Claude Code-subagenter: struktur, fem roller och orkestrering

Vad är en subagent i Claude Code, och varför är den inte ”bara en Skill till”?#

Claude Code-dokumentationen definierar den så här:

Uttryckt på ett sätt som en företagare skulle förstå: tänk dig en fastighetsbyrå. Där finns en chef, en marknadsförare, en jurist och försäljningschefer. En anställd som växlar mellan alla dessa roller är inget team; det är en överbelastad person. Ett team uppstår när varje person har sin egen kontext och sitt ansvarsområde, medan chefen bara delar ut uppgifter och sammanför resultaten.

Subagenter i Claude Code fungerar på samma sätt. Huvudchatten är chefen. En subagent är en specialist med en avgränsad uppgift, egen kontext och verktygsuppsättning. När en uppgift matchar specialistens beskrivning delegerar chefen den – och fastnar inte i detaljerna.

5 mål som Anthropic byggde subagenter för

Anthropics dokumentation listar exakt fem skäl att skapa en egen subagent:

Den mest praktiska punkten på listan för någon som inte programmerar är kostnadskontroll. Du kan skicka en tung researchuppgift till den billiga Haiku-modellen och fortsätta huvudkonversationen på Sonnet eller Opus. Tokenbesparingen är direkt proportionell.

Kontrollera nästlingsstöd för installerad version

Mallarna använder en huvudsession som delegerar direkt till arbetare. Behandla inte äldre dokumentation om att ”subagenter kan inte skapa andra subagenter” som en tidlös regel: nästling beror på installerad version och tillåtna verktyg. Den separata guiden om nästlade subagenter beskriver ett versionsspecifikt recept. Verifiera stödet i din installation innan du planerar djupare delegering.

Hur skiljer sig en subagent från en Skill, ett snedstreckskommando och en hook?#

Den tidigare guiden om Skills förklarar att Skills och snedstreckskommandon i Claude Code i praktiken har slagits ihop till ett format. Men en subagent är en annan sak – inte bara ”en större Skill”.

En sammanfattande tabell över de fyra mekanismerna:

Ett bra sätt att uttrycka det i en engelskspråkig guide: Skills är recept; subagenter är specialiserade kollegor.

Put simply: skills är recept; subagenter är specialiserade kollegor.

I praktiken fungerar det så här: Skills aktiveras automatiskt när deras beskrivning matchar uppgiften, medan subagenter anropas uttryckligen – antingen bestämmer huvudchatten sig för att delegera eller så anropar du en med namn.

Beslutsträd: ”Vilken ska jag välja?”

När du tänker ”Jag behöver att Claude gör X”, gå igenom de här fyra frågorna:

1. Är det här kunskap som alltid ska vara tillgänglig? Till exempel: ”vi lokaliserar till användarens föredragna språk” eller ”vi använder inte em dash”. Lägg in det i CLAUDE.md.
2. Är det här en metod som aktiveras av en utlösare och som du utför manuellt nu? Till exempel: ”Jag skriver en försäljningsrapport varje måndag.” Skapa en Skill.
3. Är det här en uppgift som kommer att ta upp huvudchattens kontext, eller kan den köras parallellt? Till exempel: ”djup research i 30 källor” eller ”en säkerhetsgranskning medan jag skriver en ny funktion”. Skapa en subagent.
4. Behöver du ett automatiskt svar på en händelse i Claude Code? Till exempel: ”kör lintaren efter varje Edit”. Skriv en hook.

90% av en företagares uppgifter hör till de två första kategorierna. Subagenter är ett verktyg på nästa nivå, för när du går från ”en uppgift i taget” till orkestrering.

Var finns subagenterna, och vilken har företräde?#

Subagenthierarkin har fem nivåer, ordnade från högsta till lägsta prioritet:

Prioritetslogiken är densamma som för Skills och CLAUDE.md: organisationen åsidosätter CLI, CLI åsidosätter projekt, projekt åsidosätter personligt och personligt åsidosätter tillägg.

Vad du bör känna till om inläsning

Subagenter laddas när en Claude Code-session startar. Om du redigerar en agentfil manuellt på disk läses ändringarna inte in förrän du startar om sessionen. Ändringar via det interaktiva /agents-gränssnittet börjar gälla direkt.

