代码搜索实测：子 Agent 更贵却未更准

dev.to · AI#Claude#多智能体#成本评测

Editor brief · 编辑速览

作者在六个开源仓库上进行了 288 次代码定位测试，各条件正确项找回比例为 97%—100%，差异不足 2 个百分点。强制使用同模型子 Agent 后，费用增加 74%—221%，耗时约为原来的 2—3 倍；结论限于这组只读搜索任务。

文章思维导图

Knowledge map

拖拽缩放

AI deep read

AI 深度解读

给 Claude Code 加一句「使用子代理」，搜索会更完整吗？作者用 288 次运行测了这件事：普通代码检索的答案召回率几乎没变，每次成本却增加 74% 到 221%，耗时约为原来的 2 到 3 倍。

这组实验更值得程序员关注的，还有一个自动化陷阱：在 claude -p 模式下，子代理可能先返回进度消息，稍后才交答案。脚本只取第一条或最后一条结果，都可能把正确答案漏掉。

Claude Code 2.1.318 新增了子代理 effort 配置 CLAUDE_CODE_SUBAGENT_EFFORT。作者想验证一个直觉：把搜索交给 Explore 子代理，再提高推理投入，能不能找得更全。

测试覆盖 6 个开源仓库：undici、fastify、cachetools、Python-Markdown、anyio、zod，全部固定到具体 commit。12 道题都属于「找出所有位置」，例如找出 lib/ 中所有创建 RequestAbortedError 的地方，并给出所在函数。

答案不是人工凭印象列的。作者用正则扫描源码，再用解析器确定外围函数或类，共得到 151 个答案项。实验采用只读工具，以无界面模式运行 Haiku 5.5 和 Opus 5.5，每组重复 3 次：

12 × 2 × 4 × 3 = 288

其中 72 次没有子代理指令，216 次要求使用子代理。作者还在首次运行前，将问题、答案键的 sha256 和 15 个百分点的判定阈值预注册到 GitHub，减少看完结果再改标准的空间。

结果很一致：所有条件下，正确答案的召回率都在 97% 到 100%，条件之间的差异不到 2 个百分点。这里衡量的是标准答案找到了多少，不能据此判断所有解释都正确。

在这组普通代码检索任务里，子代理增加了开销，没有带来明显的召回收益。

Haiku 5.5 使用子代理后，单次成本增加 74% 到 116%；Opus 5.5 增加 143% 到 221%。耗时约为原来的 2 到 3 倍。

一个关键细节是：子代理始终与主代理使用同一模型。Opus 调用的是 Opus 子代理，并没有自动换成更便宜的模型。提高 effort 也没改善检索结果，Opus 的 medium 甚至比 high 更贵。这个结果不足以证明 medium 通常更贵，但足以提醒人：配置档位不能直接当作账单预测。

在没有明确指令时，Claude Code 也没有主动使用子代理：本次 72 次中为 0 次，作者此前另一份数据的 504 次中同样为 0 次。这只能描述这些样本中的行为，不能推断它面对所有任务都不会主动委派。

更隐蔽的问题出在结果读取上。2.1.318 的 Explore 在后台执行，claude -p 的一次运行可能产生多个 result 事件。第一条可能只是「搜索还在后台运行」，最后一条也可能只是「自主循环已停止」。

216 次子代理运行中，有 210 次的首条 result 不含答案。只读第一条，统计出的答案召回率会降到 0% 到 9%；只读最后一条，也可能错过中间已经返回的答案。另外，4 次 Haiku 运行给出了答案，却一直没有退出，最终触及作者设置的 20 分钟超时。

作者最初的评分器也只读最后一条，发现问题后改为合并全部 result 事件，并在预注册记录中说明修改，数据中保留了不同读取方式的结果。

接入 CI 时，「收到 result」「拿到答案」和「进程退出」需要分别处理。

作者对普通代码检索的建议有依据：别把「使用子代理」当成默认提示词，也别在没有测量收益时提高 effort。这些结论来自实际运行，全部 288 次记录按 CC BY 4.0 公开，验证路径比单纯展示几个成功案例更扎实。

但「子代理没用」超出了实验能支持的范围。两种模型不加指令时就已接近召回上限，剩余提升空间很小；测试对象是中等规模仓库，任务是定位代码位置，不能直接推广到大型 monorepo、跨模块分析或复杂实现任务。

实验还只覆盖一个 Claude Code 版本、一种提示措辞，每个组合重复 3 次。作者没有提供其他任务类型的对照数据，也没有比较直接使用 rg、AST 工具与模型检索的完整成本。因此，这份结果适合用来纠正「多代理必然更好」的预期，不能替所有团队决定搜索架构。

对位置明确、规则可描述的搜索，我会优先考虑确定性的检索工具，再让模型解释结果。这个取舍是工程判断，并非本次实验已经证明的优胜方案。