第12篇：子代理委派——AI 的分身術

這篇講的是：如何讓 Hermes Agent 同時派出多個「分身」去幹活，再把結果彙總給你——就像你同時僱了三個實習生，各幹各的，最後交報告。

為什麼要用「分身」？

想像一下：你讓一個助手去查資料、改程式碼、做調研。如果它一件一件做，又慢又容易亂。子代理委派（Subagent Delegation）就是讓主代理臨時創建幾個獨立的「小代理」，每個小代理有全新的對話記憶，只專注於你交給它的那一件事。幹完後，它只把最終結論彙報給主代理，中間過程完全不打擾你。

⚠️ 重要：分身什麼都不知道！
小代理的腦子裡是空的。它不知道你之前聊了什麼，也不知道「那個錯誤」指的是什麼。你必須在派活時，把所有背景資訊寫清楚。

第1步：派一個分身幹單件事

最基礎的用法，就是給一個目標（goal）和背景（context）：

delegate_task(
    goal="除錯為什麼測試失敗",
    context="錯誤資訊：test_foo.py 第42行斷言失敗"
)

注意：背景寫得越詳細，分身幹得越好。下面這個例子就是「壞」和「好」的對比：

# ❌ 壞——分身不知道「那個錯誤」是什麼
delegate_task(goal="修復那個錯誤")

# ✅ 好——所有資訊都給全了
delegate_task(
    goal="修復 api/handlers.py 裡的 TypeError",
    context="""檔案 api/handlers.py 第47行報錯：
    'NoneType' object has no attribute 'get'。
    函式 process_request() 從 parse_body() 拿資料，
    但 Content-Type 缺失時 parse_body() 回傳 None。
    專案在 /home/user/myproject，用 Python 3.11。"""
)

第2步：一次派多個分身（平行批次處理）

預設最多同時跑 3 個分身（可以改設定）。把任務放在一個清單裡就行：

delegate_task(tasks=[
    {"goal": "調研主題A", "context": "重點關注近期原始資料"},
    {"goal": "調研主題B", "context": "比較主流解釋"},
    {"goal": "修復建置失敗", "context": "專案根目錄：/home/user/project"}
])

Hermes 會平行跑這三個任務，全部完成後，把結果按你給的順序彙總成一條訊息發給你。

第3步：給分身換一個更便宜的模型

分身預設用和主代理一樣的 AI 模型。如果你想省錢，可以讓分身用便宜快速的模型：

# 在 ~/.hermes/config.yaml 裡
delegation:
  model: "google/gemini-flash-2.0"   # 便宜模型
  provider: "openrouter"             # 可選：換供應商

第4步：控制分身的工作量

最大疊代次數：分身最多能呼叫多少次工具（預設50次）。簡單任務可以調小：

delegate_task(
    goal="快速檢查檔案",
    context="檢查 /etc/nginx/nginx.conf 是否存在，列印前10行",
    max_iterations=10   # 簡單任務，10次夠了
)

逾時時間：預設沒有硬性逾時。以前有10分鐘上限，結果深度程式碼審查這種活經常被掐斷。現在只要分身還在幹活（比如在等模型回覆），就不算卡死。只有它完全沒動靜（不呼叫API、不啟動工具）才會被判定為「卡住」。

實用場景舉例

平行調研：一次查三個話題（WebAssembly、RISC-V、量子運算），各寫各的報告。

程式碼審查+修復：讓分身在一個全新環境裡審查登入模組的安全性，發現問題直接改，然後跑測試。

大範圍重構：把「把所有 print() 改成 logging」這種會刷爆主代理記憶的活，丟給分身去幹，它幹完只彙報結果。

小總結

子代理委派就是把大任務拆成小任務，分給多個「失憶」但專注的分身。關鍵記住兩點：背景資訊給足、任務描述清楚。這樣你就能同時幹好幾件事，效率翻倍。

下篇預告：分身們幹活時，你還能繼續和主代理聊天——下一篇講講背景任務與訊息佇列，看看 Hermes 是怎麼做到「邊聊邊幹」的。