委派与并行工作
Hermes 可以派生隔离的子 Agent 并行处理任务。每个子 Agent 各自拥有独立的对话、终端会话和工具集，最终只有摘要结果会返回给你——中间的工具调用不会进入你的上下文窗口。
完整功能参考，请参阅子 Agent 委派。
何时进行委派
适合委派的任务：
- 推理密集型子任务（调试、代码审查、研究综合分析）
- 会产生大量中间数据、将上下文窗口塞满的任务
- 互相独立、可并行的任务流（同时推进研究 A 和研究 B）
- 需要全新视角、不受对话历史偏见影响的任务
改用其他方式的情况：
- 单次工具调用 → 直接使用工具即可
- 步骤间需要逻辑判断的机械性多步工作 → 使用
execute_code - 需要用户交互的任务 → 子 Agent 无法使用
clarify - 快速文件编辑 → 直接操作即可
模式：并行研究
同时研究三个主题，获取结构化摘要：
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.
Hermes 在后台执行的是：
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"]
}
])
三个任务并发执行，每个子 Agent 独立搜索网络并返回摘要，父 Agent 随后将三份摘要汇总为一份连贯的简报。
模式：代码审查
将安全审查委派给拥有全新上下文的子 Agent，让它在没有先入之见的情况下审查代码：
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.
关键在于 context 字段——它必须包含子 Agent 所需的一切信息：
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"]
)
上下文问题 子 Agent 对你们之间的对话一无所知，它们从全新状态启动，毫无上下文。如果你委派"修复刚才提到的那个 Bug"，子 Agent 根本不知道你说的是哪个 Bug。务必显式传入文件路径、错误信息、项目结构和约束条件。
模式：比较方案
并行评估同一问题的多种解决方案，再择优选择：
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 独立研究一个方案。由于彼此完全隔离，每项评估结果互不影响——每个方案凭自身优劣独立接受审视。父 Agent 拿到三份摘要后再进行比较。
模式：多文件重构
将大型重构任务拆分给多个并行子 Agent，每个子 Agent 负责代码库的不同部分：
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"]
}
])
每个子 Agent 拥有独立的终端会话，可以在同一项目目录下工作而互不干扰——前提是它们编辑的是不同文件。如果两个子 Agent 可能操作同一个文件，请等并行工作完成后再自行处理该文件。
模式：先收集后分析
用 execute_code 进行机械性数据收集，再委派给子 Agent 完成推理密集型分析：
# 第一步：机械性收集（execute_code 更合适——此处无需推理）
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"]})
# 提取前 5 个最相关结果的完整内容
urls = [r["url"] for r in results[:5]]
content = web_extract(urls)
# 保存供分析步骤使用
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")
""")
# 第二步：推理密集型分析（委派更合适）
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"]
)
这往往是最高效的模式：execute_code 低成本地完成十余次顺序工具调用，子 Agent 则在干净的上下文中专注完成单次高价值推理任务。
工具集选择
根据子 Agent 所需功能选择工具集：
| 任务类型 | 工具集 | 原因 |
|---|---|---|
| 网络研究 | ["web"] | 仅需 web_search + web_extract |
| 代码工作 | ["terminal", "file"] | Shell 访问 + 文件操作 |
| 综合任务 | ["terminal", "file", "web"] | 除通讯功能外的所有工具 |
| 只读分析 | ["file"] | 只能读取文件，无 Shell 权限 |
限制工具集可以让子 Agent 保持专注，防止意外副作用（例如研究类子 Agent 误执行 Shell 命令）。
约束
- 最多 3 个并行任务——每批次最多 3 个并发子 Agent
- 不支持嵌套——子 Agent 不能调用
delegate_task、clarify、memory、send_message或execute_code - 独立终端——每个子 Agent 拥有独立的终端会话，工作目录和状态各自隔离
- 无对话历史——子 Agent 只能看到你在
goal和context中提供的内容 - 默认 50 次迭代——对于简单任务，可调低
max_iterations以节省费用
使用建议
目标描述要具体。 "修复 Bug"太模糊。"修复 api/handlers.py 第 47 行的 TypeError，process_request() 从 parse_body() 收到 None 值"才能给子 Agent 足够的信息展开工作。
提供文件路径。 子 Agent 不了解你的项目结构，务必提供相关文件的绝对路径、项目根目录以及测试命令。
利用委派实现上下文隔离。 有时你需要一个全新的视角。委派迫使你把问题说清楚，而子 Agent 不会带着对话中积累的假设和偏见去处理问题。
核验结果。 子 Agent 的摘要终究只是摘要。如果子 Agent 称"已修复 Bug 且测试通过"，请自行运行测试或查看 diff 加以验证。
完整委派参考——所有参数、ACP 集成和高级配置——请参阅子 Agent 委派。