claude-code

我把 Claude Code 的 Agent Teams 用了两周：省下的不是钱，是等待的时间

5 个组件的单元测试，以前要盯着屏幕等 12 分钟，用 Agent Teams 之后接杯水回来就搞定了。这篇记录真实配置过程、案例数据和踩坑经验。

SEO 关键词：Claude Code、Agent Teams、多实例并行、Subagent、Prompt Cache、按量付费、中转站、灵眸AI

上周给一个中型前端项目补单元测试，5 个核心组件一个覆盖率都没有。我把任务扔给 Claude Code，然后去接了杯水——回来的时候还以为自己记错了时间，5 个组件的测试已经全部生成完，前后不到 3 分钟。

以前这种活儿我是眼睁睁盯着屏幕看它一个一个写完的，12 分钟起步。这次省下的不是钱（token 消耗完全一样），是我不用再干等的那 10 分钟。这个功能叫 Agent Teams，这篇文章讲清楚它到底是什么、怎么配、什么时候该用，以及我自己踩过的几个坑。

一、Agent Teams 是什么：一句话说清楚

Agent Teams 是 Claude Code 官方在 2026 年 7 月上线的实验特性，让多个 Claude 实例针对同一任务的不同子任务同时运行，而不是像普通 Subagent（子代理）那样排队串行处理。

用施工做比喻：普通子代理是一个工人砌完一堵墙再去砌下一堵；Agent Teams 是直接叫来一个施工队，5 个人同时砌 5 堵墙。

	Agent Teams	普通 Subagent（子代理）
执行方式	并行	串行
适用场景	多个独立子任务同时进行	需要前一步结果才能进行下一步
完成速度	快（墙上时钟时间短）	慢（子任务时间累加）
配置复杂度	需要开实验开关	默认支持

判断标准很简单：如果几个子任务互相独立，不用等前一个做完才能开始下一个，就适合上 Agent Teams。反过来，如果任务之间有依赖关系（先读文档再写代码）、需要共享状态（多个 agent 读写同一份数据），或者简单到 10 秒就能搞定，开多实例反而是浪费。

二、怎么开启：两种方式，一个开关

方式一：写进 settings.json（推荐，长期生效）

打开配置文件：

macOS/Linux：~/.config/claude-code/settings.json
Windows：%APPDATA%\claude-code\settings.json

加这段：

{
  "env": {
    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "true"
  },
  "anthropic": {
    "baseURL": "https://api.lmuai.ai",
    "apiKey": "你的API密钥"
  }
}

保存重启，Agent Teams 立即生效。

方式二：临时开启（适合先测试再决定）

CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=true claude-code

验证是否生效：在 Claude Code 里输入 /help，看帮助信息里有没有出现 agent teams 或 teammates 相关命令，出现了就是配好了。

一句话结论：Agent Teams 配置本身只涉及客户端环境变量，跟你用哪家 API 服务商没关系——但服务商的并发上限、Cache 策略会直接影响并行的实际效果，这个第四节详细说。

三、真实案例：5 个 React 组件批量生成单元测试

拿我自己那次的真实数据说话：

执行方式对比：

串行（普通子代理）：逐个组件生成 → 耗时约 12 分钟
并行（Agent Teams）：5 个 agent 同时处理 → 耗时 2 分 30 秒

成本对比（同样是约 280K tokens）：

灵眸AI 按量成本：约 ¥6.7（280K × 0.3 × ¥15/M + 280K × 0.7 × ¥30/M）
官方 API 成本：约 $3.2（280K × 0.3 × $3/M + 280K × 0.7 × $15/M）

时间缩短 79%，成本几乎不变——这是 Agent Teams 最容易被忽略的一点：它优化的是墙上时钟时间，不是 token 消耗。5 个任务并行跑，总 token 数跟串行完全一样，只是账单上看起来"同时花了更多钱"，实际总额没变。

四、账单会叠加：中转场景下要注意的两件事

并发数是同时消耗，不是分批消耗

举个例子：单个 agent 处理一个任务消耗 50K tokens，同时启动 5 个 agent 并行处理 5 个任务，总消耗是 50K × 5 = 250K tokens——这笔账单是同一时刻打出去的，不是像串行那样一笔一笔慢慢出现。

250K tokens 假设 30% 输入 / 70% 输出：

官方成本：(250×0.3×3 + 250×0.7×15)/1000 = $2.85
灵眸AI 成本：(250×0.3×15 + 250×0.7×30)/1000 = ¥6.375（约 $0.88）

结论：并行确实快，但账单会按实例数叠加。按量计费比官方固定订阅更可控，因为你不用为"没用满的额度"付钱。

服务商的并发上限决定并行效果能不能兑现

部分服务商对并发请求数有限制（比如同时最多 5 个请求）。如果你启动的 agent 数量超过这个上限，多出来的会排队等待，Agent Teams 的并行优势直接打折。

