delegation:max_concurrent_children: 3max_async_children: 3max_spawn_depth: 1orchestrator_enabled: true # 必须开启多Agent看板调度依赖kanban:dispatch_interval_seconds: 10 # 自动扫描任务间隔dispatch_in_gateway: true命令行案例1. 初始化看板如果还没创建hermes kanban init启动网关看板调度器后台常驻自动轮询任务hermes gateway start --daemonhermes dispatcher start --daemon验证服务状态hermes gateway statushermes kanban status2. 创建一条演示任务hermes kanban create ‘阅读 Hermes Agent 文档并小结,永久保存到桌面’ --body ‘重点看 agent loop、skills、gateway 三个部分’ --assignee default3. 查看任务hermes kanban list4. 看某条任务的详情hermes kanban show task_id5. Worker 认领任务会打印工作目录hermes kanban claim task_id6. 再启动taskhermes kanban unblock task_id桌面版案例researcher、engineer分别是不同的profile角色帮我在看板创建任务让researcher调研2026主流AI测试框架engineer写demo代码4.7 Orchestrator Profile【重要操作实用】Kanban 把编排分成两个阶段Decomposer 处理 triage task判断目标是否需要拆分、创建子任务图、写入 assignee 和依赖关系Orchestrator profile 承接 root task子任务完成后汇总结果判断总目标是否完成Orchestrator profile 的职责是协调不是执行。推荐约束禁用执行型工具只保留 kanban、memory必要时加 messaging加载 kanban-orchestrator skill注入你是编排者不是执行者的行为约束基于真实 profile 路由根据本机 profile 的 description 路由任务创建 orchestrator profilehermes profile create orchestrator --clone–description “Kanban 编排者。负责拆解高层目标、创建任务、指派真实存在的 profile、建立依赖关系、汇总下游结果不直接执行研究、写作、编码或运维任务。”orchestrator tools disable terminal file web browser code_executionhermes config set kanban.orchestrator_profile orchestratorhermes config set kanban.auto_decompose true4.8 Multi-Tenant Contexttenant 是 task 上的可选命名空间让同一个 profile 服务多个业务上下文。hermes kanban create “monthly report”–assignee researcher–tenant business-a–workspace dir:/home/user/tenants/business-a/data/Tenant 主要影响 Workspace、记忆命名约定、Board 过滤和审计。Tenant 是软隔离不是安全边界。4.9 命令工具【重要操作实用】所有命令也支持 /kanban 斜杠形式在会话内使用。hermes kanban init # 幂等创建 kanban.dbhermes kanban create “research Hermes Agent” --assignee researcherhermes kanban list [–mine] [–assignee P] [–status S] [–tenant T]hermes kanban showhermes kanban assignhermes kanban link parent_id child_idhermes kanban comment “”hermes kanban complete [–result “…”] [–summary “…”]hermes kanban block “”hermes kanban unblockhermes kanban archivehermes kanban watch [–assignee P] [–kinds completed,blocked,…]hermes kanban tailhermes kanban statshermes kanban dispatch [–dry-run] [–max N]hermes kanban swarm # v0.15hermes kanban boards listhermes kanban boards create --name “Display Name”hermes kanban boards switchhermes kanban boards rm # 归档hermes kanban boards rm --delete # 硬删除hermes kanban decompose # 把 triage task 拆成子任务图hermes kanban specify # 补全 triage task 成明确 spechermes kanban gc # 清理归档 task 的 scratch workspace案例这条命令会在看板创建一个总任务自动分出 3 个并行子任务worker分头调研 Hermes 三大模块完成后verifier校验内容再synthesizer合并生成一份完整架构报告。