河北中保建设集团网站首页西安建设工程交易网站

河北中保建设集团网站首页,西安建设工程交易网站,长治招聘网站建设,广西百度推广简介 这篇文章详细对比了Claude Code中Skills和Subagents两种功能模式的区别#xff1a;Skills在主会话上下文中执行#xff0c;保留所有中间状态#xff0c;适合需要长期记忆和反复迭代的场景#xff1b;Subagents在独立环境中执行#xff0c;只返回最终结果#xff0c…简介这篇文章详细对比了Claude Code中Skills和Subagents两种功能模式的区别Skills在主会话上下文中执行保留所有中间状态适合需要长期记忆和反复迭代的场景Subagents在独立环境中执行只返回最终结果适合需要隔离和单次完成的任务。作者通过做红烧肉的类比和决策树帮助开发者根据任务需求选择合适的模式并建议先实现再优化避免过度设计。装上 Claude Code 后很多人都会陷入纠结“该优先搞 Skills还是写个 Subagents” 翻完一堆文档被 SKILL.md、subagents.md、Agent、工具、工作流等概念绕得晕头转向。但其实你真正要解决的核心问题从来不是 “选哪个名词”而是 “在我的场景里谁来执行任务、执行到什么程度、状态怎么保留才最高效” 这篇文章就帮你把核心逻辑讲透让你看完就能拍板该用啥、怎么用、为啥这么用。一、核心类比同样是 “做红烧肉”执行主体大不同先抛开复杂概念用做饭这件事打个比方。想做一道红烧肉有两种截然不同的方式正好对应 Skill 和 SubagentSkills 模式自己照着菜谱做你手里拿着一份红烧肉菜谱一步步跟着切肉、焯水、炒糖色、慢炖。这里的 “菜谱” 就是SKILL.md“厨师” 是你自己。对应 Claude Code 就是SKILL.md相当于给主 Agent你植入了一项新技能。学会之后主会话中随时能调用所有思考过程、上下文信息、文件状态都会留在当前对话里。就像你学会红烧肉后每次做饭都能轻松上手还能越做越熟练。Subagents 模式把菜谱交给餐馆你直接把红烧肉菜谱递给餐馆说 “按这个标准做一份做好给我送来”。这里的 “菜谱” 是subagents.md“厨师” 是餐馆一个独立于你的 “分身”。对应 Claude Code 就是主 Agent 不用亲自动手只需描述任务并交给 Subagent。这个 “分身” 会在独立的上下文环境中执行有自己的工具和权限执行过程中的思考、临时状态都不会占用主会话空间做完只把最终结果反馈回来。就像点外卖你只关心味道好不好不用管后厨怎么操作。两者的核心差异很明确同样是 “完成任务的流程指南”但执行主体、占用的上下文环境完全不同。二、本质区别执行环境决定选型逻辑再往深一层看SKILL.md和subagents.md的内容本质是相通的都是 “工作说明书”会明确任务目标、输入输出要求、执行步骤、注意事项。真正的区别在于执行环境Skills在主会话的上下文里执行和当前对话深度融合相当于 “主 Agent 亲自下场干活”Subagents在独立的上下文里执行像开了一个 “子工程”和主会话互不干扰相当于 “外包给专门的分身完成”。三、关键维度对比一张表选对不纠结从 “能不能完成任务” 来看两者没有绝对界限但从 “体验、成本、适配场景” 来看差异十分明显对比维度SkillsSubagents执行环境主会话上下文内深度融合独立上下文类似 “子进程” 隔离执行主体主 Agent 亲自执行专门的 Subagent 分身执行中断方式随时可停不影响 Skills 本身可终止任务但当前分身状态直接消失恢复方式依赖主会话历史可直接恢复执行无法恢复上一实例只能重新调用状态保留状态混在主会话历史和文件系统中任务结束后实例销毁仅返回最终结果上下文占用中间思考过程会占用主上下文 Token中间过程不占用主上下文仅返回必要结果与主会话关系主 Agent 的 “技能插件”主 Agent 的 “外包团队”适配场景需长期记忆、反复迭代、分步交互的工作流需隔离、并行执行、单次完成、权限差异明显的任务简单总结Skills 适合 “长期复用、需要持续优化” 的场景例如长期维护知识库、打磨长文档Subagents 适合 “一次完成、不想占用主上下文” 的场景例如临时生成脚本、批量数据处理。