# Cara mendelegasikan tugasan besar dalam Claude Code menggunakan subagen bersarang > Dalam v2.1.172, Anthropic membolehkan subagen Claude Code mencipta subagen mereka sendiri sehingga 5 aras dalam. Panduan mendelegasikan tugasan besar. Source: https://ailoot.ai/blog/ms/subagen-bersarang-claude-code/ Canonical: https://ailoot.ai/blog/ms/subagen-bersarang-claude-code/ Language: ms Publisher: Ailoot (https://ailoot.ai/) Translation: guide-232 Revision: sha256-1bf1c8d49b9b4bc738dde2d2dfc7cb4830c4afb4c68ffcd2ed3279eb8226a9c9
[Dokumentasi Ailoot](https://ailoot.ai/docs/) — bahan rujukan tentang penggunaan perkhidmatan ini.
## Apakah yang berubah dalam Claude Code v2.1.172?
Inti pati Anthropic melancarkan Claude Code v2.1.172 dan memansuhkan peraturan berusia dua tahun dengan satu baris dalam changelog. Kini subagen boleh mencipta subagen mereka sendiri, sehingga 5 aras dalam. Ciri ini bukan tentang kelajuan atau lebih banyak CPU. Idea utamanya ialah mengelakkan kerja persediaan yang bising daripada memenuhi konteks utama anda.
Jika anda membaca apa-apa tentang ejen AI dalam Claude Code sejak beberapa bulan lalu, anda pasti pernah menemui frasa yang sama. Frasa itu terdapat dalam dokumentasi rasmi, dalam panduan saya [tentang subagen](https://ailoot.ai/blog/ms/claude-code-subagents/), dan dalam analisis setiap pesaing. Bunyinya begini: “subagen tidak boleh mencipta subagen lain.” Setakat 11 Jun 2026, ayat itu masih terdapat di tiga tempat berbeza pada `code.claude.com/docs/en/sub-agents`. Anthropic masih belum mengemas kininya. Pada 10 Jun pukul 20:44 UTC, Claude Code v2.1.172 muncul di GitHub Releases. Item utama dalam changelog ialah satu baris:
Kini subagen boleh mencipta subagen mereka sendiri, sehingga 5 aras dalam.
— Claude Code Changelog, https://github.com/anthropics/claude-code/releases/tag/v2.1.172
Pepijat yang sama dalam keluaran ini turut dibetulkan: subagen latar belakang kekal ditandakan aktif dalam panel ejen selepas subagen bersarang yang dilancarkannya sudah dihentikan. Ini kes yang jarang berlaku apabila dokumentasi rasmi masih bercanggah dengan binaan yang telah dikeluarkan. Seterusnya saya akan menerangkan perbezaan bersarang dengan subagen selari, maksud “aras 5”, dan tiga senario yang benar-benar berguna hari ini. ## Apakah perbezaan subagen bersarang dengan subagen selari dan berjujukan?
Inti pati Jika anda keliru, anda bukan seorang sahaja. Keselarian, rantaian dan penyarangan ialah tiga topologi yang saling berasingan. Keselarian berkaitan kelajuan, rantaian menetapkan susunan pelaksanaan, manakala penyarangan berfungsi untuk perkara yang sama sekali berbeza: ia menyembunyikan kerja bising daripada tetingkap utama anda. Jika anda mencampuradukkannya, token akan habis dalam beberapa jam, kemudian anda tidak dapat mencari punca ralat.
