Hermes Agent 核心必学：SubAgent 子代理的 5 个实战技巧，多任务处理效率翻倍

2026年6月8日
| 没有评论

Hermes Agent SubAgent 子代理使用教程

一个大型项目同时遇到代码 bug、文档错误和性能瓶颈，难道要逐一排队处理？如果能把不同任务同时交给多个 “AI 助手” 并行处理就好了。SubAgent（子代理）就是 Hermes Agent 为此提供的核心能力——通过 delegate_task 工具可将复杂、并行或隔离的任务委派给独立子代理执行，实现 上下文隔离、并行处理、主会话轻量化，大幅提升多任务处理效率与复杂问题解决能力。本文从核心原理、基础用法、并行任务、高级配置、实战场景到最佳实践，带你全面掌握 SubAgent 委派用法。

一、SubAgent 核心原理

1.1 什么是 SubAgent 委派

SubAgent 是独立隔离的轻量级 Agent 实例，通过 delegate_task 工具由主代理（父代理）创建，拥有独立上下文、终端会话与受限工具集，任务完成后仅将最终摘要返回给主代理，不污染主会话历史。

1.2 核心价值

  • 上下文完全隔离：子代理无父代理会话历史，避免上下文膨胀与干扰。

  • 并行任务处理：默认支持 3 个子代理并发，大幅提升多任务效率。

  • 轻量化主会话：仅返回关键结果，减少主会话 Token 消耗。

  • 模型成本优化：子代理可指定廉价模型，降低复杂任务推理成本。

  • 风险隔离：子代理独立执行，错误 / 异常不影响主代理。

1.3 关键特性

  • 无记忆继承：子代理完全 “空白”，仅继承父代理的 API 密钥与凭证配置。

  • 工具集受限：可自定义子代理可用工具，禁止递归委派、内存修改等高风险操作。

  • 深度限制：默认仅支持 1 级委派（父→子），防止无限递归。

  • 中断传播：主代理中断时，所有活跃子代理同步终止。

图1：SubAgent 委派架构图

graph TB PARENT[主代理 Parent Agent] –>|delegate_task| CHILD1[子代理 1<br/>独立上下文 / 工具集] PARENT –>|delegate_task| CHILD2[子代理 2<br/>独立上下文 / 工具集] PARENT –>|delegate_task| CHILD3[子代理 3<br/>独立上下文 / 工具集] subgraph “完全隔离 ｜ 仅返回摘要” CHILD1 CHILD2 CHILD3 end CHILD1 –>|最终摘要| PARENT CHILD2 –>|最终摘要| PARENT CHILD3 –>|最终摘要| PARENT

从架构图可以看出，子代理完全隔离于主代理。下面从最基础的单个任务委派开始，掌握 SubAgent 的核心用法。

二、基础用法：单个任务委派

单个任务委派适用于复杂调试、代码审查、单主题研究等独立任务，子代理串行执行。

2.1 核心语法

delegate_task(
    goal="任务目标（清晰具体）",
    context="任务上下文（完整背景、约束、依赖）",
    toolsets=["可用工具集"]
)

2.2 实操示例：代码调试委派

将测试失败调试任务委派给子代理，隔离执行环境：

delegate_task(
    goal="调试 test_foo.py 第42行断言失败问题",
    context="项目路径：~/myproject，Python 3.11。错误：assertEqual 预期200实际500，接口/api/health 响应异常",
    toolsets=["terminal", "file"]
)

2.3 关键注意：上下文必须完整

子代理无父代理历史，必须传递所有必要信息，避免模糊描述：

  • 错误：goal="修复接口错误"（无上下文，子代理无法执行）

  • 正确：goal="修复/api/health接口500错误" + 完整错误日志/项目信息

单个任务委派解决了独立问题，而当需要同时处理多个不相关的任务时，并行委派能大幅提升效率。

三、高级用法：并行批量委派

并行批量委派支持最多 3 个子代理同时执行，适用于多主题研究、多文件重构、多模块审查等并行场景。

3.1 核心语法

delegate_task(tasks=[
    {"goal="任务1", "context="上下文1", "toolsets=["工具集1"]},
    {"goal="任务2", "context="上下文2", "toolsets=["工具集2"]},
    {"goal="任务3", "context="上下文3", "toolsets=["工具集3"]}
])

3.2 实操示例：并行技术研究

同时委派 3 个子代理，分别研究 WebAssembly、RISC-V、量子计算 2025 进展：

delegate_task(tasks=[
    {
        "goal": "研究2025年WebAssembly浏览器与非浏览器支持情况",
        "context": "重点：主流浏览器兼容性、Node.js/wasmtime运行时、语言支持（Rust/Go）",
        "toolsets": ["web"]
    },
    {
        "goal": "研究2025年RISC-V服务器与嵌入式 adoption 现状",
        "context": "重点：服务器芯片厂商、嵌入式生态、软件适配（Linux/RTOS）",
        "toolsets": ["web"]
    },
    {
        "goal": "研究2025年量子计算纠错与实际应用进展",
        "context": "重点：纠错技术突破、金融/材料应用、头部厂商路线",
        "toolsets": ["web"]
    }
])

