用 AI 写代码久了，你大概率遇到过一个怪现象：同一个会话聊得越久，它反而越笨。
一开始它思路清晰、改得又快又准。可一旦你让它把整个项目翻一遍、跑一堆测试、再分析几屏报错日志，聊到后面它就开始丢三落四，前面定好的需求它忘了，给的建议也飘了。不是模型变蠢了，是上下文被塞满了。
这事有两个专门的说法：Context pollution（上下文污染），有用的信息被一堆中间过程的噪音（探索笔记、测试日志、报错堆栈、命令输出）埋掉了；Context rot（上下文腐烂），对话越填越满，相关性越来越低，性能就一路往下掉。
Codex 现在给了个挺漂亮的解法：subagents（子代理）。
简单说，就是让主 agent 当包工头，把脏活累活派给一群专门的小弟并行去干，干完只把结论汇报回来，过程中的那些噪音根本不进主线程。
解决什么问题？
核心就一件事：让主线程保持干净。 主 agent 只管最要紧的，需求、决策、最终产物。那些会产生大量噪音的活儿，比如翻代码库、跑测试、啃报错日志，全甩给子代理。 子代理在自己的独立线程里折腾，折腾完只把提炼过的结论返回来，原始的一大堆中间输出留在它自己那儿，不污染主对话。 好处是三重的： 主 agent 不会被噪音带偏，思路始终聚焦在真正关心的事上。 省时间，几个能独立跑的任务并行处理，比一件件排队快得多。 能啃大任务，一个几百万 token 的大文档，可以拆成若干小块分给不同子代理，各自消化完返回要点。 举个最直观的例子：让 Codex 审查一个 PR，安全、代码质量、bug、竞态、测试稳定性、可维护性，六个维度，过去得一条线捋下来，又慢又容易顾此失彼。 现在一句话，六个子代理各盯一个维度同时上，最后汇总成一份分类报告。
怎么触发：它不会自作主张
有个关键点得先说清楚：Codex 不会自动派子代理，必须你明确开口要。
为什么这么设计？因为每个子代理都要独立调模型、用工具，比单 agent 跑同样的活更费 token，所以默认权力收着，省钱也省得你意外烧额度。
触发方式就是在 prompt 里直说，比如"派两个 agent""并行处理这部分""一个 agent 负责一个点"。一个好的子代理 prompt 应该讲清楚三件事：活儿怎么分、要不要等所有 agent 都跑完再继续、最后返回什么形式的结论。
给你一个可以直接套用的模板：用并行子代理审查这个分支。一个查安全风险，一个查测试缺口，一个查可维护性。等三个都跑完，按类别汇总结论，并标注对应的文件位置。
适用场景
不是所有任务都适合丢给子代理。 这里有个简单的判断标准： 读多写少的活，放心派。 探索代码库、跑测试、问题分类、内容总结，这类只读不改的任务并行起来最安全，效率提升也最明显。 写多的活，悠着点。 多个子代理同时改代码，很容易撞车，改同一个文件、产生冲突，协调成本反而上去了。这种就别盲目并行，该串行串行。 一句话：并行读没问题，并行写要谨慎。
进阶应用
Codex 自带三个开箱即用的 agent，各有分工：
default——通用兜底，啥都能干的全科选手。
worker——执行型，专门干实现功能、修 bug 这种活。
explorer——侦察型，擅长大量读代码、摸清代码库结构。
如果内置的不够用，你还能自定义 agent。做法是在 ~/.codex/agents/（个人级）或项目里的 .codex/agents/（项目级）放一个 TOML 文件，一个文件定义一个 agent。
每个自定义 agent 文件必须写清三样：
name——agent 的名字，Codex 靠它识别（文件名最好跟 name 一致，但真正作准的是 name 字段）。
description——告诉 Codex 什么时候该用这个 agent。
developer_instructions——这个 agent 的核心行为指令。
其他像 model、model_reasoning_effort、sandbox_mode、mcp_servers 这些可选项，你不写就从主会话继承。也就是说你可以给某个 agent 单独指定模型——比如让快速扫描的用便宜的 gpt-5.4-mini，让需要深度推理的用 gpt-5.5。
关键配置参数
并行虽好，但失控了会烧钱，有几个全局参数（配置文件里的 [agents] 段）帮你兜底：
max_threads——同时打开的 agent 线程上限，默认 6。
max_depth——子代理嵌套的层数，默认 1，意思是允许直接子代理，但不让它再往下套娃。这个建议保持默认往深了开，宽泛的委派指令可能变成层层 fan-out，token 消耗、延迟、本机资源占用全失控。
job_max_runtime_seconds——批量任务里每个 worker 的超时，不设的话默认每个 1800 秒。
管理跑起来的子代理也简单：CLI 里用 /agent 在各个 agent 线程间切换、查看进展；想中途调整方向、停掉某个、或关掉已完成的线程，直接跟 Codex 说就行。
写在最后
子代理这套东西，本质上是把"人怎么管团队"搬到了 AI 身上——你当项目经理，定方向、做决策；具体的脏活累活拆给专人并行干，他们只给你交结果，不把一堆过程细节倒给你。 它不是万能的，费 token、写操作容易冲突、嵌套太深会失控，这些都得心里有数，但对那些天然能拆分、又读多写少的大任务来说，它确实能让 AI 写代码从"一条道走到黑"变成"多线程协作"。 下次再碰到那种又大又杂、单会话越聊越乱的活，别一股脑全塞给一个对话了。试试拆开，派几个小弟并行上。