En subagent per omfång innebär en fil. Om .claude/agents/ innehåller code-reviewer.md och ytterligare en code-reviewer.md bredvid (till exempel från en gammal säkerhetskopia) kommer Claude Code att ignorera en av dem utan att säga något. Ingen avisering visas.

Subagenter i tillägg är en separat fråga. De har säkerhetsbegränsningar: de stöder inte fälten hooks, mcpServers och permissionMode. Det förhindrar att installation av ett tillägg från tredje part ger det tillstånd att köra godtycklig kod på din dator.

Så är en subagentfil strukturerad: frontmatter och innehåll#

Ett minimalt exempel från den officiella dokumentationen – bara 9 rader:

---
name: code-reviewer
description: Reviews code for quality and best practices
tools: Read, Glob, Grep
model: sonnet
---

Du är en kodgranskare. När du anropas analyserar du koden och ger
specifik, konkret återkoppling om kvalitet, säkerhet och bästa praxis.

Det räcker. Om en användare säger ”granska min PR” i huvudchatten matchar Claude ”granskare / kod / kvalitet” mot beskrivningen och delegerar till subagenten. Subagenten läser diffen, skriver kommentarer och returnerar en sammanfattning till huvudchatten. Huvudchatten slipper fyllas med loggar och mellanliggande analys.

Fullständigt frontmatter-schema

Fältet model: haiku är just den ”kostnadskontroll” från listan med fem mål. Om du har en researchagent som läser 50 sidor dokumentation kan du köra den på Haiku för att spara 5–7 gånger jämfört med Opus.

Fältet isolation: worktree hanterar ett viktigt problem: en subagent gör potentiellt riskabla ändringar (refaktorering, migrering), men du vill inte att den ska röra din arbetskopia. Ställ in isolation: worktree, så skapar Claude Code en tillfällig git-kopia av projektet. Subagenten arbetar där och returnerar en diff för granskning.

Filinnehållet är systemprompten

Efter frontmatter kommer vanlig Markdown – det är subagentens systemprompt. Ingen särskild struktur krävs, men det här är ett beprövat mönster:

1. Vem du är – en mening: ”du är en kodgranskare”, ”du är en säkerhetsgranskare”, ”du ansvarar för att underhålla dokumentation”.
2. När du anropas och vad du gör först – de första 2–3 åtgärderna efter att du fått uppgiften.
3. En checklista med kontroller eller steg – 5–10 punkter som subagenten följer.
4. Vad du returnerar – formatet för slutrapporten. Det är avgörande: om du inte anger ett format producerar subagenten en ”uppsats” i stället för en strukturerad sammanfattning.
5. Vad du INTE gör – uttryckliga begränsningar. Utan det här avsnittet börjar subagenten improvisera.

Håll filinnehållet till 200–500 rader. Om det blir längre flyttar du långa referenser till separata närliggande filer och länkar till dem i prompten.

Så skriver du en beskrivning som gör att Claude definitivt anropar din subagent#

En vanlig utmaning är att sätta upp en subagent för kodgranskning, men Claude gör allt själv utan att använda agenten. Orsaken är ofta att beskrivningen bara säger ”Hjälp med kodgranskning”. Claude förstår då inte när den ska aktivera agenten.

Formel för en effektiv beskrivning (3 delar)

Del 1 – vad den gör. En mening om resultatet, inte processen. Inte ”analyserar kod”, utan ”hittar sårbarheter i kod och returnerar en lista med allvarlighetsgrad och en lösning”.

Del 2 – när den ska aktiveras. 3–5 fraser inom citationstecken, sådana som användare faktiskt använder i sina önskemål. Gissa inte – titta på chatthistoriken och verkliga formuleringar.

Del 3 – när den INTE ska aktiveras. 1–2 fraser om liknande uppgifter som den här subagenten inte ska svara på. Utan det här avsnittet hamnar två liknande agenter hela tiden i konflikt.

Den magiska frasen ”Use Proactively”

Anthropics officiella dokumentation ger en tydlig rekommendation:

Med andra ord är Claude som standard benägen att inte anropa en subagent om beskrivningen saknar tydliga signaler. Lägg till ”use proactively” eller ”use immediately after writing code”, så ökar aktiveringen kraftigt.

