapas ma znaczenie, gdy pracujesz dalej w tej samej sesji: następne zadanie startuje z mniejszym bałaganem i mniejszym ryzykiem, że coś umknie. Zwiadowcy działali na tanim modelu, więc cały przebieg kosztował mniej. To przypadek do zachowania, który opisuje Anthropic: duży odczyt dzieje się w miejscu, które wyrzucasz, a sesja zachowuje miejsce na pracę, która przyjdzie potem.
Teraz ograniczenie. Przy małych pytaniach, które wymagają kilku plików, zwiadowcy zaoszczędzili prawie nic. Benchmark na dev.to pokazał to samo przy zwykłych wyszukiwaniach: rozproszenie nie znalazło niczego więcej, a kosztowało dużo więcej. Główna sesja przyjęła też odpowiedź zwiadowców, nie otwierając plików, więc sprawdź linie z dowodami, zanim cokolwiek zrobisz. Wysyłaj zwiadowcę, gdy odczyt jest duży, a po nim sesja ma jeszcze pracę, a przy szybkim sprawdzeniu odpuść.
Plik drugi: recenzent tylko do odczytu
Recenzent to subagent ze świeżym spojrzeniem, który może tylko czytać. Gdy twoje testy są zielone, kusi, żeby zmergować zmianę, której nikt nie przeczytał, a sesja, która ją napisała, jest najgorszym sędzią, bo już wierzy własnemu planowi. Recenzent widzi specyfikację i diff, czyli listę linii, które zmiana dodaje i usuwa.
Dajesz mu tylko narzędzia do odczytu i wyszukiwania. Pomijasz edycję i zapis, żeby nie mógł naprawiać tego, co znajdzie, i pomijasz narzędzie agenta, żeby nie uruchamiał pomocników. Mówią to dokładnie dokumenty Anthropic: zachowaj recenzenta tylko do odczytu, pomijając narzędzie agenta. Potem wpisujesz kształt odpowiedzi do pliku: werdykt, zaliczone albo oblane, następnie każde znalezisko z plikiem, linią i zacytowanym kodem, na końcu to, czego nie zdołał udowodnić. Jeszcze jedna zasada trzyma go w ryzach: żadnych uwag o stylu i żadnego znaleziska bez zacytowanej linii, więc każde znalezisko ma linię, którą możesz otworzyć i sprawdzić samemu.
Dostał od nas prawdziwą zmianę: eksport otwartych faktur do arkusza, napisany przez naszego buildera, razem ze specyfikacją i pełnym diffem. Wrócił po dziewiętnastu sekundach z zaliczeniem i jednym niskim znaleziskiem o rekordzie klienta, którego może brakować. W sekcji tego, czego nie zdołał udowodnić, wskazał dwie rzeczy, o które nikt nie pytał. Nazwa klienta zaczynająca się od znaku równości mogłaby w arkuszu zadziałać jak formuła, a wiersze były sortowane jako tekst, co działa tylko dopóki numery faktur mają tę samą długość. To recenzent, który przepuszcza zieloną zmianę i mimo to wskazuje ryzyko, i to bez dotknięcia ani jednego pliku.
Sprawdziliśmy każdy punkt sami. Nic nie usuwa klienta, więc znalezisko o brakującym rekordzie nie może się zdarzyć, ale ryzyko formuły i sortowanie warto naprawić. Ograniczenie: recenzent wie tylko to, co może przeczytać, więc resztę oznacza jako niepotwierdzoną, a ty weryfikujesz każde znalezisko, zanim zadziałasz. Uruchamiaj recenzenta po buildzie i przed mergem, a jego listę niepotwierdzonego czytaj równie uważnie jak werdykt.
Plik trzeci: izolowany builder
Builder to subagent, który pisze kod we własnym worktree, czyli w drugiej kopii twojego repozytorium, na własnej gałęzi, we własnym folderze. Pasuje do kawałka pracy, który stoi sam i nie powinien blokować twojej sesji, gdy powstaje.
Ustawiasz pole isolation na worktree, a Claude Code tworzy tę kopię i sprząta ją, jeśli nic się nie zmieniło. Ustawiasz też limit tur, żeby builder kręcący się w kółko zatrzymał się i oddał to, co ma, oznaczone jako częściowe. Bez limitu zablokowany builder może zużywać kolejne tury na ten sam oblany test, podczas gdy ty czekasz na nic. W instrukcjach mówisz mu, żeby zgłosił swoją gałąź, uruchamiał testy i sprawdzanie typów, aż oba przejdą, i zrobił commit.
Poprosiliśmy naszego o eksport otwartych faktur do arkusza, z nazwami klientów, które mogą zawierać przecinki i cudzysłowy, razem z testami. Poszedł w tło, a gdy pracował, zadaliśmy głównej sesji inne pytanie: które faktury można unieważnić i gdzie ta reguła mieszka. Główna sesja odpowiedziała dokładną linią w kodzie, a builder w żaden sposób jej nie przeszkodził. Builder wrócił po około półtorej minuty z commitem na własnej gałęzi i czternastoma nowymi testami, wszystkie przechodziły. Nasza główna gałąź nie zmieniła się, dopóki nie zdecydowaliśmy się na merge. Zmergowaliśmy dopiero po zaliczeniu przez recenzenta, a main po prostu przesunęła się do commita buildera, bez żadnego merge commita. Zawsze widzisz pracę buildera jako gałąź, którą możesz przeczytać, przetestować i zmergować albo wyrzucić.
Jeden artykuł o rozpraszaniu ujmuje tę zasadę w jednej linii: rozpraszaj przy odczytach, zostań przy jednym agencie przy zapisach. Ograniczenie: worktree startuje z twojej domyślnej gałęzi, a nie z miejsca, w którym jesteś, więc praca, której nie zacommitowałeś, w nim nie istnieje. Nigdy nie wysyłaj go do kodu, który edytuje twoja główna sesja, i nigdy nie uruchamiaj ekipy builderów piszących naraz. Daj builderowi jeden samodzielny kawałek, pracuj dalej i merguj po review.
Werdykt: trzy pliki i jeden test
Anthropic mówi, żeby używać mniej subagentów, i ma rację, ale trzy pliki nadal zasługują na swoje miejsce, każdy z powodu, który potrafisz nazwać. Zwiadowca trzyma duży odczyt poza twoją główną sesją. Recenzent daje ci świeże oczy, które mogą tylko czytać. Builder pisze osobny kawałek we własnej kopii repozytorium. Wpisz ten powód w opis każdego pliku, bo właśnie to czyta Claude, gdy decyduje, czy go wywołać. Jeśli nie potrafisz zapisać powodu jednym zdaniem, to zwykle znak, że ten agent powinien być skillem.
Autor testów radził sobie równie dobrze jako skill, więc jego plik poszedł, a twój prawdopodobnie też może. Odpuść subagenta przy szybkim pytaniu, przy kodzie, który twoja sesja już edytuje, i przy każdej personie bez kontekstowego powodu do istnienia. W takich przypadkach pomocnik kosztuje cię briefing, czekanie i przekazanie, a nie daje nic, czego sesja nie zrobiłaby sama. Zespoły agentów, czyli sesje wysyłające do siebie wiadomości, to coś innego i nic tutaj ich nie wymaga.
Jedyna zasada to ta, którą napisał Anthropic: zanim nowy agent dostanie plik, złóż go w skill, uruchom obie wersje i zostaw plik tylko wtedy, gdy skill wypada gorzej.
AIDive