Saya menghabiskan masa yang lama mencuba tiga pendekatan ini secara manual. Beginilah cara saya memahaminya: pendelegasian mempunyai tiga dimensi. Lebar, panjang dan kedalaman. Setiap satunya menyelesaikan masalah yang berbeza. **Lebar—subagen selari.** Sembang utama melancarkan N subagen bebas pada aras yang sama. Setiap satu menerima tugasan khusus, bekerja dalam tetingkap terpencilnya sendiri dan hanya memulangkan hasil. Lebar menyelesaikan masalah kelajuan: 5 subagen yang bekerja secara selari akan siap dalam masa yang sama dengan satu subagen yang membuat kerja sama secara berjujukan. Inilah model yang saya huraikan dalam panduan saya [tentang subagen selari menggunakan worktree](https://ailoot.ai/blog/ms/claude-code-parallel-worktree-agents/). **Panjang—rantaian subagen.** A bekerja, menyerahkan hasil kepada B, B bekerja dan menyerahkannya kepada C. Setiap satu melihat input daripada subagen sebelumnya. Panjang menetapkan susunan: B tidak boleh bermula sehingga menerima data daripada A. Contoh klasik: subagen penyelidikan mengumpulkan sumber terlebih dahulu, kemudian subagen penyuntingan menulis artikel berdasarkan sumber tersebut, dan akhirnya subagen semakan fakta menyemak artikel itu. Ini urutan rata; sembang utama mengekalkan keseluruhan alur cerita. **Kedalaman—subagen bersarang.** A melancarkan B, B melancarkan C, C melancarkan D. Setiap anak bekerja di dalam induknya, dalam tetingkap terpenc ilnya sendiri, dan memulangkan **hasil sahaja** kepada induknya. Sembang utama tidak melihat apa-apa yang berlaku dalam kalangan anak, cucu dan cicit. Inilah perkara baharu dalam v2.1.172. Kekeliruan utama ialah orang menyangka aras 5 bermaksud “anda boleh melancarkan 5 subagen serentak.” Bukan begitu. Kedalaman ialah aras menegak dalam pepohon, bukannya bilangan anak yang serentak. Boleh ada satu subagen atau seratus pada setiap aras. Aras 5 bermaksud rantaian pendelegasian boleh turun 5 langkah: sembang utama → cucu-1 → cucu-2 → cucu-3 → cucu-4 → cucu-5. Percabangan juga boleh berlaku pada setiap aras. Versi 2.1.172 memansuhkan peraturan yang melarang subagen daripada mencipta subagen lain. Jika anda mahukan kelajuan, anda perlukan lebar. Jika anda mempunyai susunan pelaksanaan yang ketat, anda perlukan panjang. Kedalaman berguna dalam satu keadaan sahaja: apabila salah satu tugasan anda mengandungi **subtugasan yang bising** (15 permintaan web, menyusuri log, membaca sedozen fail). Dan anda tidak mahu hingar itu membanjiri tetingkap utama. ## Apakah maksud “5 aras dalam” dalam amalan?
Inti pati 5 aras ialah jarak menegak maksimum dari sembang utama ke cicit yang paling jauh. Ini had di pihak pelayan; anda tidak boleh menaikkan, menurunkan atau mematikannya dengan flag. Sumber rasmi juga masih tidak menyatakan sama ada sembang utama sendiri dikira dalam 5 aras itu.
