En los episodios y artículos anteriores te he hablado largo y tendido de cómo este magnífico agente de código abierto es capaz de aprender, crear habilidades por sí mismo y facilitarnos la vida en el día a día. Sin embargo, tengo que entonar el mea culpa, en mis anteriores entregas pasé muy de puntillas sobre una de las características más revolucionarias y potentes de esta herramienta. Me refiero, por supuesto, a los subagentes y al sistema de delegación.
Hoy nos vamos a remangar y vamos a profundizar a fondo en este concepto. Vamos a desgranar cómo configurar subagentes, cómo pasar de la clásica delegación síncrona que bloquea tu terminal a la nueva y flamante delegación asíncrona y, sobre todo, cómo diseñar un flujo de trabajo optimizado para que tu IA trabaje en paralelo sin que tu hardware local se asfixie o tu cartera llore por el consumo excesivo de tokens
El gran enemigo silencioso: El envenenamiento del contexto y la lentitud secuencial
Para entender por qué los subagentes son una bendición, primero debemos comprender cómo funciona la mente de un modelo de lenguaje de gran tamaño (LLM). Cuando inicias una conversación con Hermes, cada pregunta que haces, cada respuesta que recibes y cada ejecución de herramienta que el agente realiza se va registrando en la memoria de la sesión. Esto es lo que conocemos como la ventana de contexto.
Imagínate que estás trabajando en un despacho físico. Al comenzar el día, tu mesa está completamente despejada. Conforme vas realizando tareas, vas sacando carpetas, folios de notas, informes antiguos y esquemas. En un abrir y cerrar de ojos, tu mesa de trabajo está sepultada bajo una montaña de papeles. Si necesitas buscar un número de teléfono específico que apuntaste a primera hora, tendrás que rebuscar entre toda esa maraña de folios.
En la IA ocurre exactamente lo mismo. Este fenómeno se conoce técnicamente como context poisoning o envenenamiento del contexto. Cuando una sesión de chat acumula demasiados datos de herramientas intermedias, búsquedas web masivas o depuraciones de código infinitas, ocurren tres cosas bastante graves:
Pérdida de precisión
A la IA le cuesta mucho más mantener el foco. Al tener que procesar miles de líneas de información irrelevante para la pregunta actual, es mucho más propensa a cometer errores, alucinar o ignorar instrucciones críticas.
Degradación del rendimiento y lentitud
Cada nueva interacción obliga al modelo a releer y procesar toda la pizarra de contexto acumulada de nuevo. Si estás ejecutando tu agente en un hardware local con recursos limitados, notarás de inmediato cómo el tiempo de respuesta pasa de unos pocos segundos a varios minutos de agónica espera.
Costes económicos desorbitados
Si utilizas APIs comerciales o plataformas de enrutamiento como OpenRouter, cada token de entrada se factura. Enviar un contexto gigante de 30.000 o 40.000 tokens en cada interacción del chat para que la IA te responda con un simple sí o no es un auténtico sinsentido económico.
Aquí es donde la arquitectura de Hermes demuestra su genialidad. En lugar de obligar a un único agente a procesar todo en serie sobre el mismo hilo de conversación, Hermes nos permite dividir y vencer gracias al uso de subagentes.
¿Qué es exactamente un subagente en Hermes?
A efectos prácticos, un subagente es un hilo de ejecución completamente nuevo, una instancia de Hermes hija que se crea de manera temporal para resolver una misión muy concreta. Piensa en él como en un becario superespecializado al que le asignas una tarea delimitada.
La genialidad del diseño de subagentes en Hermes radica en sus estrictas políticas de aislamiento y control:
Contexto totalmente limpio
Un subagente inicia su vida con una conversación completamente vacía. No tiene ni la más remota idea de lo que has hablado previamente con el agente padre. No sabe si estás programando en Rust, planificando tu menú semanal o si estás cansado. Esta falta de sesgo y este espacio de memoria de cero tokens garantizan que el subagente trabaje de la forma más rápida y precisa posible.
Entorno y terminal aislados
El subagente no comparte el estado de la terminal con el agente principal. Cuenta con su propia terminal virtual y su propia área de trabajo. Esto significa que cualquier error de ejecución, cualquier paquete temporal que instale o cualquier archivo que modifique de manera intermedia no contaminará la sesión principal.
Herramientas limitadas y controladas
Cuando levantas un subagente, puedes (y debes) limitar la caja de herramientas (toolsets) a las que tiene acceso. Si su tarea consiste únicamente en leer un archivo local y buscar patrones, no tiene sentido que disponga de herramientas para navegar por internet o realizar llamadas de API externas. Menos herramientas utilizables se traducen en un menor tamaño del sistema de guiado y una seguridad perimetral excelente.
