免费POC, 零成本试错
AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


我要投稿

别再纠结用 Skill 还是 Subagent 了,这一篇讲透 Claude Code 的「分身术」

发布日期:2025-12-31 12:13:41 浏览次数: 1543
作者:绿蚁红泥天欲雪

微信搜一搜,关注“绿蚁红泥天欲雪”

推荐语

Claude Code的分身术解析:Skill和Subagent的本质区别与适用场景,帮你快速决策最佳方案。

核心内容:
1. 通过"做红烧肉"的比喻形象解释Skill与Subagent的运作机制差异
2. 揭示两种模式的核心区别在于执行环境的独立性
3. 提供不同场景下的选择建议与使用策略

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家

很多人装上 Claude Code 之后,第一反应都是: “好,接下来我该搞 Skill,还是写个 SubAgent?”

文档一看一大堆:SKILL.mdsubagents.md、Agent、工具、工作流……
明明只是想让 Claude 帮我干点正事,结果先被概念整懵了。

但冷静想想,你真正想解决的问题,从来不是:

“我该用 Skill 还是 Subagent?”

而是:

“在我的这个场景里,谁来干活、干到什么程度、状态怎么保留,最合适?”

这篇就干一件事:
把 Skill vs Subagent 讲到你能立刻拍板,用哪个、怎么用、为什么用。


一、同样的“做饭技能”,只是谁来下厨不同

先不谈 Claude,先说吃饭。

我们来做一道红烧肉,有两种选择:

Skill 模式
你打开菜谱,自己按步骤做红烧肉。
菜谱 = SKILL.md,厨师 = 你自己。

Subagent 模式
你把菜谱交给餐馆,说“按这个做一份红烧肉,做好给我送来”。
菜谱 = subagents.md,厨师 = 餐馆(一个独立的“分身”)。

你会发现,两边写下来的“做红烧肉流程”几乎一样:

  • 都有食材清单

  • 都有步骤顺序

  • 都有注意事项

唯一的不同是:谁来花时间、谁在执行过程里亲自参与。

对着 Claude 来翻译就是:

1)SKILL.md 方式 = 把技能「刻进自己」

  • 你(主 Agent)学习了一份 SKILL.md

  • 之后在主会话中,你随时可以调用这个技能

  • 所有思考、上下文、文件状态,都留在这一次主对话里

就像你学会红烧肉之后,以后每次做饭都能加一道这菜,而且你会越做越熟练。

2)subagents.md 方式 = 把任务「外包给分身」

  • 你只需要描述任务,把它丢给某个 Subagent

  • Subagent 在自己的小世界里执行:有自己的上下文、工具、权限

  • 做完之后,只把结果带回给你

  • 它的整个思考过程、临时状态,不会占用你的主对话空间

就像你下班点个外卖,你只关心“好不好吃”,不关心后厨是几口锅、炒了多久。


二、本质差异:同一份“工作说明书”,不同的执行环境

再抽象一层,其实很简单:

Skill vs Subagent 的区别,不在文档写了什么,而在「执行环境」在哪。

  • 内容本质相同
      无论是 SKILL.md 还是 subagents.md,本质都是给 Claude 的「工作说明书」:

    • 任务是什么

    • 输入输出是什么

    • 步骤怎么走

    • 要注意什么风格/边界

  • 执行环境不同

    • SKILL.md:在主上下文里执行,跟你当前这场对话,融成一个世界

    • subagents.md:在独立上下文里执行,像开了一个“子工程”,做完再把结果丢回来

这就是为什么,同样一个“做红烧肉”的流程:

  • 写成 Skill:是“我学会这个菜了,以后在家自己炒”

  • 写成 Subagent:是“以后这道菜我都叫这家餐厅做”


三、Skill vs Subagent:一张表看懂关键区别

很多人迷惑的点在于:“功能看起来都能实现啊,我到底选哪个?”

从“能不能做”这个角度,两者确实都能做。

但从“体验和成本”这个维度,差别就出来了。

可以先看一张粗暴对比表:

维度
Skill
Subagent
执行环境
主会话上下文内
独立上下文,像单独开了一个“子进程”
谁在执行
主 Agent 亲自下场
某个专门的 Subagent 分身
中断方式
随时停,不影响 Skill 文档本身
可以终止当前任务,但这个分身的本次状态就没了
恢复方式
靠对话历史 + 继续引用同一个 SKILL.md
无法“恢复上一实例”,只能重新调用一次
状态保留
状态混在主会话的对话历史 + 文件系统里
任务结束后实例销毁,只把结果带回主会话
上下文占用
会把所有中间思考塞进主上下文
中间过程在子上下文,只把必要结果返回
与主会话关系
像是给主 Agent 装了一个「新技能插件」
像是给主 Agent 配了一个「外包团队」
适合的场景
需要长期记忆、反复迭代、一步步交互的工作流
需要隔离、并行、单次执行、权限差异明显的任务

