P.S. 目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步，增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.csdn.net/jiangjunshow，教程通俗易懂，高中生都能看懂，还有各种段子风趣幽默，从深度学习基础原理到各领域实战应用都有讲解，我22年的AI积累全在里面了。注意，教程仅限真正想入门AI的朋友，否则看看零散的博文就够了。
1 为啥大伙都在折腾子Agent？
1.1 第一个坑：Sol是真的强，也是真的烧钱
用过Codex里GPT-5.6 Sol的朋友，应该都懂这种冰火两重天的感觉。
推理能力是真顶，拆需求、定方案、解决疑难杂症，一把好手。
但烧起额度来，也是真的狠。
一个稍微复杂点的开发任务跑下来，额度条掉得比你下班打卡冲电梯还快。肉眼可见地往下掉，拦都拦不住。
ChatGPT套餐那点每月重置的额度，遇上批量开发任务，基本就是杯水车薪。活才干到一半，额度先见底了，剩下的时间你只能对着额度提示干瞪眼。
这就像你花百万年薪请了个首席架构师，结果天天让人家写CRUD、调样式、查拼写错误。
不是不能干，是太费钱了。月底看账单，你都得怀疑是不是账号被盗刷了。
那便宜模型是不是就不好用？还真不是。
看DeepSWE的评测数据就知道，gpt-5.6-luna单任务成本才六毛一，得分直接干到了榜首。
那些比它贵好几倍的模型，花了数倍的成本，最后得分还没它高。
合着在执行类任务上，Luna花着十分之一的钱，干得还更出色。
这不就是职场经典真相吗：高管干执行，往往干不过熟练的老员工，还贵得要死。
1.2 第二个坑：上下文塞太满，模型直接变健忘
不知道你有没有遇见过这种离谱情况：
一开始需求、规范、约定都讲得明明白白，写着写着它就忘了。
重复犯错，瞎改文件，幻觉越来越多。你纠正它，它还跟你一本正经地胡说八道。
不是模型突然变菜了，是你的上下文烂了。
官方有个专业词叫Context Rot，翻译成人话就是：
你把需求讨论、代码探索、测试日志、报错堆栈全塞一个对话里，有用的信息慢慢就被乱七八糟的中间输出埋住了。
就像你办公桌堆了一个月的杂物，想找份重要合同，先扒出来三瓶喝剩的奶茶、两个空快递盒、半袋过期薯片。
桌子越乱，干活效率越低；上下文越杂，模型智商越掉线。
所以正确的解法很简单：把活拆开。
贵的大模型专心做规划、拍板决策，执行类的脏活累活，全扔给便宜的小模型去干。
这就是子Agent工作流的核心逻辑。
2 核心思路：一个动脑，一个动手
最近圈子里传疯的这套方案，本质上就一句话：
让Sol留在主线程当军师，专门负责方案设计和任务拆解；把Luna配置成子Agent当搬砖工，负责闷头并行执行。
别小看这么一个简单分工。
有人算过一笔账，ChatGPT Plus套餐用这套打法，能跑出Pro套餐二十倍的效果。
也难怪大家把这招叫「无限子弹」——额度耐造了，可不就像开了挂一样。
3 三步搞定配置，有手就行
3.1 第一步：先把Max推理强度开关打开
先做个前置操作，别等下配置完不好使回来骂我。
进入Codex的Settings → Configuration → Available reasoning efforts，把Max选项勾上。
你不打开这个总开关，后面配置文件里写再多model_reasoning_effort = “max”，都白搭。
相当于你给员工开了最高权限，结果公司大门锁着，他进不来。纯纯白折腾。
3.2 第二步：一句话生成配置文件
不用你手动找目录、建文件、写TOML，直接在Codex对话里甩这段指令就行：
请在 ~/.codex/agents/luna-worker.toml 创建一个全局自定义子代理。
配置要求：
- 代理名称：luna_worker
- 模型：gpt-5.6-luna
- 推理强度：max
- 定位：快速完成边界明确、可重复的小型任务
- 工作方式：严格遵守任务范围，独立执行，在可行时验证结果，并简洁汇报结果、相关文件路径和注意事项
请写入以下完整 TOML 配置：
name = "luna_worker"
description = "Fast worker for clear, narrowly scoped, and repeatable tasks."
developer_instructions = """
Handle the assigned task strictly within its stated scope.
Work independently and use appropriate tools when needed.
Verify the result when practical.
Do not make unrelated changes.
Return a concise summary containing the result, relevant file paths, verification performed, and any important caveats.
