--- title: 'Claude Code Agent Team 实时协作编码' video_id: -1K_ZWDKpU0 url: https://youtu.be/-1K_ZWDKpU0 title_en: "Claude Code's Agent Teams Are Insane - Multiple AI Agents Coding Together in Real Time" channel: Cole Medin published: 2026-02-09 duration: "20:16" topics: [多 Agent 协作, Claude Code 工作流] noted: 2026-07-05 value: S views: '13.9万' --- [![封面](https://i.ytimg.com/vi/-1K_ZWDKpU0/maxresdefault.jpg)](https://youtu.be/-1K_ZWDKpU0) > Cole Medin · 20:16 · 发布 2026-02-09 · 13.9万次观看(截至抓取) · [观看原视频](https://youtu.be/-1K_ZWDKpU0) > 🔥 观众最高回放 [06:29](https://youtu.be/-1K_ZWDKpU0?t=389) — 展示 lead agent 同时唤起三个 review agent 协作 ## 主旨 视频演示并拆解 Claude Code 新增的实验性功能 Agent Teams:主 agent 依请求自行组队、派生出多个真正互相通信的 agent 共享同一任务列表实时协同编码,并讲清它与 subagent 的本质差异、开启方式、代价与两大现实缺陷。 ## 核心论点 1. **Agent Teams 与 subagent 的分水岭是"协作 vs 隔离"**——subagent 各自黑箱、只回摘要;Agent Teams 里多个 agent 共享同一任务列表、彼此点对点通信。([[#1-协作-vs-隔离agent-teams-到底新在哪-0059|→ 详解1]]) 2. **选型铁律:研究/调研用 subagent,实现/写代码用 Agent Teams**——前者只需摘要且省 token,后者需要 agent 互相协调、否则并行写码会互相踩脚。([[#2-选型铁律研究用-subagent实现用-agent-teams-1117|→ 详解2]]) 3. **协作能力的代价是 token(通常 2-4 倍),但上限也惊人**——Anthropic 用 16 个 agent、约 2 万美元 API 成本造出一个 C 编译器,单 agent 做不到。([[#3-代价与上限2-4-倍-token-与-16-agent-的-c-编译器-1328|→ 详解3]]) 4. **这是实验性功能,得手动开启,而且 Claude Code 自己用得并不熟练**——要看分屏实时协作还需装 tmux 或 iTerm2,且协作过程可见性很差。([[#4-怎么开起来实验开关--tmuxiterm2-分屏-0347|→ 详解4]]) 5. **两大现实缺陷——乱组队与"假并行"——靠 contract-first spawning 兜底**:先让最上游 agent 交出契约(如数据库 schema)再放行下游并行,而非一上来全部并行。([[#5-两大缺陷与-contract-first-spawning-解法-1431|→ 详解5]]) ## 知识点详解 ### 1. 协作 vs 隔离:Agent Teams 到底新在哪 [00:59](https://youtu.be/-1K_ZWDKpU0?t=59) [[Agent Teams]] 里,主 agent(team lead)依你的请求自行决定组什么队、派生哪些 agent [00:49](https://youtu.be/-1K_ZWDKpU0?t=49),然后每个 agent 共享**同一份任务列表**并实时通信——真的会互相说"我先做完这个,你再动那个"。 对照 subagent:它的核心是 context isolation [10:33](https://youtu.be/-1K_ZWDKpU0?t=633)——主 agent 派个可能吃掉几万甚至几十万 token 的任务,但只拿回一段摘要,整个过程对主 agent 是黑箱,agent 之间零协调。 所以分屏多终端的"多开"本身不新,新的是这层点对点协作。这也是为什么视频反复强调"this goes way beyond sub agents":从隔离黑箱升级成能互相纠偏的团队。 一个现实吐槽:协作过程可见性很差,大多时候只能"相信"agent 真在协同;可以 CtrlB + 方向键切进任一 tmux 终端问它"你在做什么、和谁协作",或直接问 team lead 要任务列表进度。 ### 2. 选型铁律:研究用 subagent、实现用 Agent Teams [11:17](https://youtu.be/-1K_ZWDKpU0?t=677) subagent 适合聚焦型任务、尤其是调研——因为你只在乎最后那段摘要;若让 subagent 直接写码,主 agent 对实现过程一无所知,会丢失大量上下文,故"研究优先于实现"。 Agent Teams 则相反 [12:12](https://youtu.be/-1K_ZWDKpU0?t=732):主 agent 派生的子进程彼此通信、共维任务列表。