简单解释:

  • Skill:

    • 状态:记录在当前对话和文件系统里,像“长期记忆”

    • 中断:随时可以,不影响 SKILL 的后续执行

    • 恢复:因为在主会话中,有记忆感知,可恢复

    • 与主会话:高度融合,天然一体,连续

  • Subagent:

    • 状态:任务完成即销毁,只留结果,主会话没有其执行的中间记忆

    • 中断:可以终止,但此次执行就结束了

    • 恢复:不能回到“上一次的 subagent 实例”,只能新开一轮

    • 与主会话:典型的“委托—返回”模式,状态天然隔离


四、一个例子

回到 Claude Code 自带的一个功能:Plan 模式

Plan 模式本质上是一个 Plan Subagent

当你切到“计划模式”时,Claude 会自动调用这个 Subagent 来做:研究代码库、联网检索、分解任务、生成执行计划。

为什么官方把它做成 Subagent,而不是一个 Skill?

关键在于两个字:「干净」

如果 Plan 做成 Skill,会发生什么:

  1. 所有研究、检索、分析过程,全都塞进主对话上下文

  2. 你的主会话会被各种“思维垃圾”和中间版本污染

  3. token 占用飞涨,窗口很快被挤爆,还影响你后面正常写代码、改文案

而做成 Subagent:

  • Plan 在自己的小天地里疯狂思考、查资料、拆任务

  • 主会话只拿到一份“精简后的计划结果”

  • 中途的搜索痕迹、试错过程,统统不会拖累主上下文

所以在这个场景下,Plan 做成 Subagent 明显更优

  • 对主会话更友好

  • 对 token 更节省

  • 对心智负担更低(你只面对最后那个“计划片段”)


五、两步选好 Skill 还是 Subagent

很多人纠结半天,其实选型逻辑可以压缩成一个简单决策树:

第一步:要不要“记住这个过程”?

  • 需要历史上下文 / 长期连续性 / 反复迭代:优先考虑 Skill

    场景例子:

    • 长期维护一个知识库 / 技术栈助手

    • 持续打磨一篇长文、一个 PRD、一份教程

    • 需要频繁在上下文中“回顾之前我们怎么做的”

  • 不需要记住整个过程,只要结果:直接上 Subagent

    场景例子:

    • 临时生成一份脚本、一次性报告

    • 跑一次批处理分析

    • 把脏活累活(如大规模检索、批量处理)丢出去做一轮

第二步:需不需要「并行、隔离、特殊权限」

  • 需要并行权限隔离工具集不同风险更可控:选 Subagent

    比如:

    • 某个 Subagent 只能访问特定目录或特定 API

    • 某些操作你希望“在沙盒里执行完再把结果拿回来”

    • 你希望同时让多个 Subagent 各自跑各自的任务

  • 权限差不多、工具差不多,也不强调隔离:完全可以只写一个 Skill

不要为了“酷炫”和“概念完整”而过度设计。


六、先干起来

最后一个很容易被忽略的点:

Skill 和 Subagent 之间的“形态切换成本”,其实很低。

你在大多数情况下,完全可以这样操作:

  1. 先只做 Skill:

  • 先把任务拆清楚、流程梳顺

  • 用 Skill 的方式,先让主 Agent 真正帮你把事儿干起来

  • 真·跑顺了之后再问自己:

    • 这个东西要不要隔离出去?

    • 要不要给它单独权限?

    • 要不要并行、多开多个?

    如果答案是“要”——再把这一套 Skill 的逻辑包装成一个 Subagent,是非常容易的迁移

    同一个剧本:

    • 可以一个演员从头演到尾(Skill);

    • 也可以请多个演员在不同舞台、排成不同场次演(Subagent)。

    剧本内容没有变,只是舞台和调度方式不同

    真正决定体验好坏的,从来不是“用了几个名词”,而是:你想把 Claude 放在什么位置、让谁来为谁打工。

    所以别再卡在“我到底要 Skill 还是 Subagent?”。

    更实在的做法是:

    先选一个看起来靠谱的形态
    让 Claude 真的帮你把一件事做完,
    然后再用数据和体验去反向校正你的设计。

    ——这才是工程化 Agent 的正确打开方式

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询