default意思是实用默认的profile角色hermes kanban swarm “研究 Hermes Agent 的架构并写一份分析报告,输出到桌面”–worker “default:Agent Loop 分析”–worker “default:Skills 系统分析”–worker “default:Gateway 架构分析”–verifier default–synthesizer default补充命令 能力 协作模式kanban create 单任务单 Agent 执行 串行无自动拆分 / 校验 / 汇总kanban swarm 集群多子任务多 Agent 并行 自动拆分→并行执行→校验→汇总一站式流水线5. Mixture-of-AgentsMoA官方文档https://hermes-agent.nousresearch.com/docs/user-guide/features/mixture-of-agentsMixture-of-AgentsMoA是 v0.18 升级为一等公民的核心能力——多个 LLM 同时处理同一个 prompt各自独立推理最后由一个聚合模型综合所有参考模型的输出生成最终答案。简单来说就是「多个 AI 开会讨论最后由主持人总结」。MoA 适用于需要高质量、多角度推理的复杂任务如架构决策、深度分析、多方案对比等。5.1 基本原理【重要原理须知】用大白话说普通模式是 1 个 AI 回答你的问题MoA 模式是 3~5 个 AI 各自独立回答最后由第 4 个 AI 综合所有人的回答给你最终答案。就像公司开会3 个专家各自发表意见最后老板拍板总结。每个人只看到你的问题看不到彼此的回答——避免了「随大流」。┌─────────────────────────────────────────────────┐│ 你的问题 ││ “设计一个高并发的用户认证系统给出架构方案” │└──────────┬──────────┬──────────┬────────────────┘│ │ │▼ ▼ ▼┌──────────┐ ┌──────────┐ ┌──────────┐│ GPT-5 │ │ Claude │ │ Grok ││ 独立推理 │ │ 独立推理 │ │ 独立推理 │└────┬─────┘ └────┬─────┘ └────┬─────┘│ │ │▼ ▼ ▼┌──────────────────────────────────────┐│ Gemini 2.5 Pro聚合器 ││ 综合三个模型的分析 → 最终答案 │└──────────────────────────────────────┘MoA 的工作流程用户发送 promptHermes 把 prompt 同时发给多个参考模型Reference Models例如 GPT-5、Claude Sonnet、Grok每个参考模型独立推理产生各自的完整回答所有参考回答汇总到一个聚合模型Aggregator由它综合出最终答案聚合器的答案流式传输给用户参考模型之间互相独立不会看到彼此的回答。聚合器能看到所有参考模型的输出但不会看到原始 prompt 的完整上下文减少 token 开销。5.2 MoA 预设配置【重要操作实用】在 config.yaml 中添加一个 MoA 预设参考 5.2 的配置示例用 hermes moa list 确认预设已加载用 /model 预设名 --provider moa 切换到 MoA参考 5.3桌面版直接在切换模型的地方切换moa或者用 /moa 你的问题 一次性使用观察终端/桌面中每个参考模型的独立输出MoA 预设在 ~/.hermes/config.yaml 的 moa 部分定义。每个预设指定参考模型列表和聚合模型~/.hermes/config.yamlmoa:──────────────────────────────────────────────MoA 总配置入口──────────────────────────────────────────────默认使用的预设名称。执行 /moa不带名字时就用这个预设也可以用 /model deep --provider moa 来切换default_preset: deep全局开启推理追踪每个参考模型的输入输出、聚合器的输入输出都会保存为 JSONL 文件到 ~/.hermes/sessions/用于事后分析和评估设为 false 或不写 不保存默认save_traces: true──────────────────────────────────────────────预设列表每个预设就是一个「开会方案」──────────────────────────────────────────────presets:# 预设 1deep深度推理 deep: # 预设的描述文字会显示在模型选择器里桌面版、hermes model 都能看到 description: 三模型深度推理 # 参考模型列表这些模型会同时收到你的问题各自独立回答 # 参考模型看不到系统提示词和工具调用记录只看到你和AI的对话内容 # 所以它们的调用成本比较低且不受严格provider限制 reference_models: # 第 1 个参考模型通过 openai-codex provider 调用 GPT-5.5 # provider你要用哪个API服务对应 .env 里配的 key # model该服务下的具体模型名 - provider: openai-codex model: gpt-5.5 # 第 2 个参考模型通过 openrouter 调用 DeepSeek V4 Pro # openrouter 是一个聚合平台可以访问多家厂商的模型 - provider: openrouter model: deepseek/deepseek-v4-pro # 聚合器等所有参考模型回答完毕后由它来综合出最终答案 # 聚合器能看到系统提示词 完整对话 所有参考模型的输出 工具调用能力 # 所以聚合器才是真正的「主模型」负责写回复、调工具、做决策 aggregator: provider: openrouter model: anthropic/claude-opus-4.8 # 参考模型的最大输出 token 数重要直接影响速度 # 设置后参考模型只输出这么多 token避免它们写长篇大论拖慢整体速度 # 不设置或设为0 不限制参考模型可能输出几千 token等得久 # 建议值300~600聚合器只需要参考模型的「核心观点」就够了 reference_max_tokens: 600 # 是否启用此预设 # 设为 false 后虽然配置还在但选择器里看不到它也无法使用 # 相当于「临时关闭」而不是「删除」 enabled: true # 按预设单独开启推理追踪覆盖全局 