@shao__meng：密歇根大学最新AI编程课程《Applied Agentic Software Engineering》第14讲笔记——关于"Subagents"
摘要
密歇根大学最新AI编程课程《Applied Agentic Software Engineering》第14讲笔记发布，围绕子智能体（Subagents）展开，讲解为何需要子智能体、其工作机制、新鲜与分叉上下文的核心权衡，以及与团队、交接等概念的区别。
查看缓存全文
缓存时间: 2026/10/16 08:22
密歇根大学最新 AI 编程课程 “Applied Agentic Software Engineering”
第 14 讲关于“Subagents（子代理）“的笔记刚刚发布，分为四个部分：为什么需要 Subagents、其工作机制、关键权衡，以及与相邻概念的区别。
笔记：https://github.com/eecs498-aase/materials/tree/main/lectures/L14…
第一部分：为什么需要 Subagents？
因为长对话不可避免地会退化，原因有四： · 上下文窗口有限，内容只进不出 · 被否定的想法仍留在上下文中（历史渗透），模型又会捡回来——这就是“退化“的来源 · 每次请求都要重发整个历史，缓存能省钱但省不了窗口空间 · 单对话是串行的，读代码时无法并行比较方案
解决方案： 主对话只保留请求和计划；各部分的阅读工作交给各自的 Subagent；只有结果回流，垃圾全部丢弃。
第二部分：Subagent 机制
· Agent 工具在模型看来就是普通工具；prompt（即 brief）是 Subagent 的唯一信息来源 · Harness 立即回复“已启动“（默认后台），并开启第二个对话：更短的系统提示词、更少的工具（Explore 没有 Edit/Write/Agent，物理上只读）、相同的 CLAUDE.md、无主对话历史 · 结束必须调用 SubagentHandback，否则内容传不回来 · 汇报时的防护措施：标记为模型输出而非用户输入（无用户权限）；整体缩进（伪造的框架行可以被识别）；用纯格式手段守护对话边界 · Brief 是模型写给模型的 prompt：定位、验收标准、汇报格式都需要写得明明白白；模糊的 brief 只会得到模糊的搜索结果
第三部分：Fresh 还是 Forked（最大的权衡）
Harness 自身列出的风险： · 双向信息丢失：它只知道 brief，你只能看到报告 · 错误和正确的发现同样自信 · 最危险的是：它带着你的假设出发，倾向于证实它们然后汇报回来；想要第二意见，给它代码，而不是结论
Fresh： 起点“仅有 brief“，适合“第二意见、独立审查“，成本“更贵“ Forked： 起点“完整历史 + brief“，适合“需要全部累积知识的侧任务“，成本“更便宜（复用 prompt 缓存）“
Fresh 不是省钱的选项，而是独立的选项。L10 的 Goldfish 必须用 Fresh：Forked 的会用记忆填补文档缺口，然后声称文档没问题。
第四部分：区分与工程实践
三个问题可以区分所有形式：有多少个对话、谁跟谁说话、谁决定下一步。 · Subagents： 每个片段新开一个对话，只与父对话通信，父对话持有决定权 · Team： 多对话 + 互相发消息 + 共享任务列表（带文件锁），你可以直接连接任何队友 · Handoff： 单对话，切换到另一个 Agent 接管（交换指令和工具，保留历史），无法回头——与 Subagent 正好相反 · Swarm = 机制 × 规模（Kimi K2.5：100 并发；OpenAI Navier–Stokes：约 10,000 个 Agent，1300 亿 token） · 并行编辑依赖 worktree 隔离：每个 Subagent 独立 checkout + 建分支，改完留下分支供合并
eecs498-aase/materials
来源：https://github.com/eecs498-aase/materials
EECS 498 AASE 课程资料
EECS 498-016, Applied Agentic Software Engineering，密歇根大学，2026 年秋季学期的课件和讲义。
目录结构
lectures/每讲一个文件夹（L01、L02……），每个包含slides.md、slides.pdf和slides.pptx。labs/每个实验一个文件夹（Lab00、Lab01……），结构相同。demos/存放现场演示所用的代码库，每个演示一个文件夹，以所属讲次命名（L01-notes-cli、L03-transcript-analytics）。每个都有 README 和reset脚本：运行./reset即可生成一个可丢弃的工作副本，已配置好可供 aider 使用。请自己运行演示——它们放在这里就是为了这个目的。egm/存放 Elephant-Goldfish Model，以五个可安装 skill 的形式提供（peanuts、elephant、goldfish、egm-implement、mean-review），附有每个 skill 的使用指南以及一页关于 skill 如何组装的说明。从egm/README.md开始。
slides.md 是构建幻灯片所用的 Slidev 源文件。放在这里是为了让你可以阅读、搜索或复用内容。它依赖一个不在本仓库中的主题，因此无法直接构建。
如果你只是来下载某份课件或某个 demo，git clone --depth 1 就够了。本仓库大部分历史都是编译后的幻灯片。
课件会在每讲或每实验结束后不久发布。如果某周没有，说明还没发生。
链接
- 课程网站：https://eecs498-aase.github.io
- 答疑：Ed 讨论区，或 [email protected]
相似文章
@Ryrenz: 密歇根大学把新开的 AI 编程课讲义全放 GitHub 上了，eecs498-aase/materials，想学怎么带着 agent 做软件工程的可以直接抄作业。 这是该校 2026 年秋季 EECS 498-016《应用型智能体软件工程…
密歇根大学将 2026 秋季新开的 EECS 498-016《应用型智能体软件工程》课程讲义、实验与演示代码全套开源在 GitHub 上，且仓库的 PR 多由 claude[bot] 自动提交，本身就是一份 agent 协作开发的样本。
@shao__meng: CMU 秋季最新课程 11-768: AI Agents 第 12 讲讲义公开：Reinforcement Learning Systems 主讲：@gneubig 课程：https://cmu-agents.com 讲义：https:/…
CMU 课程 11-768 AI Agents 第 12 讲讲义公开，主题为强化学习系统，讲解如何在多 GPU 集群上训练 LLM Agent 的 RL：训练与推理引擎的协同、KV/Prefix Caching、Weight Sync、Agentic RL 常见陷阱（序列扩展、chat template、TITO、sync vs async）及从单程序到云原生微服务的系统设计选型。
@Michaelzsguo：Stanford CS329Z: Engineering AI Agents 这门课在 YouTube 上严重被低估了。它手把手带你过了一遍构建自己 AI 智能体所需的一切……
推文推荐斯坦福 CS329Z《工程化 AI 智能体》课程，并附上首讲详细笔记，涵盖智能体循环、Actor 模型到 ReAct 的发展史、harness 的关键作用，以及构建、评估与调试 AI 智能体的核心理念。
@Xudong07452910: 密歇根大学这门 AI Coding 非常值得推荐！让学生自己造一个 Coding Agent，放它独立干活，最后还得写清楚它为什么翻车。 课程叫 EECS 498-016《Applied Agentic Software Engineer…
密歇根大学开设 EECS 498-016《Applied Agentic Software Engineering》课程，15 周里让学生从使用 Aider 入手，逐步自己实现 Tool Call、Agent Loop、评测、记忆与安全防护，最终造出一个可独立运行的 Coding Agent，课程讲义与实验材料陆续开源。
@shao__meng: Stanford University CS329Z 工程AI代理课程已正式启动，第一讲幻灯片现已公开…
Stanford University的CS329Z工程AI代理课程已启动，讲义现已公开，涵盖从模型到自主系统等主题，并由Diyi Yang和Michael Ryan等讲师主讲。