En stark beskrivning ser ut så här

description: |
  Expert code review specialist. Proactively reviews code for quality,
  security, and maintainability. Use immediately after writing or
  modifying code. Returns prioritized list of issues with severity
  and fix recommendations.
  Do not invoke for documentation changes, README edits, or commit
  message rewrites - these are handled by doc-maintainer.

Det som fungerar här:

• Verben ”reviews” + ”returns” anger ett konkret resultat, inte en process.
• ”Proactively” och ”immediately after” är tydliga utlösare.
• ”Do not invoke for...” avgränsar konflikten med en liknande subagent.
• Engelska i beskrivningen är standard. Claude matchar bättre på engelska.

5 färdiga subagentroller som fungerar på 10 minuter#

Varje roll nedan är en enda fil, .claude/agents/<name>.md. När du har skapat filen startar du om Claude Code, öppnar /agents och kontrollerar att den nya agenten visas i listan. Sedan kan du anropa den med @agent-name.

1. code-reviewer – granska kod efter varje ändring

Det här är det officiella exemplet från Anthropics dokumentation, anpassat för ett arbetsflöde:

---
name: code-reviewer
description: |
  Expert code review specialist. Proactively reviews code for quality,
  security, and maintainability. Use immediately after writing or
  modifying code.
tools: Read, Grep, Glob
model: inherit
color: blue
---

Du är en senior kodgranskare som säkerställer höga krav på kodkvalitet.

När du anropas:
1. Läs diffen och listan över ändrade filer från huvudsessionen. Be huvudsessionen tillhandahålla dem om de saknas.
2. Använd Read, Grep och Glob för att granska relevanta filer.
3. Returnera fynd utan att ändra filer eller köra skalkommandon.

Checklista för granskning:
- Koden är tydlig och lättläst
- Funktioner och variabler har bra namn
- Ingen duplicerad kod
- Korrekt felhantering
- Inga exponerade hemligheter eller API-nycklar
- Indatavalidering är implementerad
- Testtäckningen är tillräcklig
- Prestandaöverväganden är hanterade

Ge återkoppling strukturerad efter prioritet:
- Kritiska problem (måste lösas före merge)
- Varningar (bör lösas)
- Förslag (överväg att förbättra)

Format: för varje problem – fil:rad + 1 mening om varför det är ett problem + konkret lösning.

Nyckeln är tools: Read, Grep, Glob: granskaren har filläsning och sökning, utan Bash-, Write- eller Edit-åtkomst. Huvudsessionen förbereder diffen och skickar den till granskaren. Att bara instruera agenten att köra git diff begränsar inte ett fullt tilldelat Bash-verktyg.

2. security-auditor – hitta sårbarheter och läckor

Rollen använder opus för djupare resonemang och samma verktygsbegränsning till Read, Grep och Glob. Beständigt minne utelämnas i den skrivskyddade mallen eftersom aktiverat agentminne också ger möjlighet att skriva minnesfiler:

---
name: security-auditor
description: |
  Security audit specialist. Use proactively to find OWASP Top 10
  vulnerabilities, exposed secrets, injection risks, broken auth.
  Run before any deploy or merge to main.
tools: Read, Grep, Glob
model: opus
color: red
---

Du är en säkerhetsgranskare. Hitta utnyttjningsbara sårbarheter, inte stilproblem.

Checklista för granskning:
- SQL / NoSQL-injektion
- XSS (lagrad, reflekterad, DOM-baserad)
- CSRF / SSRF-risker
- Hårdkodade hemligheter (API-nycklar, tokens, lösenord)
- Bristande autentisering / sessionshantering
- Osäker deserialisering
- Saknad indatavalidering
- Path traversal
- Öppna omdirigeringar
- Osäkra direkta objektreferenser (IDOR)

För varje fynd:
- Allvarlighetsgrad: Critical / High / Medium / Low
- Fil:rad
- Angreppsscenario i 1–2 meningar
- Förslag på lösning med kodexempel

Hoppa över brus från linter eller stil. Rapportera bara sårbarheter som går att utnyttja.

Skrivskyddat när det gäller verktyg, med model: opus för komplexa kontroller som sårbarhetskedjor.

