Kørsel af Opgaver Parallelt
Stryg for at vise menuen
Subagenter gør det muligt for Claude Code at delegere specifikke opgaver til separate agenter, mens hovedsamtalen forbliver fokuseret på den overordnede arbejdsgang. Hver subagent udfører sit tildelte arbejde uafhængigt og returnerer kun sine resultater og et resumé til primæragenten.
Dette hjælper med at reducere unødvendig kontekst i hovedsamtalen. Research, værktøjsopkald, mellemliggende filer og detaljeret ræsonnement fra hver opgave forbliver inden for den relevante subagent i stedet for at fylde det primære kontekstvindue.
Subagenter kan også køre uafhængige opgaver parallelt. I dette eksempel bliver Claude bedt om at gennemføre en hel outreach-arbejdsgang:
- Find fem nye tandlægepraksis-leads;
- Brug lead-scraping-færdigheden til at verificere og gemme dem;
- Generér et personligt website-mockup for hver lead;
- Udarbejd et outreach-emailudkast til hver potentiel kunde;
- Gem de færdige beskeder som Gmail-kladder.
Primæragenten fungerer som koordinator. Den gennemgår de tilgængelige færdigheder, afgør hvilke opgaver der afhænger af tidligere resultater, og beslutter hvilke trin der kan foregå samtidigt.
For eksempel kan flere subagenter søge efter leads på samme tid. Når leads er gennemgået og godkendt, kan Claude starte en separat mockup-genereringssubagent for hver potentiel kunde. Når mockups er klar, kan emailudkastene oprettes.
Du kan overvåge disse agenter via panelet for baggrundsopgaver. Det viser, hvilke opgaver der kører, hvor længe de har været aktive, og hvor mange tokens de bruger. Du kan også åbne en individuel opgave for at gennemgå dens samtale.
Forskellige modeller kan tildeles afhængigt af opgavens kompleksitet. En mere avanceret model kan håndtere vanskelige kreative eller tekniske beslutninger, mens en hurtigere model kan udføre forudsigelige opgaver. Dette hjælper med at balancere kvalitet, hastighed og tokenforbrug.
Subagenter er mest nyttige, når en arbejdsgang indeholder flere klart definerede opgaver, især når nogle af dem kan køre uafhængigt. I stedet for at gennemføre hvert trin ét ad gangen kan Claude koordinere processen og producere flere færdige resultater parallelt.
Tak for dine kommentarer!
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat
Kørsel af Opgaver Parallelt
Subagenter gør det muligt for Claude Code at delegere specifikke opgaver til separate agenter, mens hovedsamtalen forbliver fokuseret på den overordnede arbejdsgang. Hver subagent udfører sit tildelte arbejde uafhængigt og returnerer kun sine resultater og et resumé til primæragenten.
Dette hjælper med at reducere unødvendig kontekst i hovedsamtalen. Research, værktøjsopkald, mellemliggende filer og detaljeret ræsonnement fra hver opgave forbliver inden for den relevante subagent i stedet for at fylde det primære kontekstvindue.
Subagenter kan også køre uafhængige opgaver parallelt. I dette eksempel bliver Claude bedt om at gennemføre en hel outreach-arbejdsgang:
- Find fem nye tandlægepraksis-leads;
- Brug lead-scraping-færdigheden til at verificere og gemme dem;
- Generér et personligt website-mockup for hver lead;
- Udarbejd et outreach-emailudkast til hver potentiel kunde;
- Gem de færdige beskeder som Gmail-kladder.
Primæragenten fungerer som koordinator. Den gennemgår de tilgængelige færdigheder, afgør hvilke opgaver der afhænger af tidligere resultater, og beslutter hvilke trin der kan foregå samtidigt.
For eksempel kan flere subagenter søge efter leads på samme tid. Når leads er gennemgået og godkendt, kan Claude starte en separat mockup-genereringssubagent for hver potentiel kunde. Når mockups er klar, kan emailudkastene oprettes.
Du kan overvåge disse agenter via panelet for baggrundsopgaver. Det viser, hvilke opgaver der kører, hvor længe de har været aktive, og hvor mange tokens de bruger. Du kan også åbne en individuel opgave for at gennemgå dens samtale.
Forskellige modeller kan tildeles afhængigt af opgavens kompleksitet. En mere avanceret model kan håndtere vanskelige kreative eller tekniske beslutninger, mens en hurtigere model kan udføre forudsigelige opgaver. Dette hjælper med at balancere kvalitet, hastighed og tokenforbrug.
Subagenter er mest nyttige, når en arbejdsgang indeholder flere klart definerede opgaver, især når nogle af dem kan køre uafhængigt. I stedet for at gennemføre hvert trin ét ad gangen kan Claude koordinere processen og producere flere færdige resultater parallelt.
Tak for dine kommentarer!