---
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.