El patrón de padre fuerte y niños baratos
Esta es una de mis estrategias favoritas para ahorrar recursos. El agente padre, que se encarga de charlar contigo, entender tus intenciones complejas, planificar las estrategias y sintetizar los resultados finales, puede configurarse con un modelo de lenguaje muy potente y masivo (un modelo frontera como Claude 3.5 Sonnet o GPT-4o). Sin embargo, cuando este padre necesita realizar tareas rutinarias o de investigación de datos brutos, delega la tarea a subagentes configurados para correr bajo modelos locales mucho más pequeños, rápidos y económicos (como Llama 3 o Phi-3 corriendo en tu propio hardware local mediante Ollama). El consumo masivo de tokens de entrada se lo traga el modelo barato, mientras que el modelo inteligente solo procesa el resumen final pulido.
La regla de oro: Cuándo delegar y cuándo ejecutar código
Un error muy habitual cuando empezamos a flipar con los subagentes es intentar utilizarlos para todo. Crear un subagente tiene un coste temporal y computacional de inicialización, por lo que debemos ser muy selectivos.
La regla que yo aplico en mi día a día es la siguiente:
Si la tarea requiere razonamiento lógico, toma de decisiones o síntesis de información basada en diferentes fuentes, delegas en un subagente. Si la tarea es puramente mecánica y algorítmica, ejecutas código de forma directa.
Por ejemplo, no tiene ningún sentido delegar en un subagente la tarea de listar el contenido de un directorio con ls -la o realizar una operación matemática básica como sumar dos variables. Para estas labores mecánicas y de paso a paso estructurado, es muchísimo más rápido y eficiente indicarle al agente principal que ejecute un comando bash directo empleando la herramienta execute_code.
Por el contrario, si lo que necesitas es buscar fallos críticos de seguridad en tres archivos de log diferentes de forma simultánea, o redactar una propuesta de solución contrastando la documentación oficial de un software con un mensaje de error de tu servidor, ahí tienes el escenario perfecto para lanzar subagentes.
Configuración y control de los subagentes en config.yaml
Como buen administrador de sistemas, te gustará tener el control absoluto de lo que ocurre en tu máquina. Hermes nos permite parametrizar con total precisión el comportamiento de la delegación de subagentes modificando su archivo de configuración principal. Los parámetros clave que debes vigilar son los siguientes:
max_concurrent_children
Este parámetro define cuántos subagentes pueden trabajar de manera simultánea en paralelo. En mi servidor de pruebas lo tengo configurado en un límite de tres, lo cual es ideal para equilibrar la velocidad de procesamiento con la carga de la CPU de mi máquina local.
max_spawn_depth
Por defecto, la delegación es plana (valor igual a 1), lo que significa que el agente padre puede crear hijos, pero estos hijos no pueden crear a su vez sus propios subagentes. Si aumentas este límite, puedes permitir la creación de orquestadores intermedios. Por ejemplo, con una profundidad de tres y un límite de concurrencia de tres, la estructura en árbol podría llegar a levantar hasta 27 agentes funcionando de forma concurrente. Ten muchísimo cuidado con esto si no quieres que tu procesador empiece a echar humo o tu factura de API se dispare de forma exponencial.
max_iterations
Define el número máximo de ciclos de pensamiento y ejecución de herramientas que un subagente puede realizar antes de verse obligado a retornar un resultado. Por defecto suele estar establecido en 50 iteraciones, asegurando que un subagente no se quede atrapado en un bucle infinito de pruebas fallidas.
Delegación síncrona frente a asíncrona: El gran salto adelante
Hasta hace muy poco, el funcionamiento de la herramienta delegate_task de Hermes era puramente síncrono. ¿Qué implicaba esto? Pues que cuando el agente principal decidía lanzar subagentes para realizar una tarea de investigación pesada, tu chat principal se quedaba completamente congelado. Tenías que esperar pacientemente a que todos los subagentes terminaran sus iteraciones, redactaran sus informes y los devolvieran al padre para poder volver a interactuar con la terminal o escribir un mensaje.
Esto era un problema obvio para tareas largas de fondo, como auditorías de seguridad semanales, análisis masivos de código o la generación de grandes bloques de contenido.
