Перейти к содержанию

Patterns

На этой странице Hermes может запускать изолированные дочерние агенты для параллельной работы над задачами. Каждый подчиненный агент получает собственный диалог, терминальную сессию и набор инструментов. Назад возвращается только итоговая сводка — промежуточные вызовы инструментов никогда не попадают в ваш контекст.

Полную справку по функционалу см. Делегирование подчиненным агентам.

Когда делегировать​

Хорошие кандидаты для делегирования:

  • Подзадачи, требующие глубоких рассуждений (отладка, ревью кода, синтез исследований)
  • Задачи, которые засорили бы ваш контекст промежуточными данными
  • Параллельные независимые направления работы (исследование A и B одновременно)
  • Задачи с «чистым» контекстом, где вы хотите, чтобы агент подошёл без предвзятости

Используйте другое:

  • Одиночный вызов инструмента → просто используйте инструмент напрямую
  • Механическая многошаговая работа с логикой между шагами → execute_code
  • Задачи, требующие взаимодействия с пользователем → подчиненные агенты не могут использовать clarify
  • Быстрые правки файлов → делайте их напрямую
  • Долговременная работа, которая должна пережить текущий шаг → cronjob или terminal(background=True, notify_on_complete=True). delegate_task является синхронным: если родительский шаг прерван, активные дочерние задачи отменяются, а их работа отбрасывается.

Паттерн: Параллельное исследование​

Исследуйте три темы одновременно и получите структурированные сводки:

[code] Исследуй эти три темы параллельно: 1. Текущее состояние WebAssembly вне браузера 2. Внедрение серверных чипов RISC-V в 2025 году 3. Практические применения квантовых вычислений

Сосредоточься на последних разработках и ключевых игроках.

[/code]

За кулисами Hermes использует:

[code] 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"] } ])

[/code]

Все три выполняются одновременно. Каждый подчиненный агент независимо ищет в интернете и возвращает сводку. Затем родительский агент синтезирует их в связный обзор.

Паттерн: Ревью кода​

Делегируйте проверку безопасности подчиненному агенту с «чистым» контекстом, который подойдёт к коду без предубеждений:

[code] Проверь модуль аутентификации в src/auth/ на предмет проблем безопасности. Проверь SQL-инъекции, проблемы с валидацией JWT, обработку паролей и управление сессиями. Исправь всё, что найдёшь, и запусти тесты.

[/code]

Ключевое значение имеет поле context — оно должно включать всё, что нужно подчиненному агенту:

[code] 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"] )

[/code]

Проблема контекста

Подчиненные агенты абсолютно ничего не знают о вашем разговоре. Они начинают с полностью чистого листа. Если вы делегируете «исправь баг, который мы обсуждали», подчиненный агент понятия не имеет, о каком баге речь. Всегда явно передавайте пути к файлам, сообщения об ошибках, структуру проекта и ограничения.

Паттерн: Сравнение альтернатив​

Оцените несколько подходов к одной и той же задаче параллельно, затем выберите лучший:

[code] Мне нужно добавить полнотекстовый поиск в наше Django-приложение. Оцени три подхода параллельно: 1. PostgreSQL tsvector (встроенный) 2. Elasticsearch через django-elasticsearch-dsl 3. Meilisearch через meilisearch-python

Для каждого: сложность настройки, возможности запросов, требования к ресурсам
и затраты на поддержку. Сравни их и порекомендуй один.

[/code]

Каждый подчиненный агент независимо исследует один вариант. Благодаря изоляции отсутствует перекрёстное влияние — каждая оценка объективна сама по себе. Родительский агент получает все три сводки и проводит сравнение.

Паттерн: Многофайловый рефакторинг​

Разделите крупную задачу рефакторинга между параллельными подчиненными агентами, каждый из которых обрабатывает свою часть кодовой базы:

[code] 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"] } ])

[/code]

Совет Каждый подчиненный агент получает собственную терминальную сессию. Они могут работать в одном каталоге проекта, не мешая друг другу — при условии, что редактируют разные файлы. Если два подчиненных агента могут затронуть один и тот же файл, обработайте этот файл самостоятельно после завершения параллельной работы.