"""
model = "gpt-5.6-luna"
model_reasoning_effort = "max"
执行要求：
1. 如果 ~/.codex/agents 目录不存在，请创建它。
2. 如果目标文件已经存在，先显示现有内容，不要直接覆盖；确认内容是否需要更新。
3. 创建或更新后，读取文件并验证最终配置。
4. 确保 TOML 语法有效。
5. 最后告诉我文件位置、完整配置内容以及如何在提示词中调用 luna_worker。
发出去之后，Codex会自动帮你建目录、写文件、校验语法，全程不用你动手。
完事之后，配置文件就躺在~/.codex/agents/luna-worker.toml里，稳得很。
3.3 第三步：以后干活直接喊它
配置完怎么用？简单到离谱。
以后要派活，直接说：
请使用 luna_worker 子代理完成以下任务：[填写你的具体任务]。等待子代理完成后，检查并汇总它的结果。
举个例子：
请使用 luna_worker 子代理完成以下任务：检查 src/ 目录下所有 TypeScript 文件的 import 是否有循环依赖。等待子代理完成后，汇总结果。
整个流程特别丝滑：你给Sol发话，Sol派Luna去干活，Luna干完回来汇报，Sol整合完给你最终答案。
你就当个甩手掌柜，最后看结果就行。
4 进阶玩法：多搞几个Agent，直接凑个项目组
别以为子Agent就只能配一个，真会玩的都已经组起团队了。
不同职责的子Agent各司其职，并行开工，效率直接翻倍。
4.1 代码审查三人组
比如做PR代码审查，你可以配三个子Agent，分工明确：
第一个是代码探索者，只读权限，专门梳理受影响的代码路径，不乱提修改建议；
第二个是代码审查员，用稍好点的模型，专门盯正确性、安全漏洞、测试覆盖不全的问题；
第三个是文档研究员，专门去查官方文档，确认补丁依赖的API用法对不对。
三个Agent同时开工，各自有独立的上下文，互不干扰。
最后主Agent把结果一汇总，比一个模型从头查到尾要仔细得多，速度还快。
4.2 前端调试三人组
还有前端调试的组合，用过的都说香：
一个Agent负责操作浏览器复现bug，截图+控制台日志一起甩出来；
一个Agent只读模式追踪代码路径，精准定位问题根源；
最后一个Agent专门负责修复，只做最小改动，不瞎重构。
尤其是排查UI回归、跨组件交互的奇怪bug，这套组合比你自己对着代码瞎猜，效率高太多了。
5 实操避坑指南，这几点别踩
5.1 读多写少，别让多个Agent一起改代码
官方明确说了，并行子Agent最适合探索、测试、总结这类只读任务。
你要是让好几个Agent同时改同一份代码，最后大概率会改出冲突，到时候还得你自己擦屁股。
就像好几个装修工同时刷一面墙，最后不是刷花了就是打起来了。没必要。
5.2 子Agent要「窄而偏执」，别让它瞎操心
每个子Agent就给它安排一件事，指令写得越具体越好。
千万别画蛇添足让它「顺便看看别的地方有没有问题」。
你一让它顺便，它就敢给你顺便改一堆无关的东西，回头出问题你都找不到原因。
专业的打工仔，就该干好分内的事，少管闲事。
5.3 Token消耗会变多，但性价比更高
别一看见子Agent费Token就心疼。
每个子Agent都有独立的上下文和工具调用，Token消耗肯定比单Agent要高。
但架不住它用的是便宜模型啊，算下来总成本反而更低，交付质量还上去了。
这笔账，算明白就不亏。
5.4 权限控好，只读的就别给写权限
不需要改代码的子Agent，直接把sandbox_mode设成"read-only"。
防止它手滑改坏东西，到时候删库跑路你哭都来不及。
权限这东西，就跟公司门禁一样，没必要的权限一律不给。安全第一。
5.5 CLI里可以实时盯进度
用Codex CLI的朋友，用/agent命令就能查看所有子Agent的工作状态。
谁在干活谁在摸鱼，一眼就能看见，还能随时切换线程看详细进展。
最后说两句
说白了，子Agent这套玩法，核心心智模型特别简单：
主Agent是大脑，负责想清楚做什么；子Agent是手脚，负责把事踏踏实实落地。
大脑就该干大脑的活，别天天沉迷干体力活，既浪费天赋，又拉高成本。
等你把这套配置玩明白，就会发现：原来额度还能这么耐造，原来开发还能这么省心。
P.S. 目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步，增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.csdn.net/jiangjunshow，教程通俗易懂，高中生都能看懂，还有各种段子风趣幽默，从深度学习基础原理到各领域实战应用都有讲解，我22年的AI积累全在里面了。注意，教程仅限真正想入门AI的朋友，否则看看零散的博文就够了。
扫一扫
3654
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