Afortunadamente, con la llegada de las actualizaciones recientes de la versión v0.17 Reach de Hermes Agent, se ha introducido el kit de herramientas de delegación asíncrona (async_delegation). Ahora, cuando el agente principal decide delegar un trabajo en segundo plano utilizando el parámetro background=true, la magia se desata:
Retorno inmediato de identificador (Task ID)
El agente principal lanza el subagente y, en cuestión de un par de milisegundos, el sistema devuelve un identificador único de la tarea (task_id). Tu hilo de conversación principal se desbloquea al instante, permitiéndote seguir preguntándole cosas a Hermes o encargándole otras tareas rápidas mientras el hijo trabaja en la sombra.
Monitoreo no bloqueante
En cualquier momento puedes utilizar la herramienta check_task pasándole el identificador correspondiente para ver el estado del subagente (si está ejecutándose, si ha fallado o si ya ha terminado) y obtener un vistazo rápido de las últimas líneas de su terminal.
Capacidad de redirección (Steering)
Si ves que el subagente de fondo se está desviando de su objetivo original, la herramienta steer_task te permite inyectar un mensaje de corrección a mitad de su ejecución para reorientar su razonamiento sin necesidad de cancelar y reiniciar todo el trabajo desde cero.
Recolección de resultados bajo demanda
Una vez que el subagente ha finalizado, puedes consolidar la información en tu chat principal utilizando collect_task cuando a ti te venga bien, integrando ese resumen limpio directamente en tu contexto de trabajo actual.
Casos de uso reales para exprimir los subagentes
Para que veas que esto no es solo teoría de laboratorio, te comparto tres escenarios reales donde la combinación de subagentes síncronos y asíncronos te va a permitir ahorrar horas de trabajo monótono:
Búsqueda de chollos en paralelo
Imagínate que le encargas a Hermes buscar el mejor precio para adquirir un hardware o unas zapatillas concretas en internet. En lugar de ir secuencialmente perdiendo el tiempo en cada página, Hermes lanza tres subagentes de forma paralela. Uno navega por Amazon, otro por Google Shopping y un tercero rastrea Decathlon o portales especializados. Cada uno opera con un contexto aislado, recopila los datos en tiempo real y, en segundos, el padre te presenta una comparativa impecable con enlaces y precios actualizados, ahorrándote el tedio de abrir decenas de pestañas en tu navegador.
Auditoría simultánea de salud del servidor
Puedes pedirle a Hermes un informe ejecutivo del estado de tu máquina. El agente principal delegará la tarea en tres subagentes concurrentes: uno auditará el uso de la CPU y los procesos más pesados, otro analizará el comportamiento de la memoria RAM y el tercero rastreará el almacenamiento en disco y los logs de errores de tus contenedores Docker. Cada subagente procesa su información de forma independiente y paralela. Si el subagente del disco falla o tarda más de la cuenta por un bloqueo de entrada/salida, los de CPU y RAM seguirán su curso y te entregarán sus informes sin interrupción.
Desarrollo de software guiado por subagentes (SSD)
Este es el sueño de todo programador perezoso. Puedes asignar a un subagente el diseño de las bases de datos y el modelo, a otro la lógica de las vistas y a un tercero la suite de pruebas unitarias de tu código. Un cuarto subagente orquestador se encargará de revisar los tres resultados, unificarlos, comprobar que no haya conflictos y entregarte el proyecto limpio listo para producción.
Errores habituales al trabajar con subagentes y cómo evitarlos
No todo es de color de rosa. Si no tienes cuidado al configurar tus flujos de delegación, puedes encontrarte con algunos de estos problemas clásicos de la automatización agentica:
No definir un objetivo ultraespecífico
El parámetro goal que se le pasa al subagente debe ser lo más claro e inequívoco posible. No es lo mismo decirle a un subagente analiza los logs que pedirle busca intentos de acceso fallidos por SSH en el archivo auth.log, clasifícalos por dirección IP y genera una lista con las diez IPs más activas. Cuanto más concreto sea el objetivo, más rápido y certero será el resultado del subagente.
No restringir las herramientas
Darle acceso de administración completo a todos tus subagentes es peligroso y derrocha recursos. Si un agente solo tiene que corregir la ortografía de un archivo Markdown, configúralo para que únicamente disponga de herramientas de lectura y escritura de archivos. Evita darle acceso a la terminal completa o a la búsqueda web para esa tarea concreta.
Dependencias cruzadas en ejecuciones paralelas
Si lanzas un grupo de subagentes en paralelo, asegúrate de que sus tareas no dependan unas de otras. Si el subagente B necesita obligatoriamente los datos que genera el subagente A para poder empezar a trabajar, no los lances juntos en paralelo; en ese caso, es mejor diseñar un flujo síncrono secuencial o esperar a recolectar el resultado del primero antes de iniciar el segundo.
