前言：当 AI 的桌子越来越乱

你有没有遇到过这种情况：

和 Claude Code 聊了半小时，它突然开始"失忆"，忘记了之前讨论的关键信息。或者，你让它完成一个简单任务，它却调用了一堆不相关的工具，最后把自己绕晕了。

这不是 AI 变笨了，而是它的"工作桌"太乱了。

想象一下，你的办公桌上堆满了文件、便签、工具手册、参考资料。一开始还能找到需要的东西，但随着东西越堆越多，你开始翻来翻去，效率直线下降，甚至把重要文件压在了最底下。

AI 的上下文（Context）就是这张工作桌。

桌子大小是固定的（上下文窗口有限），你放的东西越多，AI 就越难找到关键信息。这就是所谓的"上下文污染"（Context Pollution）问题。

2026 年，随着 AI Agent 能力的爆炸式增长，如何优雅地管理这张"工作桌"，成了决定 Agent 性能的关键。而 Claude Code 给出的答案，就是 Skill、SubAgent、MCP 这三大设计理念。

今天，我们就来深入聊聊这三者的设计哲学，以及它们如何解决 AI Agent 的记忆管理难题。

---

一、三者的本质：都是 Prompt，但组织方式不同

首先要明确一点：Skill、SubAgent、MCP，本质上都是用 Prompt 来组织的。

它们就像工具的说明书，告诉 AI：

• 这个工具是干什么的
• 什么时候该用它
• 怎么用它

但关键区别在于：这些说明书是怎么加载到 AI 的"工作桌"上的。

1.1 MCP：一次性全加载

MCP（Model Context Protocol） 是 Anthropic 推出的标准化扩展协议，用于连接外部工具和数据源。

加载方式：

启动 Claude Code
  ↓
一次性加载所有 MCP 工具的完整说明
  ↓
所有工具说明都占用上下文

问题：

MCP 太臃肿了。比如 Chrome DevTools 的 MCP，功能很强大，但工具说明非常详细。即使你只是想截个图，所有关于网络监控、性能分析、DOM 操作的说明也都加载进来了。

这就像你只是想用螺丝刀，却把整个工具箱的说明书都摊在桌上。

1.2 Skill：渐进式懒加载

Skill 是 Claude Code 内置的专业化任务模板。

加载方式：

启动 Claude Code
  ↓
只加载 Skill 的名字和简介（轻量级）
  ↓
用户触发某个 Skill
  ↓
才加载该 Skill 的完整说明

优势：

Skill 采用了"懒加载"（Lazy Loading）策略。一开始只告诉 AI：“我有这些能力”，等真正需要时才加载详细说明。

这就像你的工具箱上贴了标签：“螺丝刀、扳手、锤子”。需要螺丝刀时，才拿出螺丝刀的说明书。

实际效果：

根据最新研究，懒加载的 Prompt 工程已经成为 2026 年的标准模式，Claude、ChatGPT、Gemini 都在采用这种策略。

1.3 SubAgent：上下文隔离

SubAgent 是通过 Task 工具调用的专业化子代理。

工作方式：

主 Agent 接收任务
  ↓
把子任务委托给 SubAgent
  ↓
SubAgent 在独立的上下文中工作
  ↓
只把最终结果返回给主 Agent

核心价值：

SubAgent 解决的是上下文污染和过载问题。子任务的中间结果不会污染主 Agent 的上下文。

这就像你把一个复杂任务外包给专业团队，他们在自己的办公室里干活，最后只给你一份简洁的汇报。你的桌子保持干净。

---

二、上下文管理：AI 的记忆瓶颈

要理解三者的设计差异，必须先理解上下文管理这个核心问题。

2.1 什么是上下文污染？

上下文污染（Context Pollution） 是指：上下文中存在太多无关、冗余或冲突的信息，导致 AI 推理能力下降。

典型症状：

1. 信息过载：工具说明太多，AI 找不到关键信息
2. 注意力分散：中间结果太多，AI 忘记了原始任务
3. 推理混乱：新旧信息冲突，AI 开始"胡言乱语"

根据 2026 年的研究，上下文污染已经成为限制 AI Agent 性能的主要瓶颈。

2.2 三种管理策略

策略	代表	优势	劣势	适用场景
全加载	MCP	信息完整，推理连贯	占用大量上下文	工具数量少、说明简洁
懒加载	Skill	按需加载，节省空间	需要设计加载时机	工具数量多、使用频率低
上下文隔离	SubAgent	彻底隔离，避免污染	信息传递需要设计	子任务复杂、中间结果多

