Anthropic 在 2026年2月5日 正式发布了 Claude 的最新旗舰模型 Claude Opus 4.6，同时推出了一个备受关注的实验性功能——Agent Teams 智能体团队（或称多代理团队）。

这个功能允许用户（尤其是在 Claude Code 环境中）一次性启动多个 Claude 实例（agent），它们像一个真实团队一样分工协作。

这个功能在社区引发了热议

• 在此之前，社区和开发者已经通过各种开源方案（如 OpenClaw 等工具）或手动 workaround 实现了类似的多 agent 协作，但这些方案往往复杂、需要大量自定义提示工程、容易出错或上下文丢失。
• Anthropic 直接把社区验证过的“痛点需求”做成了官方原生支持，极大降低了使用门槛，让普通用户和企业也能快速上手“AI 团队”模式。
• 这符合 Anthropic 一贯的“先观察社区实验 → 快速跟进官方能力”的迭代节奏，不少推文直接调侃“Anthropic 又在追赶社区了”。

技术与应用亮点

• Agent Teams 特别适合可并行拆解的任务：大型代码重构、复杂研究、多模块产品构建、营销自动化流程、客户研究 pipeline 等；
• Anthropic 自己用这个功能做了一个极端演示：让 16 个并行 Claude agent 在近两周内从零自主构建了一个能编译 Linux 内核的 C 编译器（成本约 2 万美元），展示了多 agent 在长时程、复杂工程任务上的潜力。
• 开发者/创业者群体非常兴奋，认为这是“把单个 Claude 变成一个完整工程部门/营销团队”的关键一步；
• 但也有人冷静指出 token 消耗极高（有人实测每分钟约 2 美元）、目前还处于 research preview 阶段（有一些已知限制，如断点续跑、关闭行为等尚未完善）；

以下是正式的 Agent Team 使用指南。

OpenClaw 社区此前已经通过自定义技能实现了多智能体协作。而现在，Anthropic 将这一功能原生引入了 Claude Code。以下是关于如何配置并在今天就开始使用的详细指南。

---

OpenClaw 先行探索，Anthropic 官方跟进

OpenClaw 社区最早摸索出了这套玩法。他们构建了自定义技能，让你能够编排多个 Claude Code 会话，让它们在同一个项目上协同工作、协调任务、共享上下文并并行运行。

这种做法非常聪明且行之有效，显然引起了 Anthropic 的注意。因为他们刚刚在 Claude Code 中原生发布了同样的功能。无需插件，无需变通方法，也无需自定义技能。 它现在是内置功能，被称为"智能体团队（Agent Teams）"。

以往是一个智能体孤军奋战，你坐在一旁看它思考；而现在，一个主智能体（Lead Agent）会将你的任务分解成多个部分，启动多个队友（Teammates），它们在相互协调的同时并行开展工作。

这就像是从"一个自由职业者独立完成所有工作"，进化到了"一位项目经理带着一整支团队出现并进行任务委派"。

该功能目前处于 研究预览版（Research Preview） 阶段，大多数人还不知道它的存在。本指南涵盖了安装、配置和正确使用它所需的一切。

---

从单兵作战到团队协作

在此更新之前，Claude Code 的工作方式就像一个单打独斗的员工。你交给它一份工作，它从第一步开始，完成后进入第二步，如此循环，直到全部完成。这是串行的，一次只能处理一个任务。

智能体团队（Agent Teams）彻底改变了这一点。

你描述你的需求，主智能体不再是独自硬啃，而是审视任务，将其拆解，并启动独立的队友来同时处理不同部分。

• 队友 A 可能在研究你的代码库。
• 队友 B 正在调试一个函数。
• 队友 C 正在编写测试。

他们每个都有自己的上下文窗口和工作空间，并且可以直接互相发送消息来分享发现。主智能体负责全局统筹，协调工作，管理共享任务列表，并在队友完成后汇总所有内容。

你甚至可以直接与任何队友对话，通过他们进行重定向或询问后续问题，而不必经过主智能体。

---

"等等，子智能体（Sub-agents）不是早就有吗？"

