Gemini CLI 引入子代理机制与并行代理工作流，实现任务分发与多模型协同

Google Gemini 团队在最新的 Gemini CLI 版本中加入了子代理（sub‑agent）机制，并支持并行代理工作流（parallel agent workflow）。子代理允许在同一次对话中动态创建多个子任务，每个子任务由独立的 LLM 实例或工具链处理，完成后再将结果汇总返回给主代理。并行工作流进一步提升了吞吐量，多个子代理可以同时执行，系统会在所有子任务完成后统一返回合并结果。

关键特性

1. 子代理创建 API：gemini subagent create --model=<model> --prompt='<prompt>'，返回子代理 ID，后续可通过 gemini subagent run <id> 触发执行。
2. 并行调度：在工作流文件（YAML）中使用 parallel: 列表定义多个子任务，CLI 会自动并发调度。
3. 结果聚合：子代理返回的结构化 JSON 会被主代理统一解析，支持自定义聚合函数。
4. 跨模型协同：子代理可指定不同模型（如 Gemini‑1.5‑Flash、Gemini‑1.0‑Pro），实现强弱模型分工。

示例工作流

workflow:
  parallel:
    - name: 文本摘要
      model: gemini-1.5-flash
      prompt: "请对以下文章做 150 字摘要：{{input}}"
    - name: 关键要点提取
      model: gemini-1.0-pro
      prompt: "列出文章的 5 条关键要点"
  aggregate:
    method: combine
    format: markdown

执行 gemini run workflow.yaml --input "<article>" 后，CLI 会并行调用两个子代理，完成后返回合并的 Markdown 报告。

实现细节

• 调度层采用基于 asyncio 的任务池，默认并发数为 CPU 核心数的两倍，可通过 --max-concurrency 调整。
• 子代理状态管理使用本地 SQLite 数据库记录 ID、模型、输入、输出及执行时间，支持 gemini subagent status <id> 查询。
• 错误容错：子代理超时或异常时，主工作流可配置 fallback 策略（重试、使用备用模型或跳过）。

影响与使用场景

• 复杂任务拆解：如文档审阅、代码审计等需要多步骤处理的场景，可通过子代理并行完成，提高效率。
• 多模型协同：利用不同模型的专长（快速生成 vs. 高精度推理），实现成本与性能的平衡。
• 开发者友好：CLI 与 YAML 工作流的组合降低了编排门槛，无需自行实现分布式调度。

Gemini CLI 的子代理与并行工作流为 AI Agent 架构提供了更灵活的任务分发模型，预计将在企业级自动化和研发工具链中得到广泛应用。