企业官网建设流程全解析

1. 为什么单会话跑复杂任务总会卡住

如果你用 Claude Code 做过稍微大一点的需求，大概率遇到过这种局面：一个会话里既要读架构、又要改后端、还要顺手补测试，上下文越滚越长，前面聊过的约束到后面就被稀释了。你让它先看 A 模块，它改着改着又去动 B 模块，最后你不得不反复贴同一段背景说明。这不是模型不行，而是单会话的注意力带宽被摊薄了。

Agent Teams 想解决的就是这件事。它把一个大任务拆成若干角色，每个角色是一个独立的 Claude Code 实例，拥有自己的上下文窗口，彼此之间还能直接发消息、共享任务列表。一个会话当负责人（Team lead），负责拆活、卡依赖、汇总结果；其余队友（Teammates）各自认领任务并行推进。和 Subagent 最大的区别在于：Subagent 只向主代理汇报结果，队友之间不通信；而 Agent Teams 的成员可以互相质疑、交叉验证，适合需要讨论和协作的复杂工作。

这篇面向需要多个 Subagent 分工并行推进任务的开发者，给出可复制的settings.json配置骨架、Subagent 角色划分示例，以及如何通过统一 Key/API 通道接入 TaoToken，最后用一次并行任务验证多智能体是否按预期分工执行。适合已经用过 Claude Code、想往多智能体协作方向走一步的人。

2. 前置准备：开启 Agent Teams 并接入 TaoToken

Agent Teams 目前是实验特性，默认关闭，必须显式打开。同时，多智能体并行会显著放大 Token 消耗，所以统一走一个稳定的 API 通道比单会话时更重要。我这边习惯把模型请求统一收敛到 TaoToken，好处是 Key 管理集中、切换模型不用改一堆环境变量，团队里每个队友读到的都是同一套配置。

2.1 开启实验开关

在项目或用户级的settings.json里加环境变量，这是最省事的方式：

{ "env": { "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1" } }

也可以走系统环境变量，名称CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS，值1。改完记得重开终端或 Claude Code，让配置生效。版本要求 v2.1.32 及以上，先用claude --version确认一下。

2.2 配置统一 API 通道

TaoToken 的 API 入口是https://taotoken.net/api，Key 在控制台的 API Keys 页面生成。把下面这段合并进你的settings.json，注意env里可以同时放实验开关和通道配置：

{ "env": { "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1", "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "sk-你的TaoToken密钥" }, "teammateMode": "in-process" }

teammateMode建议先设in-process，任意终端都能用，不依赖 tmux。等团队跑顺了再考虑分屏。Key 的生成入口在控制台，文档在接入文档页，两个地址都放在文末 CTA 里，这里先记住路径即可。

注意：不要把 Key 硬编码进会提交到 Git 的文件。用环境变量注入，或者放在被.gitignore忽略的本地配置里。

2.3 确认工作目录上下文

队友启动时会加载项目上下文，包括CLAUDE.md、MCP、Skills。所以先在项目根目录把CLAUDE.md写清楚：常用命令、目录边界、禁区、验收标准。单 agent 时它是加分项，多智能体下它更像团队操作系统，全队默认遵守。这一步偷懒，后面队友就会各写各的。

3. 可复制的 settings.json 骨架与 Subagent 角色划分

这一节是全文的核心。配置骨架可以直接抄，角色划分按你的项目改。

3.1 完整 settings.json 骨架

{ "env": { "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1", "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "sk-你的TaoToken密钥" }, "teammateMode": "in-process", "permissions": { "allow": [ "Read", "Glob", "Grep", "Edit", "Bash(git status)", "Bash(git diff:*)", "Bash(npm test:*)" ] } }

permissions.allow里预批准常用只读和测试命令，能明显减少队友跑一半停下来等授权的次数。写操作按需放开，别一上来就全开。

3.2 角色划分示例

一个在真实项目里比较稳的链路是 Architect → 规格广播 → Backend / Frontend → QA。对应到 Subagent 角色：

关键原则：Lead 只做编排，不做主力实现。拆角色、卡依赖、批计划、收敛结果，写码交给队友。这条建议直接写进你的 spawn 提示词里，否则 Lead 很容易和队友抢同一条路。

3.3 自然语言建队话术

启用后不需要记命令，用自然语言向主会话说明即可。指定人数和模型：

创建一个 agent team，4 名队友并行重构这些模块。 Architect 先出接口规格，Backend 和 Frontend 等规格确认后再动手， QA 最后跑回归。每个队友用 Sonnet。

高风险任务可以要求先计划再实施：

Spawn an architect teammate to refactor the authentication module. Require plan approval before they make any changes.

