先说结论：AI 不是员工，是一组岗位

很多人用 AI 提效失败，不是模型不行，而是把所有事都丢给同一个聊天框：选题、拆解、写稿、校对、排版、复盘，全让一个 AI 一口气做。结果它一会儿像策划，一会儿像编辑，一会儿像实习生，最后产出就变成“看着完整，但不够准”。subagent 的价值，不是炫技，而是把 AI 从“万能助手”拆成“多个小岗位”。

为什么要拆成 subagent

真正影响效率的，不是多开几个窗口，而是给每个 agent 固定身份、任务边界和上下文。一个“选题判断 agent”只负责判断值不值得写，不负责写正文；一个“结构 agent”只负责把观点排顺，不负责润色；一个“质检 agent”专门挑毛病。边界越清楚，AI 越不容易跑偏，人也越容易验收。

对内容和教育行业尤其明显。内容生产不是写字那么简单，前面有洞察，后面有交付。把所有步骤揉在一起，AI 很容易写出正确废话；拆开以后，每一步都被迫交付一个可判断的结果。

一个可落地的四段式

第一步，建“判断员”。它只回答三个问题：这个题值不值得做？适合谁？最容易讲错在哪里？输出不要长，最好是“做 / 不做 / 延后”和理由。

第二步，建“拆解员”。它把一个方向拆成方法论、案例、步骤、误区、清单。注意，它不写成文，只产出骨架。这样能避免一上来就生成一篇松散长文。

第三步，建“表达员”。它根据骨架写给目标读者看。这里才谈语气、标题、开头钩子、例子密度。普通人要听得懂，教育从业者要能拿去改流程。

第四步，建“质检员”。它不负责夸稿子，只查四件事：有没有空话？有没有泄露不该写的信息？步骤能不能执行？有没有把不确定的东西说死？

专属提示词要短，但要硬

很多人给 agent 写 prompt，喜欢写一大段人设。其实更有用的是三类硬约束：你只做什么、你绝不做什么、你的输出格式是什么。比如：“你只判断选题价值，不写正文；凡涉及内部客户、路径、账号、商机一律跳过；输出 3 条判断和 1 条风险。”这比“你是资深专家”有用得多。

上下文边界比模型更重要

subagent 最容易踩的坑，是把所有资料都塞给每个 agent。这样看似信息充分，实际会互相污染。判断员不需要看全部素材，表达员不需要知道内部流程，质检员最好站在外部读者视角。上下文越干净，结果越像一个稳定工种，而不是临场发挥。

最小上手清单

先别搭复杂系统，拿一个高频任务试：比如写一篇公众号、做一节课纲、整理一次运营复盘。把它拆成 3 个 agent：判断、生成、质检。每个 agent 只保留 5 行提示词，连续跑 5 次，记录哪里省时间、哪里还需要人拍板。

我的判断是：subagent 不是让 AI 替你管理一切，而是让你把脑子里的工作流显性化。对普通人来说，这是提效；对内容和教育从业者来说，这是把经验变成可复制流程的开始。