# Inventory of Hermes auxiliary tasks + model routing (2026-09-04)

Все задачи, которые Hermes решает "в фоне" отдельно от main-модели через
`call_llm(task=...)` (agent/auxiliary_client.py) и точки их вызова в коде.
Использовать для решения: какую задачу направить на локальную Ollama, какую оставить на облаке.

## Полная карта задач

| Задача              | Назначение / где вызывается                          | Требования/характер                    |
|---------------------|------------------------------------------------------|----------------------------------------|
| title_generation    | Заголовки сессий (/title)                            | короткий вывод, мгновенно              |
| web_extract         | Пересказ/извлечение из веб-страниц (web_extract)     | средний вывод                          |
| vision              | Анализ изображений, скриншоты браузера              | нужна vision-модель, приватность       |
| skills_hub          | Поиск/описание скиллов в хабе (skills_hub)          | короткий вывод                         |
| profile_describer   | Описание пользовательского профиля (profile_describer)| не hot-path, краткий вывод            |
| compression         | Сжатие длинных диалогов (context_compressor)        | **контекст ≥ 64K**, важна надёжность   |
| approval            | Умное авто-одобрение команд, режим smart (approval.py) | безопасность, одно слово (APPROVE/DENY/ESCALATE) |
| mcp                 | Обёртка MCP-серверов (tools/mcp_tool.py)            | может быть сложный вывод               |
| kanban_decomposer   | Декомпозиция задач каньбан в JSON (kanban_decompose.py) | длинный JSON (до max 4000 токенов)    |
| triage_specifier    | Спецификация/уточнение задач каньбан (kanban_specify.py) | рабочие задачи, надёжность            |
| curator             | Фоновый анализ/жизненный цикл скиллов (curator)     | фоновый, но смысловой анализ           |

## Рекомендуемое распределение (проверено, применено в конфиге)

**На локальную qwen3:8b-nothink (текст) / qwen3-vl:8b (vision):**
title_generation, web_extract, vision, skills_hub, profile_describer.
Экономит облачные токены, картинки не уходят в облако.

**Оставить на облаке (provider: auto / main):**
- compression   — жёсткий минимум `MINIMUM_CONTEXT_LENGTH = 64_000`, локаль (< 40K) не тянет
- approval      — безопасность, не направлять на слабую локаль
- mcp           — может требовать сложного вывода
- kanban_decomposer — длинный JSON, локаль 8b рискует битой структурой
- triage_specifier  — рабочие задачи, надёжность
- curator           — фоновый, смысловой анализ

## КРИТИЧНО: session_search — НЕ auxiliary-задача

`session_search` НЕ имеет отдельной auxiliary-модели. Проверено резолвером:
```
_resolve_task_provider_model(task="session_search")  # -> provider=auto model=None
```
Это agent-loop инструмент (наравне с todo, memory, delegate_task), он ВСЕГДА идёт на
main-модель/auto. Настройка `auxiliary.session_search.provider` не имеет эффекта
(её блок в конфиге имеет только extra_body/max_concurrency/timeout). Не трать время
на попытку переключить её на локаль — это ограничение Hermes, а не наша ошибка.

## Настройка блока в config.yaml (вручную, НЕ hermes config set)

`hermes config set` не правит dict-блоки aux корректно — правь текстом:
```yaml
  <task>:
    provider: custom
    model: qwen3:8b-nothink
    base_url: http://localhost:11434/v1
    api_key: ollama
    timeout: 60
```
Замена по маркеру `  <task>:` (2 пробела + имя целиком, включая последующий отступ
в 4 пробела + пустую строку до следующей задачи). Порядок полей в существующем блоке
в файле: provider, model, base_url, api_key, timeout, extra_body.

## Проверка E2E после смены модели

Реальный контур (не CLI, который может не подхватить ключ):
```python
import sys; sys.path.insert(0, "/opt/hermes/.hermes/hermes-agent")
from agent.auxiliary_client import call_llm
r = call_llm(task="<task>", messages=[{"role":"user","content":"<короткий промпт>"}], max_tokens=80)
# смотри: r.model == ожидаемая модель, r.choices[0].finish_reason == "stop", content не пуст
```
Признак рабочей локальной модели: `finish_reason: stop` + осмысленный content.
| r.choices[0].message.content | r.model |