委托与并行工作

Hermes 可以生成独立的子 Agent 来并行处理任务。每个子 Agent 拥有自己的对话、终端会话和工具集。只有最终的摘要会返回——中间的工具调用不会进入你的上下文窗口。

完整功能参考，请参见 子 Agent 委托。

---

何时委托

适合委托的场景：

• 需要大量推理的子任务（调试、代码审查、研究综合）
• 会让你的上下文被中间数据淹没的任务
• 并行独立的工作流（同时进行研究 A 和研究 B）
• 需要 Agent 不带偏见地处理的全新上下文任务

应使用其他方式的情况：

• 单个工具调用 → 直接使用工具
• 步骤间有逻辑的机械式多步工作 → execute_code
• 需要用户交互的任务 → 子 Agent 无法使用 clarify
• 快速文件编辑 → 直接操作
• 需要持久运行且必须跨越当前轮次的长期任务 → cronjob 或 terminal(background=True, notify_on_complete=True)。delegate_task 是同步的：如果父轮次被中断，正在运行的子任务会被取消，其工作也会被丢弃。

---

模式：并行研究

同时研究三个主题，并获取结构化的摘要：

并行研究以下三个主题：
1. 浏览器外 WebAssembly 的当前状态
2. 2025 年 RISC-V 服务器芯片的采用情况
3. 实用的量子计算应用

重点关注近期发展和关键参与者。

在幕后，Hermes 使用：

delegate_task(tasks=[
    {
        "goal": "研究 2025 年浏览器外的 WebAssembly",
        "context": "重点关注：运行时（Wasmtime、Wasmer）、云/边缘用例、WASI 进展",
        "toolsets": ["web"]
    },
    {
        "goal": "研究 RISC-V 服务器芯片的采用情况",
        "context": "重点关注：已出货的服务器芯片、云服务商的采用、软件生态",
        "toolsets": ["web"]
    },
    {
        "goal": "研究实用的量子计算应用",
        "context": "重点关注：纠错突破、实际用例、关键公司",
        "toolsets": ["web"]
    }
])

三个任务同时运行。每个子 Agent 独立搜索网络并返回摘要。父 Agent 随后将它们综合成一份连贯的简报。

---

模式：代码审查

将安全审查委托给一个全新上下文的子 Agent，让它不带先入之见地审查代码：

审查 src/auth/ 中的认证模块，查找安全问题。
检查 SQL 注入、JWT 验证问题、密码处理
和会话管理。修复你发现的任何问题并运行测试。

关键在于 context 字段——它必须包含子 Agent 所需的一切：

delegate_task(
    goal="审查 src/auth/ 的安全问题并修复发现的问题",
    context="""项目位于 /home/user/webapp。Python 3.11、Flask、PyJWT、bcrypt。
    认证文件：src/auth/login.py、src/auth/jwt.py、src/auth/middleware.py
    测试命令：pytest tests/auth/ -v
    重点关注：SQL 注入、JWT 验证、密码哈希、会话管理。
    修复发现的问题并验证测试通过。""",
    toolsets=["terminal", "file"]
)

上下文问题

Subagent 对你的对话一无所知。它们会从完全空白的状态开始。如果你委托“修复我们刚才讨论的那个 bug”，subagent 根本不知道你说的是哪个 bug。务必显式地传递文件路径、错误消息、项目结构和约束条件。

---

模式：比较多种方案

并行评估同一问题的多种方案，然后选出最佳：

I need to add full-text search to our Django app. Evaluate three approaches
in parallel:
1. PostgreSQL tsvector (built-in)
2. Elasticsearch via django-elasticsearch-dsl
3. Meilisearch via meilisearch-python

For each: setup complexity, query capabilities, resource requirements,
and maintenance overhead. Compare them and recommend one.

每个 subagent 独立研究一个选项。由于它们之间相互隔离，因此不会发生交叉干扰——每个评估都基于自身的优点。父 Agent 获取全部三个摘要，然后进行比较。

---

模式：多文件重构

将一个大型重构任务拆分给并行的 subagent，每个 subagent 处理代码库的不同部分：

delegate_task(tasks=[
    {
        "goal": "Refactor all API endpoint handlers to use the new response format",
        "context": """Project at /home/user/api-server.
        Files: src/handlers/users.py, src/handlers/auth.py, src/handlers/billing.py
        Old format: return {"data": result, "status": "ok"}
        New format: return APIResponse(data=result, status=200).to_dict()
        Import: from src.responses import APIResponse
        Run tests after: pytest tests/handlers/ -v""",
        "toolsets": ["terminal", "file"]
    },
    {
        "goal": "Update all client SDK methods to handle the new response format",
        "context": """Project at /home/user/api-server.
        Files: sdk/python/client.py, sdk/python/models.py
        Old parsing: result = response.json()["data"]
        New parsing: result = response.json()["data"] (same key, but add status code checking)
        Also update sdk/python/tests/test_client.py""",
        "toolsets": ["terminal", "file"]
    },
    {
        "goal": "Update API documentation to reflect the new response format",
        "context": """Project at /home/user/api-server.
        Docs at: docs/api/. Format: Markdown with code examples.
        Update all response examples from old format to new format.
        Add a 'Response Format' section to docs/api/overview.md explaining the schema.""",
        "toolsets": ["terminal", "file"]
    }
])

