Lovable 正把 AI 應用開發流程中的「前期探索」拆成更多背景工作。根據 AlternativeTo 與 Lovable 官方公告，Lovable 已推出 Subagents，讓系統能在需要時自動建立多個平行的背景代理，協助研究、探索、搜尋、檢視與 QA 任務。這項更新主要針對大型專案常見的等待時間與上下文負擔：當主代理需要先理解整個 codebase、查找相關檔案或研究外部資訊時，Subagents 可分頭執行這些唯讀工作，再把摘要回報給主代理，讓後續修改決策更快也更可追溯。
Subagents 讓專案探索從線性流程轉為平行流程
Lovable 官方將 Subagents 比喻為廚房中的分工團隊：主 Lovable agent 仍像主廚一樣負責判斷與最終動作，但可以派出多個 helper 去完成特定任務，例如查看 codebase 的不同區域、研究某個功能設計方向，或搜尋網路資料。過去大型專案的瓶頸常出現在 discovery process，AI 必須先逐步讀取檔案、理解架構、找出可能受影響的功能，然後才開始提出或執行變更。Subagents 則把這些探索步驟平行化，因此在檔案更多、功能更複雜的專案中，理論上能縮短等待時間並提高回答精準度。
唯讀模式是這次更新的核心限制
這次更新的關鍵並不是讓更多代理同時修改程式碼，而是讓它們在安全邊界內進行更深的背景探索。Lovable 明確表示，Subagents 可以深入整個 codebase、網路或任務所需範圍，但不能更改使用者的 app；真正的程式碼修改仍由主 agent 負責。這種唯讀設計讓 Subagents 能快速檢查、研究與回報，而不會在使用者尚未確認前改動專案。對開發者與產品團隊而言，這個限制反而有助於建立信任，因為背景代理的角色被限定在「找資料與提出發現」，不是直接進行不可預期的變更。
獨立 context window 改善大型專案的資訊負載
Lovable 也強調，每個 Subagent 都有自己的 context window。這代表它們不會攜帶主 agent 的完整對話歷史，也不會彼此交換所有細節，而是專注在被指派的單一任務上，完成後把重點摘要回傳給主 agent。這樣的設計能降低主 agent 的上下文負擔：主 agent 不必把每個檔案、每段研究過程與每次搜尋結果都塞進自己的短期記憶，而是接收較乾淨的研究筆記。對需要長時間迭代的專案來說，這有助於減少細節被混淆或先前資訊被淡化的情況。
活動紀錄可追蹤，使用者也能主動要求使用 Subagents
對使用者而言，Lovable 表示日常操作不需要改變，Subagents 會在系統需要時自動於背景啟動，且不會額外收費。使用者可在 activity view 中看到 Subagents 與一般讀取、搜尋、編輯等活動並列，進一步追蹤它們正在處理的工作，並把某些決策回溯到相關 Subagent 的發現。若使用者知道自己即將要求大型探索、深入研究、偵錯或重大功能規劃，也可以直接要求 Lovable「use subagents」。整體來看，這次更新顯示 AI 應用開發工具正在從單一對話助手，逐步走向具備背景分工、可追溯研究與上下文管理能力的多代理工作流。
新聞資料來源
https://alternativeto.net/news/2026/5/lovable-launches-subagents-for-faster-project-research/
https://lovable.dev/blog/subagents-in-lovable
https://x.com/Lovable/status/2059642341963804930