Anthropic：评估把子智能体折进主循环，并开源 Measure→Combine→Fold 套件
Anthropic Applied AI 称在多起企业部署中，按需加载 skills/工具的单智能体循环常在质量上优于「一提示包打天下」与多子智能体，并常降低成本与延迟；同时划定验证、并行、权限等仍适合保留子智能体的情形，警告勿按组织架构盲拆。配套 single-agent-loop-kit 以 Measure→Combine→Fold 逐步对照评测；文中举例 Claude Code 系统提示曾因渐进披露削减逾 80%。延迟/成本数字均为 Anthropic 主张。
Anthropic 在 Claude 资源中心发文《Building agents: When to fold subagents into your main agent loop》，建议已上线多子智能体的团队评估能否把路由、规划与领域子智能体折入主智能体循环：用短描述按需加载 skills，并用工具搜索渐进暴露工具。Applied AI 称在多起企业对比里，带 skills 的单智能体常同时胜过「一个超长提示包办一切」与子智能体方案的质量，且往往更低每任务成本与延迟；一例客户比较中，单循环运行时间约快到多智能体方案的两倍（厂商表述）。文中批评按 Conway 定律把组织架构复制成「每个团队一个子智能体」的蔓延，以及上下文在交接中丢失、Frankenprompt 与局部评测失控。
Anthropic 明确子智能体仍有位置：单循环因上下文膨胀出现可测性能下降；需要并行且可丢弃的新鲜上下文；或单智能体难选工具/系统提示指令冲突时。文中建议按上下文边界拆分（独立研究路径、干净接口组件、黑盒验证），而不是按问题类型打「传话游戏」。能力侧，作者把转折点写在 Opus 4.5 起模型更能在单循环内管复杂计划；并称 Claude Code 面向更强模型的系统提示曾削减逾 80%，其中包含与 skills/工具渐进披露相关的删减。上述延迟、成本与提示长度变化均为 Anthropic 自述。
配套开源仓库 anthropics/single-agent-loop-kit 自称参考实现、不维护且不接受贡献。流程是 Measure（摸清/补齐评测并打基线）→ Combine（合并总是一起跑的子智能体）→ Fold（把剩余子智能体逐个变成主循环的 skill 与工具并前后对比，数字说得通才去掉）。套件强调「并不假设单循环永远赢」，每一步同一评测打分；含 support-desk 示例与可拷贝的 Claude Code skill。Decoder 2026-10-25 复述了上述建议与套件发布。
来源
- Building agents: When to fold subagents into your main agent loop — Anthropic / Claude
- anthropics/single-agent-loop-kit — GitHub / Anthropic
- Anthropic says one AI agent beats many subagents now that models can handle complexity alone — THE DECODER