Claude Code推出的Agent Teams功能，让AI编程进入了多智能体协同的新阶段。这项功能能否被国内主流大模型所驾驭？一次实测给出了答案，揭示了国产模型在复杂任务调度上的真实能力，为开发者提供了极具价值的参考。
智能速览
Claude Code的Agent Teams功能已可被多个国产大模型调用。
实测显示，JLM-4.7、Kimi K2.5及Minimax M2.1均能成功启动多Agent协作。
启用此功能需在settings.json中进行特定参数设置。
部分本地小模型在当前版本中尚无法稳定运行该功能。
用户反馈显示，该技术在多任务处理和代码分析上潜力巨大。
精华内容
Claude Code新上线的Agent Teams功能，标志着AI编程进入协同工作新阶段。那么，国内主流大模型能否驾驭这一复杂能力，为开发者带来实际效率提升？通过实际测试，答案已经浮现。
功能开启指南
要在Claude Code中使用Agent Teams，需确保客户端为最新版本，并在其配置目录下的`settings.json`文件中，将特定参数设置为1。完成这一步简单配置后，即可向支持的模型下达创建Agent团队的指令，开启多智能体协同工作的新体验。
主流模型实测表现
测试选择了JLM-4.7、Kimi K2.5和Minimax M2.1三款主流国产模型。在收到“创建Agent团队调查代码”的指令后，JLM-4.7响应迅速，成功启动了多个分工明确的Agent。
Kimi K2.5同样成功完成了任务，但启动过程相对耗时较长。Minimax M2.1在首次尝试时出现错误，但第二次请求便顺利启动了所有Agent，显示出较好的容错与重试能力。
本地模型的挑战
并非所有模型都能运行此功能。测试发现，如JLM-4.7 Flash这类规模较小的本地部署模型，目前还无法稳定调用Agent Teams功能。这表明，运行复杂的Agent协作任务对模型的综合能力仍有较高要求，本地化部署尚需时日来追赶云端大模型的步伐。
用户反馈与应用前景
站外用户的讨论热情高涨。有开发者观察到Agent在任务分配上可能存在职责边界模糊的问题，例如前端Agent处理后端任务。同时，也有用户兴奋地表示，一旦掌握此类工具，传统的编程语法学习模式可能被颠覆，更多人将专注于逻辑与架构设计。有用户甚至已成功利用该技术接入了微信等复杂应用。
本次实测证实，国产大模型已具备运行复杂Agent Team协作的能力，为AI辅助编程打开了新的大门。尽管在稳定性和任务理解上仍有提升空间，但其展现出的多任务处理潜力预示着开发工作流的未来变革。这是否意味着AI将从单兵工具进化为团队伙伴？
关键评论
有开发者指出，目前Agent的职责边界划分不够清晰，出现了前端处理后端任务的情况。
有用户认为，掌握该技术后，学校里传统的语法架构学习可能变得不再重要。
有用户反馈，Qwen3-coder-next模型也能成功运行，并且开启10个Agent的速度很快。
有用户分享了实际应用，已通过该技术实现了微信的简单接入。