Паттерн: Сбор, затем анализ​

Используйте execute_code для механического сбора данных, затем делегируйте анализ, требующий рассуждений:

[code] # Шаг 1: Механический сбор (execute_code подходит лучше — рассуждения не нужны) 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"]})

# Извлечь полное содержимое из 5 наиболее релевантных
urls = [r["url"] for r in results[:5]]
content = web_extract(urls)

# Сохранить для этапа анализа
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")
""")

# Шаг 2: Анализ, требующий рассуждений (делегирование подходит лучше)
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"]
)

[/code]

Это часто самый эффективный паттерн: execute_code дешево обрабатывает 10+ последовательных вызовов инструментов, а затем подчиненный агент выполняет единственную дорогую задачу рассуждения с чистым контекстом.

Выбор набора инструментов​

Выбирайте наборы инструментов в зависимости от того, что нужно подчиненному агенту:

Тип задачи Наборы инструментов Почему
Веб-исследование ["web"] Только web_search + web_extract
Работа с кодом ["terminal", "file"] Доступ к оболочке + операции с файлами
Полный стек ["terminal", "file", "web"] Всё, кроме обмена сообщениями
Анализ только для чтения ["file"] Может только читать файлы, без оболочки

Ограничение наборов инструментов удерживает подчиненного агента в фокусе и предотвращает случайные побочные эффекты (например, подчиненный агент-исследователь, выполняющий команды оболочки).

Ограничения​

  • По умолчанию 3 параллельные задачи: пакеты по умолчанию запускают 3 одновременных подчиненных агента (настраивается через delegation.max_concurrent_children в config.yaml, без жесткого потолка, только минимум 1)
  • Вложенное делегирование — опционально: листовые подчиненные агенты (по умолчанию) не могут вызывать delegate_task, clarify, memory, send_message или execute_code. Агенты-оркестраторы (role="orchestrator") сохраняют возможность delegate_task для дальнейшего делегирования, но только когда delegation.max_spawn_depth поднят выше значения по умолчанию 1 (поддерживается 1–3); остальные четыре остаются заблокированными. Отключите глобально через delegation.orchestrator_enabled: false.

Настройка параллельности и глубины​

Параметр По умолч. Диапазон Эффект
max_concurrent_children 3 >=1 Размер параллельного пакета на один вызов delegate_task
max_spawn_depth 1 1–3 Сколько уровней делегирования могут порождать дальнейшие

Пример: запуск 30 параллельных рабочих с вложенными подчиненными агентами:

[code] delegation: max_concurrent_children: 30 max_spawn_depth: 2

[/code]

  • Отдельные терминалы — каждый подчиненный агент получает собственную терминальную сессию с отдельной рабочей директорией и состоянием
  • Нет истории разговора — подчиненные агенты видят только goal и context, которые передает родительский агент при вызове delegate_task
  • По умолчанию 50 итераций — установите max_iterations ниже для простых задач, чтобы сэкономить затраты
  • Не сохраняется — delegate_task является синхронным и выполняется внутри родительского шага. Если родительский шаг прерван (новое сообщение пользователя, /stop, /new), все активные дочерние задачи отменяются (status="interrupted"), а их работа отбрасывается. Для работы, которая должна пережить текущий шаг, используйте cronjob или terminal(background=True, notify_on_complete=True).

Советы​

Будьте конкретны в целях. «Исправь баг» — слишком расплывчато. «Исправь TypeError в api/handlers.py на строке 47, где process_request() получает None от parse_body()» — даёт подчиненному агенту достаточно информации для работы.

Указывайте пути к файлам. Подчиненные агенты не знают структуру вашего проекта. Всегда передавайте абсолютные пути к соответствующим файлам, корень проекта и команду для запуска тестов.

Используйте делегирование для изоляции контекста. Иногда нужен свежий взгляд. Делегирование заставляет вас чётко сформулировать проблему, а подчиненный агент подходит к ней без предположений, накопившихся в вашем разговоре.

Проверяйте результаты. Сводки подчиненных агентов — это всего лишь сводки. Если подчиненный агент говорит «баг исправлен, тесты проходят», проверьте, запустив тесты самостоятельно или прочитав дифф.

Полную справку по делегированию — все параметры, интеграцию с ACP и расширенную настройку — см. в разделе Делегирование подчиненным агентам.