3.3 并行任务特性

  • 并发限制：默认最大 3 个，可通过 delegation.max_concurrent_children 配置调整。

  • 结果排序：按任务输入顺序返回，与完成时间无关。

  • 进度实时显示：CLI 树状视图展示各子代理工具调用与完成状态。

图2：并行任务执行时序图

sequenceDiagram participant 主代理 participant 子代理1 participant 子代理2 participant 子代理3 主代理->>子代理1: delegate_task(任务1) 主代理->>子代理2: delegate_task(任务2) 主代理->>子代理3: delegate_task(任务3) par 并行执行 子代理1->>子代理1: 独立研究 WebAssembly 子代理2->>子代理2: 独立研究 RISC-V 子代理3->>子代理3: 独立研究 量子计算 end 子代理1–>>主代理: 返回摘要 子代理2–>>主代理: 返回摘要 子代理3–>>主代理: 返回摘要 Note over 主代理: 结果按任务输入顺序返回

并行执行让效率倍增，但要想充分发挥 SubAgent 的潜力，还需要按需调整模型、工具集、超时等配置。

四、子代理配置与优化

4.1 自定义子代理模型

为子代理指定廉价 / 轻量模型，降低成本、提升速度：

# ~/.hermes/config.yaml
delegation:
  model: "google/gemini-flash-2.0"  # 子代理专用模型
  provider: "openrouter"              # 模型提供商

4.2 工具集精细化控制

子代理默认禁止高风险工具，可按需配置可用工具集：

工具集 适用场景
["terminal", "file"] 代码调试、文件编辑、构建任务
["web"] 研究、文档查询、事实核查
["file"] 只读代码审查、配置分析
["terminal"] 系统运维、进程管理

默认禁止工具：delegation（递归）、memory（内存修改）、send_message（跨平台推送）。

4.3 迭代与超时控制

  • 最大迭代：限制子代理工具调用次数（默认 50），避免无限循环：
delegate_task(
    goal="快速检查配置文件",
    context="查看~/config.yaml语法正确性",
    toolsets=["file"],
    max_iterations=10  # 限制10轮内完成
)
  • 超时时间：默认 600 秒（10 分钟），超时自动终止：
delegation:
  child_timeout_seconds: 300  # 5分钟超时

4.4 嵌套委派（高级）

默认子代理不可递归委派，可通过 role="orchestrator" 开启二级委派（最多 3 层）：

delegate_task(
    goal="统筹代码审查与修复",
    context="管理3个子代理：审查、修复、测试",
    toolsets=["terminal", "file"],
    role="orchestrator"  # 允许二级委派
)

配置优化完成后，将 SubAgent 应用到实际开发中，才能真正体现其价值。

五、实战场景示例

5.1 代码审查 + 修复（串行）

委派子代理审查认证模块并修复安全漏洞：

delegate_task(
    goal="审查并修复Flask认证模块安全问题",
    context="项目路径：~/webapp，文件：src/auth/login.py/jwt.py。重点：SQL注入、JWT验证、密码处理，修复后执行pytest测试",
    toolsets=["terminal", "file"]
)

5.2 多文件重构（串行）

委派子代理批量替换 Python 项目 print 为日志模块：

delegate_task(
    goal="重构src目录所有Python文件，替换print为logging",
    context="使用logging模块，按日志级别替换，不修改测试文件，重构后执行pytest验证",
    toolsets=["terminal", "file"]
)

5.3 系统巡检（并行）

并行委派 3 个子代理，分别检查 CPU、内存、磁盘状态：

delegate_task(tasks=[
    {"goal": "检查服务器CPU使用率，超过90%告警", "context": "Linux系统，top命令", "toolsets":["terminal"]},
    {"goal": "检查内存占用，超过85%告警", "context": "free -h命令", "toolsets":["terminal"]},
    {"goal": "检查磁盘使用率，超过80%告警", "context": "df -h命令", "toolsets":["terminal"]}
])

通过实战可以看到，SubAgent 擅长需要推理的复杂任务，这与单纯的代码执行工具有本质区别。

六、SubAgent 与 execute_code 区别

特性 SubAgent（delegate_task） 代码执行（execute_code）
推理能力 完整 LLM 推理，支持多步决策 仅执行脚本，无推理
上下文 独立会话，支持复杂背景 无会话，仅脚本执行
并行性 最多 3 个并发 单个执行
适用场景 需判断、推理的复杂任务 机械式脚本任务
成本 较高（LLM 调用） 较低（仅执行）

理解了 SubAgent 与代码执行的定位差异后，最后总结几项最佳实践，帮你用得更加得心应手。

七、最佳实践与注意事项

7.1 最佳实践

  1. 上下文完整化：传递目标、背景、约束、依赖，避免模糊描述。

  2. 模型分层：简单任务用廉价模型，复杂任务用高性能模型。

  3. 工具集最小化：仅授予必要工具，降低安全风险。

  4. 并行分组：同类任务并行，避免跨类型干扰。

  5. 结果精简：子代理返回摘要，减少主会话冗余。

7.2 注意事项

  1. 无记忆继承：子代理完全空白，不继承父代理会话。

  2. 不可递归：默认禁止子代理再委派，避免无限循环。

  3. 中断同步：主代理中断时，所有子代理终止。

  4. 结果汇总：仅最终摘要返回，中间过程不污染主会话。

  5. 安全隔离：子代理独立执行，错误不影响主代理。

八、总结

SubAgent 委派是 Hermes Agent 多任务处理的核心能力，通过上下文隔离、并行执行、成本优化，可高效处理复杂调试、并行研究、批量重构等场景。合理配置模型、工具集与迭代限制，结合完整上下文传递，能最大化发挥子代理价值，大幅提升任务处理效率与主会话轻量化。

文章摘自：https://www.cnblogs.com/yidengjiagou/p/20385434

flask, python, tornado, 人工智能AI