save_traces 设置 # 不写则继承全局设置 save_traces: true # 预设 2quick快速轻量 # 适用场景简单问题、日常对话不想等太久 quick: description: 轻量双模型适合简单任务 # 只用 2 个参考模型比 deep 少 1 个速度更快成本更低 reference_models: - provider: anthropic model: claude-sonnet-4 # Anthropic 的中等模型性价比高 - provider: openai model: gpt-4.1 # OpenAI 的中等模型 # 聚合器用最强的 Opus 来做最终综合 # 即使参考模型用的是中等模型聚合器用强模型也能保证输出质量 aggregator: provider: openrouter model: anthropic/claude-opus-4.8 # 比 deep 的 600 更严格进一步压缩参考模型输出加速 reference_max_tokens: 300 enabled: true无注释的版本moa:default_preset: deepsave_traces: truepresets:deep:description: “三模型深度推理”reference_models:- provider: openai-codexmodel: gpt-5.5- provider: openroutermodel: deepseek/deepseek-v4-proaggregator:provider: openroutermodel: anthropic/claude-opus-4.8reference_max_tokens: 600enabled: truesave_traces: truequick:description: “轻量双模型适合简单任务”reference_models:- provider: anthropicmodel: claude-sonnet-4- provider: openaimodel: gpt-4.1aggregator:provider: openroutermodel: anthropic/claude-opus-4.8reference_max_tokens: 300enabled: true配置项说明配置项 说明default_preset 执行 /moa不带名字时用哪个预设presets MoA 预设字典每个 key 是预设名称即虚拟模型名description 预设描述展示在模型选择器中reference_models 参考模型列表——同时收到你的问题各自独立回答看不到系统提示词和工具调用成本低aggregator 聚合器——真正的主模型能看到完整上下文 所有参考输出负责写回复、调工具reference_max_tokens ⚠️ 最重要的一项限制参考模型输出长度直接决定速度。不设置可能等久save_traces 推理追踪开关。全局或按预设开启后保存 JSONL 到 ~/.hermes/sessions/用于调试和评估enabled 设 false 临时关闭选择器里看不到不是删除
安装目录中config.yaml修改kanban的配置：
delegation:max_concurrent_children: 3max_async_children: 3max_spawn_depth: 1orchestrator_enabled: true # 必须开启多Agent看板调度依赖kanban:dispatch_interval_seconds: 10 # 自动扫描任务间隔dispatch_in_gateway: true命令行案例1. 初始化看板如果还没创建hermes kanban init启动网关看板调度器后台常驻自动轮询任务hermes gateway start --daemonhermes dispatcher start --daemon验证服务状态hermes gateway statushermes kanban status2. 创建一条演示任务hermes kanban create ‘阅读 Hermes Agent 文档并小结,永久保存到桌面’ --body ‘重点看 agent loop、skills、gateway 三个部分’ --assignee default3. 查看任务hermes kanban list4. 看某条任务的详情hermes kanban show task_id5. Worker 认领任务会打印工作目录hermes kanban claim task_id6. 再启动taskhermes kanban unblock task_id桌面版案例researcher、engineer分别是不同的profile角色帮我在看板创建任务让researcher调研2026主流AI测试框架engineer写demo代码4.7 Orchestrator Profile【重要操作实用】Kanban 把编排分成两个阶段Decomposer 处理 triage task判断目标是否需要拆分、创建子任务图、写入 assignee 和依赖关系Orchestrator profile 承接 root task子任务完成后汇总结果判断总目标是否完成Orchestrator profile 的职责是协调不是执行。推荐约束禁用执行型工具只保留 kanban、memory必要时加 messaging加载 kanban-orchestrator skill注入你是编排者不是执行者的行为约束基于真实 profile 路由根据本机 profile 的 description 路由任务创建 orchestrator profilehermes profile create orchestrator --clone–description “Kanban 编排者。负责拆解高层目标、创建任务、指派真实存在的 profile、建立依赖关系、汇总下游结果不直接执行研究、写作、编码或运维任务。”orchestrator tools disable terminal file web browser code_executionhermes config set kanban.orchestrator_profile orchestratorhermes config set kanban.auto_decompose true4.8 Multi-Tenant Contexttenant 是 task 上的可选命名空间让同一个 profile 服务多个业务上下文。