企业官网建设流程全解析

并行不阻塞：mercury-agent子代理多智能体模式完整教程（含文件锁与资源感知调度）

【免费下载链接】mercury-agentSoul-driven AI agent with permission-hardened tools, token budgets, and multi-channel access. Runs 24/7 from CLI, Telegram or More.项目地址: https://gitcode.com/gh_mirrors/me/mercury-agent

mercury-agent 是一款灵魂驱动（Soul-driven）的 AI 智能体，除强化权限的工具与 Token 预算外，最亮眼的功能就是子代理（Sub-Agent）多智能体模式：主代理把复杂任务拆解后并行委派给多个后台智能体，你无需等待、可以继续对话。本文带你完整理解它的工作原理、文件锁机制与资源感知调度，附全部实用命令清单。

为什么需要多智能体模式

传统 AI 智能体是单线程的：一个上下文窗口、一次只干一件事。让它"调研 + 写代码 + 写测试"，它只能顺序执行，每一步都在阻塞下一步。

子代理模式打破了这个瓶颈：

• 并行执行—— 多个任务在各自独立的上下文窗口中同时推进
• LLM 自主委派—— 主代理会根据任务复杂度自己决定何时拆解委派
• 非阻塞—— 子代理在后台干活，你可以继续正常聊天
• 文件锁—— 读写锁防止多个智能体同时写坏同一个文件
• 资源感知—— 并发上限根据你机器的 CPU 和内存自动检测

工作原理：主代理是调度器

你的消息 → 主代理（编排者） ├─ delegate_task("调研 X") → 子代理 a1（独立上下文） ├─ delegate_task("实现 Y") → 子代理 a2（独立上下文） └─ 继续对话 → 即时回复你

每个子代理拥有独立的上下文窗口（不会被主对话污染）、独立的步数预算（默认 25 步）、与主代理相同的权限系统，并通过文件锁与队友协作。委派动作由 delegate-task.ts 中的delegate_task工具触发，完成后会自动推送通知到你的来源渠道（CLI 或 Telegram）。

子代理命令速查表

💡 这些小斜杠命令走快速通道——即使主代理正忙也能即时生效，非常适合紧急干预。

文件锁：读写锁防止并发写冲突

多个智能体同时改代码，最怕的就是"你改一半我也改"。mercury-agent 用一套经典的读者-写者锁解决它，实现位于 file-lock.ts：

• 读锁：多个智能体可同时读同一文件；但只要别的智能体持有写锁，读请求就会被拒绝
• 写锁：排他锁。只要任何别的智能体持有该文件的任何锁，写锁就拿不到
• 自动释放：智能体结束时自动releaseAll，不会遗留僵尸锁
• 死锁检测：detectDeadlock()会周期性检查锁图，发现互锁就处理

在 sub-agent.ts 中可以看到锁的实际接入点：每次调用write_file/edit_file等工具前申请写锁，调用read_file/list_dir时申请读锁——拿不到锁就记录为"未能修改的文件"，而不是硬写。

资源感知调度：并发上限是怎么算出来的

子代理运行在主进程内，共享同一块 V8 堆内存，所以并发不能无脑拉满。resource-manager.ts 的算法很务实：

1. CPU 维度：max(1, 核心数 - 1)
2. 可用内存维度：(可用内存 - 1024MB) ÷ 512MB
3. 总内存维度：(总内存 ÷ 2) ÷ 512MB
4. 取三者最小值，且硬上限为3（MAX_CONCURRENT_SUB_AGENTS）
5. 可用内存不足 2GB 时，直接降为1

任务来了却满员怎么办？排队，而不是丢弃。调度器 supervisor.ts 会把它放进等待队列，任务板上显示 "Queued — waiting for slot"，一旦有智能体完成，队列按顺序自动补位。

一步配置：启用子代理模式

在~/.mercury/mercury.yaml中加入：

subagents: enabled: true maxConcurrent: auto # auto 自动检测，或手动指定数字 mode: auto # auto（LLM 决定委派）或 manual（用户控制）

也可以用环境变量覆盖：SUBAGENTS_ENABLED、SUBAGENTS_MAX_CONCURRENT、SUBAGENTS_MODE。想临时调并发，直接对话里发/agents set max 2即可，无需重启。

安全护栏：预算、步数与内存三重保险

并行不等于失控，mercury-agent 给子代理装了三重保险：

• 步数预算：默认 25 步用完后若任务没做完，状态置为paused（而非谎报完成），调度器最多自动续跑 3 次（supervisor.ts 中MAX_SUBAGENT_STEP_RESUMES），每次续跑会先检查磁盘上的进度、不重复劳动
• 内存治理：每步前后都检查 V8 堆使用率（memory-governor.ts），超警戒线先中止该子代理，逼近上限则保护性退出，防止拖垮整个进程
• Token 记账：每个子代理的输入/输出 Token 实时写入任务板，统一纳入全局 Token 预算；预算紧张时系统提示词会自动要求子代理"简洁作答"

任务板：所有进度的持久化快照

每个子代理都是任务板（Task Board）上的一张卡片：ID、任务描述、状态（pending/running/paused/completed/failed/halted）、进度、锁定的文件、Token 用量。卡片实时持久化到~/.mercury/memory/task-board.json（见 task-board.ts），重启也不丢，/agents随时可查全貌。

关键文件索引

最佳实践清单

1. 适合并行的任务才委派："一边调研 X 一边实现 Y" 这类天然可拆分的任务收益最大
2. 给独立工作目录：委派时可指定workingDirectory，物理隔离减少锁竞争
3. 最小化工具面：通过allowedTools给子代理只发它需要的工具，更安全也更省 Token
4. 善用/agents config：先看自动检测到的并发上限，再决定是否手动覆盖
5. 定期/agents巡检：长任务跑起来后，一眼看清谁在跑、谁在排队、谁被暂停

用一句话总结：mercury-agent 的子代理模式 =独立上下文+读写文件锁+资源感知排队+预算护栏，让"多个 AI 同时干活"既快又稳。

【免费下载链接】mercury-agentSoul-driven AI agent with permission-hardened tools, token budgets, and multi-channel access. Runs 24/7 from CLI, Telegram or More.项目地址: https://gitcode.com/gh_mirrors/me/mercury-agent