我自己用的灵眸AI 按量计费套餐默认支持 10 并发，跑 5-8 个 agent 的场景完全够用，没遇到过排队。配置示例：

{
  "env": {
    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "true"
  },
  "anthropic": {
    "baseURL": "https://api.lmuai.ai",
    "apiKey": "sk-lmu-xxxxxx"
  },
  "maxConcurrentRequests": 5
}

maxConcurrentRequests 这个字段是用来防止瞬间打满配额的，配多少要看你自己的服务商上限。

五、我踩过的坑

坑1：以为开了就自动并行。第一次用的时候没在任务描述里说清楚，Claude 判断不出可以并行，还是老老实实串行跑。后来发现要么在描述里明确说"请启动 N 个 agent 并行处理这 N 个文件"，要么任务本身结构足够清晰（比如"给这 5 个文件分别写测试"），Claude 才会主动拆解并行。

坑2：Prompt Cache 没配好，多花了不少钱。每个 teammate agent 是独立会话，各自有自己的上下文和缓存。如果多个 teammate 需要相同的背景知识（比如项目 README），每个都会触发一次缓存写入成本。优化方式是让主会话先加载共享上下文触发缓存写入，启动 teammate 时传递必要信息，尽量利用主会话已经缓存的内容。灵眸AI 支持 1 小时缓存档（官方默认只有 5 分钟），长任务场景下这个差异挺明显。

坑3：一开始没搞清楚 Agent Teams 和 Workflow 的区别。简单说：Agent Teams 是"小组协作"，适合中小规模任务（5-10 个子任务）；Workflow 是"工厂流水线"，脚本化编排，适合大规模任务（15+ 个子任务），需要用户明确授权才能启动。简单任务用 Agent Teams 就够了，不用上升到写脚本编排。

六、这个功能不改变什么

会不会增加延迟？不会。单个请求的首字延迟（TTFT）不变，只是多个请求同时在跑，总的墙上时钟时间反而缩短了。串行是任务 A（2 分钟）+ 任务 B（2 分钟）= 4 分钟，并行是两个任务同时进行 = 2 分钟。

支持哪些模型？理论上支持所有 Claude 系列模型，但 teammate agents 通常跟主会话用同一个模型——你在主会话用 Sonnet 5，所有 teammate 也都是 Sonnet 5。

七、选服务商时该看什么

Agent Teams 把处理时间压缩 70-80%，代价是账单按实例数叠加，这时候服务商是不是"官方协议透明转发"、Cache 是不是完整支持，直接决定你多花的钱值不值。

我自己会优先确认两件事：

一是协议是否走官方 /v1/messages。这决定了 cache_creation_input_tokens、cache_read_input_tokens 这些字段是否完整可见，能不能自己核实计费。验证方法很简单，直接 curl 测一下：

curl https://api.lmuai.ai/v1/messages \
  -H "x-api-key: 你的密钥" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-3-5-sonnet-20241022",
    "max_tokens": 100,
    "messages": [{"role": "user", "content": "Hi"}]
  }'

返回正常 JSON（不是 403/500）就说明协议兼容，Agent Teams 能直接用——它不是某个服务商单独开发的功能,而是 Claude Code 客户端自带的多实例管理机制,只要服务商标准支持 Anthropic API,就能用。

二是模型是否真实，有没有把标注 Opus 的请求偷偷换成便宜模型。这两条比价格折扣更值得优先看，价格便宜但协议不透明、模型被偷换，省的钱远不够填坑。

灵眸AI 是我自己实测下来符合这两条的选择：官方协议透明转发，Cache 字段完整可核对，支持 1 小时缓存档，国内服务器直连不用挂代理，按量计费 ¥10 起充，Agent Teams 多实例并发默认支持到 10 个。想直接核算价格可以用开源的 calc.lmu.ai 比价工具，把自己的 token 用量填进去就能算出实际月成本。

最后

Agent Teams 不是那种"哪里都更强一点"的均匀升级，它只在一种场景下有意义：你手头有多个互相独立、可以拆开跑的子任务。批量代码生成、并行测试编写、多文件重构、多维度代码审查（一个 agent 查安全、一个查性能、一个查可维护性），都是这个模子。

如果你的工作大多是需要一步步来的（先读文档再写代码、需要中途确认方向），Agent Teams 帮不上什么忙，老老实实用普通子代理就好。但如果你也经常遇到"这几个文件其实互相独立，为什么还要一个个等"的场景，这个功能值得花十分钟配一下。

工具推荐

如果想直接把 Agent Teams 用起来，可以从这里开始：

Claude Code Agent Teams 官方说明：随 Claude Code 版本更新，/help 命令内可查看当前支持的 Agent Teams 相关命令
灵眸AI 注册入口：https://api.lmuai.ai/register?code=bF5zuCmw&utm_source=ghost&utm_medium=blog&utm_campaign=claude_code_agent_teams_config
成本计算器：https://calc.lmu.ai/ （填入你的月消耗和 Agent Teams 并发场景，自动算出实际月成本）

先拿一个真实的批量任务试一下，比看这篇文章里的数字更能判断适不适合你自己的工作流。

本文数据截至 2026-09-07。Agent Teams 实测环境：macOS / Claude Code 最新版 / 国内服务器节点直连。价格和配置细节可能随官方版本更新变化，接入前建议自行核对。