hermes kanban create “monthly report”–assignee researcher–tenant business-a–workspace dir:/home/user/tenants/business-a/data/Tenant 主要影响 Workspace、记忆命名约定、Board 过滤和审计。Tenant 是软隔离不是安全边界。4.9 命令工具【重要操作实用】所有命令也支持 /kanban 斜杠形式在会话内使用。hermes kanban init # 幂等创建 kanban.dbhermes kanban create “research Hermes Agent” --assignee researcherhermes kanban list [–mine] [–assignee P] [–status S] [–tenant T]hermes kanban showhermes kanban assignhermes kanban link parent_id child_idhermes kanban comment “”hermes kanban complete [–result “…”] [–summary “…”]hermes kanban block “”hermes kanban unblockhermes kanban archivehermes kanban watch [–assignee P] [–kinds completed,blocked,…]hermes kanban tailhermes kanban statshermes kanban dispatch [–dry-run] [–max N]hermes kanban swarm # v0.15hermes kanban boards listhermes kanban boards create --name “Display Name”hermes kanban boards switchhermes kanban boards rm # 归档hermes kanban boards rm --delete # 硬删除hermes kanban decompose # 把 triage task 拆成子任务图hermes kanban specify # 补全 triage task 成明确 spechermes kanban gc # 清理归档 task 的 scratch workspace案例这条命令会在看板创建一个总任务自动分出 3 个并行子任务worker分头调研 Hermes 三大模块完成后verifier校验内容再synthesizer合并生成一份完整架构报告。default意思是实用默认的profile角色hermes kanban swarm “研究 Hermes Agent 的架构并写一份分析报告,输出到桌面”–worker “default:Agent Loop 分析”–worker “default:Skills 系统分析”–worker “default:Gateway 架构分析”–verifier default–synthesizer default补充命令 能力 协作模式kanban create 单任务单 Agent 执行 串行无自动拆分 / 校验 / 汇总kanban swarm 集群多子任务多 Agent 并行 自动拆分→并行执行→校验→汇总一站式流水线5. Mixture-of-AgentsMoA官方文档https://hermes-agent.nousresearch.com/docs/user-guide/features/mixture-of-agentsMixture-of-AgentsMoA是 v0.18 升级为一等公民的核心能力——多个 LLM 同时处理同一个 prompt各自独立推理最后由一个聚合模型综合所有参考模型的输出生成最终答案。简单来说就是「多个 AI 开会讨论最后由主持人总结」。MoA 适用于需要高质量、多角度推理的复杂任务如架构决策、深度分析、多方案对比等。5.1 基本原理【重要原理须知】用大白话说普通模式是 1 个 AI 回答你的问题MoA 模式是 3~5 个 AI 各自独立回答最后由第 4 个 AI 综合所有人的回答给你最终答案。就像公司开会3 个专家各自发表意见最后老板拍板总结。每个人只看到你的问题看不到彼此的回答——避免了「随大流」。┌─────────────────────────────────────────────────┐│ 你的问题 ││ “设计一个高并发的用户认证系统给出架构方案” │└──────────┬──────────┬──────────┬────────────────┘│ │ │▼ ▼ ▼┌──────────┐ ┌──────────┐ ┌──────────┐│ GPT-5 │ │ Claude │ │ Grok ││ 独立推理 │ │ 独立推理 │ │ 独立推理 │└────┬─────┘ └────┬─────┘ └────┬─────┘│ │ │▼ ▼ ▼┌──────────────────────────────────────┐│ Gemini 2.5 Pro聚合器 ││ 综合三个模型的分析 → 最终答案 │└──────────────────────────────────────┘MoA 的工作流程用户发送 promptHermes 把 prompt 同时发给多个参考模型Reference Models例如 GPT-5、Claude Sonnet、Grok每个参考模型独立推理产生各自的完整回答所有参考回答汇总到一个聚合模型Aggregator由它综合出最终答案聚合器的答案流式传输给用户参考模型之间互相独立不会看到彼此的回答。聚合器能看到所有参考模型的输出但不会看到原始 prompt 的完整上下文减少 token 开销。5.2 MoA 预设配置【重要操作实用】在 config.yaml 中添加一个 MoA 预设参考 5.2 的配置示例用 hermes moa list 确认预设已加载用 /model 预设名 --provider moa 切换到 MoA参考 5.3桌面版直接在切换模型的地方切换moa或者用 /moa 你的问题 一次性使用观察终端/桌面中每个参考模型的独立输出MoA 预设在 ~/.hermes/config.yaml 的 moa 部分定义。