# 递归委派深度税：嵌套子智能体塌方 ## 概述 2026年6月10日，Claude Code v2.1.172悄然落地嵌套子智能体（nested subagents），上限 depth=5；12天后，Codex CLI v0.142.0 上线委派模式（delegation modes）与令牌预算（token budgets），在"线程级"和"轮次级"双重粒度上治理多智能体自治。多智能体编排从"星型扇出"正式跨入"委派树"时代。本期聚焦这条新轴——**递归委派深度**——并拆解它带来的复利税：每深入一层，你换来一个干净的隔离上下文窗口，代价是令牌成本、延迟、追踪负担按层堆叠。depth 看似是配置项，实则是预算熔断器与收敛阀门。 ## 对比表：主流框架的委派深度模型 | 框架/工具 | 委派原语 | 默认/最大深度 | 上下文模型 | 治理手段 | |------|------|------|------|------| | Claude Code（v2.1.172+） | subagent（Task）即工具 | 硬上限 depth=5 | 每层独立隔离窗口 | 深度熔断 | | Codex CLI（v0.142.0+） | 委派模式 + agent-as-tool | 可配 | 线程级/轮次级预算 | token budget、mode | | LangGraph | 嵌套 subgraph | 无硬上限（自管） | 共享 State 对象 | checkpoint、递归限制 | | OpenAI Agents SDK | handoff / agent-as-tool | 无内置深度概念 | context 转移 vs 工具结果 | guardrails | | AutoGen | 嵌套 GroupChat | 无硬上限 | 对话历史共享 | max_turns、终止条件 | 注意：LangGraph/AutoGen "无硬上限"不是优势，而是把熔断责任甩给开发者；Claude Code 反向选择 depth=5 的硬墙，本质是把无限递归这个最危险的失败模式用编译期护栏挡死。 ## 一、星型 vs 委派树：架构形态的分水岭 理解深度税，必须先看清形态差异。扁平扇出（star）是 orchestrator 直接面对 N 个叶智能体，只有一层；orchestrator 的上下文里堆着所有子任务的规格与返回摘要，叶节点之间互不可见。这是 2024–2025 的主流形态，所谓 "Sub-Agents for Fan-Out"。 委派树（tree）则不同：子智能体本身还能再派生子智能体，形成 depth≥2 的递归结构。agentpatterns.ai 把代价讲得很直白——**嵌套层级用复利的令牌成本、延迟和追踪负担，换来"每层多一个隔离上下文窗口"**。树形态不是免费的并行，而是**串行链路上的上下文重建税**：根节点派生中层，中层重新建立自己的工作记忆后再派生叶节点，每一跳都要把任务重新规格化（re-specify）成一份"脱离父上下文也能独立执行"的指令。这正是抽象泄漏最贵的地方——你为隔离付费，隔离的代价是规格完整性。 ```mermaid graph TB subgraph Star["星型扇出 depth=1"] O1["Orchestrator
含全部上下文"] O1 --> A1["叶 A"] O1 --> A2["叶 B"] O1 --> A3["叶 C"] end subgraph Tree["委派树 depth=3"] R["Root
隔离窗口 L1"] R --> M1["Mid 1
隔离窗口 L2"] M1 --> L1["叶
隔离窗口 L3"] M1 --> L2["叶"] R --> M2["Mid 2"] M2 --> L3["叶"] end ``` ## 二、复利税模型：深度每加一层的四重代价 把深度税拆成可算的四项，而不是凭感觉喊"贵"。 **1) 规格重写税（re-specification）**：父节点无法把自己的完整上下文传给子节点（传了就失去隔离意义），必须把任务蒸馏成自包含指令。每深一层，蒸馏损失一次。一份需要 4000 token 才说清的隐含约束，到第二层可能只剩 1500 token 的描述，到第三层歧义放大。 **2) 结果回传损耗税（summarization loss）**：子节点执行完毕后，只把摘要回传。父节点永远拿不到叶节点的原始工作过程。深度越深，叶节点真实信息经过的"摘要-再摘要"层数越多，根节点看到的最终结果失真越严重——这是为什么 deep tree 常在叶节点"做对了"而根节点"理解错了"。 **3) 串行延迟税**：扇出是并行的（N 个叶节点同时跑），而委派链是串行的——根→中→叶必须顺序激活，critical-path 延迟随深度线性叠加。depth=5 意味着至少 5 段串行的模型激活 + 上下文加载。 **4) 窗口重建税**：每一层都是全新 context window，系统提示、工具定义、安全约束要重新注入。若每层固定开销约 S token，深度 D 的总固定开销为 D×S，且这部分 token 几乎不产生直接推理价值，是纯结构税。 用一条简化的成本公式定性表达：**总成本 ≈ Σ(每层规格税 + 窗口重建税) + 沿关键路径的串行激活次数 × 单次延迟**。深度 D 在分子上，分支因子 B 则影响总叶节点数。这套结构解释了一个反直觉现象——加深度比加宽度更危险：宽度摊薄在并行里，深度累加在串行链上。 ## 三、depth=5 硬墙：无限递归护栏的代价 Claude Code 在整个 2026 上半年都把"子智能体不能再派生子智能体"写成硬规则，这不是能力不足，而是**对无限递归的主动防御**。一个能自我委派的智能体，若没有终止条件，会沿"再派生一个更专精的自己"无限深入，每层吞噬一个新窗口，成本无上界——这正是最经典的失控失败模式。 v2.1.172 解禁到 depth=5，本质是把"绝对禁止"换成"预算熔断"。5 这个数字是工程取舍：足以表达"调研→细分→执行"的三段式乃至"质疑→反驳→复核"的对抗链，又留出安全余量。depth 不是越高越好——超过 3 层后，规格失真和追踪复杂度通常已经超过隔离带来的收益。**把 depth 当调参旋钮的人，往往会在 depth=4 时为 8% 的隔离收益支付 40% 的延迟税。** 务实的工程纪律是：默认在 depth≤2 运行，只有当任务确实存在天然的层级分解（如"先做侦察→再做分模块实现→再各自验证"）时才开到 3–4，并配预算上限兜底。 ## 四、Codex 的双重治理：线程级与轮次级 Codex CLI v0.142 的贡献不在"能不能嵌套"，而在**把深度从隐式默认变成显式治理对象**。它引入两个正交维度： - **委派模式（delegation modes）**：从"全自主"到"需监督"的滑块，控制子智能体能不经确认做到多深——这是行为护栏。 - **令牌预算（token budgets）**：在线程级（整次会话总量）和轮次级（单次交互）双层设上限——这是成本护栏。 双层很关键。线程级预算防的是"整棵委派树烧穿一个账户"，轮次级预算防的是"某一层在死循环里无限重试"。一个递归系统若只有总预算而无轮次预算，常见的失败是某一中层因为规格模糊反复派生叶节点，把额度耗尽在错误的那一层，根节点永远拿不到结果。Codex 的设计把这种"局部黑洞"用轮次上限切掉，是比单纯 depth 熔断更细的粒度。 ```mermaid sequenceDiagram participant U as 用户线程(总预算) participant R as Root participant M as Mid participant L as Leaf U->>R: 任务 + 线程预算 Note over R: 轮次预算检查 R->>M: 蒸馏规格(规格税) Note over M: 轮次预算检查 M->>L: 再蒸馏(损失放大) L-->>M: 摘要回传(回传损耗) M-->>R: 二次摘要 R-->>U: 最终结果(失真) Note over U: 任一预算击穿→熔断 ``` ## 五、追踪塌方：树不是列表，是迷宫 多智能体可观测性在扁平扇出时已经很难（每条 trace 要展开 N 个子段），嵌套后难度再上一阶——**trace 从一维列表变成二维树，且每层的上下文相互不可见**。agentpatterns 直接把"tracing burden"列为深度三税之一。 实战中三个高频塌方点：第一，**叶节点的真实失败被层层摘要吞掉**，根节点只看到"未能完成"，而叶节点最初的报错在第一次回传就被压缩成一句泛化描述。第二，**跨层因果断裂**，根节点无法把"最终结果错"回溯到"第三层规格写得歧义"，因为中间层的思考链从未持久化。第三，**span 爆炸**，depth=5、分支因子 3 的树有上百个节点，传统逐条展开的 trace 视图直接不可读。 解法是**为递归委派专门设计追踪面**：必须保留每层规格原文（不能只存摘要）、每层独立 span 并标注 depth/parent、提供"沿委派链下钻"而非"平铺"的视图。这也解释了为什么"可观测性后端横评"里能撑住递归的产品少之又少——大多数面向扁平扇出设计，遇树即崩。 ## 六、上下文压缩的逃逸阀，还是饮鸩止渴 嵌套委派常被包装成"对抗上下文压缩（compaction）的银弹"——把工作拆给子智能体，父节点窗口不被撑爆，从而避免压缩带来的信息丢失。danielvaughan 的实践笔记确认这是 2026 初构建复杂多智能体系统时真实存在的诉求。 但这只是把税从"压缩"挪到了"委派"。压缩税：在单窗口内丢失历史细节，但因果链还连续；委派税：保住了每个窗口的干净，但跨窗口的细节靠摘要传递，因果链被人为切断。**用委派逃压缩，等于用信息断层换上下文整洁**。