它对实现尤其关键——例如后端 agent 改了某个 API endpoint,可以直接告诉前端 agent "我改了这个,你同步更新用到它的组件" [12:34](https://youtu.be/-1K_ZWDKpU0?t=754)。 过去用 subagent 做这类实现,agent 互不通信、频繁互相踩脚而不自知,全靠主 agent 事后收拾一堆 bug。Agent Teams 用协作把这类冲突提前消化掉。 一句话经验法则 [13:46](https://youtu.be/-1K_ZWDKpU0?t=826):调研(读代码库、搜网)用 subagent;实际实现用 Agent Teams。常见组合是同一会话先用 subagent 调研出计划,再把计划交给 Agent Teams 落地。 ### 3. 代价与上限:2-4 倍 token 与 16-agent 的 C 编译器 [13:28](https://youtu.be/-1K_ZWDKpU0?t=808) 协作不是免费的:建立并维护共享任务列表、team lead 与各 agent 之间的通信,都很吃 token,粗略估算约为单跑 Claude Code 或 subagent 的 **2-4 倍**消耗——这是选型时必须权衡的下行成本 [02:43](https://youtu.be/-1K_ZWDKpU0?t=163)。 但天花板也随之抬高:Anthropic 曾用 16 个 agent 组队、约 2 万美元 API 成本从零造出一个 C 编译器 [02:22](https://youtu.be/-1K_ZWDKpU0?t=142)。造编译器本是数十万美元级的团队活,他们用类似 Ralph 循环的方式逼 agent 写出数十万行代码完成。 Anthropic 明确说这种规模的任务单个 agent 做不到——哪怕把整活丢给 Opus 4.6 也不行。这正是"多 agent 协作"相对"单 agent 更强"的增量价值所在。 ### 4. 怎么开起来:实验开关 + tmux/iTerm2 分屏 [03:47](https://youtu.be/-1K_ZWDKpU0?t=227) Agent Teams 是实验性功能,默认关闭,必须手动开:要么设一个环境变量,要么写进 settings.json(你配 MCP、hooks 的那个文件),可设全局也可只对某项目开启。 想要"分屏实时看到所有终端同时干活"的可视化模式,还需装 tmux 或 iTerm2——这是 Claude Code 目前支持的两种分屏终端 [04:19](https://youtu.be/-1K_ZWDKpU0?t=259)(Windows 需先有 WSL)。开启后,像用 subagent 一样直接告诉 Claude "用 agent team 做 X" 即可。 演示里一句 "创建一个 agent team 审查代码库:一个 agent 管安全、一个管代码质量、一个管文档" [05:39](https://youtu.be/-1K_ZWDKpU0?t=339),主 agent 便逐个 spin up tmux pane。协作价值在于:安全审查的结论可能反过来影响文档(比如要求把潜在安全问题写进文档)。 值得注意的坦白:即便这是 Claude Code 内置功能,它自己用起来"其实并不那么好",这正是下一节那个自制 skill 的动因。 ### 5. 两大缺陷与 contract-first spawning 解法 [14:31](https://youtu.be/-1K_ZWDKpU0?t=871) 缺陷一:指令不够具体时 Claude 会"乱组队"——你得明确说"建一个 4 人 agent team,分别做这、这、这",否则它可能瞎组队、甚至不会正确管理 tmux 终端。多数时候能跑,但偶尔彻底翻车。 缺陷二:"并行"常常做不到真并行 [15:08](https://youtu.be/-1K_ZWDKpU0?t=908)。他曾让数据库 agent 和后端 agent 同时跑,数据库 agent 定了一堆 schema,可等它把 schema 告诉后端 agent 时,后端几乎已按错误 schema 做完——虽有通信能自我修复,但白烧了大量 token。 他的解法是 Contract-First Spawning(契约优先派生)[16:44](https://youtu.be/-1K_ZWDKpU0?t=1004):不把所有 agent 一股脑并行,而是先让最上游的 agent(如数据库)把"契约"(schema)交出来,再放行下游 agent 并行——保留并行收益,同时铺好必须先做的地基。 这套逻辑被他做成一个 skill / 命令 [17:23](https://youtu.be/-1K_ZWDKpU0?t=1043):`/build with agent team` 给它计划路径、指定或让 Claude 自行决定 agent 数量,它便据 plan 推出契约链(数据库→后端→前端)、动态决定先派谁。他也鼓励按自己的协作模式改造这套 skill。 ## 可执行步骤 - [ ] 需要并行时先分清任务类型:调研(读代码库/搜网)交给 subagent,实际写码交给 Agent Teams,别用错。 - [ ] 用 Agent Teams 前手动开启实验开关(环境变量或 settings.json),想看实时分屏再装 tmux 或 iTerm2。 - [ ] 下达 agent team 指令时写具体:明确几个 agent、各自负责什么,别只说"组队搞定 XYZ",以免它乱组队。 - [ ] 存在明确上下游依赖(如 schema→后端)时,先让上游 agent 交出契约再放行下游并行,而非一上来全部并行。 - [ ] 决定用 Agent Teams 前先估 token 预算:它大约是单跑或 subagent 的 2-4 倍,值不值得看协作是否真有增量。 ## 关联 - 深化:[[2026-03-08-Claude Code 六个层级|Claude Code 六个层级]] 的 Level 6 只用一节把 [[Agent Teams]] 列为规模化最高级、一笔带过(teammates 共享任务列表、主 session 兼 team lead);本片是同一功能的整片深挖,补上 subagent↔Agent Teams 的完整取舍、2-4 倍 token 数据、可见性缺陷与 contract-first 解法。(→ 详解1、详解2、详解5) - 对照(作用域不同):[[2026-06-15-Omnigent编排多个AI编码助手的元Harness|Omnigent 元 Harness]] 的 Meta Harness 是跨工具(Claude Code / Codex / Pi)编排;本片 [[Agent Teams]] 作用域收窄在**单个 Claude Code 内部**的多个 subagent。两者都是"team lead 统筹多执行者",且都强调按契约/强项分工——且两片同为 Cole Medin,他自己在做方向相近的 Archon meta harness。([[#1-协作-vs-隔离agent-teams-到底新在哪-0059|→ 详解1]]) - 印证:六个层级与 Omnigent 都主张"研究/实现/审查拆进不同会话";本片给出的 subagent(研究)vs Agent Teams(实现)分工是同一编排思路的又一侧面,而 contract-first spawning 则新增了"先定上游契约再并行"这条协调原则。(→ 详解2、详解5) ## 一手来源与延伸 - [Orchestrate teams of Claude Code sessions(Agent Teams 官方文档)](https://code.claude.com/docs/en/agent-teams) —— 视频描述中点名的 "official guide on agent teams from Anthropic";官方命名、settings.json 开启方式、teammates 共享任务列表互通机制均与视频一致(该 URL 已在 [[2026-03-08-Claude Code 六个层级|六个层级]] 笔记核验存在)。 ## 术语 - Agent Teams(Claude Code 实验性功能:主 agent 组队派生多个共享任务列表、彼此通信的 agent 实时协同) - subagent(子代理:主 agent 派生、隔离运行、只把摘要回传的执行单元) - context isolation(上下文隔离:subagent 只回摘要,不用整段任务上下文污染主 agent) - team lead(主 session 兼任的统筹角色,负责派生、汇总各 agent 并向用户汇报) - contract-first spawning(契约优先派生:先让上游 agent 交出契约再放行下游并行,规避"假并行") - tmux / iTerm2(支持分屏的终端程序,Agent Teams 实时可视化所需的两种受支持终端) ## 金句 > "This goes way beyond sub agents. These agents actually talk to each other." → 一句点破 Agent Teams 与 subagent 的分水岭:从隔离黑箱升级为点对点协作的团队。 > "sub agents for research ... and then you should use agent teams for your actual implementation." → 把选型收敛成一条可当天照用的经验法则。 ## 立场与利益 Agent Teams 本身是 Anthropic 官方内置功能,非 Cole 产品,视频对它的演示真实可复现。但视频有几处自我利益:一是他反复引导去自己做的 agent team skill / `/build with agent team` 命令(含 readme 安装说明与 contract-first 逻辑),这套 skill 是他自家的;二是他在做方向相近的自有产品 Archon(meta harness engineering,见 Omnigent 笔记),推广"多 agent 协作"概念本身也给自己产品铺路。此外视频中段有一整段 Sonar Summit 赞助口播(他将做 fireside chat,"link in the description"),属明确付费植入,与 Agent Teams 内容无关,可整段跳过。 ## 价值定位 面向**想让多个 Claude Code 实例真正协同(而非各自黑箱 subagent)并行编码的进阶用户**: - 适合谁:已在用 Claude Code、遇到"多开却互相踩脚"或纠结"该用 subagent 还是 Agent Teams"的人。 - 解决什么:讲清两者的协作/隔离本质差异、选型铁律(研究 vs 实现)、如何开启、两大坑(乱组队、假并行)以及 contract-first 的规避法。 - 认知 vs 实操:开启步骤与选型法则拿来即用;contract-first spawning 偏理念(可照他的 skill 自搭),16-agent C 编译器则是格局背景。 - 与 [[2026-03-08-Claude Code 六个层级|六个层级]] 重叠:后者仅在 Level 6 一节点到 Agent Teams;本片独有 subagent↔teams 的完整取舍、2-4 倍 token 量化、可见性缺陷与 contract-first 解法。 ## 自检问题 1. Agent Teams 和 subagent 最本质的区别是什么? **答案**:协作 vs 隔离——subagent 各自隔离运行、过程是黑箱、只把一段摘要回传主 agent,彼此零协调;Agent Teams 里多个 agent 共享同一任务列表、彼此点对点通信,能互相纠偏。见"知识点详解"第 1 节 [00:59](https://youtu.be/-1K_ZWDKpU0?t=59)。 2. 视频给出的 subagent 与 Agent Teams 选型经验法则是什么? **答案**:调研类任务(读代码库、搜网,只需摘要且省 token)用 subagent;实际写码/实现(agent 需互相协调、否则并行会互相踩脚)用 Agent Teams;常见流程是先 subagent 调研出计划,再交 Agent Teams 落地。见第 2 节 [13:46](https://youtu.be/-1K_ZWDKpU0?t=826)。 3. Agent Teams 的主要代价是什么?数量级如何? **答案**:token 消耗——维护共享任务列表和 team lead 与各 agent 的通信很吃 token,粗略约为单跑 Claude Code 或 subagent 的 2-4 倍。见第 3 节 [13:28](https://youtu.be/-1K_ZWDKpU0?t=808)。 4. contract-first spawning 解决的是哪个具体缺陷,怎么解? **答案**:解决"假并行"——上下游依赖(如 schema→后端)时若一股脑并行,下游会按尚未定稿的上游做错、白烧 token;做法是先让最上游 agent 交出契约(如数据库 schema)再放行下游并行,既保留并行收益又铺好地基。见第 5 节 [16:44](https://youtu.be/-1K_ZWDKpU0?t=1004)。 5. 想用 Agent Teams 的实时分屏可视化,除了开实验开关还需要什么? **答案**:需装 tmux 或 iTerm2——这是 Claude Code 目前支持的两种分屏终端(Windows 还需先有 WSL);开关本身可通过环境变量或 settings.json 设置。见第 4 节 [03:47](https://youtu.be/-1K_ZWDKpU0?t=227) 与 [04:19](https://youtu.be/-1K_ZWDKpU0?t=259)。 > [!quote] 💬 热门评论 top-13 主 + 7 回(抓取 2026-07-07) > > [4] **@indigamer20**:并行智能体的想法听起来不错，但你知道当多个智能体同时处理同一个代码库时，协调问题才是关键。我用的是zencoder zenflow，因为它为每个智能体创建独立的工作树，这样它们就不会互相干扰，而且在步骤之间还会进行一些验证来捕捉问题。看看它如何处理智能体之间的合并冲突会很有趣。 > [5] **@eduardocrestani2454**:谢谢你的视频，你知道智能体开发如何处理广泛知识库中的“中间丢失”问题吗？ 👍 1 > ——其他 10 条:感谢/夸赞([2]@sharkshark-p7z、[3]@AzariahMichal、[6]@blackzzc、[7]@YT-sprite-6T、[8]@elwood6548、[9]@lucialeon2817、[10]@zingo17、[11]@matterhart、[12]@iamthamanic、[13]@emmanuelt88);1 条 spam 已略 >
英文原文[1] @ColeMedin(UP):This Saturday at 9:00 AM CST, I'm announcing the Dynamous x Kiro AI Coding Hackathon winners and covering the future of agentic engineering in a livestream. Join me! https://youtube.com/live/-4U_SbjS41M 👍 8
[2] @sharkshark-p7z:kinda mindblowing how they all sync up 👍 3
[3] @AzariahMichal:You can ask them to keep minutes of their collaborations :) this is AMAZING THOUGH!!!! :D 👍 2
