最近 OpenClaw 火得一塌糊涂，连不少不关注AI的人都知道了这只小龙虾。只要接触过OpenClaw一段时间的人，基本都会听过一个词：Skill。而稍微深度玩过OpenClaw的人，对Skill肯定不陌生。
这个词在3月份之前可能还只是少数人在聊，但现在不一样了。因为大家很快就发现：Skill 可以给 AI Agent 加能力。
但这里有个问题——当任务变复杂之后，麻烦就接踵而至。
你可以不断地给AI添加各种各样的Skill，让它掌握更多技能。然而很多时候，真正卡住你的，不是它不会做什么，而是它一个人根本干不了那么多事。
这时候，真正该上场的，不再是Skill，而是另一个重要的概念：SubAgent。
什么是 AI Agent？它凭什么能自己解决问题？
什么是 Skill？带你看懂火爆全网的Agent Skills到底是个啥
下面的例子可能不够贴切，咱们就图一乐，先理解一下。
先来开一家外卖店看看
要理解SubAgent，最直观的方法，就是先想象你在开一家外卖店——高端餐饮，米其林级别，相当挣钱的那种。
没有 SubAgent的时候：一个人包办一切
假设整家店刚开业，为了省钱，只有你一个人。
你既是老板，也是采购员、洗菜工、厨师、收银员、打包员、配送员。
你的一天可能是这样的：
早上去买菜，回来洗菜切菜，刚开火炒菜，顾客吃完要去收银；刚收完钱，外卖平台又来单了，要赶紧打包；打包完还得自己送，送完回来，顾客已经跑了，锅里的菜已经糊了，厨房差点炸了。
问题不是你不够努力。问题是：一个人同时干太多事，迟早会乱。
这就是很多人现在用 AI 的真实状态。
主Agent（也就是我们经常在工具中的主对话）一会儿搜索资料，一会儿写内容，一会儿核对事实，一会儿改格式，一边还要记住前面说过的要求。任务一长，上下文一多，它就开始混乱，开始分心，开始漏东西，最后出来的东西就是一坨垃圾。
有了 SubAgent：开始分工
聪明一点的做法是什么？不是让老板更拼。而是将工作拆解后，交由不同领域的专业员工分别执行。
比如：
主Agent：你就是老板，负责统筹安排任务、验收结果
采购 SubAgent：专门负责找供应商、比价格、下单补货
备菜 SubAgent：负责洗菜、切菜、准备食材
烹饪 SubAgent：专门负责炒菜、控制火候、保证出品
收银 SubAgent：负责处理顾客结账、核对订单，兼职网上接单
打包 SubAgent：负责把做好的餐品分类、装盒、贴单
配送 SubAgent：负责把外卖准时送出去
这样一来，每个人只做自己那一件事，谁也不会互相打扰（当然，花的钱也多了不少）。
这就是 SubAgent 的核心：主Agent用来整理需求，拆解任务，然后发送给SubAgent去做，做完结果拿回来给主Agent验收。
SubAgent 到底是什么？
简单说，SubAgent 是一个专门处理某类任务的子袋里。
它不是一个普通功能，也不是简单调用一下工具。它更像是：主Agent把任务交给一个独立的小助手，这个小助手在自己的上下文里完成工作，然后把结果交回来。
官方文档的定义也是这样：每个子袋里都有独立上下文、单独提示词、特定工具权限，用来处理特定任务。
所以你可以把它理解成：
Skill 相当于给同一个人配更好的工具；SubAgent 相当于给同一个人又配了一个能独立完成子任务的助手。
这两个东西不是一回事。
SubAgent 最适合做什么事情？
SubAgent 不是所有任务都适合。它最适合的，是那些可以拆开、可以分工、每一步相对独立的任务。
最典型的，就是一条完整的内容生产流程。
比如你输入一个关键词，想自动生成一篇能发布的文章。这个过程其实可以拆成很多步：
搜索资料——去网上找相关内容，收集信息
筛选资料——去重、过滤广告、挑出最有用5篇内容
写初稿——根据筛选后的材料写文章
事实核查——再检查数据、例子、表述对不对
风格统一——让文章语气一致，读起来更顺
格式整理——统一标题、段落、列表、代码块
配图或封面生成——最后做视觉部分
人工审阅——润色文章，去掉AI味，检查是否通顺
这种任务最怕什么？最怕所有东西都堆在同一个上下文里。
假设你的信息源每个平台（公众号、知乎、推特长文、头条、B站等）都搜5篇文章，刚开始后上下文就已经很长了。搜索阶段会带来一大堆杂乱信息，写作阶段又会出现大量草稿，核查阶段还会不断修改。如果全都塞给同一个主Agent下，它很容易脑子全是噪音。
但换成 SubAgent 就不一样了：
搜索的归搜索SubAgent，写作的归写作SubAgent，核查的归核查SubAgent，排版的归排版SubAgent……主Agent只关注每一环的结果，不看所有中间产生的垃圾过程。
所以，SubAgent 最适合这些场景：
多步骤任务、流程型任务、每一步职责很清楚的任务、中间过程没必要一直共享给主Agent的任务、有的甚至可以并行推进的任务。
比如：代码审查、内容生产流水线、多语言翻译、资料搜索与整理、测试校验、格式统一、长流程自动化任务。
一句话总结：越复杂、越能拆分、越容易被上下文污染的任务，越适合交给 SubAgent。
SubAgent 最大的优点，以及它的缺点
最大的优点
第一，上下文更干净