如果你使用 Claude Code 有一段时间了，可能已经用过子智能体了。它们在你的会话中启动，执行特定任务，然后将结果报告给主智能体。简单、有效，而且 Token 成本相对较低。

但智能体团队（Agent Teams）是完全不同的物种：

特性	子智能体 (Sub-agents)	智能体团队 (Agent Teams)
独立性	隶属于主会话的简单工具	完全独立的 Claude Code 会话
沟通方式	仅向主智能体汇报	队友间可直接对话、挑战彼此、自我协调
上下文	共享部分上下文	每个队友拥有独立的上下文窗口
适用场景	快速获取某个答案（类似助教）	专家组在房间里共同解决复杂问题

实际区别归结为一个问题：你的工作者之间需要交流吗？ 如果不需要，只需快速结果，用子智能体；如果需要协作才能获益，那就是智能体团队（Agent Teams）的用武之地。

子智能体在 Token 消耗上更便宜，更适合专注型任务。智能体团队（Agent Teams）成本更高，但它们能处理复杂的多部分工作——这类任务如果交给单个智能体，需要花费显著更长的时间。

---

什么时候该用团队，什么时候是"杀鸡用牛刀"？

智能体团队（Agent Teams）并不是一个"万金油"功能。它们会带来协调开销，且 Token 消耗速度远快于单会话。因此，你需要有针对性地使用。

最适合的场景是那些并行探索能真正带来价值的任务。

✅ 推荐场景

• 研究与评审： 多个队友从不同角度调查同一个问题，然后交换意见。这是一个很好的切入点。
• 功能开发： 每个队友负责一个独立的模块或文件。
• 并发调试： 这是真正有趣的地方。与其让一个智能体沿着单一路径前进，可能在错误的理论上浪费时间，不如启动多个队友并行测试不同的竞争性假设。先找到答案的那个获胜，其他的可以停止。
• 跨层协作： 一个负责前端，一个负责后端，一个写测试。每个人负责自己的部分，互不干扰。

❌ 避坑场景

• 串行任务： 如果第二步必须等第一步完成，并行就毫无意义。
• 同文件编辑： 两个队友修改同一个文件会导致覆盖冲突。
• 简单任务： 协调成本超过了单智能体快速处理的成本。

在启动团队Agent Teams之前，问问自己：这项工作能否被真正拆分成独立的部分？ 如果可以，放手去做。如果不行，单会话或子智能体会更好，成本也更低。

---

如何开启智能体团队Agent Teams（只需 30 秒）

该功能是实验性的，默认为禁用状态，你需要通过以下两种方式之一开启：

方法 1：修改 settings.json

在配置文件中添加以下环境变量：

{
  "env": {
    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
  }
}

方法 2：设置环境变量

直接在终端中运行：

• Mac/Linux:export CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1
• Windows (Powershell):$env:CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS="1"

两种方法都可以，但如果你希望设置在多个会话间持久生效，settings.json 更简洁。

完成设置后，Claude Code 就能识别团队命令了。

如果你想深入了解本指南未涵盖的完整文档，Anthropic 的官方文档在这里：https://code.claude.com/docs/en/agent-teams^[1]

---

启动你的第一个团队：该说什么？

你不需要学习特殊语法，只需用自然语言描述并告诉 Claude 创建一个团队。

推荐 Prompt 示例：

"我正在设计一个 CLI 工具来跟踪代码库中的 TODO 注释。请创建一个智能体团队从不同角度进行探索：一个队友负责 UX，一个负责技术架构，一个扮演'魔鬼代言人'提出质疑。"

这个示例效果好的原因是：它给主智能体提供了清晰、独立的角色可以分配。

写好第一个提示词的关键是给主智能体足够的信息。 明确每个队友应该专注于什么，并确保他们的职责不要过度重叠。如果任务描述太模糊，主智能体就得自己去理清结构，这会消耗你的 Token，而且通常产出的结果也不够聚焦。

