在 Codex 的复杂生态中，单一智能体往往难以应对高并发的任务需求。引入“子代理”机制是实现高效团队协作的关键。本教程将指导你如何配置和运行子代理，以优化资源分配并提升整体处理效率。
理解子代理的角色定位
子代理并非独立的 AI 模型，而是主代理在执行特定任务时派生的工作单元。它们共享主代理的系统提示词上下文，但拥有独立的执行环境和记忆状态。这种设计允许主代理将大型、复杂的请求拆解为多个并行或串行的子任务。例如，在进行代码重构时，主代理可以创建多个子代理分别负责不同模块的测试与优化，从而实现真正的并行协作。
配置与启动协作流程
要实现有效的团队协作，首先需要在主代理的配置文件中定义子代理的行为规范。通过设置 max_subagents 参数，你可以限制同时运行的子代理数量，防止系统资源过载。在调用 API 时，使用 spawn_agent 方法即可实例化一个新的子代理。每个子代理都应被赋予明确的目标函数，确保其输出符合预期格式。此外，建议启用日志追踪功能，以便实时监控各子代理的执行进度和错误信息。
数据同步与结果整合
子代理之间的通信依赖于中央消息队列。当子代理完成各自的任务后，需将结果推送到指定的共享存储区。主代理随后从该区域读取所有子代理的输出，并进行汇总和校验。若发现数据冲突或逻辑错误，主代理可触发重试机制，指派新的子代理进行修正。这种闭环协作模式显著提高了系统的容错率和最终结果的准确性，是构建稳定 AI 应用的核心实践。