AI 为什么要开小号

AI 干长活时会给自己开分身,主要目的不是更快,而是别把自己的记忆撑爆。

现在的编程 AI 不是一问一答,而是连着做几十步:读文件、跑命令、看报错、再改。这些过程全都堆在它的上下文窗口(一次对话里 AI 能同时记住的文字总量,像一张大小固定的桌面,堆满了就得把旧东西推下去)里。

于是就有了派活这一招:一个主 AI 负责拿主意、记进度,把具体的活交给临时开出来的子 agent(由主 AI 现开、干完一件事就消失的 AI 程序)。子 agent 翻了多少文件、试错了几次,主 AI 一概不看,只收最后一句结论。桌面就这样保住了。

LangChain 说,几乎所有编程 AI 工具都采用了这个分工:主 AI 当工头,底下一类子 agent 负责实现,一类负责复查。

白纸开机的浪费

默认设置下,子 agent 开机时手上只有一句任务描述,主 AI 已经查清楚的事,它得从头再查一遍。

接着开头那个例子。主 AI 已经确认问题出在超时重试那段逻辑上,它把「改掉它,再补一个测试」派下去。子 agent 拿到的就是这一句话。它不知道前面那十几步是怎么走的,不知道哪个文件已经排除过,只能重新读一遍文件、重新确认一遍报错。

同一份资料被读了两遍,两遍都要花时间、都要花钱。

这不是 bug,是设计。隔离本来就是派活的全部目的:不让细节回流到主 AI 的桌面上。问题在于这个隔离是一刀切的。不管这个分身是来接着干活的,还是来独立复查的,它一律从白纸开始。

100% fork:主 AI 的对话全继承 0% isolated:只给一句任务描述
两种模式下,子 agent 开机时手上有多少主 AI 的对话历史。fork 是这次新加的,隔离是原有的默认值。

fork:接着往下干

LangChain 新加的 fork 模式,把主 AI 的整段对话原样复制给子 agent,让它从主 AI 停下的地方接着干。

fork 在程序员的话里就是分叉:复制一份,从这里开始各走各的。设成 fork 之后,子 agent 继承的不是一句任务,而是主 AI 到目前为止的全部对话。

交接的动作做得挺细:主 AI 发出的那条「去干这件事」的调用会被摘掉,任务描述改写成一条像是刚发来的新指令,再附上一段固定说明,告诉这个分身它现在是什么角色。它干完之后,只有最后一条消息回到主 AI 手里,中间试了什么、错了几次,照样不进主 AI 的桌面。

多背了这么一大段历史,为什么反而更便宜?因为这段历史和主 AI 的完全一样,系统可以直接复用上一次算好的结果。

第一步 · 主 AI 派活 发出一条调用,附一句任务描述 第二步 · 整段对话复制过去 分身继承主 AI 的全部历史 第三步 · 改写开场 摘掉那条调用,任务改成新指令加角色说明 第四步 · 分身独立干活 中间的试错不回传 第五步 · 只交回最后一条 作为那次调用的结果进主 AI 的桌面 主 AI 的桌面只多了一条结果,不是多了一整段对话。
fork 模式的交接过程。关键在第三步和第五步:进去时是整段对话,出来时只有一句话。

什么时候不能继承

要独立判断的活,继承上下文反而有害。看过主 AI 的推理,复查员就很难再挑出它的毛病。

LangChain 划的分界线是:这个分身和这摊活是什么关系。接着干的,继承;独立评判的,清零。

复查一段代码改动,看的是三件事:改动本身对不对、旧版本会不会被改坏、测试够不够。这三件事都该拿改动对着标准看。但如果复查员先读到主 AI 那句「我判断是超时重试的问题」,它多半会顺着这个判断去找证据,而不是去找反证。所以复查员用隔离模式,只拿到任务和待查的材料,不拿到前面那段推理。

四种分身,两种配置

LangChain 举了四种专职分身,该继承的和该清零的正好一半一半,分界线始终是它需不需要独立。

继承的两种。一种是修 bug 的 fixer:问题已经诊断清楚了,剩下的只是实现和测试,让它重新诊断一遍纯属浪费。另一种是记笔记的 memorizer,它要分析的材料就是这段对话本身:用户提过的偏好、中途定下的架构决定、说好的约束条件,主 AI 没法把这些在任务描述里复述一遍,干脆整段给它。

清零的两种。一种是上面说的复查员。另一种是查资料的 researcher:它的问题本身是自洽的,比如「1.2 版到 1.3 版之间 API 变了没有,附上发布说明的链接」,这种问题给它一个搜索工具比给它对话历史有用得多。LangChain 还提了一句实际的:同时开好几个 researcher 时,fork 会把主 AI 的历史复制好几份,而每一份都用不上。

模式之外还有权限。那个记笔记的 memorizer 被配成:所有路径都不许写,只有 AGENTS.md 和 docs 目录可以读。它既然拿到了整段对话,就得把手脚捆住。

fork · 继承整段对话 fork · 继承整段对话 isolated · 只给任务 isolated · 只给任务 主 AI 拿主意、记进度、派活 fixer 修复 问题已诊断,负责实现和测试 memorizer 记笔记 从对话里挑出该长期记住的 reviewer 复查 对着标准独立评判改动 researcher 查资料 自带搜索工具,回一个浓缩答案
LangChain 举的四种专职分身和它们各自的模式。实线是继承对话的,虚线是从白纸开始的。

继承也会传染

fork 省下的是重复劳动,代价是把主 AI 的判断连同它的错误一起交下去。

一个 fork 出来的分身,看到的世界就是主 AI 的世界。如果主 AI 一开始把报错归到了错的函数上,继承了这段对话的分身没有任何理由怀疑它,只会把这个错误的修复做得更彻底、测试写得更周全。隔离模式那点「重新查一遍」的浪费,换来的正是一次独立的重新判断。这笔账不总是亏的。

成本也不是零。fork 复制的是整段历史,主 AI 和你聊得越久,每个分身背的包袱越重,并行开三个就复制三份。这一点 LangChain 在讲 researcher 时自己也承认了。

还有一个细节:隔离仍然是默认值,fork 是你要显式打开的那个开关。按我的理解(这是推断,原文没这么说),连做出这个功能的人也认为:多数时候,让分身从白纸开始才是安全的。fork 是给你确知分身需要现场证据时用的,不是给你图省事时用的。