你可以更具体地控制：

"创建一个包含 4 名队友的团队来并行重构这些模块。每个队友都使用 Sonnet 模型。"

显示模式

1. 进程内模式 (Default): 所有队友都在主终端运行，按 Shift + Up/Down 切换。
2. 分屏模式: 每个队友拥有独立面板（需 tmux 或 iTerm2）。如果你想同时看到所有队友的输出，这个模式很有用。

---

运行中的控制技巧

团队启动后，有几件事你需要立刻学会：

• 直接对话： 你可以直接与任何队友交谈，不必经过主智能体。在进程内模式下，按 Shift+Up 或 Shift+Down 选择队友然后开始输入。在分屏模式下，点击他们的面板，像正常的 Claude Code 会话一样交互。

• 委派模式 (Delegate Mode): 这解决了一个常见问题——有时主智能体会忍不住自己动手干活，而不是等队友完成。委派模式将主智能体锁定为"仅协调"，它只能启动队友、分配任务、发送消息和管理任务列表。按 Shift + Tab 开启此模式。

• 任务领取： 任务可以由主智能体分配，也可以由队友自行领取。当队友完成当前任务后，可以自动从共享列表中领取下一个未分配任务。如果你想要更多控制权，直接告诉主智能体哪个任务分给哪个队友。

• 清理关闭： 当队友完成工作后，可以让主智能体关闭他们。主智能体发送关闭请求，队友确认，然后优雅退出。当整个团队完成后，告诉主智能体进行清理，它会移除所有共享的团队资源。确保在运行清理之前，所有队友都已关闭。

---

节省 Token 的最佳实践

智能体团队（Agent Teams）消耗 Token 很快，因为每个队友都是独立运行的 Claude Code 会话。以下几点会帮你省钱省心：

1. 详细的启动提示词： 队友会自动加载 CLAUDE.md 和 MCP 服务器的项目上下文，但不会继承主智能体的对话历史。因此，如果有队友完成工作所需的特定上下文，在主智能体启动它们时就放在提示词里。前期越具体，后期来回沟通就越少。

2. 合理的任务粒度： 任务太小，协调开销超过收益；任务太大，队友工作太久没有检查点，增加浪费精力的风险。理想的单位是能产出明确交付物的自包含单元：一个函数、一个测试文件或一次代码评审。

3. 文件隔离： 确保每个队友负责不同的文件集。两个队友编辑同一个文件会导致覆盖，这是你不需要的麻烦。拆分工作时让每个人拥有自己的文件集。

4. 新手建议： 如果你刚接触智能体团队，先从研究和评审任务开始，再尝试并行实现。让队友从不同角度审查一个 PR，或用竞争性理论调查一个 Bug。这些任务能让你体会到并行工作的价值，同时避免同时构建代码的协调复杂性。

5. 定期检查： 不要长时间无人值守。让团队运行太久而不检查，会增加浪费精力的风险，特别是当某个队友走上了一条不太高效的路径时。

---

局限性（目前还不支持的功能）

这是一个实验性功能，在你开始依赖它之前，有一些粗糙的边缘需要了解。

• 会话恢复受限： 使用 /resume 或 /rewind 时，进程内队友不会自动恢复。主智能体可能会尝试给他们发消息，但他们已经不存在了。如果发生这种情况，直接告诉主智能体启动新的队友。

• 状态延迟： 有时队友完成了工作但没标记任务完成，会卡住依赖它的任务。如果某些事情看起来卡住了，检查工作是否实际完成，然后手动更新状态或告诉主智能体去提醒队友。

• 嵌套限制： 每个会话只能运行一个团队，队友不能再创建自己的团队。创建团队的会话在整个生命周期内都是主智能体，不能中途提拔队友或转移领导权。

• 分屏兼容性： 分屏模式仅支持 tmux 或 iTerm2。不支持 VS Code 内置终端、Windows Terminal 或 Ghostty。但默认的进程内模式在所有环境都能工作。

