那次 subagent 让我白忙活半天害得我重新思考：什么时候用它，什么时候自己来？

说实话，刚开始kan Hermes Agent 的文档时我还真以为 subagent 是个"银弹"。你说它Neng并行任务、隔离上下文——哇，这不就是理想中的 AI 助手吗？

但现实总爱打脸。subagent 的核心价值其实是："把一件大事拆成几件小事，然后让每个子任务单独跑"。

关键点在于：它的优势在并行性和隔离性，而不是加速串行流程。

那天我给 subagent 的任务是："搜索国产大模型的Zui新数据 → 整理成 context.md → 供主线程写文章用。"

delegate_task( goal="搜索以下方向资料，整理成结构化 context.md 保存到 ~/.hermes/tmp/...", toolsets= )

结果呢？

web_search → 等模型推理 → web_search → 等模型推理 → web_extract → 等模型推理 → write_file

"每一步dou是一次完整的 LLM 推理 + 网络 RTT。Ru果搜几个方向，每步间隔几秒，叠起来就是好几分钟。"

"subagent Zuo这几步比直接写代码慢多了！"

改进方式：用 execute_code 调 web_search + web_extract

from hermes_tools import web_search, web_extract
results = web_search
# 立刻拿到结果
extracts = 
# 本地处理
with open as f:
    f.write)
# 一次返回给主线程
delegate_result(
    result={
        "status": "success",
        "data": {"content_path": "/path/to/context.md"}
    }
)

"subagent 没有任何上下文继承。它需要： ✅ 自包含的单次目标 ✅ Zui多两轮交互完成 ✅ 不依赖外部环境变量"

# ✅ 好：
delegate_task(
    goal="分析这段代码的安全漏洞，返回风险列表",
    context={"source_code": ""}
)
# ❌ 坏：
delegate_task(
    goal="搜索所有安全漏洞类型，
         对照我的代码检查风险，
         写报告附带修复建议"
)
# 每一步dou要重新加载历史！
# 延迟会累积到不可收拾...

"主线程和 subagent 用的是同一个 provider。subagent 跑重任务时主线程也在等——配额可Neng排队放大延迟！"

$ hermes config provider set claud-ai claud-sonnet- --max-concurrency=4
$ hermes config provider set copilot copilot-pro --max-concurrency=8
# 分别设置不同服务商可避免此问题

✅ 适合场景：真正相互独立、可并行的任务