3. research-agent – djup research i 8+ källor

Det här mönstret beskrivs av Anthropic själv i artikeln om deras multi-agent-researchsystem. Nyckeln är ett uttryckligt utdataformat och ett förbud mot att hälla ut råresultat:

---
name: research-agent
description: |
  Deep web research specialist. Use proactively for fact-finding,
  competitive analysis, gathering external documentation, comparing
  approaches across multiple sources.
tools: WebFetch, WebSearch, Read, Write
model: sonnet
maxTurns: 30
color: purple
---

Du är en researchanalytiker. Målet är en sammanställd rapport, inte råa sökresultat.

Arbetsflöde:
1. Dela upp frågan i 3–5 delfrågor
2. WebSearch för varje delfråga, hämta de 3–5 främsta källorna per fråga
3. Kontrollera påståenden mot minst 2 oberoende källor
4. Avvisa SEO-farmer och aggregatorinnehåll; föredra primärkällor
5. Citera ordagrant med URL-attribution för specifika påståenden
6. Returnera: TL;DR (3 punkter) + resultat + källor (minst 8 domäner)

Antimönster att undvika:
- Hänvisa inte till ett faktum från bara en källa
- Skriv inte om citat som om de vore ordagranna
- Returnera inte råa sökresultat till den överordnade agenten
- Ta inte med utfyllnad i inledningen eller avslutningen (”Hope this helps”)

maxTurns: 30 är ett skydd mot att researchen fortsätter i oändliga iterationer. Anthropic anger den här siffran i sitt multi-agent-system:

Nittio procent gäller researchuppgifter i benchmarktester. I praktiken är förbättringen mindre för företagsuppgifter, men storleksordningen är ungefär densamma.

4. doc-maintainer – håll dokumentationen synkad med koden

Den här rollen använder model: haiku – ett typiskt exempel på ”kostnadskontroll”. Dokumentation kräver inte Opus; Haiku klarar uppgiften till en tredjedel av priset:

---
name: doc-maintainer
description: |
  Documentation sync specialist. Use after merging features to update
  README, API docs, CHANGELOG. Reads recent commits, identifies
  undocumented changes, updates docs proactively.
tools: Read, Write, Edit, Glob, Grep, Bash
model: haiku
memory: project
color: green
---

Du håller dokumentationen synkad med koden.

När du anropas:
1. Kör `git log --since="last release"` för att se de senaste ändringarna
2. Läs README.md, docs/, CHANGELOG.md
3. Identifiera luckor: nya funktioner utan dokumentation, borttagna API:er som fortfarande dokumenteras, versionsskillnader

Utdata:
- Uppdaterade filer (använd Edit, inte Write – bevara den befintliga strukturen)
- CHANGELOG.md-post i Keep-A-Changelog-format
- Lista över ändringar du gjort (faktisk diff-sammanfattning, inte en omskrivning)

Stilregler:
- Aktiv form, presens
- Kodexempel måste gå att kopiera och klistra in
- Inget marknadsföringsspråk (”powerful”, ”robust”, ”seamless”)
- Ingen utfyllnad (”This guide will help you...”)

5. refactor-agent – säker refaktorering via ett worktree

Den här rollen använder isolation: worktree – subagenten arbetar i en separat kopia av kodförrådet, och du sammanfogar bara ändringarna om de ser bra ut:

---
name: refactor-agent
description: |
  Safe refactor specialist. Use for renames, extracts, inlines that
  shouldn't touch your working copy until reviewed. Runs in a
  temporary git worktree.
tools: Read, Edit, Write, Bash, Grep, Glob
model: sonnet
isolation: worktree
permissionMode: acceptEdits
color: yellow
---

Du refaktorerar kod utan att ändra beteendet.

Strikta regler:
1. Tester måste passera FÖRE och EFTER refaktoreringen.
   Om testerna före refaktoreringen misslyckas: STOPPA och rapportera.
2. En atomär refaktorering per commit (extrahera, byt namn, inline).
3. Ändra aldrig publika API:er utan en uttrycklig instruktion.
4. Ändra aldrig tester om de inte testar den refaktorerade implementationen direkt.

