第12篇：子代理委派——AI 的分身术

这篇讲的是：如何让 Hermes Agent 同时派出多个“分身”去干活，再把结果汇总给你——就像你同时雇了三个实习生，各干各的，最后交报告。

为什么要用“分身”？

想象一下：你让一个助手去查资料、改代码、做调研。如果它一件一件做，又慢又容易乱。子代理委派（Subagent Delegation）就是让主代理临时创建几个独立的“小代理”，每个小代理有全新的对话记忆，只专注于你交给它的那一件事。干完后，它只把最终结论汇报给主代理，中间过程完全不打扰你。

⚠️ 重要：分身什么都不知道！
小代理的脑子里是空的。它不知道你之前聊了什么，也不知道“那个错误”指的是什么。你必须在派活时，把所有背景信息写清楚。

第1步：派一个分身干单件事

最基础的用法，就是给一个目标（goal）和背景（context）：

delegate_task(
    goal="调试为什么测试失败",
    context="错误信息：test_foo.py 第42行断言失败"
)

注意：背景写得越详细，分身干得越好。下面这个例子就是“坏”和“好”的对比：

# ❌ 坏——分身不知道“那个错误”是什么
delegate_task(goal="修复那个错误")

# ✅ 好——所有信息都给全了
delegate_task(
    goal="修复 api/handlers.py 里的 TypeError",
    context="""文件 api/handlers.py 第47行报错：
    'NoneType' object has no attribute 'get'。
    函数 process_request() 从 parse_body() 拿数据，
    但 Content-Type 缺失时 parse_body() 返回 None。
    项目在 /home/user/myproject，用 Python 3.11。"""
)

第2步：一次派多个分身（并行批处理）

默认最多同时跑 3 个分身（可以改配置）。把任务放在一个列表里就行：

delegate_task(tasks=[
    {"goal": "调研主题A", "context": "重点关注近期原始资料"},
    {"goal": "调研主题B", "context": "比较主流解释"},
    {"goal": "修复构建失败", "context": "项目根目录：/home/user/project"}
])

Hermes 会并行跑这三个任务，全部完成后，把结果按你给的顺序汇总成一条消息发给你。

第3步：给分身换一个更便宜的模型

分身默认用和主代理一样的 AI 模型。如果你想省钱，可以让分身用便宜快速的模型：

# 在 ~/.hermes/config.yaml 里
delegation:
  model: "google/gemini-flash-2.0"   # 便宜模型
  provider: "openrouter"             # 可选：换供应商

第4步：控制分身的工作量

最大迭代次数：分身最多能调用多少次工具（默认50次）。简单任务可以调小：

delegate_task(
    goal="快速检查文件",
    context="检查 /etc/nginx/nginx.conf 是否存在，打印前10行",
    max_iterations=10   # 简单任务，10次够了
)

超时时间：默认没有硬性超时。以前有10分钟上限，结果深度代码审查这种活经常被掐断。现在只要分身还在干活（比如在等模型回复），就不算卡死。只有它完全没动静（不调API、不启动工具）才会被判定为“卡住”。

实用场景举例

并行调研：一次查三个话题（WebAssembly、RISC-V、量子计算），各写各的报告。

代码审查+修复：让分身在一个全新环境里审查登录模块的安全性，发现问题直接改，然后跑测试。

大范围重构：把“把所有 print() 改成 logging”这种会刷爆主代理记忆的活，丢给分身去干，它干完只汇报结果。

小总结

子代理委派就是把大任务拆成小任务，分给多个“失忆”但专注的分身。关键记住两点：背景信息给足、任务描述清楚。这样你就能同时干好几件事，效率翻倍。

下篇预告：分身们干活时，你还能继续和主代理聊天——下一篇讲讲后台任务与消息队列，看看 Hermes 是怎么做到“边聊边干”的。