提示

每个 subagent 都有自己的终端会话。只要它们编辑的是不同文件，就可以在同一项目目录下工作而不会互相干扰。如果两个 subagent 可能操作同一个文件，请在并行工作完成后手动处理该文件。

---

模式：先收集再分析

使用 execute_code 进行机械式的数据收集，然后将推理密集型分析委托出去：

# Step 1: Mechanical gathering (execute_code is better here — no reasoning needed)
execute_code("""
from hermes_tools import web_search, web_extract

results = []
for query in ["AI funding Q1 2026", "AI startup acquisitions 2026", "AI IPOs 2026"]:
    r = web_search(query, limit=5)
    for item in r["data"]["web"]:
        results.append({"title": item["title"], "url": item["url"], "desc": item["description"]})

# Extract full content from top 5 most relevant
urls = [r["url"] for r in results[:5]]
content = web_extract(urls)

# Save for the analysis step
import json
with open("/tmp/ai-funding-data.json", "w") as f:
    json.dump({"search_results": results, "extracted": content["results"]}, f)
print(f"Collected {len(results)} results, extracted {len(content['results'])} pages")
""")

# Step 2: Reasoning-heavy analysis (delegation is better here)
delegate_task(
    goal="Analyze AI funding data and write a market report",
    context="""Raw data at /tmp/ai-funding-data.json contains search results and
    extracted web pages about AI funding, acquisitions, and IPOs in Q1 2026.
    Write a structured market report: key deals, trends, notable players,
    and outlook. Focus on deals over $100M.""",
    toolsets=["terminal", "file"]
)

这通常是最高效的模式：execute_code 廉价地处理 10 多个顺序工具调用，然后子 Agent 在干净的上下文中执行一次昂贵的推理任务。

---

工具集选择

根据子 Agent 的需求选择工具集：

任务类型	工具集	原因
网络研究	["web"]	仅 web_search + web_extract
代码工作	["terminal", "file"]	Shell 访问 + 文件操作
全栈	["terminal", "file", "web"]	除消息外的一切
只读分析	["file"]	只能读取文件，无 shell

限制工具集能让子 Agent 保持专注，并防止意外副作用（例如研究子 Agent 运行 shell 命令）。

---

约束

• 默认 3 个并行任务：批次默认最多 3 个并发子 Agent（可通过 config.yaml 中的 delegation.max_concurrent_children 配置，无硬上限，仅下限为 1）
• 嵌套委派为可选加入：叶子子 Agent（默认）不能调用 delegate_task、clarify、memory、send_message 或 execute_code。编排子 Agent（role="orchestrator"）保留 delegate_task 以进行进一步委派，但仅当 delegation.max_spawn_depth 提高到默认值 1 以上时（支持 1-3）；其余四个仍被阻止。通过 delegation.orchestrator_enabled: false 全局禁用。

调整并发与深度

配置项	默认值	范围	效果
max_concurrent_children	3	>=1	每次 delegate_task 调用的并行批次大小
max_spawn_depth	1	1-3	委派层级可以继续生成多少层

示例：运行 30 个并行工作器并嵌套子 Agent：

delegation:
  max_concurrent_children: 30
  max_spawn_depth: 2

• 独立的终端——每个子 Agent 拥有自己的终端会话，具有独立的工作目录和状态
• 无对话历史——子 Agent 只能看到父 Agent 在调用 delegate_task 时传递的 goal 和 context
• 默认 50 次迭代——对于简单任务，将 max_iterations 设低以节省成本
• 非持久——delegate_task 是同步的，在父轮次内运行。如果父轮次被中断（新用户消息、/stop、/new），所有活跃的子任务将被取消（status="interrupted"），其工作被丢弃。对于需要跨越当前轮次的工作，请使用 cronjob 或 terminal(background=True, notify_on_complete=True)。

---

提示

目标要具体。“修复 bug”太模糊。“修复 api/handlers.py 第 47 行的 TypeError，其中 process_request() 从 parse_body() 收到 None”给了子 Agent 足够的信息。

**包含文件路径。**子 Agent 不知道你的项目结构。始终包含相关文件的绝对路径、项目根目录和测试命令。

**利用委派实现上下文隔离。**有时你需要一个全新的视角。委派迫使你清晰地阐述问题，而子 Agent 在不受你对话中积累的假设影响的情况下处理它。 检查结果。 Subagent 摘要只是摘要而已。如果某个 subagent 说“已修复 bug，测试通过”，请通过自己运行测试或阅读 diff 来验证。

---

有关完整的委托参考——所有参数、ACP 集成和高级配置——请参阅 Subagent 委托。