---

三、实战场景：什么时候用什么？

3.1 Skill：轻量级能力扩展

适用场景：

✅ 标准化任务

• 提交代码：/commit
• 代码审查：/review-pr
• 创建 PR：直接说"创建 PR"

✅ 任务复合度不高

• 单个 Skill 能独立完成
• 不需要多个 Skill 协作

✅ 需要快速切换场景

• 进入 YouTube 总结模式
• 进入写报告模式
• 进入前端设计模式

使用技巧：

# 直接调用
/commit

# 自然语言触发
"帮我提交代码"  → 自动调用 /commit

# 场景切换
"进入前端设计模式" → 加载 frontend-design Skill

注意事项：

如果同时加载多个 Skill，会出现性能下降问题。因为每个 Skill 的完整说明都会占用上下文。

3.2 SubAgent：复杂任务外包

适用场景：

✅ 子任务很重、很耗时

• 浏览器调试（Chrome DevTools）
• 大规模代码搜索
• 复杂的架构分析

✅ 中间过程很啰嗦

• 截图、DOM 树、网络请求细节
• 多轮搜索的中间结果
• 调试日志和错误信息

✅ 需要保持主 Agent 上下文干净

• 主 Agent 负责整体规划
• SubAgent 负责具体执行

实战案例：

# 场景：分析网页性能问题

主 Agent：
"这个网页加载很慢，帮我分析一下原因"

内部流程：
1. 启动 Playwright SubAgent
2. SubAgent 打开浏览器
3. SubAgent 截图、查看网络请求、分析性能指标
4. SubAgent 生成分析报告
5. 只把报告返回给主 Agent

主 Agent 收到：
"发现 3 个性能瓶颈：
1. 首屏加载了 50 张未压缩的图片
2. 有 10 个阻塞渲染的 JS 文件
3. 字体文件加载超时"

中间的截图、DOM 树、网络请求细节，
全都留在 SubAgent 那边，不污染主 Agent。

3.3 MCP：基础能力层

适用场景：

✅ 工具数量少、说明简洁

• 文件系统操作
• 简单的 API 调用
• 轻量级数据查询

✅ 需要频繁调用

• 代码符号搜索（Serena MCP）
• 文档查询（Context7 MCP）

✅ 需要实时数据

• 连接数据库
• 访问外部 API

使用建议：

根据项目 CLAUDE.md 中的 MCP 调用规则：

核心原则：

• 审慎单选：每轮最多调用 1 个 MCP 服务
• 序贯调用：多服务需求时必须串行
• 最小范围：精确限定查询参数

优先级顺序：

1. Serena（本地代码分析）
2. Context7（官方文档）
3. DuckDuckGo（外部信息）

---

四、进阶玩法：组合使用

4.1 先展开再压缩

这是从 @yan5xu 那里学来的技巧。

场景：

你需要某个 Skill 的能力，但又不想让它的中间过程污染上下文。

做法：

1. 加载 Skill，执行任务
2. 拿到结果后，把整个过程"折叠"
3. 只保留最终结论

类比：

就像开了一个两小时的头脑风暴会，白板上写满了草稿、争论、被否决的方案。但最后写进会议纪要的只有三条结论。

那些中间过程对得出结论很重要，但对后续执行的人来说是噪音。

4.2 文件系统做中转站

场景：

主 Agent 和 SubAgent 之间需要传递大量信息。

做法：

主 Agent：
"需求文档在这个文件，去看"

SubAgent：
完成任务，把结果写入文件
"代码在这个文件，部署文档在这里"

主 Agent：
根据情况决定要不要点进去看细节

优势：

双方的上下文都保持精简，只传递文件路径，不传递完整内容。

4.3 Claude Code 的 Rewind 技巧

场景：

上下文快见底了，但任务还没完成。

做法：

1. 让 Claude 把当前工作总结成文档
2. 用 rewind 功能回滚到任务开始前
3. 告诉它："这件事我已经做完了，记录在这个文件里"