四、实例验证为什么 Plan 模式是 SubagentClaude Code 自带的 Plan 模式本质就是一个 Plan Subagents。为什么官方不把它做成 Skills核心就两个字干净。如果 Plan 是 Skills所有研究、检索、分析、试错的过程都会塞进主会话上下文主会话会被大量 “思维垃圾” 污染Token 消耗飙升上下文窗口容易被挤爆影响后续写代码、改文案。而做成 Subagents 后Plan 分身在独立环境中完成研究、拆解任务、生成计划主会话只收到一份精简后的最终计划中间过程完全不拖累主上下文既节省 Token又降低心智负担主会话能保持整洁高效。这个例子完美说明需要隔离中间过程、只关注结果的场景Subagents 是更优选择。五、两步决策法快速选对不纠结不用再反复权衡记住这个简单决策树30 秒就能定答案第一步要不要 “记住执行过程”需要长期上下文、持续迭代、反复回顾之前的操作 → 选 Skills场景例子长期维护技术栈助手、持续打磨 PRD、频繁回顾历史操作逻辑不需要记住过程只要最终结果 → 选 Subagents场景例子临时生成报告、单次批处理分析、大规模检索等 “脏活累活”。第二步需不需要 “隔离、并行、特殊权限”需要权限隔离例如仅访问特定目录 / API、并行执行多个任务、沙盒内风险可控 → 选 Subagents权限一致、工具相同、无需隔离 → 直接用 Skills 即可。核心原则别为了 “概念酷炫” 过度设计贴合实际需求就好。六、落地建议先干起来再优化很多人卡在 “选形态” 上迟迟不行动但其实 Skills 和 Subagents 的切换成本很低正确做法是先做 Skills把任务流程拆清楚、梳顺畅用 Skills 让主 Agent 先把事情落地验证流程可行性再反向优化跑通之后问自己三个问题要不要隔离要不要单独权限要不要并行执行灵活切换如果答案是 “要”再把 Skills 逻辑包装成 Subagents迁移成本极低。就像同一个剧本既可以让一个演员从头演到尾Skills也可以请多个演员在不同舞台并行演出Subagents核心流程没变只是执行和调度方式不同。真正影响体验的从来不是 “用了哪个名词”而是 “让谁来执行、怎么调度” 更贴合你的需求。别再纠结概念先选一个靠谱的形态让 Claude 帮你完成一件事再用实际体验反向校正这才是 Agent 工程化的正确打开方式。七、如何系统的学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。一直在更新更多的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】01.大模型风口已至月薪30K的AI岗正在批量诞生2025年大模型应用呈现爆发式增长根据工信部最新数据国内大模型相关岗位缺口达47万初级工程师平均薪资28K数据来源BOSS直聘报告70%企业存在能用模型不会调优的痛点真实案例某二本机械专业学员通过4个月系统学习成功拿到某AI医疗公司大模型优化岗offer薪资直接翻3倍02.大模型 AI 学习和面试资料1️⃣ 提示词工程把ChatGPT从玩具变成生产工具2️⃣ RAG系统让大模型精准输出行业知识3️⃣ 智能体开发用AutoGPT打造24小时数字员工熬了三个大夜整理的《AI进化工具包》送你✔️ 大厂内部LLM落地手册含58个真实案例✔️ 提示词设计模板库覆盖12大应用场景✔️ 私藏学习路径图0基础到项目实战仅需90天第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】