📚 系列导航：上一篇 Hermes Agent Skills 系统教程 已经讲清“Skills 系统教程：安装、加载与信任边界”；本篇聚焦 Hermes Agent 调用编码 Agent ；下一篇 Hermes Agent 工具系统教程 继续学习“工具系统与渐进式工具披露”。
先给结论：Skill 不只可以装知识，也可以封装另一个 Agent 的命令行入口。 Hermes 可以把 Claude Code、Codex、OpenHands、OpenCode、Grok 当成执行者，自己负责拆任务和调度。
ℹ️ 版本说明： 原稿基于 Hermes Agent v0.16.0（2026 年 6 月）源码整理。本文保留其版本化机制分析；命令、数量和界面请以 Hermes Agent 官方文档 与本地输出为准。
Hermes 如何委派编码任务
设想你让 Hermes 实现一个功能。它当然可以自己上手，调 terminal、写文件、跑测试。但 v0.16.0 里它多了一个选择：把这单活外包出去。
在 skills/autonomous-ai-agents/ 这个目录下，源码里躺着四个内置 skill。它们不是教 Hermes「怎么写 Python」，而是教它怎么调用另一个 coding agent 帮自己写。Claude Code 是一个，Codex 是一个，OpenCode 是一个，连 Hermes 自己也有一个（用来给本体贡献代码）。
| Skill | 版本 | 它指挥谁去干活 |
|---|---|---|
| claude-code | 2.2.0 | 委派编码给 Claude Code CLI(做 feature / 提 PR) |
| codex | 1.0.0 | 委派编码给 OpenAI Codex CLI |
| opencode | 1.2.0 | 委派编码给 OpenCode CLI(可挂多个 provider) |
| hermes-agent | 2.1.0 | 配置、扩展、给 Hermes 本体贡献代码 |
optional 目录里还有更多：OpenHands、Grok 的 Build CLI、antigravity-cli。装上之后，Hermes 手里就握着一整排可以差遣的 coding agent。
这个结构有点反直觉。我们一直把 Claude Code、Codex 当成「终端」，那个你直接对它说话的 agent。可在 Hermes 眼里，它们是「下属」。谁在最前面收下你的需求，谁就是指挥官；其他 agent 只是它工具箱里的一把扳手。
为什么要这么干？因为不同的 agent 各有各的脾气。Claude-native 的活交给 claude-code，OpenAI 原生 的活交给 codex，需要换模型的场合再换别的。Hermes 不必把每家模型的特长都学一遍，它只要知道「这单该派给谁」就够了。指挥官的本事，是调度，不是亲手做。
OpenHands Skill 的可靠封装方式
这群编排 skill 里，OpenHands 那份写得最讲究，我想把它拎出来当标本。如果你想知道「一个好 skill 到底长什么样」，照着这份抄就对了。
先说它干的事：OpenHands 是 model-agnostic 的，背后能接任何 LiteLLM 支持的 provider，OpenAI、Anthropic、OpenRouter、DeepSeek、Ollama、vLLM 都行。所以这个 skill 的定位很清楚：要 Claude 原生就走 claude-code，要 OpenAI 原生就走 codex，要换着模型玩，才轮到 OpenHands。skill 开头就把这条选择题替你做了。这是第一个细节，好 skill 会告诉你它「什么时候不该用」。
往下看，它的工程化程度才是真正可怕的地方。我把它的几个关键设计列出来。
| 设计 | 具体做法 | 为什么是范本 |
|---|---|---|
| 真实 flag 表 | 给出可用参数表,并标注「verified against openhands —help, CLI 1.16.0」 | 不是凭记忆瞎写,是对着帮助文档逐条核对过的 |
| 负向清单 | 明确写出哪些 flag 不存在(没有 —model / —max-iterations / -workspace / —sandbox) | 主动告诉调用者「别试这些,试了也是错」,省一整轮试错 |