Arbetsflöde:
- Kör testsviten -> baslinje
- Gör en atomär refaktorering
- Kör testsviten -> verifiera
- Skapa en commit med ett konventionellt meddelande: refactor(scope): what

Returnera: sammanfattning av ändringar + worktree-sökväg så att användaren kan jämföra och sammanfoga.

Med den här rollen försvinner det mest besvärliga refaktoreringsproblemet – ”Jag hade sönder det och vet inte hur jag ska återställa det”: originalkopian lämnas orörd, och subagenten arbetar i ett isolerat worktree.

Vill du inte bara kopiera färdiga subagenter utan sätta ihop en kombination som gör Claude till ett stabilt verktyg? Subagenter ingår i din AI-klon: ett sätt att ge Claude ett specialiserat team som arbetar enligt din logik. Metodens tre pelare är: AI-klon (Skills + Subagenter) + Second Brain + kontextteknik. Den kombinationen gör Claude till ett verktyg som tänker enligt din logik i stället för en assistent som gissar.

Starta 5 subagenter parallellt: orkestrerare + arbetare#

Parallell orkestrering är upplägget ”dirigent + orkester”. Dirigenten håller i planen, skriver inte noterna och kontrollerar vad musikerna spelar. Om någon spelar fel ber dirigenten dem spela igen i stället för att försöka göra klart deras del.

För en företagare är en närmare liknelse en marknadsföringsbyrå som tar fram en strategi för en ny kund. En analytiker gör en SWOT, en annan analyserar konkurrenter, en tredje tar fram en målgruppsprofil, en senior analytiker sållar bort hypoteser som inte ryms inom budgeten och projektledaren sätter ihop den slutliga presentationen. I Claude Code börjar den här kedjan med en mening – och kritikern är inbyggd i processen i stället för att dyka upp i efterhand.

Minimal orkestreringsprompt

En mening i huvudchatten räcker:

Starta fem subagenter parallellt: tre research-agenter för olika källor
(Anthropic-dokumentation, GitHub-repon, AI-bloggare), en critic-agent som sållar bort
svaga slutsatser och en summary-agent för slutdokumentet.

Kontext: Jag skriver en guide om X. Mållängd: 2,000 ord med källor.
Innan arbetet börjar läser var och en CLAUDE.md.

Claude delegerar sedan till de fem agenterna. Var och en arbetar i sin egen kontext: research-agenterna använder sina respektive källor, kritikern sållar och sammanfattningsagenten sätter ihop resultatet. Bara slutliga sammanfattningar kommer tillbaka till huvudchatten.

När lönar sig parallellism?

Inte alltid. Parallell körning är bara meningsfull när:

1. Uppgifterna är oberoende. Om research-agent #2 väntar på resultatet från research-agent #1 blir det ingen parallellism – i praktiken arbetar de sekventiellt.
2. Uppgifterna tar lång tid. Det är meningslöst att parallellisera ”ta bort efterföljande blanksteg”; omkostnaden för att starta subagenter äter upp vinsten.
3. Du har tillräckliga begränsningar. Mer om det i ett separat avsnitt längre fram – parallella subagenter förbrukar snabbt tokens.

Anthropics multi-agent v2: nästa steg

I maj 2026 släppte Anthropic Multi-Agent Orchestration v2 med tre viktiga skillnader från det klassiska sättet att starta parallella subagenter. Mer om det i nästa avsnitt.

Nyheter i Multi-Agent v2: orkestrering, Outcomes, Dreaming#

Multi-Agent Orchestration: delat filsystem + avstämningar under arbetsflödet

Anthropic beskriver funktionen så här:

Den viktigaste skillnaden mot klassiska subagenter är ett delat filsystem. Tidigare arbetade varje subagent helt isolerat, och utbytet skedde bara genom den returnerade sammanfattningen. Nu kan specialister skriva till en delad mapp, och den ledande agenten läser resultaten medan arbetet pågår, inte bara i slutet. Det löser problemet ”alla arbetade hela dagen, och i slutet visade det sig att två personer hade oförenliga tillvägagångssätt”.

Det andra är avstämningar under arbetsflödet. Den ledande agenten kan pausa och fråga vilken specialist som helst ”hur går det?” och sedan justera den övergripande planen. Det liknar hur en riktig teamchef arbetar.