Berikut satu perkara penting tentang ketelusan. Saya menghabiskan setengah hari menyemak dokumentasi dan analisis komuniti untuk mengetahui bahawa Anthropic belum memberikan takrifan yang tepat. Inilah yang perlu anda tahu. **Ini had, bukan tetapan.** Had itu dibina di pihak pelayan. Kejuruteraan songsang terhadap klien v2.1.172 tidak menemui pemalar `MAX_DEPTH`. Ini bermakna semakan berlaku di suatu tempat dalam API Anthropic, bukannya secara setempat pada mesin anda. Anda tidak boleh menetapkan `--max-depth 7` untuk menjadikan pepohon lebih dalam. Anda juga tidak boleh menetapkan `--max-depth 2` untuk menetapkan had lebih rendah yang lebih selamat. Satu-satunya kawalan yang anda ada ialah senarai benarkan `Agent(agent_type)` dalam frontmatter—tetapi ia mengehadkan **jenis** ejen anak, bukannya kedalaman. **Anthropic belum mentakrifkan “5” dengan tepat.** Itulah perkara penting kedua: **Anthropic belum mentakrifkan maksud “5” dengan tepat.** Sumber rasmi tidak menyatakan sama ada depth=5 bermaksud lima aras di bawah akar atau lima ejen keseluruhannya, termasuk akar. Integrasi pihak ketiga mentafsirkannya secara berbeza buat masa ini. ADR-147 dalam projek `ruvnet/ruflo` menganggap “5 aras anak di bawah akar = 6 ejen dalam rantaian.” Saya menggunakan konvensyen yang sama dalam eksperimen saya: sembang utama ialah aras 0, anak langsungnya ialah aras 1, dan seterusnya sehingga aras 5. Namun, perkara ini tidak direkodkan dalam dokumentasi awam. **Had ini sudah diaktifkan tanpa sebarang flag.** Anda tidak perlu mengaktifkan apa-apa. Selepas mengemas kini Claude Code kepada v2.1.172, anda boleh menambah `Agent` pada `tools` ejen anak, lalu ejen itu boleh melancarkan subagen lain. Perkara utamanya ialah ejen induk mesti membenarkannya (`tools: Agent(...)`). ## Pendelegasian anda hari ini berlaku pada lebar, panjang atau kedalaman?
Inti pati Dalam projek vibe-coding dunia sebenar, saya hampir selalu melihat lebar dan sekali-sekala panjang. Orang melakukan kedalaman secara manual: membuka tetingkap baharu, menyalin prompt dan kembali dengan hasilnya. Sebelum 9 Jun, fungsi ini belum terbina dalam. Sebab itulah kebanyakan orang langsung tidak sedar bahawa mereka terlepas ciri ini.
Semak 5 prompt terakhir anda. Berapa kerap anda melakukan perkara ini: tugasan bermula, Claude mula mencari fail dengan grep, membuat 10 permintaan web, menumpahkan seluruh dinding log ke dalam konteks—dan 20 minit kemudian anda sedar tetingkap sudah penuh. Jawapan akhir sudah berjalan dengan bajet token yang sedikit kerana 70 peratus konteks telah digunakan oleh dump perantaraan. Inilah senario yang memerlukan **kedalaman**. Bukan keselarian, bukan rantaian—kedalaman. Sembang utama patut mendelegasikan “penyelidikan” kepada satu subagen, yang kemudian melancarkan anaknya sendiri dari dalam untuk carian web khusus, bacaan fail dan grep. Anak-anak itu hanya memulangkan penilaian yang diringkaskan. Seorang cucu memberitahu induknya, “dah jumpa, disahkan,” atau “tak jumpa, sebab X.” Induknya menggabungkan semuanya menjadi satu ringkasan lalu memulangkannya kepada anda. Sembang utama kekal kemas. Sebelum 9 Jun, saya menirunya secara manual. Saya membuka satu lagi contoh Claude Code, menyalin prompt “selidik ini,” menjalankannya, kemudian memindahkan hasilnya kembali ke tetingkap utama secara manual. Saya menghuraikan persediaan ini dengan terperinci dalam panduan saya tentang pendelegasian pengekodan kepada banyak ejen AI. Dengan v2.1.172, anda boleh menerangkannya terus dalam prompt sistem pengatur cara—Claude akan membina pepohon itu sendiri. ## Dalam 3 senario apakah subagen bersarang benar-benar berguna?
Inti pati Bukan untuk setiap tugasan. Kedalaman wajar digunakan apabila satu pendelegasian mengandungi subtugasan bising yang anda tidak mahu letakkan dalam tetingkap utama. Saya akan membincangkan tiga senario utama yang kerap muncul dalam kalangan pengekod vibe: penyelidikan mendalam dengan semakan fakta, menganalisis repositori besar dan mengaudit kebergantungan hujung ke hujung selepas perubahan skema atau kontrak.
