委托与并行工作

Hermes 可以派生出彼此隔离的子 agent，并行处理任务。每个子 agent 都有自己的对话、终端会话和工具集。只有最终摘要会返回给父 agent，中间的工具调用不会进入你的上下文窗口。

完整功能参考请参阅 Subagent Delegation。

什么时候该用委托

适合委托的任务：

推理密集型子任务（调试、代码审查、研究综合）
会把你的上下文塞满中间数据的任务
可以并行且彼此独立的工作流（例如同时研究 A 和 B）
需要“全新视角”的任务，希望 agent 在没有先入为主偏见的情况下重新接手

其它场景更适合用别的方式：

单个工具调用 -> 直接调用工具
需要多步机械执行、且步骤间存在逻辑控制 -> 用 execute_code
需要用户交互的任务 -> 子 agent 不能使用 clarify
快速文件编辑 -> 直接自己处理

模式：并行研究

同时研究三个主题，并拿回结构化摘要：

Research these three topics in parallel:
1. Current state of WebAssembly outside the browser
2. RISC-V server chip adoption in 2025
3. Practical quantum computing applications

Focus on recent developments and key players.

在底层，Hermes 会使用类似这样的调用：

delegate_task(tasks=[
    {
        "goal": "Research WebAssembly outside the browser in 2025",
        "context": "Focus on: runtimes (Wasmtime, Wasmer), cloud/edge use cases, WASI progress",
        "toolsets": ["web"]
    },
    {
        "goal": "Research RISC-V server chip adoption",
        "context": "Focus on: server chips shipping, cloud providers adopting, software ecosystem",
        "toolsets": ["web"]
    },
    {
        "goal": "Research practical quantum computing applications",
        "context": "Focus on: error correction breakthroughs, real-world use cases, key companies",
        "toolsets": ["web"]
    }
])

三个子任务会并发执行。每个子 agent 都会独立搜索 Web，并返回自己的总结。随后父 agent 再把这些结果综合成一份统一 briefing。

模式：代码审查

把安全审查委托给一个“全新上下文”的子 agent，让它在没有既有假设的情况下重新审视代码：

Review the authentication module at src/auth/ for security issues.
Check for SQL injection, JWT validation problems, password handling,
and session management. Fix anything you find and run the tests.

这里的关键是 context 字段，它必须包含子 agent 所需的全部信息：

delegate_task(
    goal="Review src/auth/ for security issues and fix any found",
    context="""Project at /home/user/webapp. Python 3.11, Flask, PyJWT, bcrypt.
    Auth files: src/auth/login.py, src/auth/jwt.py, src/auth/middleware.py
    Test command: pytest tests/auth/ -v
    Focus on: SQL injection, JWT validation, password hashing, session management.
    Fix issues found and verify tests pass.""",
    toolsets=["terminal", "file"]
)

The Context Problem

子 agent 对你当前会话里的内容一无所知。它们是彻底全新的。如果你只委托一句“修一下我们刚才讨论的那个 bug”，子 agent 根本不知道你说的是哪个 bug。一定要把文件路径、错误信息、项目结构和约束条件都显式传进去。

模式：并行比较备选方案

把同一个问题的多个方案拆开并行评估，再选择最优解：

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.

每个子 agent 独立研究其中一个方案。由于它们彼此隔离，不会相互污染结论，每个方案都能按自身优劣被单独评估。父 agent 则汇总三个结果并做最终推荐。

模式：多文件重构

把一个大型重构任务拆成多个并行子 agent，让它们分别负责代码库不同部分：

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

每个子 agent 都有独立的终端会话。只要它们编辑的是不同文件，就可以在同一个项目目录里并行工作而互不干扰。如果两个子 agent 可能会碰到同一个文件，最好把这个文件留给你在并行阶段结束后自己统一处理。

模式：先采集，再分析

让 execute_code 负责机械化采集数据，再把需要重推理的分析工作委托出去：

# 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之一：execute_code 先以较低成本完成 10+ 次顺序工具调用，然后把干净上下文交给子 agent 去做一次昂贵但高价值的推理任务。

选择工具集

根据子 agent 的任务类型来选 toolset：

Task type	Toolsets	Why
Web 研究	`["web"]`	只需要 `web_search` 和 `web_extract`
代码工作	`["terminal", "file"]`	需要 shell 和文件操作
全栈任务	`["terminal", "file", "web"]`	除消息平台外都需要
只读分析	`["file"]`	只能读文件，不能跑 shell

限制 toolset 能让子 agent 更聚焦，也能减少意外副作用（例如一个纯研究子 agent 不该去执行 shell 命令）。

约束

默认并发 3 个任务 —— 批量委托默认最多同时跑 3 个子 agent（可通过 config.yaml 中的 delegation.max_concurrent_children 调整；没有硬上限，只有最小值 1）
嵌套委托默认关闭 —— 叶子子 agent（默认）不能再调用 delegate_task、clarify、memory、send_message 或 execute_code。只有 orchestrator 子 agent（role="orchestrator"）在你把 delegation.max_spawn_depth 提高到默认值 1 以上时，才能继续做委托（支持 1-3）；其余四个工具仍然被禁用。也可以用 delegation.orchestrator_enabled: false 全局关闭
独立终端 —— 每个子 agent 都有自己的终端会话、工作目录和状态
没有会话历史 —— 子 agent 只能看到父 agent 在调用 delegate_task 时传入的 goal 和 context
默认 50 次迭代 —— 对简单任务可以把 max_iterations 设低一点，以节省成本

小贴士

目标要写具体。 “修一下 bug”太模糊了；“修复 api/handlers.py 第 47 行 process_request() 从 parse_body() 收到 None 导致的 TypeError”才足够让子 agent 上手。

一定要给文件路径。 子 agent 并不知道你的项目结构。相关文件的绝对路径、项目根目录、测试命令，都应该显式给出。

委托很适合做上下文隔离。 有时候你就是需要一个全新的视角。委托会逼你把问题表达清楚，而子 agent 会在没有你当前会话既有假设的情况下重新思考。

结果要复核。 子 agent 返回的是摘要，不是证明。如果它说“bug 已修好，测试已通过”，你最好还是自己再跑一下测试，或者读一下 diff 进行验证。

完整委托参考，包括所有参数、ACP 集成和高级配置，请参阅 Subagent Delegation。

什么时候该用委托​

模式：并行研究​

模式：代码审查​

模式：并行比较备选方案​

模式：多文件重构​

模式：先采集，再分析​

选择工具集​

约束​

小贴士​