一句话看懂：一位开发者公开了自己调度 Claude Code 子代理的实战方案：让最贵的 Fable 只做决策与评审，把读代码、写代码、查资料分派给 Opus、Sonnet 和 Haiku，从而把昂贵的缓存读取成本压下来。这为所有依赖大模型 Agent 做长任务的人提供了一个可复用的成本控制思路。
事件核心：发生了什么
作者在 Practical Systems 上披露了自己的 Claude Code 调度框架。起因是 6 月的一次事故：一个工作流脚本里的 agent() 调用没绑定模型，子代理默认继承父级模型，结果一行代码复制出 110 个 Fable 实例，一次跑光了整个五小时的用量窗口。
他随后把 Fable 定位成“决策者”，而不是“执行者”。9 月 17 日的审计显示，30 个会话、1943 轮对话产生了 3.34 亿次缓存读取 token；在他家目录下，一个 Fable 会话还没输入任何内容就已经占用 7.7 万到 8.3 万 token。真正的开销不是模型写了什么，而是它每一轮都在重读的上下文。
框架设了四类代理：opus-owner 负责大型或高风险任务，sonnet-implementer 在决策完成后写代码，haiku-scout 做只读查证，advisor 只回答单个问题且不超过 400 字。9 月 16 日以来的 86 次派生记录中，haiku-scout 中位数每次 1 次工具调用、约 1.75 万 token；sonnet-implementer 约 53 次、49.4 万 token；opus-owner 约 110 次、211.5 万 token。这些重活都不再进入 Fable 的上下文，Fable 只读每个代理结尾统一格式的“变更、验证命令、检查路径、未检查项”报告。
为什么重要
当前大模型 Agent 的瓶颈已经从“能力够不够”转向“成本扛不扛得住”。Fable 被不少用户抱怨用量消耗过快，作者认为部分责任在使用方式：让最贵的模型干了 Sonnet 或 Opus 该干的活，还让它在每一轮重新读取庞大的工具输出。
这套方案的价值在于把多代理编排从概念落到了工程细节：模型分层、权限图限制（只能向下派生、禁止同级派发）、统一证据格式、只读代理约束。它说明在闭源大模型 API 成本居高不下的阶段，决定 Agent 产品能否规模商用的可能不是模型智商，而是上下文管理和任务路由。
对用户/开发者/创作者的影响
对使用 Claude Code 或类似 Agent 工具的开发者：可以先检查子代理是否默认继承了昂贵模型，再用 hooks 强制路由。把测试日志、大范围 grep、构建输出交给便宜模型，主循环只接收摘要，是目前公开信息下最容易复制的降本动作。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对构建 Agent 产品的团队：“证据 footer”和“无证据视为未验证”这类约定，能减少主模型反复阅读原始记录的需要，也降低了幻觉被当作结论的风险。对创作者和独立开发者而言，这意味着用有限预算跑更长、更复杂的工作流是可行的，但前提是愿意花时间设计路由规则，而不是把全部任务丢给一个模型。
值得关注的后续
一，这套 harness 是个人开源实践，后续是否会有社区版本或官方 Claude Code 原生支持模型路由，值得观察。二，Anthropic 是否会对子代理继承模型的行为做出调整，或推出更细粒度的用量控制。三，随着 Fable、Opus、Sonnet 价格和上下文窗口变化，作者当前“缓存读取按十分之一计”的成本结论会不会被推翻，需要持续跟踪。
