Sub-Agent和主线程指标不可混比：实测差距达135倍

做了几千条线程的日志汇总，本来想产出一张"7个模型版本 × 5个行为指标"的对比表——真实负载，不是benchmark。结果一张被我跳过的交叉表（角色×模型）直接告诉我：之前那堆数字大部分是错的。

数字不会说谎，但会误导。

同一个模型，同权重，只因为跑的任务角色不同，指标可以差到135倍：

• A模型：主线程中位数47.8万tokens，子代理中位数6212，差距77倍
• D模型：主线程中位数18.5万，子代理1371，差距135倍
• B模型：主线程16,432，子代理14,157，差距只有1.2倍

这还只是第一层问题。

真正的坑在于行为指标的结构性失真。

看同文件重编辑率和错误恢复序列这两个指标：主线程层还能看出模型差异（0.40~0.53，以及1~2次恢复），但子代理层直接是6/7的模型恰好为0。

为什么？子代理是fire-and-forget——跑一次、干完就销毁，不会回头改同一个文件，根本也遇不到需要"恢复"的失败。指标在结构上就是零。所以子代理这个分层里，模型间信号完全不存在，所有信号全挤在主线程那7%的数据里。

最要命的是第三个数字：角色混合比例。

整个数据集里4890行，4533行（92.7%）是子代理产生的。但每个模型的主线程占比从1.5%到71.4%不等，跨度48倍。这是编排策略导致的——便宜模型被指派去做机械的fan-out任务，贵的模型留给我手动驱动。

于是你把所有行合在一起算均值，得到的就是一个"主要由子代理构成、但子代理占比因模型而完全不同"的混合体。合成出来的差异，在两个分层里都不存在。

这篇笔记对跑Agent观察管道的人有参考价值。原作者把模型名隐去了，理由是怕被误读成排名，这点很克制。跑分布、按角色分层、把主线程和sub-agent拆开看，才是正确姿势。

原帖在：https://hexisteme.github.io/notes/subagent-metrics-not-comparable-to-main-thread.html