| 一整段 Pitfalls | LiteLLM 的噪声 warning、banner 刷屏、model slug 是 LiteLLM 的不是 provider 的、pip install openhands-ai 装的是错包(那是 legacy V0) | 把踩过的坑全写进去,后来者直接绕过 |
| 平台门控 | [linux, macos] 门控,OpenHands 上游在 Windows 要 WSL | 不兼容的系统上这 skill 直接隐身,不污染索引 |
调用方式也很克制：通过 terminal 工具 headless 调一行 openhands -headless -json -override-with-envs -exit-without-confirmation 。没有花哨的封装，就是把命令行调对、把坑标清楚。
好 skill 的判据：不在于它写了多少「该做什么」，而在于它写了多少「别做什么」。负向清单、Pitfalls、「什么时候不用我」，这三样才是把一份文档从「看着像对的」变成「跑起来真的对」的分水岭。一个只列正确步骤的 skill，等于一份没经过实战的说明书。
这里还藏着一个本节的关键转变。skill 不再只是「写给 agent 看的知识」，它也可以是对一个外部 CLI 的封装。OpenHands Skill 本质上是一层薄薄的胶水：把 agent 的意图，翻译成另一个 agent 听得懂的命令行。skill 的边界，被悄悄推宽了。
darwinian-evolver Skill 的进化搜索
编排别的 agent 是一种玩法，让 skill 帮你优化东西是另一种。optional 的 research 目录里有个 darwinian-evolver ，薄封装了 Imbue 开源的 darwinian_evolver，一个 LLM 驱动的进化搜索循环。
它的用法是：你给它一个 fitness 函数（一个打分器），它就用进化的方式去优化某个 artifact，可以是一段 prompt、一条 regex、一句 SQL、一小段代码。生成一批变体，打分，留下高分的，再变异，一轮一轮爬坡。
要分清它和 Hermes 自带的自进化不是一回事。内置自进化改的是 skill 库本身；darwinian-evolver 改的是你手里任何「有打分器的东西」。一个对内，一个对外。说起来，这套 hill-climbing 加独立评判加进化树的思路，和我自己做的 darwinskill 是同源的：给定一个客观分数，让机器自己一代代往上爬，比人手调要稳。
还有个细节我挺欣赏：它对上游用的是干净的 license 隔离。Imbue 那个库是 AGPL-3.0，skill 只通过 subprocess 调它的命令行，刻意不去 import 上游的类，这样就只是「调用」而非「合并」，把传染性 license 的边界划得清清楚楚。一个 skill 该怎么和一个许可证不友好的外部依赖打交道，这就是范例。
Skill 如何成为 Agent 调度接口
把这一节往回看一步。前面我们讲 skill 是怎么被造出来、被改进、被开放标准白嫖来的。到这里，skill 显出了它的第二张脸：它不光是知识，也是 agent 之间互相调度的接口。
当一个 skill 可以是「调用另一个 agent」的封装，一个有意思的问题就浮上来了—如果 Hermes 能指挥 Claude Code，那它能不能同时指挥一群 agent，让它们分工协作、并行干活？指挥棒握在手里之后，下一步自然是编队。
这正是后面 Part 5 要展开的：从 delegate_task 派一个隔离上下文的子 agent，到 Kanban 看板上一群 agent 排队认领任务。skill 把「调度」这件事变得可调用，多 agent 编排把它变得可规模化。这一节是那一章的引子。
常见问题
Hermes Agent 为什么要调用其他编码 Agent？
不同编码 Agent 对模型、工具和工作流的支持不同。Hermes 可以把它们当作可调度能力，根据任务选择更合适的执行者。
封装编码 Agent 的 Skill 要写什么？
除了正确命令，还要写清什么时候不该使用、哪些参数不存在、常见依赖问题和支持平台。负向信息通常比功能列表更能减少失败。
这篇教程里的版本数字会变化吗？
会。原稿以 Hermes Agent v0.16.0 为分析基线，平台、工具、命令参数和默认配置可能继续变化；实际操作前请核对当前官方文档和本地命令帮助。