一句话定义：子智能体委派（Sub-Agent Delegation）是指一个主智能体（Main Agent，也叫编排者 Orchestrator）把整体任务拆成若干子任务，连同完成这些子任务所需的工具权限、上下文和验收标准一起交给一个或多个子智能体（Sub-Agent）执行，最后汇总结果并决定下一步。
打个装修的比方。队长不亲自刷墙，他看图纸、拆工序、把钥匙和材料清单交给水电工和油漆工，工人干完回报，队长验收、该返工的返工。委派的关键在这三件东西：任务边界、钥匙、验收标准。 只把一句“你去做吧”转给子智能体，那只是传话，不算委派。
拆开看有四层机制。任务分解：主智能体保留全局目标和进度判断，把能独立完成的片段外包出去。权限随任务走：把可调用的工具（Tool）、可访问的数据范围、凭据一并打包下发，而且原则上要收窄到最小必要，不能把总钥匙给出去。上下文隔离：子智能体只拿与自己相关的那部分信息，干完只交回压缩后的结论，这样主智能体的AI 词典：上下文窗口">上下文窗口（Context Window）就不会被中间过程的冗长记录塞满。汇总与仲裁：主智能体合并结果、处理冲突，决定重试还是上报给人。
和相邻概念的区别值得说清：提示链（Prompt Chaining）的步骤是人预先写死的；委派中的任务分解，是模型在运行时自己决定的。工具调用（Tool Use / Function Calling）是“智能体使用工具”，委派是“智能体使用智能体”，后者多了目标与权限的传递。多智能体协作（Multi-Agent）是一个大筐，委派是其中一种有明确上下级和验收关系的拓扑，不是平等商议。
| 维度 | 单智能体直做 | 子智能体委派 |
|---|---|---|
| 上下文 | 全流程都在一个窗口里 | 子任务各自隔离，只回传结论 |
| 权限 | 一个主体握着所有工具 | 按子任务下发，可收窄 |
| 失败处理 | 整体重来 | 只重跑失败的那一路 |
| 代价 | 简单直接 | 多了协调与汇总开销 |
对从业者来说，难点不在提示词写得多漂亮，而在四件事：子任务边界是否清晰、工具权限是否最小必要、返回契约（要求交什么格式的结果）是否明确、失败信息怎么回传。对普通职场人来说，以后用 AI 产品时，“它想了很久”可能不是它自己在想，而是派了几路人在分头干；进度条背后是一张分工表。
评测也在往这个方向走。像 MS-Eval 这类评测体系，正把 MCP（Model Context Protocol）密集场景下的委派能力作为核心考察对象：工具多、权限杂、子任务互相依赖时，主智能体能不能拆对、授对权、合对结果。这比单轮问答更接近真实工作。具体口径与榜单以官方页面为准。