一、怎么理解上下文#
我们之前讲过，模型都有上下文。而且还把上下文比作成了一张白纸：说的需求、给它的资料，以及前面聊过的内容，都写在这张纸上。它做事的时候，就参考纸上的这些内容。
上下文有多大，就相当于这张纸能写多少东西。常见的上下文大小有272k和1m，我们可以把 272K 的上下文想成一张 A4 纸，把 1M 的上下文想成一张更大的 A1 纸。
但是这张纸上写的不只有我们说的话，还有其他一些内容。我们让它去读一篇文章，文章的内容也会占地方；让它去查资料，查到的内容也可能写到这张纸上。
如果这张纸快写满了，有些工具就会把前面的内容总结一下，只留下重点，再接着往下写。这就是上下文压缩。但总结的时候可能会漏掉细节，所以我们前面也说过，聊得太久了，可以考虑换一个窗口。
二、主智能体的上下文很珍贵#
我们直接跟它聊天、告诉它要做什么的那个智能体，在这里就叫主智能体（Main Agent）。它要记得我们说过什么，也要根据前面的结果，继续做后面的事情。
我们让它做一份近 7 天的 AI 热点报告，最后保存成 Word 文档。做报告的过程中，我们又告诉它：写得简单一点，给没有技术背景的人看。这些要求，它后面都要用到。
图里上面和下面的是同一个主智能体：先分配任务，收到三个子智能体的结果以后，再整理成报告。
但如果什么事情都让它自己做，它可能要打开很多网页，阅读很多文章。这样一来，这张纸上就会写下很多资料。有些资料只是查找的时候看了一眼，后面其实用不到，但已经占了位置。
这就有点可惜了。我们还想继续跟它说要求、让它修改报告，纸上却已经放了不少不需要的内容。所以主智能体这张纸上的位置很珍贵，尽量留给后面还要用的东西。
三、让子智能体能干什么？#
- 节省主智能体的上下文
我们有时候想让主智能体去做一件事，但不太想把中间的过程都放到它的上下文里，也就是不太想写在这张白纸上。
这时候，就可以引入另一个概念：子智能体（Subagent）。主智能体可以派遣子智能体去完成具体的事情，也可以派遣多个子智能体，分别做不同的事情。子智能体有自己的上下文，也就是自己的白纸。
这张图以查询明天的天气为例：黄色箭头把任务交出去，蓝色箭头把结果带回来。右边纸上的查找过程留在右边，左边只需要记下返回的结果。
我们想让主智能体查询今天的天气，但不想让中间过程污染它的上下文，就可以让主智能体开一个子智能体，专门去查天气。
那么这时候，主智能体的上下文上只有：“开了一个子智能体去查天气。”以及最后子智能体返回的结果。至于打开了什么网页、查到了哪些资料、怎么找到天气信息，这些过程就写在子智能体的上下文上，不需要全部写进主智能体的上下文里。
- 提升效率
子智能体的作用不只有节省上下文这么简单，还有提升效率。比如可以同时开几个子agent，让他们做不同的工作，一个查天气、一个预约门票、一个查路况、一个查可能的客流量、一个查值得重点逛的东西等等。这样比我们只开一个智能体来完整这些要快的很多。
上面是查完一项，再查下一项；下面是四个子智能体同时去查，查完以后再一起整理。图里都是查询任务，适合各自完成；实际能快多少，还要看任务和工具。