### Senario 1. Penyelidikan mendalam dengan semakan fakta Katakan anda sedang mengumpulkan bahan untuk artikel atau cadangan jualan. Mula-mula anda perlu mendapatkan 5–10 dakwaan daripada sumber awam, kemudian mengesahkan setiap satunya—mencari sumber asal, memastikan petikan itu tepat dan mengira angka sebenar. Sebelum v2.1.172, anda mempunyai dua pilihan. Sama ada anda melakukan semuanya dengan satu subagen yang terpaksa mengharungi 30 permintaan web sambil memenuhi konteksnya dengan semua maklumat. Atau anda membahagikannya secara manual: satu prompt untuk mengekstrak dakwaan, kemudian satu gelung untuk setiap dakwaan dengan melancarkan subagen berasingan. Sembang utama akan dipenuhi dinding senarai perantaraan. Dalam resipi di bawah, sembang utama menyerahkan kepada `research-orchestrator` (aras 1). Penyelaras mengekstrak dakwaan sendiri, menghantar setiap satu kepada `fact-verifier` (aras 2), dan setiap penyemak menyerahkan carian tertumpu kepada `web-deep-search` (aras 3). Sembang utama menerima hanya senarai dakwaan yang telah disahkan berserta sumber. Segala-galanya yang lain kekal dalam tetingkap anak dan tidak pernah masuk ke dalam konteks anda. ### Senario 2. Menganalisis repositori besar Anda diberikan projek yang mempunyai 200 fail. Anda perlu memahami seni bina, mencari modul utama dan menilai hutang teknikal. Jalankan `Glob` serta sedozen panggilan `Read` secara manual, dan tetingkap akan penuh dalam masa 10 minit. Kedalaman menyelesaikannya begini: sembang utama melancarkan subagen “architect”. Arkitek itu mencipta tiga anak secara dalaman—satu memeriksa struktur direktori (menjalankan `Glob` dan membuat ringkasan), yang kedua membaca 5 fail konfigurasi utama, dan yang ketiga mencari corak utama dengan grep. Setiap satu memulangkan ringkasan padat kepada arkitek. Arkitek menggabungkan gambaran itu dan memberikan laporan akhir sepanjang setengah skrin kepada sembang utama. Anda mendapat peta projek tanpa membanjiri konteks dengan dinding output `cat` daripada semua fail. ### Senario 3. Menganalisis kebergantungan hujung ke hujung Anda sedang mengubah skema pangkalan data, kontrak API atau fail konfigurasi bersama. Anda perlu memahami di mana kesannya akan muncul. Tugasan ini paling cepat menghabiskan konteks kerana terdapat banyak kebergantungan, dan setiap satunya perlu disemak dalam kod sumber. Dengan kedalaman, sembang utama melancarkan “impact-analyzer” (aras 1). Ia melancarkan satu `dependency-tracer` bagi setiap fail yang terjejas (aras 2). Setiap tracer melancarkan `consumer-finder` secara dalaman (aras 3), yang mencari pengguna kebergantungan itu dalam pangkalan kod menggunakan grep. Setiap satu kemudian memulangkan inti pati sahaja: “tiga tempat ini akan rosak.” Sembang utama menyusun jadual “fail terjejas → kesan” tanpa mengetahui hasil grep. ## Cara menyediakan subagen bersarang dalam 10 minit
Inti pati Tiada flag atau kemas kini konfigurasi diperlukan. Cuma tambahkan `Agent` pada `tools` ejen anak, dan ejen itu boleh melancarkan subagennya sendiri. Untuk mengelakkan pepohon itu menjadi seperti kasino, gunakan senarai benarkan `Agent(name1, name2)`. Seterusnya, saya akan berikan templat sedia guna untuk pengatur cara tiga aras yang boleh anda salin.