Outcomes: en bedömningsmatris i stället för instruktioner steg för steg

Med Outcomes skriver du framgångskriterier, och agenten hittar ett sätt att uppfylla dem. En separat graderare kontrollerar resultatet i sin egen kontext så att det inte ”kontamineras” av huvudagentens resonemang.

Tio procent på utmanande uppgifter är en rejäl förbättring. Särskilt när en uppgift formuleras som ”sätt ihop en lång artikel som uppfyller de här kvalitetskriterierna” i stället för ”följ steg 1–7”.

Dreaming: agenter samlar erfarenhet mellan sessioner

Det här är den mest konceptuellt nya funktionen. En agent går igenom tidigare sessioner, hittar mönster i framgångar och misstag och uppdaterar minneslagret. Du kan ställa in manuell granskning innan ändringarna tillämpas eller låta agenten redigera minnet själv.

Anthropic rapporterar att Harvey (ett företag inom juridisk teknik) såg ungefär en sexfaldig ökning av framgången i juridiska skrivuppgifter efter att ha infört Dreaming. Det här används redan i produktion, det är inte bara en demo.

Vad innebär det här för företagare som inte programmerar?

Multi-Agent Orchestration är för närvarande tillgängligt via Claude Agent SDK, inte direkt i Claude Code CLI. Men riktningen är tydlig: orkestrering går från ”du startar manuellt N subagenter” till ”du beskriver uppgiften, och den ledande agenten avgör vem den ska delegera till och hur”. Om du precis har börjat med subagenter behöver du inte oroa dig för v2 än. Lär dig det klassiska mönstret ”1 huvudchatt + 3–5 subagenter med olika roller”, så kan du naturligt gå över till Managed Agents om 3–6 månader.

7 misstag som gör att subagenter inte kommer någon vart#

Misstag 1. Beskrivningar som ”Hjälp med X” aktiverar inte

Symptom: du skrev en subagent, kontrollerade strukturen och allt är giltigt, men Claude anropar den inte för användarnas önskemål. Orsaken är nästan alltid densamma: beskrivningen är abstrakt, till exempel ”Hjälp med kodgranskning”. Lösningen: skriv 3–5 verkliga användarfraser inom citationstecken direkt i beskrivningen, plus ”use proactively” / ”use immediately after”.

Misstag 2. Skapa en subagent när det behövs en Skill

En subagent kostar mer än en Skill – den skapar sin egen kontext, laddar sin egen systemprompt och använder fler tokens. Om en uppgift är kort, inte tar upp huvudkontexten och kan göras i ett svep bör den hanteras av en Skill, inte en subagent. Ett exempel på ett antimönster: en format-validator-subagent som kontrollerar ett JSON-schema mot 20 regler. Det borde vara en Skill: en modell, ingen isolering behövs, ingen extra kontext laddas in.

Misstag 3. Starta ”60 parallella agenter” från början

Det här är den vanligaste illusionen. Du ser en tweet som säger ”Jag har 1,500 agenter i arbete” och tänker ”Jag borde också göra så”. I praktiken förbrukar 60 agenter gränserna för en Pro-plan på en timme, genererar en hög motstridiga resultat, och vid dagens slut har du inget färdigt.

En person med praktisk erfarenhet på Medium uttrycker det så här:

Lösningen: börja med en subagent för en uppgift. När du har lärt dig det lägger du till en andra med en annan roll. När du behärskar orkestrering av två går du vidare till ett team på 3–5. Att gå från ”installerade Claude Code i går” till ”20 parallellt i dag” kommer garanterat att ha sönder kod och förbruka gränserna.

Misstag 4. Ge varje agent alla verktyg

Om din kodgranskare har tillgång till Bash, Write och WebFetch är det en stor säkerhets- och kostnadslucka. En granskare bör inte ha behörighet att skriva filer, än mindre åtkomst till internet.

Lösningen: begränsa tools strikt. En kodgranskare får bara Read, Grep, Glob. En säkerhetsgranskare får samma läs- och sökverktyg och en diff från huvudsessionen. Bash ger skalförmåga; det begränsar inte automatiskt agenten till git diff. En researchagent får WebFetch, WebSearch, Read, Write. Ge inte en subagent fler behörigheter än den behöver för en specifik uppgift.