每个预设指定参考模型列表和聚合模型~/.hermes/config.yamlmoa:──────────────────────────────────────────────MoA 总配置入口──────────────────────────────────────────────默认使用的预设名称。执行 /moa不带名字时就用这个预设也可以用 /model deep --provider moa 来切换default_preset: deep全局开启推理追踪每个参考模型的输入输出、聚合器的输入输出都会保存为 JSONL 文件到 ~/.hermes/sessions/用于事后分析和评估设为 false 或不写 不保存默认save_traces: true──────────────────────────────────────────────预设列表每个预设就是一个「开会方案」──────────────────────────────────────────────presets:# 预设 1deep深度推理 deep: # 预设的描述文字会显示在模型选择器里桌面版、hermes model 都能看到 description: 三模型深度推理 # 参考模型列表这些模型会同时收到你的问题各自独立回答 # 参考模型看不到系统提示词和工具调用记录只看到你和AI的对话内容 # 所以它们的调用成本比较低且不受严格provider限制 reference_models: # 第 1 个参考模型通过 openai-codex provider 调用 GPT-5.5 # provider你要用哪个API服务对应 .env 里配的 key # model该服务下的具体模型名 - provider: openai-codex model: gpt-5.5 # 第 2 个参考模型通过 openrouter 调用 DeepSeek V4 Pro # openrouter 是一个聚合平台可以访问多家厂商的模型 - provider: openrouter model: deepseek/deepseek-v4-pro # 聚合器等所有参考模型回答完毕后由它来综合出最终答案 # 聚合器能看到系统提示词 完整对话 所有参考模型的输出 工具调用能力 # 所以聚合器才是真正的「主模型」负责写回复、调工具、做决策 aggregator: provider: openrouter model: anthropic/claude-opus-4.8 # 参考模型的最大输出 token 数重要直接影响速度 # 设置后参考模型只输出这么多 token避免它们写长篇大论拖慢整体速度 # 不设置或设为0 不限制参考模型可能输出几千 token等得久 # 建议值300~600聚合器只需要参考模型的「核心观点」就够了 reference_max_tokens: 600 # 是否启用此预设 # 设为 false 后虽然配置还在但选择器里看不到它也无法使用 # 相当于「临时关闭」而不是「删除」 enabled: true # 按预设单独开启推理追踪覆盖全局 save_traces 设置 # 不写则继承全局设置 save_traces: true # 预设 2quick快速轻量 # 适用场景简单问题、日常对话不想等太久 quick: description: 轻量双模型适合简单任务 # 只用 2 个参考模型比 deep 少 1 个速度更快成本更低 reference_models: - provider: anthropic model: claude-sonnet-4 # Anthropic 的中等模型性价比高 - provider: openai model: gpt-4.1 # OpenAI 的中等模型 # 聚合器用最强的 Opus 来做最终综合 # 即使参考模型用的是中等模型聚合器用强模型也能保证输出质量 aggregator: provider: openrouter model: anthropic/claude-opus-4.8 # 比 deep 的 600 更严格进一步压缩参考模型输出加速 reference_max_tokens: 300 enabled: true无注释的版本moa:default_preset: deepsave_traces: truepresets:deep:description: “三模型深度推理”reference_models:- provider: openai-codexmodel: gpt-5.5- provider: openroutermodel: deepseek/deepseek-v4-proaggregator:provider: openroutermodel: anthropic/claude-opus-4.8reference_max_tokens: 600enabled: truesave_traces: truequick:description: “轻量双模型适合简单任务”reference_models:- provider: anthropicmodel: claude-sonnet-4- provider: openaimodel: gpt-4.1aggregator:provider: openroutermodel: anthropic/claude-opus-4.8reference_max_tokens: 300enabled: true配置项说明配置项 说明default_preset 执行 /moa不带名字时用哪个预设presets MoA 预设字典每个 key 是预设名称即虚拟模型名description 预设描述展示在模型选择器中reference_models 参考模型列表——同时收到你的问题各自独立回答看不到系统提示词和工具调用成本低aggregator 聚合器——真正的主模型能看到完整上下文 所有参考输出负责写回复、调工具reference_max_tokens ⚠️ 最重要的一项限制参考模型输出长度直接决定速度。不设置可能等久save_traces 推理追踪开关。全局或按预设开启后保存 JSONL 到 ~/.hermes/sessions/用于调试和评估enabled 设 false 临时关闭选择器里看不到不是删除