效果：

相当于你跑了一场马拉松，快到终点时发现体力不支。于是你把已经跑过的路线画成地图存档，然后"瞬移"回起点，精力充沛地说"我知道怎么走了，地图在这"。

上下文被清空了，但成果保留了下来。

---

五、设计哲学：软件架构的映射

说到底，Agent 架构设计和软件架构设计有很多相通之处。

5.1 单体 vs 微服务

MCP 全加载 = 单体应用

• 所有功能都在一个进程里
• 信息共享方便，但容易臃肿

SubAgent 隔离 = 微服务架构

• 每个服务独立运行
• 状态隔离，但需要设计通信

5.2 全局变量 vs 模块化

上下文共享 = 全局变量

• 图省事，但容易出 bug
• 信息冲突难以排查

上下文隔离 = 模块化设计

• 严格隔离状态
• 保持干净，但需要设计接口

5.3 巨型函数 vs 函数拆分

所有逻辑在主 Agent = 巨型函数

• 一个函数几千行
• 难以维护和测试

委托给 SubAgent = 函数拆分

• 每个函数职责单一
• 易于理解和复用

---

六、2026 年的趋势：上下文工程

根据最新研究，上下文工程（Context Engineering） 正在成为 2026 年 AI 领域的核心竞争力。

6.1 什么是上下文工程？

上下文工程是指：结构化、验证、同步和治理 AI Agent 依赖的信息，确保它们在正确的时间获得正确的上下文。

6.2 核心原则

1. 最小化原则：只加载必要的信息
2. 隔离原则：子任务的中间结果不污染主上下文
3. 复用原则：设计可复用的上下文片段
4. 治理原则：建立上下文的版本管理和质量控制

6.3 实践建议

对于开发者：

• 优先使用 Skill 的懒加载特性
• 复杂任务委托给 SubAgent
• 谨慎使用 MCP，控制工具数量

对于 Skill 开发者：

• 设计简洁的工具说明
• 提供清晰的使用场景描述
• 支持渐进式加载

对于 MCP 开发者：

• 拆分大型 MCP 为多个小型 MCP
• 提供轻量级的工具列表
• 支持按需加载详细说明

---

七、总结：记忆管理的艺术

AI Agent 要变强，有两条完全不同的路：

一条是 Skill：给自己装技能，把新能力直接塞进脑子里。

另一条是 SubAgent：像派小弟去干活，自己只看汇报。

而 MCP 则是基础能力层，提供标准化的工具接口。

三者的关系：

┌─────────────────────────────────────┐
│         Claude Code 核心            │
├─────────────────────────────────────┤
│  Skill 层（渐进式加载）              │
│  - 懒加载：先加载名字，需要时加载详情 │
│  - 适合：标准化任务、场景切换        │
├─────────────────────────────────────┤
│  SubAgent 层（上下文隔离）           │
│  - 独立上下文：中间结果不污染主 Agent│
│  - 适合：复杂任务、啰嗦的中间过程    │
├─────────────────────────────────────┤
│  MCP 层（基础能力）                  │
│  - 全加载：所有工具说明都在上下文    │
│  - 适合：轻量级工具、频繁调用        │
└─────────────────────────────────────┘

记住这个口诀：

• Skill 是插件：按需加载，轻量高效
• SubAgent 是外包：独立执行，结果汇报
• MCP 是工具箱：基础能力，标准接口

最后的建议：

很多人追逐最新的 Agent 框架、最花哨的能力扩展，却忽略了最基础的问题：AI 的工作记忆是有限的，你怎么组织它，决定了它能做多复杂的事。

Skill、SubAgent、MCP 不是非此即彼的选择，而是三种工具，用对场景才能发挥价值。

2026 年，Agent 的竞争正在从"能调用多少工具"转向"怎么优雅地管理这些工具"。

掌握上下文管理的艺术，你的 AI Agent 才能真正变强。

---

参考资料

本文参考了以下资料：

核心灵感来源：

• Linux.do 社区讨论：Skill、SubAgent、MCP 三者设计理念
  https://linux.do/t/topic/1357260
• 推特宝玉老师 @dotey 关于 AI Agent 架构的深度分析

上下文管理相关：

• Context Pollution — When More Data Makes AI Less Reliable
  https://www.elixirdata.co/blog/context-pollution
• Context Engineering for AI Agents
  https://www.philschmid.de/context-engineering-part-2
• AI Agent 中的上下文工程 (Context Engineering)
  https://www.breezedeus.com/article/ai-agent-context-engineering
• Context Engineering Is the Real AI Advantage in 2026
  https://www.penn.ai/blog/context-engineering-is-the-real-ai-advantage-in-2026

Skill、SubAgent、MCP 设计：

• Skills, Subagents, Hooks, MCP
  https://code-smarter.com/claude-code-made-me-ridiculously-productive-skills-subagents-hooks-and-mcp
• Understanding Skills, Agents, Subagents, and MCP in Claude Code
  https://www.colinmcnamara.com/blog/understanding-skills-agents-and-mcp-in-claude-code
• Claude Skills, Prompts, Projects, Subagents, and MCP: A Complete Guide
  http://smartscope.blog/en/ai-development/claude-mechanisms-explained/

懒加载 Prompt 工程：

• How Lazy-Loaded Prompt Engineering is becoming the standard pattern
  https://sderosiaux.substack.com/p/how-lazy-loaded-prompt-engineering

---

欢迎关注公众号 FishTech Notes，一块交流使用心得！