模式矩阵 /模式白皮书/C5

问题

如果 sub-agent 将完整工作过程返回主 Agent，批量任务会随条目数量迅速占满主 context。主 Agent 通常只需要 verdict、关键发现、证据和不确定性，而不是每条中间轨迹。

子代理隔离用于控制 multi-agent 系统中的 context pollution。每个 sub-agent 在独立 context 中运行，返回前压缩为结构化 artifact，主 Agent 只消费该 artifact。层级委派和扇出聚合通常依赖这项边界控制。

坐标说明：协作 × 层级

• 纵轴 · 协作：sub-agent 使用独立 context 和权限，主 Agent 与 sub-agent 之间只传递约定结果。
• 横轴 · 层级：parent agent 调度 sub-agent，sub-agent 在自己的沙箱里跑，是层级加隔离的结构。它跟层级委派共格（都在协作 × 层级交点），但侧重不同——层级委派强调派工，子代理隔离强调隔离加摘要返回。

解决方案与机制

子代理隔离包含四项工程要素：

1. Context 隔离：sub-agent 启动时不继承 parent 的 history，只收到自己的 system prompt、具体的 task instruction、自己的 tool set。它看不到主 agent 跑过什么、其他 sub-agent 在做什么。
2. Artifact schema 化返回：sub-agent 返回结构化 artifact（Pydantic model 或 JSON Schema），字段可包括 verdict（success / partial / failure）、按重要性排列的 findings、citations 和 unresolved questions。主 Agent 可以用确定性代码校验，不必从自由文本中猜测状态。
3. 失败 boundary 隔离：sub-agent timeout 或抛异常时，主 Agent 收到 verdict=failure 的 artifact，而不是未捕获异常。局部失败仍绑定在自己的 branch。
4. 并行互不干扰：N 个 sub-agent 各跑各的 context，互相看不到中间状态，也不直接通信——要交换信息必须经过主 agent。

适用场景

• 子任务产出多、主 agent context 紧的批量任务：合同审阅、文档扫描、大规模代码检索，每个 sub-agent 处理一份、只回传精炼结论。
• 需要防止任务间相互污染的场景：每份合同应该被独立 fresh review，不被其他合同的细节 prime（避免 anchoring bias），独立 context 是必需的。
• 数据 scope 不能跨的场景：一个 sub-agent 看到的敏感数据不能流到另一个 sub-agent 或污染主 agent，隔离 context 提供了天然的数据边界。
• 需要防 prompt 污染的场景：sub-agent 的试错失败 trace、越界尝试不应该拖累主 agent 或其他 sub-agent 的后续推理。

已知失效方式

• sub-agent 继承主 Agent history：随着主 Agent 的历史增长，每个新 sub-agent 都会携带与当前任务无关的内容，增加成本和上下文干扰。sub-agent 应从本地 messages 起跑，只接收任务契约中约定的上下文。
• 返回自由文本而非 schema artifact：自由文本难以用确定性代码 parse，也无法稳定执行 confidence 排序和 verdict 分流。应强制 schema 并拒绝不合规返回。
• sub-agent 之间直接通信：为了省事让 sub-agent A 调 sub-agent B，会立刻把层级拓扑变成网状拓扑，cascade failure 风险飙升。要交换信息必须经过主 agent。
• 失败没有 boundary：sub-agent 抛异常没被捕获，主 agent 收到 raw exception 导致 reasoning loop 被中断、整个任务失败。失败时要返回 schema 化的 failure artifact。
• 简单子任务也套隔离：当输出很小或主 Agent 确实需要中间细节时，隔离可能增加不必要的开销。应在真实 context 预算下与直接执行比较。

验证指标

• 主 Agent context 占用：所有 sub-agent artifact 占主 context 的比例。应为主 Agent 的聚合、冲突判断和最终推理预留空间。
• artifact 合规率：sub-agent 返回是否符合 schema。自由文本绕过 schema 会触发重派、人工修正和延迟。
• 失败级联率：一个 sub-agent 失败是否拖垮其他分支。通过进程、context、工具权限和错误边界分别验证隔离效果。
• artifact 压缩比：raw trajectory 与 reduce 后 artifact 的体量关系，还要配合关键信息保留率一起看。

最小实现

IsolatedSubAgent.execute(task):
    local_context = [system_prompt, task]      # 不传入 parent history → Context 隔离
    try:
        raw = run_loop(task, local_context)     # 独立 LLM call + 独立 tool set
    except: return Artifact(verdict="failure")  # 失败 boundary
    return reduce_to_artifact(raw)              # 强制压成 verdict/findings/citations

SupervisorWithSubAgents.execute(task):
    artifacts = 并行 gather(                     # N 个并行,各自独立 context → 互不干扰
        sub.execute(dispatch_subtask(task, sub)) for sub in sub_agents
    )
    return synthesize_from_artifacts(artifacts) # 主 agent 只看 artifact 不看 raw trajectory

生产实现使用本地 messages 隔离 context；通过 reduce_to_artifact 返回 schema；使用 try/except 和 timeout 建立失败边界；并行 gather 中保持各分支 context 独立。

场景化示例

设想一个律所的合同审阅 Agent。第一版让 sub-agent 返回每份合同的完整分析，主 context 被 trajectory 淹没。第二版为每份合同创建独立 sub-agent，强制返回 verdict、top_concerns、recommendation 和证据指针；单个分支失败不影响其他合同；低 confidence artifact 转人工。Claude Code Task tool 可作为产品实现参考：每个任务使用独立 context、独立 LLM call 和独立 tool set，只向主 Agent 返回最终 artifact。实际吞吐、漏评率和压缩损失需要用授权合同集验证。

相邻模式

• 层级委派（C1）：层级委派负责 Supervisor 与 Worker 的派工关系，子代理隔离负责 Worker context、schema artifact 和失败边界。
• 扇出聚合（C2）：扇出的每个并行 branch 都依赖隔离——独立 context，gather 阶段只看 reduced 结果。隔离是扇出能跑通大规模并行的工程基础。
• Hierarchical Retention（记忆模块）：同源思想。信息按层级分发、越上层越精简，子代理隔离是这个作用域分层原则在多 agent 协作层的落地。
• 上下文分诊（感知模块）：同源思路。主 agent 不预加载子 agent 的中间状态，需要时按需取（通常不需要，artifact 就够），类似延迟加载。

工程判断

子代理隔离限制每个 Worker 的上下文、工具、凭证、预算和工作区。主 Agent 只接收可验证 artifact，局部失败因此不会直接污染主任务。

企业证据

当前没有与本模式绑定的公开评审案例。模式定义不因此视为已经获得企业验证。

案例收录要求说明业务约束、实现结构、已知失败和迁移边界。参见 贡献与评审规则。

2026-08-25 研讨会修订：跨 Session 隔离

隔离范围扩展到 worktree、需求编号、共享配置、测试数据库、部署环境和外部配额。调度器在并行前检查写入冲突域，并记录锁、租约、冲突策略与释放条件。

协作模块研讨记录