**Langkah 1. Pastikan anda menggunakan v2.1.172 atau lebih baharu.** ```bash claude --version ``` Jika versinya lebih rendah, kemas kini. Ciri utama keluaran ini ialah satu baris dalam changelog: “Kini subagen boleh mencipta subagen mereka sendiri, sehingga 5 aras dalam” ([teks penuh](https://github.com/anthropics/claude-code/releases/tag/v2.1.172)). **Langkah 2. Cipta ejen induk yang boleh melancarkan anak.** Fail `.claude/agents/research-orchestrator.md`: ```markdown --- name: research-orchestrator description: Delegates research with a deep fact-check tools: Agent(fact-verifier), Read, WebFetch model: opus --- You are a research orchestrator. When you get a topic: 1. Read the supplied material or fetch the supplied public source URLs. Extract up to 5 concrete claims yourself. For each, record the claim text, its source URL or file, and the exact supporting passage. If no source material was supplied, ask for it before delegating. 2. For each claim call fact-verifier - it spawns its own child subagents for web search and cross-checking. 3. fact-verifier returns only the final verdicts to you - do not load intermediate dumps into your context. Final report - only an array { claim, sources[], confidence }. ``` Baris `tools` membenarkan jenis anak `fact-verifier` sahaja. Pengekstrakan dakwaan ialah langkah pertama penyelaras sendiri, maka fail `claim-extractor` tidak ditakrifkan tidak diperlukan. Senarai benarkan jenis mengehadkan anak yang boleh dipanggil; ia tidak mengehadkan bilangan pelancaran jenis itu. Kekalkan resipi berskop kepada maksimum lima dakwaan diekstrak. **Langkah 3. Cipta ejen anak yang boleh mencipta cucu sendiri.** Fail `.claude/agents/fact-verifier.md`: ```markdown --- name: fact-verifier description: Checks a claim through child web searches tools: Agent(web-deep-search), Read model: sonnet --- You are a fact-checker. When you get a claim: 1. Write 2-3 search queries. 2. For each one run web-deep-search - it will do WebSearch and WebFetch itself and return verified snippets. 3. Combine them into one verdict: { claim, sources[], confidence }. ``` Nampak bahagian penting itu? Baris `tools` sekali lagi menyatakan `Agent(web-deep-search)`. Ini bermakna fact-verifier (aras 2 dalam pepohon kita) boleh melancarkan subagen lain. Sebelum ini baris itu tidak memberi kesan—dokumentasi masih mengandungi frasa:
Subagen tidak boleh mencipta subagen lain, jadi Agent(agent_type) tidak berfungsi dalam definisi subagen.
— Claude Code Docs, https://code.claude.com/docs/en/sub-agents
Dengan v2.1.172, baris itu sudah lapuk. Sintaksnya sama, tetapi kini berfungsi pada mana-mana aras dalam pepohon. **Langkah 4. Cipta cicit.** Fail `.claude/agents/web-deep-search.md`: ```markdown --- name: web-deep-search description: Runs a web search and returns snippets tools: WebSearch, WebFetch model: haiku --- You received a search query. Run WebSearch, pick the top 3 relevant URLs, use WebFetch to pull verbatim confirmations of the claim. Return an array { url, snippet, supports_claim: yes|no }. ``` Cicit itu tidak mempunyai `Agent` dalam `tools`, jadi ia tidak mencipta aras lebih jauh dalam pepohon. **Langkah 5. Jalankan pengatur cara.** ```bash claude --agent research-orchestrator ``` Kemudian bekalkan teks sumber atau URL sumber awam dalam sembang: “Ekstrak dan sahkan sehingga 5 dakwaan konkrit daripada sumber ini; pulangkan dakwaan, sumber dan keyakinan.” Dengan `--agent research-orchestrator`, sesi itu sendiri ialah penyelaras; anak penyemak dan carian menambah dua aras delegasi di bawahnya. Jika sesi utama biasa menyerahkan kepada penyelaras ini, terdapat tiga aras delegasi di bawah sesi utama itu. ## Apakah 5 corak antipenggunaan yang membazirkan token dan memusnahkan kebolehcerapan?
