nanobot源码解析（六）：子智能体（Subagents）

type

Post

status

Published

date

Mar 19, 2026

slug

nanobot-source-code-analysis-6

summary

这篇文章深入解析了 nanobot 的子智能体（Subagents）系统，揭秘其如何通过 `spawn` 工具和 `SubagentManager` 实现复杂任务的并行处理。文章详细拆解了主智能体召唤“分身”的底层流程、子智能体专注任务的独立运行机制，以及二者如何巧妙地通过 MessageBus（消息总线）注入系统消息实现跨时空协作与结果汇总。同时，还为开发者提供了实用的异步执行调试技巧，展示了 nanobot 以极简架构实现强大并发协作能力的精妙设计。

1. 核心组件：谁在管理“分身”？

nanobot 的子智能体逻辑主要由两个文件驱动： - nanobot/agent/tools/spawn.py：定义了 spawn 工具，这是主 Agent 召唤分身的入口。 - nanobot/agent/subagent.py：定义了 SubagentManager，负责子智能体的生命周期管理。

2. 召唤流程：从 `spawn` 到后台任务

当主 Agent 认为某个任务太复杂或太耗时（比如“去搜集 10 个不同网站的信息并对比”），它会调用 spawn 工具。

第一步：工具调用SpawnTool 接收两个参数：task（具体任务描述）和 label（任务标签）。它会将这些信息传递给 SubagentManager。

第二步：创建后台任务SubagentManager 会为每个子智能体生成一个唯一的 task_id，并利用 Python 的 asyncio.create_task 在后台启动一个异步任务。

这意味着：子智能体在后台跑，主 Agent 可以继续和用户聊天，或者去召唤更多的子智能体。

主Agent执行过程：

—

3. 子智能体的“超能力”与限制

子智能体并不是主 Agent 的完全克隆，它是一个精简版的 Agent 实例：

独立的工具箱：子智能体拥有读写文件、执行 Shell 命令、网页搜索等能力。

禁止递归：为了防止 AI 陷入无限套娃，子智能体默认没有 spawn 工具（不能再分身）和 message 工具（不能直接给用户发消息）。

专注模式：子智能体拥有独立的 System Prompt，被告知“你是一个被派去完成特定任务的子智能体，请保持专注”。

subagent系统提示词：

从subagent的提示词中可以看出来，这就是一个没有人格、没有自我意识的“工具人”，它的任务就是完成主Agent交代的任务，纯纯的牛马Agent。

Subagent执行流程:

主agent是利用上海天气生成封面图的任务，子agent是生成烤箱封面图。不重要哈，这是因为我debug了两次。（：偷笑

4. 跨时空协作：结果如何汇总？

这是最精妙的地方。子智能体在后台跑完任务后，如何把结果告诉主 Agent 呢？

答案依然是：MessageBus（消息总线）。

当子智能体完成任务后，它会调用 _announce_result 方法，将结果封装成一条特殊的 System 消息 发送到总线的 inbound 队列：

为什么发给 inbound？因为 inbound 是 Agent 的输入端。主 Agent 就像接收到一条普通用户消息一样，接收到了这条来自“系统”的消息。

这条消息会触发主 Agent 的新一轮思考。主 Agent 看到结果后，会自然地总结这些信息，并最终回复给用户：“您的烤箱主题小红书封面图已经制作完成，请查收！”

风格并不是很小红书，哈哈，不过没关系，这个skill也是我让大模型写的，核心原理就是调用了nano banana 2的生图接口。 —

5. 开发者视角：如何 Debug 子智能体？

如果你想观察子智能体的工作，可以关注日志中的 Subagent [...] starting task 和 Subagent [...] completed successfully。

由于子智能体是异步运行的，你会发现日志中主 Agent 的思考和子智能体的执行是交织在一起的，这正是异步并发的魅力所在。根据async异步性质，在主agent大模型思考的时候会切到subagent执行，subagent里面大模型思考的时候又会切回主agent执行。注意看debug控制台“Threads & Variables”中loop.py在执行还是subagent.py就能分清。但要一定要在subagent.py的while循环内打一个断点，这样就能看到子智能体的执行了。

总结

nanobot 的子智能体系统展示了如何利用 异步编程 + 消息总线 构建一个可扩展的协作模型。它不依赖复杂的编排框架，仅仅通过“工具调用”和“系统消息注入”，就让 AI 拥有了并行处理复杂任务的能力。