[4] @indigamer20:the parallel agents idea sounds great but you know the coordination issue is really where it's at when there are a bunch of them working on the same codebase at the same time. i am using the zencoder zenflow because it creates a worktree for each agent that way they can't step on each others' toes, plus it does some verification in between the steps which helps catch any problems. interesting to see how that deals with merge conflicts between agents.
[5] @eduardocrestani2454:Thanks for the video, do you know how agentic development deals with the lost-in-the-middle problem for a broad knowledge base? 👍 1
[6] @blackzzc:This video was incredibly insightful! The breakdown of Agent Teams vs Subagents really clarified the differences for me, and the custom skill you shared is already making my multi-agent workflows much more reliable. Thanks for the practical, actionable content that pushes the boundaries of what's possible with AI coding! 👍 3
  ↪ @user-benefactor:What do you think about claude_agent_teams_ui ?
[7] @YT-sprite-6T:this gave me some cool ideas for my project
[8] @elwood6548:Im sad I can only give this one thumbs upppppppp.. Well done mate, and actually providing the walkthrough, brilliant! For the agent swarm!! ;) 👍 3
  ↪ @ColeMedin(UP):Haha I appreciate the love!
[9] @lucialeon2817:I appreciate how clear you communicate, very insightful video. 👍 1
  ↪ @ColeMedin(UP):Thank you, I appreciate that!
[10] @zingo17:bro your content has been the best I've found on YouTube for the last month or more it's right in line with some of the stuff I've been working on too and you're always ahead of the curve! I've been exploring some methods of plan-first building and progressive disclosure with adaptive query routing that I learned from your other videos about skills! and explicit/implicit retrieval too. Keep putting out videos🙏 👍 8
  ↪ @ColeMedin(UP):That's awesome to hear you're finding the content useful and applying it to your own projects! I appreciate you sharing my friend :)
  ↪ @lopa-wt7eg:Agreed....W
  ↪ @user-benefactor:What do you think about claude_agent_teams_ui ?
[11] @matterhart:You've had the best video overviews a few times in a row now, subscribed. 👍 1
  ↪ @ColeMedin(UP):Thank you so much, appreciate the sub! :D
[12] @iamthamanic:omg it would be sooo cool when you mashup openclaw with that, I'm curious what would be the outcome 👍 2
[13] @emmanuelt88:this is great! very intersting and useful! thank you for sharing! 👍 1