Subagentها مضرن؟ مشکل خلاصهای که ایجنت اصلی مینویسه
خلاصهٔ کاملتر
نویسنده مقاله رو با یه مشکل آشنا شروع میکنه: وقتی ایجنت context خودش رو compact میکنه (یعنی تاریخچهٔ گفتوگو رو خلاصه میکنه تا جا باز بشه)، چیزای مهم گم میشن. به گفتهٔ اون، subagentها هم دقیقاً همین مشکل رو دارن. ایجنت اصلی چند پاراگراف دربارهٔ کار مینویسه و subagent فقط از همون خلاصه شروع میکنه، بدون اینکه مکالمهٔ اصلی رو دیده باشه.
مثال خودش اینه: از ایجنت پرسیده بود ابزارش چیزی رو تکرار میکنه که Anthropic و OpenAI از قبل دارن یا نه. خلاصهای که برای subagent نوشته شد اصلاً اسمی از Anthropic و OpenAI نیاورده بود و subagent یه گزارش کامل فقط دربارهٔ کد خود نویسنده برگردوند. Alexander Yue هم عدد آورده: روی یه session با ۱۳۷ هزار توکن و Opus 5.5، انجام کار توسط خود ایجنت ۶۷ ثانیه طول کشید و ۰.۳۸ دلار خرج داشت، ولی سپردنش به subagent با خلاصه ۱۲۳ ثانیه و ۰.۵۷ دلار شد.
راهحل معمول fork هست، یعنی subagent یه کپی از کل مکالمه میگیره بهاضافهٔ یه یادداشت که بگه کدوم تیکهٔ کار مال اونه. Codex و Claude Code هر دو الان fork رو پشتیبانی میکنن. fork توکن بیشتری میخوره ولی میدونه دقیقاً چی خواسته شده و چه راههایی قبلاً رد شدن. یه نکتهٔ عملی هم هست: fork اول نویسنده آخرین پیام تاریخچه رو، که درخواست ساختن fork بود، دستور خودش فرض کرد و یه fork دیگه ساخت. برای همین الان به هر fork صریحاً گفته میشه که خودش fork هست.
به گفتهٔ نویسنده، سختترین بخش این بود که ایجنت بفهمه کی fork کنه. قاعده سادهست: اگه کار قضاوتی وابسته به مکالمه لازم داره fork کن، اگه فقط اجرای تصمیمهای گرفتهشدهست خلاصه بده. ولی ایجنت سه کار برنامهریزی رو چون فقط چند فایل رو درگیر میکردن «بررسی سادهٔ کد» حساب کرد و بهشون خلاصه داد. در حالی که برنامهریزی پر از تصمیمهاییه که تو کد نیستن و فقط تو مکالمهان.
نویسنده آخرش همهٔ قانونهای وصلهپینهای رو پاک کرد و یه پاراگراف جاش گذاشت که تأکید میکنه یه وظیفهٔ کوچیک یا یه خلاصهٔ مرتب ثابت نمیکنه worker به اندازهٔ کافی context داره. به نظرش ریشهٔ مشکل theory of mind هست، یعنی اینکه ایجنت تصور کنه طرف مقابل چی رو نمیدونه. LLMها هنوز توش ضعیفن، چون خلاصه برای نویسندهش کامل به نظر میاد؛ context خودش جاهای خالی رو پر میکنه.
ولی fork کامل هم همهچی رو با خودش میبره، از لاگها تا دستورهای شکستخورده، و مدلها با بزرگ شدن context بدتر کار میکنن. پیشنهاد نویسنده smart fork هست: قبل از شروع، یه مدل تصمیمگیر سریع مثل Jev برای هر تیکهٔ تاریخچه میگه نگهش دار یا حذفش کن. هر چی شک داشت میمونه و بقیه با همون متن اصلی منتقل میشه. ابزار مشابه Oskar Austegard تو eval خودش ۹۹ از ۱۰۵ نکتهٔ لازم رو با حدود یکچهارم توکن رسونده، در حالی که خلاصهٔ نوشتهشده فقط ۸۲ تا.
نکات کلیدی:
- subagentی که با خلاصه شروع میکنه هیچ راهی نداره بفهمه چی از خلاصه جا افتاده
- طبق Alexander Yue، سپردن کار به subagent با خلاصه ۱۲۳ ثانیه و ۰.۵۷ دلار شد، در برابر ۶۷ ثانیه و ۰.۳۸ دلار برای خود ایجنت
- fork کل مکالمه رو به subagent میده؛ Codex و Claude Code هر دو پشتیبانیش میکنن
- قاعدهٔ نویسنده: کار قضاوتی به fork نیاز داره، کار مکانیکی و ساختاریافته به خلاصه
- smart fork با مدلهایی مثل Jev فقط تیکههای لازم تاریخچه رو بدون بازنویسی نگه میداره
- تو eval مشابه: ۹۹ از ۱۰۵ نکته با یکچهارم توکن، در برابر ۸۲ نکته برای خلاصه




