ساب ایجنت کلاد چیست و چه وقت به کار می‌آید

ساب ایجنت کلاد یعنی یک دستیار جداگانه که کار مشخصی را انجام می‌دهد و نتیجه‌اش را به دستیار اصلی برمی‌گرداند. مهم‌ترین ویژگی‌اش این است که حافظه‌ی کاری خودش را دارد؛ یعنی هرچه در جریان انجام آن کار خوانده و دیده، در حافظه‌ی گفت‌وگوی اصلی شما نمی‌ریزد.

این جمله ساده به‌نظر می‌رسد ولی مشکل بزرگی را حل می‌کند. وقتی روی یک پروژه کار می‌کنید، حافظه‌ی گفت‌وگو به‌سرعت پر می‌شود از چیزهایی که فقط یک بار لازم بودند؛ محتوای ده فایلی که فقط برای پیدا کردن یک تابع خوانده شدند. هرچه این انباشت بیشتر شود، تمرکز مدل روی کار اصلی کمتر می‌شود.

چرا حافظه‌ی جدا اهمیت دارد

فکر کنید به میز کارتان. اگر برای پیدا کردن یک برگه، محتویات ده پوشه را روی میز خالی کنید، بعدش کار کردن روی همان میز سخت می‌شود.

دستیار اصلی هم همین‌طور است. هرچه اطلاعات بیشتری در گفت‌وگو انباشته شود، هم هزینه بالاتر می‌رود و هم دقت پایین می‌آید، چون مدل باید بین حجم زیادی از اطلاعات، مهم را از بی‌اهمیت جدا کند.

ساب ایجنت مثل این است که بگویید «تو برو در آن اتاق بگرد و فقط جواب را بیاور». جست‌وجو انجام می‌شود، ولی به‌هم‌ریختگی‌اش وارد میز شما نمی‌شود. اگر با مفهوم پایه آشنا نیستید، کلاد کد چیست نقطه‌ی شروع است.

سه کاربرد واقعی ساب ایجنت کلاد

جست‌وجوی گسترده. وقتی باید در ده‌ها فایل دنبال چیزی بگردید. ساب ایجنت می‌گردد و فقط مسیر و خط مربوطه را برمی‌گرداند، نه محتوای همه‌ی فایل‌ها.

بازبینی مستقل. بعد از اینکه کاری انجام شد، یک ساب ایجنت تازه‌نفس که تاریخچه‌ی تصمیم‌ها را ندیده، آن را بررسی می‌کند. چون درگیر منطق قبلی نبوده، ایرادهایی را می‌بیند که دستیار اصلی از کنارشان رد شده. این یکی از مفیدترین کاربردهاست.

کارهای موازی. چند بررسی مستقل که به هم ربطی ندارند و می‌توانند هم‌زمان انجام شوند؛ مثلاً بررسی امنیت و بررسی کارایی به‌صورت جدا.

الگوی مشترک هر سه: کاری که ورودی مشخص و خروجی کوتاه دارد، ولی وسط کار حجم زیادی اطلاعات تولید می‌کند.

چطور تعریف می‌شود

هر ساب ایجنت سه چیز لازم دارد.

یک وظیفه‌ی مشخص. هرچه دقیق‌تر، بهتر. «کد را بررسی کن» مبهم است؛ «دنبال جاهایی بگرد که ورودی کاربر بدون بررسی استفاده شده و فهرست فایل و خط را بده» مشخص است.

دسترسی محدود. فقط ابزارهایی که برای همان کار لازم است. ساب ایجنتی که قرار است فقط بگردد، نیازی به اجازه‌ی تغییر فایل ندارد. این هم امنیت را بالا می‌برد و هم جلوی کارهای ناخواسته را می‌گیرد.

قالب خروجی روشن. چون نتیجه قرار است به دستیار اصلی برگردد، باید کوتاه و ساختاریافته باشد. اگر خروجی یک متن طولانی باشد، همان مشکلی که می‌خواستید حل کنید دوباره برمی‌گردد.

یک مثال که تفاوت را نشان می‌دهد

فرض کنید روی یک پروژه‌ی متوسط کار می‌کنید و می‌خواهید بدانید یک قابلیت خاص در کدام بخش‌ها استفاده شده.

بدون ساب ایجنت، دستیار اصلی شروع می‌کند به باز کردن فایل‌ها. ده فایل، بیست فایل. محتوای همه‌شان وارد گفت‌وگو می‌شود و بعد از مدتی، وقتی برمی‌گردید سراغ کار اصلی، مدل بین انبوهی از کدِ بی‌ربط دنبال موضوع شما می‌گردد.

با ساب ایجنت، همان جست‌وجو انجام می‌شود ولی چیزی که به گفت‌وگو برمی‌گردد چهار خط است: این قابلیت در سه فایل استفاده شده، اینجا و اینجا و اینجا. کار اصلی شما دست‌نخورده می‌ماند و تمرکز مدل جای دیگری نرفته.

