打破康威定律困局：Anthropic 官方最新架构，如何将多 Subagents 折叠为单循环与渐进式技能
在构建企业级复杂 AI Agent 的过程中，很多工程团队几乎不可避免地掉进过“多智能体（Multi-Agent）过度设计”的陷阱：遵照康威定律（Conway's Law），公司里有多少个产品线或业务专职，架构师就在系统中堆砌多少个独立的专职子智能体（Subagents），顶层再套一个复杂的中央编排调度器（Orchestrator）。然而，随着系统演进，多层嵌套调用引发的延迟成倍激增、多轮中转造成的上下文失真（“传话游戏”），以及多团队随意给提示词塞私货导致的“科学怪人提示词（Frankenprompt）”，让多智能体系统在工程可维护性上迅速逼近崩溃边缘。
Anthropic 技术团队（Diane Sarkis 等人）刚刚发布了一篇极具工程清醒度的架构实践指南《Building agents: When to fold subagents into your main agent loop》，并开源了配套迁移套件 single-agent-loop-kit。文章指出：随着基础大模型内置推理、自省与多步骤规划能力的跃升，此前由庞大外部调度代码与独立子智能体承担的许多工作，大模型在单一主循环（Single Agent Loop）中已经完全能够高效自洽地解决。业界应当重新将子智能体“折叠”回单主循环，转而依靠 渐进式上下文（Progressive Disclosure）、动态工具检索（Tool Search）与 技能库（Skills）来兼顾系统的可扩展性与高保真度。在精读这份指南并结合我过往构建 Agent 的踩坑经验后，我将在本文中层层拆解从多智能体网络向单主循环演化的核心动因、决策边界与落地方案。