Misstag 5. En subagent häller ut råresultat i huvudkontexten

Om en researchagent returnerar ”här är alla 30 sidor jag hittade; red ut det själv” till huvudchatten har du förlorat subagenternas främsta fördel: att isolera brus. Lösningen: ange uttryckligen ett utdataformat i subagentens systemprompt. ”Returnera ENDAST: TL;DR i 3 punkter + lista med 5 källor. INGA kodutskrifter, INGA råa sökresultat.” Formatet ska vara strikt – subagenten ska inte ha frihet att ”göra om det till en uppsats”.

Misstag 6. Vaga anrop: otydliga delegeringsförfrågningar

En subagent kan inte se den huvudsakliga dialogens historik. Den börjar med en ren kontext + CLAUDE.md + det du uttryckligen har skrivit till den. Om du skriver ”fixa autentisering” hittar subagenten på saker. Skriv i stället: ”Fixa OAuth-omdirigeringsloopen där användaren efter en lyckad inloggning omdirigeras till /login i stället för /dashboard. Fil: src/lib/auth.ts.”

En tydlig regel: när du delegerar ska du ge subagenten lika mycket kontext som du skulle ge en ny entreprenör som just börjat på projektet.

Misstag 7. Rollbaserade agenter i stället för uppgiftsbaserade agenter

Ett lockande mönster är: ”Vi skapar en frontend-developer, backend-developer och qa-engineer och låter dem arbeta som ett team.” Det fungerar inte. Varje ”roll” tappar kontext om hela projektet, och agenterna kan inte komma överens om detaljer eftersom de inte kan se varandra.

Lösningen: en subagent ska hantera en återkommande uppgift med ett tydligt resultat, inte en roll. Inte ”frontend-developer”, utan ”explore-ui-tree”, ”refactor-component”, ”audit-accessibility”. Varje uppgiftsbaserad subagent utför ett specifikt jobb och returnerar ett specifikt resultat.

Vad kostar parallella subagenter, och när lönar de sig?#

En Pro-plan tar slut inom en timme om du startar 5 parallella subagenter för komplexa uppgifter. Max 5x ($100) är ett realistiskt minimum för regelbundet parallellt arbete. För team och Enterprise hanteras pengafrågan redan på nivån för verktygsbudgeten.

Läs den separata guiden om gränser för mer om hur du sparar tokens i Claude Code. För subagenter är den viktigaste regeln att en subagent lönar sig på en uppgift som kräver minst 10 minuter fokuserat arbete. Om uppgiften är kortare ska du inte skapa en subagent; gör det i huvudchatten eller med en Skill.

Hur integrerar du subagenter i din AI-klon och Second Brain?#

En subagent är beroende av tre saker som bör finnas i projektet innan du skapar din första specialist:

1. Rätt CLAUDE.md. En subagent läser CLAUDE.md innan den börjar – det är dess ”anställningsavtal”. Utan den känner subagenten inte till projektets kontext, begränsningar eller ton. Den kommer att hitta på saker.

2. Grundläggande Skills. En Skill är en paketerad metod. En subagent laddar bara de Skills den behöver, inte allt på en gång. Utan Skills upprepar en subagent samma arbete från grunden varje gång.

3. Second Brain: en kunskapsstruktur. Mappen business/ (eller motsvarande inom ditt område) är ett bibliotek som alla subagenter använder. Utan den ger en subagent ett genomsnittligt ChatGPT-svar som inte går att skilja från någon annans.

Om du vänder på ordningen får du hype utan resultat. ”Jag har 60 parallella subagenter” med en tom business/-mapp betyder 60 genomsnittliga ChatGPT-sessioner med samma arbetssätt.

Den kompletta kombinationen – AI-klon + Second Brain + kontextteknik – är de tre pelarna som gör Claude konsekvent. Subagenter ingår i AI-klonen: ett sätt att ge Claude ett specialiserat team som arbetar enligt din logik.

Det snabbaste sättet att komma igång är att kopiera code-reviewer från det första exemplet ovan till .claude/agents/code-reviewer.md, starta om Claude Code och anropa @agent-code-reviewer vid nästa commit. På 5 minuter vet du om du behöver subagenter eller om huvudchatten räcker.