一个主控Agent + 5个子Agent = 日产3篇高质量长文。本文提供完整配置模板和可复制的Python代码，读完就能搭。
为什么你需要多Agent协作？
如果你已经在用 Hermes Agent 写内容，你一定遇到过这些问题：
- 上下文爆炸：一篇长文需要搜索、写大纲、写正文、审稿、配图，塞进一个会话里，到了写作环节上下文已经吃掉几万字，LLM 开始「忘事」
- 质量不可控：让同一个 Agent 既做调研又写正文，它会把搜索到的碎片信息直接拼凑成文章，缺乏结构化的思考和审核
- 无法规模化：每次写文章都要重复「搜索→写→审」的流程，没有自动化流水线
多Agent协作就是解法。把内容生产拆成独立环节，每个环节交给专门的子Agent，主控Agent只负责调度和审核。
Hermes Agent 的 delegate_task 函数就是为此设计的。它让你可以从主会话中派生子Agent，每个子Agent有独立的上下文、独立的工具集、独立的任务目标，执行完把结果写入共享文件后自动退出。
核心概念：delegate_task 的三个关键参数
delegate_task(
goal="完整的任务描述，包括输出文件路径",
context="背景信息和约束条件",
toolsets=["web", "terminal", "file"], # 子Agent可用的工具
role="leaf" # 执行完自动退出
)
| 参数 | 说明 | 注意事项 |
|---|---|---|
goal |
子Agent的完整任务描述 | 必须包含输出文件路径，否则子Agent不知道把结果写哪 |
context |
背景信息、输入文件路径、格式要求 | 可以引用主会话中的文件 |
toolsets |
子Agent的工具集 | ["web"] 可以搜索，["terminal"] 可以执行命令，["file"] 可以读写文件 |
role |
"leaf" 表示执行完退出，不嵌套调用 |
默认用 leaf，避免无限递归 |
五步搭建内容生产线
第一步：创建目录结构
mkdir -p ~/ai-neican/{research,outline,content,review}/outputs/
五个子Agent的输出路径：
- research/outputs/01-research.md → 调研Agent
- outline/outputs/01-outline.md → 大纲Agent
- content/outputs/01-article.md → 写作Agent
- review/outputs/01-review.md → 审核Agent
- content/outputs/01-article.md（覆盖） → 修正Agent
第二步：调研Agent —— 找3个候选选题
delegate_task(
goal="你是一个AI创业内参的调研Agent。请完成以下任务：
1. 搜索今天最新的AI Agent工具相关新闻（GitHub releases、HN热榜、The Verge AI频道）
2. 筛选出3个适合写成公众号文章的候选选题
3. 每个候选包含：标题、核心观点、目标读者、预估热度
4. 输出到文件：~/ai-neican/research/outputs/01-research.md
输出格式：
# 候选选题
## 选题1：[标题]
- 核心观点：...
- 目标读者：...
- 预估热度：高/中/低
（重复3次）",
context="目标读者是AI创业者——需要知道用什么工具、行业发生什么、怎么挣到钱。输出目录需要先创建。",
toolsets=["web", "terminal", "file"],
role="leaf"
)
关键技巧：
- goal 里明确写了输出文件路径，这样调研Agent知道结果写哪里
- context 里说明了目标读者画像，确保选题方向不偏
- toolsets 给了 web 和 terminal，让Agent可以搜索和用curl获取数据
第三步：大纲Agent —— 选最佳选题，输出结构化大纲
delegate_task(
goal="你是一个AI创业内参的大纲Agent。请完成以下任务：
1. 读取调研报告：~/ai-neican/research/outputs/01-research.md
2. 从3个候选中选择最佳选题（判断标准：热度最高 + 与AI创业最相关）
3. 为该选题输出结构化大纲
4. 输出到：~/ai-neican/outline/outputs/01-outline.md
大纲结构：
# [文章标题]
## 引言钩子（50字）
## 第一段：事件回顾（400字，3-4个关键数据点）
## 第二段：为什么重要（300字，对AI创业者的影响分析）
## 第三段：我们能学到什么（300字，3个可操作的要点）
## 第四段：行动建议（200字，具体步骤）
## 结尾CTA（50字）",
context="字数分配见上方结构。确保每个章节都有具体的字数目标和核心要点。",
toolsets=["file", "terminal"],
role="leaf"
)
关键技巧：
- 大纲Agent不需要搜索（toolsets里没给web），它只负责结构化已有的调研结果
- context 里写死了字数分配，防止子Agent自由发挥
第四步：写作Agent —— 按大纲创作完整文章
delegate_task(
goal="你是一个AI创业内参的写作Agent。请完成以下任务：
1. 读取调研报告：~/ai-neican/research/outputs/01-research.md
2. 读取大纲：~/ai-neican/outline/outputs/01-outline.md
3. 按大纲创作完整文章，2500字左右
