Claude Code 差在哪

发布时间：2026/7/11 22:58:01

Hermes 是谁？跟 Claude Code 差在哪
用过 Claude Code 或 Cursor 的话，Hermes 上手几乎没成本。它就是一个跑在终端里的 AI 代理，但多了一层派发能力。

最直观的对比：

Claude Code / Cursor：你打开一个 tab，AI 在里面干活，干完你接着提需求。
Hermes：你打开一个 tab，AI 叫出另外几个 tab 一起干。Hermes 负责拆任务、传上下文、收结果。
Hermes 比单 Agent 工具多出来的核心能力就三件：

多 Provider 路由。一条命令切 OpenAI / Anthropic / Google / xAI 后端，业务代码不用动。
多 Agent 派发。delegate_task() 拉起子 Agent，每个子 Agent 独立上下文，互不污染。
Skills 系统。把写公众号、做调研、出配图 prompt 这些套路写成 SKILL.md，Agent 加载就会用。
剩下的 toolsets（白名单授权）、profiles（多场景隔离）、depends_on（DAG 调度）都是配套的工程能力。

只想跑单 Agent 串行活，Claude Code 够用。但凡你想让多个步骤并发、让上下文拆分不互相污染、让工具按 Agent 最小授权，Hermes 的多 Agent 模型就是为这些场景做的。

二、10 分钟起一个 3 Agent 流水线
不再绕弯子。咱们直接上手。

2.1 装环境
# PyPI 一行装（推荐新手）
pip install hermes-agent

# 启动 REPL
hermes chat

# 切到你想用的模型
hermes config set provider anthropic
hermes config set model claude-sonnet-4
装完跑 hermes tools 看下当前账号可用的工具集。默认会有 browser / file / terminal / web / image_gen / delegation / search 这几类。

2.2 写一份 YAML 配置
Hermes 的精髓在 YAML 流水线配置文件。把 Agent 当成函数声明，依赖关系写在 depends_on 里，Hermes 自己按 DAG 排调度。

下面这份配置就是公众号写作流水线的最小可运行版本。5 个 Agent、5 个文件产物、链式 DAG 调度。

# =========================================================
# Hermes 多 Agent 流水线：公众号写作 5 步曲
# 跑法：hermes run --config hermes_agents.yaml --topic "Hermes 入门"
# =========================================================
agents:
topic_scout: # 第 1 步：选题侦察兵
model: anthropic/claude-sonnet-4
toolsets: [web, search] # 只给联网 + 搜索，文件操作不要开
role: leaf # 关键：声明 leaf，禁止递归 spawn

researcher: # 第 2 步：资料研究员
model: anthropic/claude-sonnet-4
toolsets: [file, web] # file 用来读 01-topics.md、写出 02-research.md
role: leaf

writer: # 第 3 步：执笔写手
model: anthropic/claude-sonnet-4
toolsets: [file, skills] # skills 让它能加载「公众号写作」技能
role: leaf

editor: # 第 4 步：审校编辑
model: anthropic/claude-sonnet-4
toolsets: [file] # 最小集：只让它改文件
role: leaf

illustrator: # 第 5 步：配图提示词
model: anthropic/claude-sonnet-4
toolsets: [skills] # 用 image_gen 技能生成配图 prompt
role: leaf

pipeline:
- call: topic_scout # 入口节点，无需 depends_on
goal: "为「{TOPIC}」出 3 个公众号选题候选，输出到 01-topics.md"

- call: researcher
goal: "基于 01-topics.md 整理 6 section 研究资料包到 02-research.md"
depends_on: topic_scout

- call: writer
goal: "据 02-research.md 起草 2500-3000 字实操教程到 03-draft.md"
depends_on: researcher

- call: editor
goal: "审校 03-draft.md，输出三栏 Markdown 表格存到 04-review.md"
depends_on: writer

- call: illustrator
goal: "为 03-draft.md 配 2-3 张图，给出图名+节点文字+用途"
depends_on: editor
这里有几个细节需要注意一下：

role: leaf 必须显式写。不写默认是 general，子 Agent 自己会 spawn 孙子 Agent，token 几分钟烧光。
toolsets 走白名单，能少一个就少一个。Editor 只给 file，连 web 都不开。
depends_on 替代手写串行，你只声明依赖，Hermes 自己排调度。
2.3 嫌 YAML 不够灵活？上 Python
YAML 适合配置固定的流水线。想动态生成任务、加条件分支、用 Python 拼装任务列表，就走 delegate_task API。

下面这段 Python 是同样的 5 步流水线，能看出它和 YAML 的对应关系。YAML 是声明式，Python 是命令式，干的事一样。

"""
Hermes 多 Agent 流水线 —— Python 入口
跑法：python run_pipeline.py
依赖：pip install hermes-agent
"""
from hermes_tools import delegate_task # Hermes 官方派发 API

# ----------------------------------------------------------------
# 1) 定义 5 个子 Agent 任务（顺序由 depends_on 字段控制）
# ----------------------------------------------------------------
tasks = [
{
"goal": "你是 topic_scout。用户主题：{TOPIC}。请用 web+search 工具调研，"
"输出 3 个公众号选题候选到 01-topics.md。",
"toolsets": ["web", "search"],
"role": "leaf", # 关键：明确 leaf，禁止递归
},
{
"goal": "你是 researcher。据 01-topics.md 整理 6 section 资料包"
"（核心概念/代码/坑点/最佳实践/参考/配图）写到 02-research.md。",
"toolsets": ["file", "web"],
"role": "leaf",
"depends_on": ["topic_scout"],
},
{
"goal": "你是 writer。据 02-research.md 起草 2800 字实操教程，"
"输出到 03-draft.md，必须有 YAML + Python 两段代码。",
"toolsets": ["file", "skills"],
"role": "leaf",
"depends_on": ["researcher"],
},
{
"goal": "你是 editor。审校 03-draft.md，输出三栏 Markdown 表格"
"（原文 / 问题 / 建议）到 04-review.md。",
"toolsets": ["file"],
"role": "leaf",
"depends_on": ["writer"],
},
{
"goal": "你是 illustrator。为 03-draft.md 配 2-3 张图，"
"给出图名+用途+节点文字到 05-illustrations.md。",
"toolsets": ["skills"],
"role": "leaf",
"depends_on": ["editor"],
},
]

# ----------------------------------------------------------------
# 2) 一次性派发：Hermes 默认就是批派发，主 Agent 不阻塞
# Hermes 会按 tasks 里的 depends_on 字段自动排 DAG，
# 没有依赖的同级任务自动并发跑。
# ----------------------------------------------------------------
results = delegate_task(
tasks=tasks,
shared_context={"TOPIC": "Hermes Agent 入门：多 Agent 协作"},
)

# ----------------------------------------------------------------
# 3) 打印每个子 Agent 的 summary（调试用）
# ----------------------------------------------------------------
for r in results:
print(f"[{r['agent']}] -> {r['summary']}")
注意我没像一些老博客那样写 parallel=True。Hermes 的 delegate_task(tasks=[...]) 默认就是批派发，依赖关系由 depends_on 字段决定。它会自动识别哪些任务没依赖、把没依赖的扔到并发队列里跑。parallel=True 是早期接口的遗留，新版 API 不用管。