Субагенты решают конкретную физическую проблему LLM — деградацию при росте контекста. Формально Claude держит 200k токенов. Gemini — миллион. На практике стабильная работа обрывается где-то на 100-200k, дальше модель «видит» текст, но всё хуже его учитывает. Stanford называл это «Lost in the Middle»: важные решения из середины длинного диалога просто игнорируются. Субагент стартует с чистого листа. Оркестратор получает только итоговое резюме — не сотни строк логов, не содержимое прочитанных файлов, не историю. Только результат. Контекст остаётся чистым. И отсюда следует нетривиальный вывод. Если субагент работает хорошо ровно тогда, когда получает чёткое, изолированное задание — то качество всей системы начинает определяться не мощностью модели и не количеством агентов. Оно определяется качеством декомпозиции задачи. Статья на Хабре это признаёт: планировщик — самая важная роль во всей цепочке. Без хорошей декомпозиции даже идеальные субагенты делают не то. Мы привыкли думать о качестве промпта — что и как написано в запросе. Теперь появляется другой уровень: как задача разбита на атомарные единицы. Какой контекст получает каждая. Что возвращает. Это отдельное инженерное мышление. Новое искусство проектирования — и пока оно не формализовано, результат работы агентов будет непредсказуемым независимо от модели. https://habr.com/ru/articles/1006602/