这些都不是致命问题，但提前了解意味着你不会浪费时间排查那些只是预览版当前限制的问题。

---

结语

智能体团队（Agent Teams）目前处于研究预览阶段，这意味着 Anthropic 正在积极开发它，你今天看到的是基线，而不是天花板。

随着他们完善会话恢复、任务协调和关闭行为等方面的粗糙边缘，这将成为人们使用 Claude Code 的标准工作流的一部分。

那些现在就安装并开始建立肌肉记忆的人，当它走出预览版成为默认功能时，将拥有显著的优势。

如果你想及时了解这类更新，作者每周都会在 The AI Operator's Playbook 中分享他在生产环境实际使用的工作流、工具和实现方法。加入后还可以获得 15 个生产就绪的 n8n 工作流和 6 本来自 8 年自动化构建经验的实施手册。

👉 订阅作者 newsletter^[2]

---

💡 Claude Code Agent Teams 核心解读

高可用架构：为了帮助你更高效地消化这篇文章，为你准备了一份核心解读总结。可将其视为这份指南的“精简版”或“思维导图”。

Teams 此功能类似于 OpenClaw 等开源工具的本土化实现，Anthropic 通过官方支持填补了用户需求空白，避免了自定义工作流程的复杂性。

1. 本质进化：从“单兵”到“军团”

以往的 Claude Code 像是一个极度专注但只能串行工作的程序员（做完 A 再做 B）；现在的 Agent Teams 引入了并行协作。它由一个“主智能体（Lead）”担任项目经理，多个“队友（Teammates）”担任执行专家。

2. 关键区别：子智能体 vs 团队

这是最容易混淆的地方，请记住这个公式：

• 子智能体 (Sub-agents)： 像“跑腿的”，领了指令去查资料，查完回来汇报，不与其他助手交流。
• 智能体团队 (Agent Teams)： 像“项目组”，每个队友都有独立的“脑子”（上下文），它们会互相发消息、吵架（讨论）、共享任务清单。

3. 三个“不要用” (避坑指南)

虽然功能很酷，但由于它处于实验阶段且极其烧钱 (Token)，以下情况请避开：

• 顺序任务： 如果第二步依赖第一步的结果，并行只会白白浪费 Token。
• 同文件混战： 两个智能体同时改一个文件会造成代码覆盖灾难。
• 简单差事： 如果一个 /fix 命令就能搞定，叫一个团队来只会增加沟通成本。

4. 最佳实践路径

• 起步： 用它做代码审查 (Review)。让一个队友看性能，一个看安全，一个看逻辑。这种只读任务风险最低，收益最高。
• 进阶： 用它做方案对撞。给不同队友设定不同的人设（如：极简主义架构师 vs 性能至上专家），观察它们的讨论。

5. 快速上手清单

1. 开启开关： 在环境变量或 settings.json 中设置 CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS: "1"。
2. 明确角色： 提示词里要明确谁负责前端，谁负责后端，谁负责杠精（Devil's Advocate）。
3. 随时“监工”： 观察主智能体是否在偷懒，必要时按 Shift + Tab 开启委派模式强制它只做管理。

---

一句话总结： Agent Teams 是将“协作”能力原生化的尝试，它大幅提升了处理复杂、可拆分任务的效率，但代价是更高的 Token 成本和对用户管理能力的考验。

参考阅读

• 不交出敏感权限也能跑：我是如何安全配置 OpenClaw (Clawdbot) 的

• 编程范式的更迭：Andrej Karpathy 对 “Vibe coding” 一周年回顾

• OpenClaw 架构设计：SOUL、USER、MEMORY 与主动机制

• 从代码助手到AI工程师：Claude Code创始人亲授 10 条进阶秘籍

原文：https://x.com/tomcrawshaw01/status/2019778646043758957^[3]

References

1. https://code.claude.com/docs/en/agent-teams
2. newsletter: https://learnn8nautomation.com/newsletter
3. https://x.com/tomcrawshaw01/status/2019778646043758957