Inti pati Kedalaman memerlukan kos. Setiap aras ke bawah menggandakan token, dan gandaan itu terkumpul. Berikut ialah lima senario yang menyebabkan penyarangan merugikan anda. Jangan lakukannya—atau anda akan menghabiskan belanjawan harian dalam masa sejam dan hilang jejak ralat yang berada empat tingkat di bawah dalam pepohon.
**Corak antipenggunaan 1. Tugasan muat dalam satu tetingkap.** Jika satu subagen boleh mengendalikannya tanpa hingar, jangan tambah aras: penyarangan hanya menambah kos dan kependaman tanpa sebab. Jika satu subagen boleh mengendalikan tugasan tanpa hingar, penyarangan hanya menambah kos dan kependaman tanpa sebab. **Corak antipenggunaan 2. Anda mahukan kelajuan, bukannya pengasingan.** Jika anda mahukan kelajuan, anda perlukan **keselarian**, bukannya kedalaman. Lancarkan 5 subagen bersebelahan pada aras yang sama, bukannya membina rantaian. Kedalaman bertujuan memindahkan kerja persediaan yang bising ke tetingkap anak, bukannya mempercepatkan kerja. **Corak antipenggunaan 3. Kerja itu sememangnya cetek.** “Cari fail ini dan tunjukkan kepada saya” ialah **permintaan dua langkah**; ia tidak memerlukan hierarki tiga aras. Penyarangan berbaloi apabila sesuatu tugasan mengandungi subtugasan yang bising. Jika tiada hingar, jangan tambah subagen. **Corak antipenggunaan 4. Prompt samar pada aras pertama.** Inilah senario paling berbahaya. Jika anda memberikan prompt samar kepada pengatur cara aras 1, kesamaran itu akan berganda. Satu prompt samar aras 1 menjadi 4 prompt samar aras 2 dan 16 pada aras 3. Apabila cucu mula bekerja, mereka langsung tidak tahu apa yang dicari. **Corak antipenggunaan 5. Pertumbuhan kos secara geometri.** Inilah hujah ekonomi utama: penyarangan menggandakan penggunaan token, dan gandaan itu terkumpul mengikut kedalaman. Hujah ekonomi utama: penyarangan menggandakan penggunaan token, dan gandaan itu terkumpul mengikut kedalaman. Anggaran kasar: rantaian aras 3 dengan percabangan 3 pada setiap aras bermakna 27 subagen. Ini menggunakan sekurang-kurangnya 27 kali lebih banyak token daripada permintaan mudah. Pada pelan Pro Claude, pengiraan itu menghabiskan had harian dalam beberapa jam. Jika anda menggunakan pelan Max, anda akan menghabiskan kuota seminggu dalam sehari. **Corak antipenggunaan bonus (pengalaman saya): “50 ejen melakukan kerja yang sia-sia.”** Apabila saya melihat projek orang lain, saya kerap menemui perkara ini: “Saya ada 50 ejen yang sedang bekerja.” Saya bertanya, apa yang mereka buat? Rupanya 50 ejen itu **melakukan kerja yang sia-sia**. Mereka menjana lambakan output yang tidak perlu, banyak ringkasan mentah, pendua dan dinding log. Setiap satu melakukan sesuatu yang “secara umumnya berguna”, lalu hasilnya ialah konteks yang dibanjiri maklumat dan bil token seperti bil sebuah syarikat kecil. Kedalaman 5 tidak menyelesaikan masalah ini—ia **menjadikannya lebih teruk**. Jika pada aras 1 pun tidak jelas siapa melakukan apa, kedalaman 5 bermakna lima aras kekeliruan. Sebelum melancarkan sebarang subagen, uji dengan menjawab 4 soalan dalam setengah minit: - Apa sebenarnya yang dilakukannya (dalam satu ayat)? - Fail mana yang disentuhnya? - Apa yang dipulangkannya kepada induk? - Siapa yang menyemaknya? Jika anda tidak boleh menjawab dalam 30 saat, subagen itu tidak patut diwujudkan. Saya menerangkan peraturan ini secara berasingan dalam panduan saya [tentang subagen selari](https://ailoot.ai/blog/ms/claude-code-parallel-worktree-agents/). ## Mengapa penyarangan tanpa kejuruteraan konteks bermakna 5 aras halusinasi?