负责人会自动审批，你可以在提示里写标准，比如「仅批准含测试覆盖的计划」。

3.4 任务列表与依赖

团队用共享任务列表，任务有待处理 / 进行中 / 完成状态，可设依赖，未完成的依赖会阻止认领下游任务。认领侧有文件锁，降低多人抢同一任务的竞态。在终端里按Ctrl+T可以打开或关闭任务列表视图，Shift+Down在负责人和队友之间循环切换，切到某个队友后直接输入就能单独下指令。

4. 验证请求：跑一次并行任务看分工是否生效

配置写完不验证等于没配。下面用一个最小可复现的任务，确认多智能体确实按角色并行执行。

4.1 准备一个可拆分的任务

在项目根目录启动 Claude Code，然后输入：

创建一个 agent team，3 名队友。 任务：审查当前仓库的登录模块。 队友 A 看安全性，队友 B 看性能，队友 C 看测试覆盖。 各自输出一份结论，最后由你汇总成一份对比报告。 等所有队友完成后再汇总。

最后那句「等所有队友完成后再汇总」很重要，能避免负责人提前抢活收尾。

4.2 观察执行过程

按Shift+Down逐个切到队友会话，你应该能看到三路输出在各自推进，而不是串行排队。按Ctrl+T打开任务列表，能看到任务被分别认领、状态从待处理变为进行中再到完成。如果三个队友的输出内容高度雷同，说明角色边界没写清，回到 spawn 提示词里补上「只看 X 维度」。

4.3 确认结果收敛

负责人汇总后，检查报告是否包含三份独立结论而不是一份被复制三遍。这一步是判断并行是否真的生效的关键。如果报告里只有安全维度，多半是另外两个队友的任务没被正确认领，去任务列表里看依赖是否卡住。

4.4 收工与清理

结束某个队友，对负责人说：

Ask the researcher teammate to shut down.

全部结束后让负责人执行Clean up the team释放资源。如果还有队友在跑，清理会失败，先关队友。务必由负责人执行清理，队友自行清理可能导致团队上下文解析失败。

5. 本篇常见错误排查

多智能体踩坑集中在配置、权限、终端三块，按现象对照处理。

5.1 看不到队友

in-process 模式下用Shift+Down切换。如果切不出来，先确认任务是否复杂到值得建队，简单任务建队反而更乱。分屏模式下检查 tmux 或 it2 是否装好、iTerm2 Python API 是否启用。

5.2 权限提示过多

队友启动时权限和负责人一致，负责人用什么权限策略，全队天花板就由谁定。事先在permissions.allow里预批准常见只读和测试操作，能大幅减少中断。注意无法在创建时为每名队友设不同初始权限，创建后可单独调整某个队友的模式。

5.3 队友遇错就停

直接对该队友下新指令，或换新队友接手。任务状态可能更新滞后，如果依赖链卡住，检查实际是否已完成，必要时人工改状态或让负责人催促。

5.4 负责人提前收尾

要求继续，或明确要求「等队友完成后再推进」。这条在长任务里出现频率很高，写进 spawn 提示词能省不少事。

5.5 tmux 会话残留

tmux ls tmux kill-session -t <session-name>

Windows 原生终端不支持基于 tmux 的分屏，团队功能请用 in-process，不必为 Agent Teams 单独装 tmux。

5.6 接入通道报错

如果队友启动后请求失败，先确认ANTHROPIC_BASE_URL和ANTHROPIC_AUTH_TOKEN是否写对、Key 是否有效。多智能体会放大请求量，Key 额度不足时表现为部分队友静默失败，去控制台看用量最直接。

6. 把通道和团队一起管起来

多智能体并行协作真正难的不是开开关，而是让每个队友读到同一套配置、走同一个通道、遵守同一份CLAUDE.md。我试过把 Key 分散在多个环境变量里，队友一多就乱，后来统一收敛到 TaoToken，改一处全队生效，排查问题时也只需要看一个入口。

如果你还在单会话阶段，先把settings.json里的通道配好，再去开 Agent Teams 开关，顺序反了容易在排障时分不清是团队配置问题还是通道问题。Key 在控制台的 API Keys 页面生成，接入细节看接入文档；想先验证模型通不通，用模型对话页发一条请求最快；长期跑编码和 Agent 任务，Coding Plan 在成本上更可控。三个入口按你的阶段选一个先跑通，再回来扩团队规模。