همین الگو برای حافظه‌ی بلندمدت پروژه هم صدق می‌کند؛ توضیحش را در حافظه برای Claude Code نوشته‌ام.

کِی به آن نیاز ندارید

این بخش را جدی بگیرید، چون بیشتر آدم‌ها بعد از آشنایی با این مفهوم، برای همه‌چیز ساب ایجنت می‌سازند.

اگر کار کوچک است و اطلاعات زیادی تولید نمی‌کند، ساب ایجنت فقط یک لایه‌ی اضافه است. هر بار که کار به یک دستیار جدا سپرده می‌شود، باید دستورالعملش دوباره فرستاده شود و نتیجه‌اش برگردانده شود؛ این خودش هزینه دارد.

اگر کار نیاز به تاریخچه‌ی گفت‌وگو دارد هم ساب ایجنت انتخاب بدی است. دستیار جدا نمی‌داند شما نیم‌ساعت قبل چه تصمیمی گرفتید، مگر اینکه برایش بنویسید — و اگر قرار باشد همه‌چیز را برایش بنویسید، دیگر صرفه‌جویی‌ای در کار نیست.

قاعده‌ی ساده: ساب ایجنت وقتی ارزش دارد که ورودی‌اش کوتاه، کارش پرحجم و خروجی‌اش کوتاه باشد.

نسبتش با مولتی‌ایجنت

این دو مفهوم به هم نزدیک‌اند ولی یکی نیستند.

ساب ایجنت یک رابطه‌ی مدیر و زیردست است؛ دستیار اصلی کار را می‌شکند و بخشی را می‌سپارد و نتیجه را جمع می‌کند. سیستم چندایجنتی می‌تواند شکل‌های دیگری هم داشته باشد، مثل زنجیره یا اجرای موازی با داور.

در عمل، ساب ایجنت ساده‌ترین و رایج‌ترین شکل کار با چند ایجنت است و برای شروع بهترین گزینه. الگوهای دیگر را در مولتی ایجنت چیست توضیح داده‌ام.

نکته‌ی هزینه هم مهم است: ساب ایجنت می‌تواند هزینه را کم کند، چون اطلاعات اضافه وارد گفت‌وگوی اصلی نمی‌شود؛ ولی اگر بیش از حد استفاده شود، خودش هزینه‌زا می‌شود. توضیح کاملش در کاهش مصرف توکن آمده.

مقالات مرتبط

اگر می‌خواهید کار با چند دستیار را عمیق‌تر یاد بگیرید، این مقاله‌ها را ببینید:

• کلاد کد چیست و چه فرقی با کلاد معمولی دارد؟
• مولتی ایجنت چیست و کِی واقعاً به آن نیاز دارید؟
• Claude Code Projects چیست؟ چند کلاد کد موازی در ابر
• هوش مصنوعی ایجنتیک چیست و چرا همه از آن حرف می‌زنند

سوالات متداول

آیا ساب ایجنت همان مدل اصلی است؟

می‌تواند باشد یا نباشد. برای کارهای ساده مثل جست‌وجو، مدل سبک‌تر هم کافی است و ارزان‌تر تمام می‌شود. برای بازبینی تخصصی، مدل قوی‌تر انتخاب بهتری است.

چند ساب ایجنت می‌توانم داشته باشم؟

از نظر فنی محدودیت خاصی نیست، ولی هرچه بیشتر تعریف کنید، انتخاب بین آن‌ها سخت‌تر می‌شود. با دو یا سه شروع کنید.

اگر نتیجه‌ی ساب ایجنت اشتباه باشد چه؟

دستیار اصلی نتیجه را می‌بیند و می‌تواند دوباره بخواهد. برای همین است که قالب خروجی روشن مهم است؛ خروجی مبهم را نمی‌شود ارزیابی کرد.

برای پروژه‌های کوچک هم به درد می‌خورد؟

معمولاً نه. ارزشش وقتی مشخص می‌شود که پروژه به‌اندازه‌ای بزرگ باشد که یک گفت‌وگو نتواند همه‌چیز را در خودش نگه دارد.

قدم بعدی

اگر می‌خواهید این‌ها را در عمل ببینید، ویدیوی کامل آموزش کلاد را تماشا کنید؛ نزدیک یک ساعت، از نصب تا کار روی یک پروژه‌ی واقعی و سپردن کارهای جانبی.

در فصل چهارم دوره‌ی سفر هوش مصنوعی همین چیدمان را روی یک پروژه‌ی واقعی می‌سازیم و می‌بینیم کجا واقعاً کیفیت را بالا می‌برد.

نکته‌های کوتاه‌تر هم در کانال یوتیوب منتشر می‌شود.