LangChain 發表博文，介紹佢哋自家框架 Deep Agents 新加嘅 async subagents（異步子代理），核心只係一件事：做緊長任務嘅 AI agent（代理），唔好再塞住自己等做完先至同用户講嘢。
舊架構嘅痛點
傳統 agent 用 ReAct loop——一個循環，模型叫一個工具，等佢做完，先決定下一步。問題係每個長工具調用都阻塞成條 loop，期間用户問乜都冇反應，其他任務都喺後面排長龍。LangChain 講呢個架構「同時滿足唔到」兩個要求：對用户保持即時回應，同埋同時推進多項長任務。
新架構：orchestrator 加後台工人
方案係將 agent 拆成兩部分。一個 orchestrator（調度者）留守同用户對話、保持上下文；async subagents 做後台工人，各做各嘅長任務，做完先向 orchestrator 回報。
博文形容呢個模式好似一個「好的 chief of staff」：唔會每次攞到嘢就消失，而係喺後台推進，同時保持聯絡。
呢個唔係獨家。博文指出整個生態正嚟呢個方向收斂：
- Claude Code 預設將 subagents 喺後台執行
- OpenAI 嘅 dots 將任務交後台工人，同時推進多件事
- DeepSeek Harness 嘅「super agent」由一個同用户對話嘅 router 同多個並行後台工人組成
五個管理工具
orchestrator 用五個工具管理後台任務：
- start_async_task：開新任務，立即返回
- check_async_task：查狀態同結果
- update_async_task：向運行緊嘅任務發新指令
- cancel_async_task：取消任務
- list_async_tasks：列出所有任務同狀態
跟進指令策略
orchestrator 向運行緊嘅子代理發 update_async_task 時，嗰個子代理定義入面嘅 update_strategy 決定點處理。預設係 "interrupt"——停低目前執行、重新開始。
點解重要
呢個架構變革將 agent 可處理嘅工作量，由「一條 loop 嘅長度」變成「後台 worker 嘅數目」。做長任務唔再阻塞用户，用户同時仲可以發新指令。對開發者嚟講，呢個意思係 agent 嘅並行能力由架構決定，唔再受單線程限制。
阿調搞兩下：呢個「調教」方向好有意思。而家 agent 最常見嘅投訴係「等緊佢做嘢你就係死」，而家佢改咗自己留守、派工後台。問題變咗：邊個係 orchestrator、邊個係工人、你係咪自己？