这是 SubAgent 最核心的价值。每个子袋里都有自己的独立上下文。搜索时产生的噪音，不会污染写作；写作时产生的草稿，不会干扰核查；核查时发现的问题，也不会把前面的上下文搅乱。主Agent看到的，始终是整理过的结果。
就像老板不需要盯着后厨切了多少根葱，他只需要知道：菜做好没有，能不能上桌。
第二，更专注，结果更稳
一个Agent同时做五件事，和一个Agent只做一件事，效果通常完全不一样。专门负责找资料的SubAgent，会更像一个研究员；专门负责写作的SubAgent，会更像一个作者；专门负责核查的SubAgent，会更像一个审稿人。因为它们各自不会分心，所以质量通常更稳。
第三，可以并行
有些任务没必要排队一个个做。比如A在查资料，B在准备提纲，C在整理参考格式。几个SubAgent同时动起来，速度就会快很多。
第四，可复用
一旦你写好了一个好用的SubAgent，比如“文章审查员”“事实核查员”“排版整理员”，以后就可以一直复用。这和临时写提示词完全不一样——更像你已经招好了一个老员工，下次直接派活就行。
第五，能处理更复杂的任务
很多复杂任务不是AI做不了，而是一个Agent装不下。当任务长度、步骤、信息量都上来以后，SubAgent往往就是突破复杂度上限的办法。
它的缺点
当然，SubAgent也不是万能的。
第一，配置有门槛
你要告诉它：它负责什么、什么情况下调用、能用哪些工具、最后要交付什么结果。这些如果写得不清楚，它就容易跑偏。
第二，信息交接可能丢细节
SubAgent和主Agent之间，通常传递的是“任务说明”和“结果摘要”。这很高效，但也有代价——有些关键细节，可能在交接过程中被压缩掉了。隔离上下文是优点，但信息压缩也是风险。
第三，调试更麻烦
如果最后结果有问题，排查起来会比较麻烦。你要去看：是搜索拿错了资料？还是写作理解错了方向？还是核查漏掉了问题？还是排版阶段处理坏了？链条越长，定位问题越复杂。
第四，小任务不值得上 SubAgent
如果只是改一句话、润一小段文案、改个标题，直接让主Agent做，通常更快。这类小事再拆分，就像为了煮一碗泡面还专门设采购、厨师、配送三个岗位，明显过度了。
所以，SubAgent很强，但它不是越多越好，而是要用在真正值得拆分的任务上。
Skills 和 SubAgent 到底怎么选？
很多人刚接触时，最容易问的就是这个问题：既然都有了Skill，为什么还要SubAgent？
因为这两个东西解决的不是同一个问题。
Skill 解决的是“能力问题”
它的作用是让主Agent学会一项新本事。比如格式检查、固定模板生成、文档整理、某类规范输出。这些都是给主Agent直接加能力。
它适合的任务通常是：轻量、规则明确、过程不复杂、需要主Agent一直掌握上下文。
所以，Skill更像：给同一个人配上一把更顺手的工具。
SubAgent 解决的是“分工问题”
它的作用是把某一整块任务外包给独立专业的角色去做。它适合的任务通常是：重型任务、多步骤任务、中间过程很长、不适合把所有信息都堆在主上下文里。
所以，SubAgent更像：直接把这项工作交给一个专门的人。
怎么判断该用哪个？
你可以用一个很简单的标准：
用 Skill 的时候
当你想的是：“我希望主Agent多会一个能力”“这件事不复杂”“过程我希望它一直知道”“我不想多一层调度”——那就用Skill。
比如：格式规范检查、固定风格改写、简单模板输出、单次轻任务处理。
用 SubAgent 的时候
当你想的是：“这事能不能单独拆出去做”“这一步不该污染主上下文”“最好由一个专门角色来处理”“中间过程很长，但最终只要结果”——那就用SubAgent。
比如：代码审查、资料搜集与筛选、内容生产流水线、多轮核查与修订、长任务分步骤执行。
最常见的正确答案，其实是混合使用
现实里最好的方案，往往不是二选一，而是一起用。比如：主Agent负责整体协调，轻量规则能力交给Skills，重型独立任务交给SubAgent。
也就是说：Skill负责补能力，SubAgent负责分工执行子任务。两者不是竞争关系，而是搭档。
总结
很多人第一次接触AI工作流时，会先爱上Skill。这很正常，因为Skill很直观：装上就能用，马上见效。
但当任务越来越复杂时，你很快会发现，只给AI加技能还不够。因为真正的问题，往往不是“它不会做”，而是“它什么都在自己做”。
这时候，SubAgent的价值就出来了。它的本质，不是多一个插件，而是让AI从“一个人死扛”变成“多人分工协作”。
所以，如果你已经开始接触OpenClaw，也已经熟悉Skill，那下一步最值得理解的，可能就是SubAgent。OpenClaw中也可以使用Sub-Agents，甚至还有ACP Agents。Claude Code和Codex中也都支持SubAgent，只是使用方式上不同。当然，你也可以换一种方式——用Claude Code来规划任务，然后让Codex来给你干活。玩法还有很多。
因为从某种意义上说，真正成熟的AI工作方式，不是让一个Agent拼命干活，而是让它学会把合适的工作，交给合适的角色。
会做事很重要。会分工，才是真正开始走向高级玩法。