4. 输出到：~/ai-neican/content/outputs/01-article.md
写作规范：
- 公众号风格，口语化但专业
- 每200-300字一个自然段
- 必须有具体数据（标出来源）
- 不写「今天看到一篇文章说...」这类流水账
- 文末加CTA：关注公众号获取更多AI创业干货",
context="目标读者：AI创业者。风格参照「AI创业内参」公众号历史文章。",
toolsets=["file"],
role="leaf"
)
关键技巧：
- 写作Agent的toolsets只给了 ["file"]，不给web权限——防止它越过调研和大纲自行搜索，避免扩大上下文
- goal 里明确了写作规范（公众号风格、段落长度、CTA要求）
第五步：审核Agent —— 五维度评分 + 修改清单
delegate_task(
goal="你是一个AI创业内参的审核Agent。请完成以下任务：
1. 读取文章：~/ai-neican/content/outputs/01-article.md
2. 从五个维度审核：
- 事实准确性（数据是否有来源？版本号/价格是否正确？）
- 逻辑完整性（有事件回顾→为什么重要→可学到什么→行动建议→总结？）
- 标题质量（信息密度高？读者能一眼知道「我能获得什么」？）
- 内容价值（有独特洞察？还是简单搬运新闻？）
- 原创性（有独立观点和横向比较？）
3. 输出 verdict：直接发布 / 修改后发布 / 需要重写
4. 如果 verdict 是「修改后发布」，列出具体的修改清单（至少5条）
5. 输出到：~/ai-neican/review/outputs/01-review.md",
context="评分要严格。如果关键数据没有来源URL，事实准确性直接给0/25分。",
toolsets=["file"],
role="leaf"
)
第六步（可选）：修正Agent —— 根据审核意见修改
如果审核Agent判了「修改后发布」，再启动一个修正Agent：
delegate_task(
goal="根据审核意见修改文章：
1. 读取审核报告：~/ai-neican/review/outputs/01-review.md
2. 读取原文章：~/ai-neican/content/outputs/01-article.md
3. 逐条修改审核清单中的所有问题
4. 覆盖原文件：~/ai-neican/content/outputs/01-article.md",
context="审核清单在01-review.md的「修改清单」部分。逐条修改，不要跳过任何一条。",
toolsets=["file"],
role="leaf"
)
为什么这个流水线有效？
1. 上下文隔离 = 质量保障
每个子Agent有独立上下文。调研Agent的上下文里只有搜索结果，写作Agent只看到调研报告和大纲。不会出现「搜了10篇文章后LLM忘了我要求写2500字」的问题。
实测数据：同样的任务，单Agent模式写到800字就枯竭了，多Agent流水线稳定产出2500-3500字。
2. 角色分离 = 更专业的输出
调研Agent专门调研（有web权限），大纲Agent专门结构化（无web权限），写作Agent专门创作（无web权限），审核Agent专门找茬。每个Agent只做一件事，做到极致。
3. 文件传递 = 可检查可恢复
每一步的输出都是独立的Markdown文件。如果写作Agent超时（实测经常发生），你只需要检查文件是否完整——如果完整直接进入下一步，不需要重跑整个流水线。
# 检查写作Agent输出是否完整
wc -c ~/ai-neican/content/outputs/01-article.md
# 中文字数估算（每汉字约3字节）：字节数/3 ≈ 字数
常见问题
Q: delegate_task 会超时怎么办？
A: 默认超时600秒。写作Agent在生成2500字长文时经常超时，但文件可能已经写完了。先检查输出文件是否存在且内容完整（中文字数>2000），如果完好直接进入下一步，不需要重跑。
Q: 子Agent用哪个模型？
A: 子Agent默认继承主Agent的模型配置。你可以通过 model 参数指定不同的模型，比如写作Agent用Claude（文笔更好），调研Agent用GPT（搜索更强）。
Q: 能和 cron 定时任务配合吗？
A: 完全可以。在主Agent里写一个循环：
# 伪代码
while True:
delegate_task(goal="扫描最新AI新闻...", ...)
# 读取调研结果，判断是否有热点
if has_hotspot:
delegate_task(goal="写大纲...", ...)
delegate_task(goal="写文章...", ...)
delegate_task(goal="审核...", ...)
time.sleep(900) # 每15分钟一轮
Q: delegate_task 和 subprocess 有什么区别？
A: delegate_task 是AI原生的任务委派——子Agent理解自然语言任务描述，自适应完成。subprocess 是固定脚本执行。前者灵活（适合内容创作这类非确定性任务），后者确定（适合文件操作这类确定性任务）。
总结
多Agent协作不是炫技，是内容创业的生产力杠杆。
一条流水线搭建完成后，你只需要：
1. 看一眼调研报告，确认选题方向
2. 看一眼审核报告，确认文章质量
3. 点发布
剩下的事情——搜索、筛选、写大纲、写正文、找茬、修改——全部由Agent完成。
这不是未来，现在就能跑。
本文是【Agent工坊】系列第N篇。关注「AI创业内参」，每周获取可复制的AI工具实操教程。