判断标准很简单：如果子任务高度自包含、与父上下文耦合低，委派净赚；如果子任务频繁需要回查父上下文里的隐含约束，委派净亏——因为每回查一次都要重新把约束塞进规格。 ## 七、收敛阀门与回传失真：叶节点"做对了"≠根节点"理解对了" 递归系统还有一个被低估的失败模式：**收敛不是叶节点收敛，而是整棵树对根节点的汇报收敛**。即使每个叶节点都正确完成了自己被分配的子任务，经过多层摘要回传，根节点拼出的全局图景仍可能错。这和"五票同错"的共识幻觉是不同维度的病——后者是多智能体互相盲从，前者是单条委派链的信息逐级衰减。 缓解手段：一是在规格里强制要求"回传必须包含可验证的中间产物"（如文件路径、diff、数据引用），而非自然语言摘要；二是给关键链路设"对账层"——在 depth 中段插入一个只做"摘要-原文一致性核验"的中间智能体；三是降低可观测回报的深度，让根节点直接拿到原始产物的指针而非人话总结。 ## 八、选型与变现评估 **选型优先级**：任务层级天然清晰（侦察/实现/验证三段）→ depth 2–3 足矣，Claude Code 原生或 Codex 委派模式均可；任务高度并行同构 → 放弃委派树，回到星型扇出，省掉全部深度税；任务需要对抗式审查 → 用深度 2 的"执行者-质疑者"对偶，别堆到 4 层；需要审计/合规留痕 → 优先选追踪面支持递归树的框架（带 depth/parent span），可观测税决定成败。 **变现/训练营**：递归委派是 2026 少有的"听起来高级、落地有坑"的题材，适合做成"从星型到委派树"的结构化训练——核心卖点不是教 depth=5 怎么调，而是教**何时停在 depth=2**。这类课的差异化壁垒在于给出可量化的熔断阈值（轮次预算、规格 token 上限、回传一致性校验），而非泛泛的"多智能体更强大"。训练营最大风险是把深度当卖点鼓励学员堆层数，反而演示出延迟爆炸和结果失真——教学设计应反向，以"深度税账单"为主线，让学员自己算出每一层的 ROI。 ## 结论 递归委派深度是多智能体系统在 2026 新增的一条隐藏坐标轴。它带来的不是"更强"，而是"更深的隔离"——而隔离按层计费。Claude Code 的 depth=5 硬墙、Codex 的线程/轮次双预算、追踪面从列表到树的被迫升级，都在说同一件事：**深度的真正成本不在令牌，而在规格失真、串行延迟和信息断层这三条你打开账单才看到的暗线。** 把 depth 当调参旋钮的会亏，把 depth 当预算阀门来治理的才赚。 ## 参考来源 1. [Recursive Sub-Agent Delegation: Depth Limits and Trade-offs in Nested Hierarchies — AgentPatterns.ai](https://agentpatterns.ai/multi-agent/recursive-sub-agent-delegation-depth/) — 嵌套委派的复利令牌成本、延迟与追踪负担三税分析 2. [Claude Code v2.1.172: Nested Sub-Agents Are Here — ChatForest Builder's Log](https://chatforest.com/builders-log/claude-code-nested-sub-agents-depth-5-token-math-builder-guide/) — 2026-06-10 落地嵌套子智能体、depth=5 上限的工程记录 3. [Codex CLI v0.142 Delegation Modes and Token Budgets — Codex Knowledge Base](https://codex.danielvaughan.com/2026/06/23/codex-cli-v0142-delegation-modes-token-budgets-multi-agent-governance-thread-turn-controls/) — 2026-06-22 线程级/轮次级多智能体自治治理 4. [Context Window Management: Avoiding Compaction with Sub-Agent Delegation — Codex Knowledge Base](https://codex.danielvaughan.com/2026/03/27/context-window-management-subagent-delegation/) — 以委派对抗上下文压缩的实践取舍 5. [Recursive Multi-Agent Systems (arXiv:2604.25917)](https://arxiv.org/abs/2604.25917) — 递归作为推理时缩放新轴的研究综述 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。