Inti pati Perangkap utama delegasi dalam ialah konteks tugasan yang tiada. Anak tidak menerima seluruh perbualan induk atau setiap fail yang dibacanya secara automatik. Subagen tersuai biasanya memuatkan arahan CLAUDE.md berkenaan kecuali dikonfigurasikan untuk mengecualikannya; itu tidak memuatkan semua fail perniagaan dirujuk secara automatik. Berikan bahan sumber, laluan dan kontrak hasil tepat pada setiap serahan. Jika projek anda tidak mempunyai struktur konteks yang kukuh, semakin dalam pepohon itu, semakin jauh setiap cucu terpesong ke alam khayalan. Anda mendapat 5 tingkat halusinasi, satu pada setiap aras.
Di sinilah orang sering bertanya: “Saya sudah mengemas kini Claude Code, menambah Agent pada tools, pepohon sedang dibina—tetapi jawapan akhir masih tersasar. Mengapa?” Jawapannya mudah. Setiap subagen dalam Claude Code bermula **dari awal**. Daripada dokumentasi rasmi:
Setiap subagen bermula dalam tetingkap baharu yang terpencil. Ia tidak dapat melihat sejarah perbualan, kemahiran yang telah anda panggil atau fail yang telah dibaca oleh Claude.
— Claude Code Docs, https://code.claude.com/docs/en/sub-agents
Pada aras 1, hal ini boleh diurus: pengatur cara menyampaikan penerangan tugasan yang ringkas kepada anaknya. Tetapi pada aras 3, cicit menerima mesej pendelegasian daripada induknya, yang turut menerima mesej pendelegasian sahaja. Setiap satu meneruskan sedikit maklumat. Pada aras 5, anda mempunyai subagen yang tetingkapnya mengandungi frasa “semak dakwaan X” dan tiada apa-apa lagi. Ia tidak tahu projek mana yang sedang diusahakannya, tugasan yang sedang diselesaikannya atau perkara yang perlu diberi tumpuan. Tanpa [CLAUDE.md](https://ailoot.ai/blog/ms/claude-md-template/), keturunan aras lima seperti pekerja yang datang ke pejabat buat kali pertama dalam hidupnya tanpa sebarang orientasi. Ia akan melakukan sesuatu kerana menerima tugasan. Tetapi tugasan itu bukan perkara yang diperlukan oleh projek. **Sebab itulah persediaan ini penting.** Kedalaman 5 tanpa `CLAUDE.md` yang dikonfigurasi dengan betul, `business/` dan saluran paip kemahiran ibarat kasino. Dengan semua itu, ia menjadi alat. ## Apakah lagi yang berubah dalam v2.1.172 selain penyarangan?
Inti pati Keluaran ini tertumpu sepenuhnya pada subagen. Bersama-sama ciri utama itu, ia merangkumi 4 pembetulan pada infrastruktur pendelegasian. Satu daripadanya membetulkan pepijat yang hanya boleh berlaku dengan penyarangan.
