Claude Code的Agent Teams功能允许多个实例协同工作，由一个主会话协调任务分配和结果整合，各成员独立工作并可直接交流。相比Subagents，Agent Teams支持直接与单个成员互动，无需通过主会话。适用于需要并行探索的任务，如研究和审查等场景。

团队协作模式：Claude Code智能体团队管理指南

核心概念

Claude Code的智能体团队功能允许用户协调多个独立实例协同工作。团队由1个领导智能体和若干成员智能体组成，每个成员拥有独立上下文窗口，可直接相互通信。与子智能体不同，团队成员无需通过领导即可直接交互。

适用场景

最适合需要并行探索的任务： - 研究与评审：多成员同时调查问题的不同方面 - 新功能开发：各成员负责独立模块 - 多假设调试：并行测试不同理论 - 跨层协作：前端/后端/测试同步修改

与子智能体的对比： | 维度 | 子智能体 | 智能体团队 | |-------------|----------------------------|----------------------------| | 上下文 | 独立窗口，结果返回主智能体 | 完全独立的上下文窗口 | | 通信方式 | 仅向主智能体报告 | 成员间直接通信 | | 协调机制 | 主智能体集中管理 | 共享任务列表自主协调 | | 最佳场景 | 聚焦型任务 | 需要讨论的复杂协作 | | 令牌消耗 | 较低 | 较高（每个成员独立实例） |

启用与配置

1. 通过环境变量启用： json { "env": { "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1" } }
2. 显示模式选择：

• 进程内模式：所有成员共享终端（默认）
• 分屏模式：每个成员独立面板（需tmux/iTerm2支持）

团队控制

• 任务分配：通过自然语言指令
• 计划审批：高风险任务可设置预审批流程
• 委托模式：限制领导智能体仅协调不执行
• 直接交互：可通过快捷键或点击与成员对话

最佳实践

1. 任务拆分原则：
   • 避免过小（协调成本高）
   • 避免过大（检查间隔长）
   • 理想大小：产出明确交付物
2. 文件冲突预防：确保各成员编辑不同文件
3. 监控策略：定期检查进展，及时调整方向

典型用例

1. 并行代码审查： ```prompt 创建3人审查团队：

• 安全审查员
• 性能审查员
• 测试覆盖率审查员 ```

2. 多假设验证： prompt 组建5人调查组，通过科学辩论方式相互质疑不同理论

限制说明

1. 当前限制：
   • 不支持嵌套团队
   • 领导智能体不可更换
   • 分屏模式依赖tmux/iTerm2
2. 故障处理：
   • 成员消失：检查tmux会话
   • 任务卡顿：手动更新状态
   • 权限问题：预先设置批准规则

延伸方案

• 轻量级任务：子智能体
• 手动并行：Git工作树
• 方案对比：功能对比表

（注：本文已过滤实验性功能细节和重复的技术配置说明，保留核心工作流程和实用建议。所有外部链接均用中文标注替代原URL。）

评论总结：

1. 对产品功能的评价：

• 正面评价认为多智能体协作效率高："主智能体可以继续交流，无需排队等待消息"（"the main agent will continue talking to you while other agents are working"）
• 负面评价担忧代码质量："对于复杂软件，需要更多设计指导，团队协作可能增加审查和重构工作"（"for me to maintain code quality I need to guide more of the design process"）

2. 与Gas Town的类比：

• 有用户认为这是Gas Town理念的实现："Anthropic现在发布Agent Teams验证了Steve的愿景"（"this is a validation of his vision"）
• 也有用户持怀疑态度："Gas Town被Claude炸弹摧毁了"（"Gas Town decimated by Claude bomb"）

3. 对AI工具的批判：

• 强烈反对观点认为AI会降低工程师价值："这些工具会损害思维能力，主要目的是让企业认为不再需要工程师"（"these tools and models only serve to lower the value of your labor"）
• 指出商业模式问题："新模型可能被设计成优化token消耗来获取收入"（"new models are designed to optimize for token consumption"）

4. 技术需求：

• 用户期待多模型协作："希望主智能体用Opus，子智能体使用Gemini或Codex等不同LLM"（"the subagents should be using different LLMs, such as Gemini or Codex"）
• 对基础设施的担忧："推理需求可能疯狂增长，现有基础设施可能不足"（"Inference demand will go up like crazy"）

5. 使用体验：

• 积极体验："看到很多在本地电脑上运行的系统，认为这个可以类似工作"（"seen a lot of working systems on my own computer that share files"）
• 订阅担忧："想知道20美元/月的订阅能用多久"（"wonder if my $20/mo subscription will last 10 minutes"）