Initial commit: Hermes skill hermes-mixed-model-delegation

SKILL.md

@@ -0,0 +1,64 @@
+---
+name: hermes-mixed-model-delegation
+description: "Настройка смешанной модели: главный агент на облачном LLM, подзадачи (delegate_task) на локальной модели через Ollama."
+version: 1.0.0
+author: Agent
+---
+
+# Hermes Mixed Model Delegation
+
+## Когда использовать
+
+Когда главный агент использует мощную облачную модель (DeepSeek, Claude, GPT), а подзадачи (код, анализ, проверка) можно отдать локальной модели через Ollama. Это экономит API-затраты на подзадачи и использует локальную модель для изолированных заданий.
+
+## Конфигурация
+
+В `~/.hermes/config.yaml`:
+
+```yaml
+# Основная модель — облачная
+model:
+  default: deepseek/deepseek-v4-flash
+  provider: custom  # или openai, openrouter, anthropic
+  base_url: https://polza.ai/api/v1
+  api_key: <ключ>
+  context_length: 131072
+
+# Delegation — локальная модель через Ollama
+delegation:
+  model: qwen3:8b            # любая модель из ollama pull
+  provider: openai           # Ollama совместим с OpenAI API
+  base_url: http://localhost:11434/v1
+  api_key: ollama             # произвольный non-empty string
+  max_iterations: 50
+  child_timeout_seconds: 600
+  max_concurrent_children: 3
+```
+
+## Важные моменты
+
+- **Delegation нельзя менять через `/model`** — настройки delegation читаются при старте сессии.
+- **После изменения delegation config → `/reset`** (новая сессия).
+- **Ollama должна быть доступна** — проверка: `curl http://localhost:11434/api/tags`
+- **Модель должна быть загружена** — `ollama pull qwen3:8b`
+- **context_length в main model** можно ставить по максимуму провайдера (DeepSeek v4 Flash → 1M токенов), фактический лимит сессии Hermes настраивается отдельно через `compression.threshold` и не жжёт токены пока не заполнится.
+
+## Проверка что работает
+
+После `/reset`:
+
+```
+delegate_task(
+  goal="Напиши 'Работает!' одним словом. Назови свою модель.",
+  context="Тестовый запуск."
+)
+```
+
+В результате `model` в ответе subagent должна показать локальную модель, а не основную.
+
+## Pitfalls
+
+- **Если delegation.model пуст ('')** — subagent использует ту же модель что и main (бесполезно при mixed). Убедись что поля заполнены.
+- **Ollama в Docker** — порт localhost:11434 должен быть доступен из хоста (`docker run -p 11434:11434 ...`).
+- **GGUF context limit** — у Qwen3 8B моделей в GGUF жёсткий лимит ~40K токенов, num_ctx в Modelfile не расширяет его.
+- **Таймаут при последовательных файловых операциях** — если делегированная задача включает несколько шагов (rm -rf десятков папок + rsync + архивация), subagent может не уложиться в `child_timeout_seconds` (600s по умолчанию). Разбивай на мелкие задачи: по одной папке на делегацию, по 5-10 писем на архивацию. Лучше 3 быстрых делегации, чем одна, которая упадёт по таймауту на 599-й секунде.