🏠 Главная › Guides › delegation patterns

sidebar_position: 13 title: "Delegation & Parallel Work" description: "When and how to use subagent delegation — patterns for parallel research, code review, and multi-file work" lang: ru

Делегирование и параллельная работа

Hermes может создавать изолированные дочерние агенты для параллельной работы над задачами. Каждый субагент получает свой собственный разговор, сеанс терминала и набор инструментов. Возвращается только окончательная сводка — промежуточные вызовы инструментов никогда не попадают в ваше контекстное окно.

Полную информацию о функциях см. в разделе Делегирование субагента.

Когда делегировать

Хорошие кандидаты для делегирования: - Подзадачи, требующие большого количества рассуждений (отладка, проверка кода, синтез исследований) - Задачи, которые наводнят ваш контекст промежуточными данными. - Параллельные независимые рабочие потоки (исследования A и B одновременно) - Задачи в свежем контексте, к которым вы хотите, чтобы агент подходил беспристрастно.

Используйте что-нибудь другое: - Вызов одного инструмента → просто используйте инструмент напрямую - Механическая многоступенчатая работа с логикой между шагами → execute_code - Задачи, требующие взаимодействия с пользователем → субагенты не могут использовать clarify. - Быстрое редактирование файлов → делайте это напрямую - Прочная длительная работа, которая должна пережить текущий поворот → cronjob или terminal(background=True, notify_on_complete=True). delegate_task является синхронным: если родительский ход прерывается, активные дочерние элементы отменяются и их работа отменяется.

Шаблон: Параллельное исследование

Изучите три темы одновременно и получите структурированное резюме:

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.

За кулисами Гермес использует:

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"]
    }
])

Все три работают одновременно. Каждый субагент самостоятельно выполняет поиск в Интернете и возвращает сводку. Затем родительский агент синтезирует их в связный брифинг.

Шаблон: проверка кода

Делегируйте проверку безопасности субагенту со свежим контекстом, который подходит к коду без предубеждений:

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.

Ключом является поле context — оно должно включать в себя все, что нужно субагенту:

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"]
)

:::предупреждение о проблеме контекста Субагенты не знают абсолютно ничего о вашем разговоре. Они начинаются совершенно заново. Если вы делегируете «исправить ошибку, которую мы обсуждали», субагент понятия не имеет, какую ошибку вы имеете в виду. Всегда явно передавайте пути к файлам, сообщения об ошибках, структуру проекта и ограничения.

Шаблон: сравнение альтернатив

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

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.

Каждый субагент самостоятельно исследует один вариант. Поскольку они изолированы, перекрестного загрязнения не происходит — каждая оценка имеет свои преимущества. Родительский агент получает все три сводки и выполняет сравнение.

Шаблон: многофайловый рефакторинг

Разделите большую задачу рефакторинга на несколько параллельных субагентов, каждый из которых обрабатывает свою часть кодовой базы:

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"]
    }
])

:::совет Каждый субагент получает свой собственный терминальный сеанс. Они могут работать в одном каталоге проекта, не наступая друг на друга, если они редактируют разные файлы. Если два субагента могут работать с одним и тем же файлом, обработайте этот файл самостоятельно после завершения параллельной работы.

Схема: собрать, затем проанализировать

Используйте execute_code для механического сбора данных, а затем поручите выполнение сложного анализа:

# Step 1: Mechanical gathering (execute_code is better here — no reasoning needed)
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"]})

# Extract full content from top 5 most relevant
urls = [r["url"] for r in results[:5]]
content = web_extract(urls)

# Save for the analysis step
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")
""")

# Step 2: Reasoning-heavy analysis (delegation is better here)
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"]
)

Часто это наиболее эффективный шаблон: execute_code дешево обрабатывает более 10 последовательных вызовов инструментов, затем субагент выполняет единственную дорогостоящую задачу рассуждения с чистым контекстом.

Выбор набора инструментов

Выбирайте наборы инструментов в зависимости от того, что нужно субагенту:

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

Ограничение набора инструментов позволяет субагенту сосредоточиться и предотвращает случайные побочные эффекты (например, выполнение команд оболочки исследовательским субагентом).

Ограничения

Настройка параллелизма и глубины

Конфигурация По умолчанию Диапазон Эффект
max_concurrent_children 3 >=1 Размер параллельного пакета на вызов delegate_task
max_spawn_depth 1 1-3 Сколько уровней делегирования может появиться дальше

Пример: запуск 30 параллельных рабочих процессов с вложенными субагентами:

delegation:
  max_concurrent_children: 30
  max_spawn_depth: 2

Советы

Будьте конкретны в целях. «Исправить ошибку» слишком расплывчато. «Исправьте ошибку TypeError в строке 47 api/handlers.py, где процесс_запрос() получает None от parse_body()», дает субагенту достаточно возможностей для работы.

Укажите пути к файлам. Субагенты не знают структуру вашего проекта. Всегда указывайте абсолютные пути к соответствующим файлам, корень проекта и команду тестирования.

Используйте делегирование для изоляции контекста. Иногда вам нужен свежий взгляд. Делегирование заставляет вас четко сформулировать проблему, и субагент подходит к ней без предположений, возникших в ходе вашего разговора.

Проверьте результаты. Сводки субагентов — это всего лишь сводки. Если субагент говорит: «Ошибка исправлена, тесты пройдены», проверьте это, запустив тесты самостоятельно или прочитав разницу.

Полную информацию о делегировании — все параметры, интеграцию ACP и расширенную настройку — см. в Делегирование субагента.