Buka changelog penuh v2.1.172 dan anda akan melihat bahawa seluruh keluaran ini berkaitan dengan subagen. **Pembetulan 1.** Subagen latar belakang tidak lagi kekal “tersangkut” sebagai aktif dalam panel ejen selepas subagen bersarang yang dilancarkannya dihentikan. Pepijat ini hanya boleh berlaku dengan penyarangan. **Pembetulan 2.** Sekatan `availableModels` kini turut terpakai kepada subagen. Sebelum ini, jika anda mengehadkan model yang boleh digunakan oleh pasukan (contohnya, melarang opus untuk menjimatkan wang), subagen boleh memintas peraturan itu dengan penggantian dalam konfigurasinya sendiri. Dengan v2.1.172, peraturan itu terpakai di mana-mana. **Pembetulan 3.** Anak panah ke atas dalam sejarah prompt kini memaparkan prompt daripada tab **semasa** subagen, bukannya ejen utama. Penambahbaikan kebolehcerapan. **Pembetulan 4.** Penggunaan CPU ketika melahu dikurangkan: penunjuk `/goal` tidak lagi melukis semula terminal pada 5 Hz ketika melahu, dan UI melukis semula dengan lebih jarang ketika subagen selari sedang bekerja. Saya ingin menegaskan bahawa keempat-empat pembetulan melibatkan subagen. Ini bermakna Anthropic mengeluarkan keseluruhan timbunan infrastruktur penyarangan, bukannya hanya satu baris dalam changelog. Penyarangan sudah digunakan di Anthropic untuk suatu tempoh sebelum diterbitkan. ## Senarai semak: bila penyarangan membantu dan bila ia memudaratkan
Inti pati Sebelum setiap pelancaran subagen baharu, nilai tugasan dengan 6 semakan. Jika sekurang-kurangnya 3 jawapan ialah “ya, gunakan kedalaman”, teruskan. Jika kurang, kekalkan keselarian atau gunakan satu subagen sahaja. Ini menjimatkan token, mengurangkan tekanan dan mengelakkan anda menghabiskan beberapa jam untuk memahami apa yang dilakukan oleh rantaian 27 pelancaran bersarang.
Gunakan penyarangan jika: - Tugasan mengandungi subtugasan dengan jumlah permintaan web, grep atau bacaan fail yang besar. - Anda boleh menerima jika subtugasan itu gagal (jika cicit memulangkan “tiada apa-apa ditemui”, pengatur cara boleh meneruskan). - Anda **tidak memerlukan** hasil perantaraan dalam tetingkap utama. - Anda mempunyai `CLAUDE.md` dan konteks projek yang tersusun untuk dijadikan sandaran oleh subagen. - Anda boleh menerangkan dengan jelas apa yang akan dipulangkan oleh setiap aras (input, output, format). - Anda menggunakan pelan Max atau mempunyai lebihan untuk ×27 token. Jangan gunakan penyarangan jika: - Satu subagen boleh menyelesaikan tugasan tanpa hingar. - Anda memerlukan hasil perantaraan dalam tetingkap utama (ini bermakna anda mahukan keselarian). - Projek tiada CLAUDE.md atau hanya mempunyai sedikit konteks perniagaan. - Prompt aras 1 samar (kesamaran itu akan berganda secara eksponen ke bawah pepohon). - Anda memerlukan kelajuan—keselarian lebih pantas daripada kedalaman untuk hasil yang setanding. - Anda menggunakan pelan Pro dan bekerja sepanjang hari—had anda akan habis dalam beberapa jam.
### Sumber - [Claude Code Release v2.1.172 - GitHub Releases](https://github.com/anthropics/claude-code/releases/tag/v2.1.172) - [Create custom subagents - Claude Code Docs](https://code.claude.com/docs/en/sub-agents)
Bahan lanjut tersedia di [Ailoot](https://ailoot.ai/). ## Soalan lazim: Cara mendelegasikan tugasan besar dalam Claude Code menggunakan subagen bersarang ### Perlukah saya mencipta claim-extractor untuk resipi disalin? Tidak. research-orchestrator yang dibetulkan mengekstrak sehingga lima dakwaan sendiri daripada bahan diberikan. Cipta tiga fail yang ditunjukkan: research-orchestrator, fact-verifier dan web-deep-search; kemudian bekalkan teks sumber atau URL. ### Adakah membenarkan fact-verifier sahaja mengehadkan bilangan pelancaran anak? Tidak. Senarai benarkan jenis ejen mengehadkan jenis yang boleh dipanggil, bukan bilangan panggilan. Resipi ini mengehadkan pengekstrakan awal kepada lima dakwaan secara berasingan; pantau panggilan dan penggunaan token sebenar. ## Ailoot · Syarikat dan portfolio projeknya Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan. Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan. Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.