Conclusiones: El futuro pasa por la automatización local soberana
El uso inteligente de subagentes en Hermes Agent demuestra que el futuro de la Inteligencia Artificial no consiste en hacer modelos cada vez más gigantescos y pesados que lo abarquen todo en una sola conversación kilométrica. El verdadero camino hacia la eficiencia pasa por la modularidad, la delegación inteligente y el aislamiento de tareas. Con esta arquitectura, no solo conseguimos que nuestras aplicaciones de IA respondan mucho más rápido, sino que ganamos un control absoluto sobre la seguridad de nuestros sistemas y optimizamos drásticamente el uso de recursos y costes.
Te animo encarecidamente a que actualices tu instalación de Hermes hoy mismo a la última versión y empieces a trastear con los parámetros de delegación síncrona y asíncrona. Una vez que experimentas la comodidad de lanzar pesadas tareas de análisis en segundo plano mientras continúas conversando con tu asistente principal, ya no hay vuelta atrás.
Y como adelanto para los próximos días, os recuerdo que sigo trabajando a tope en el tutorial sobre RAG local utilizando Ollama. Tras la magnífica acogida que tuvo el episodio donde os hablaba de la teoría de las bases de datos vectoriales, os enseñaré de forma muy práctica cómo alimentar a vuestros modelos locales con vuestros propios PDF, manuales de servidores y notas personales para que podáis consultarlos sin depender de la nube de ningún tercero. ¡La soberanía digital está al alcance de nuestra mano!
Más información,
Transcripción
hola soy lorenzo y esto es atareado con linux episodio número 811 en los episodios anteriores
en los que te estaba hablando sobre hermes he pasado un poquito de puntillas sobre los subagentes
que es una herramienta súper potente pero a lo que probablemente no le hayas dedicado la atención
que se merece o por lo menos yo en los episodios que he hablado sobre hermes no le he dedicado
suficiente atención pero es una herramienta súper potente y que te puede ayudar a exprimir al máximo
este agente para sacarle todas las posibilidades que te ofrece y es que en muchas ocasiones pensar
en que vas a lanzar subagentes no aporta nada pero nada más lejos de la realidad justo es todo lo
contrario a lo que te puedas imaginar los subagentes tienen un gran potencial y hay que exprimirlos al
máximo siempre que tengamos la posibilidad pero antes de nada y como de costumbre vamos directos
al turrón en este episodio te voy a hablar sobre subagentes de hermes y por supuesto lo primero es
aclarar qué son los subagentes qué es esa herramienta de la que te quiero hablar y sobre lo que quiero
comentarte y como te digo es una herramienta súper potente que la tienes que exprimir al máximo y es
que al final cada tool call es decir cada vez que utilices una herramienta cada vez que utilizas un
skill cada vez que realizas una búsqueda cada vez que le preguntas todo esto que estás haciendo lo
único que haces es llenar el contexto de hermes es decir tú empiezas a hablar con hermes y todo eso se
va acumulando hasta que inicias una nueva sesión pero todo se acumula de manera que cuando tú le dices
que haga una determinada búsqueda no solamente es la búsqueda y el resultado de la búsqueda sino
todo aquello que va asociado con todo lo que has hablado hasta el momento esto que implica por lo
que implica es que el contexto se llena si estás utilizando un modelo de lenguaje con un contexto
suficientemente amplio de 60.000 tokens bueno pues a lo mejor tienes suficiente pero a lo mejor no si
has empezado a trabajar con hermes te habrás dado cuenta fácilmente que en poco que te fijes nada más
arrancar ya está en 20.000 o en 30.000 tokens con lo cual tienes que tener muchísimo cuidado y no
solamente es esto sino que si estás utilizando un modelo de lenguaje local pues en la ventana de
contexto probablemente sea mucho más reducida que en este caso al final que el contexto conforme se
llena el rendimiento baja y sobre todo el coste sube menos si lo tienes en local como te digo cada
vez que haces una búsqueda cada vez que ejecutas un comando cada vez que lees un archivo cada vez que
ejecutas una llamada o una herramienta tú fíjate que por herramientas fácil que sea entre 500 y 1000 tokens
lo que estás consumiendo todo esto tiene que procesarlo y no solamente texto sino que procesa
todo el histórico con lo cual a lo mejor la solución no es exactamente esta no es hacerlo todo sobre el
hilo principal sino algunas determinadas operaciones hacerlas sobre y los secundarios es decir la solución
básicamente reside en que hermes delegue tareas a agentes hijos que devuelvan única y exclusivamente el
resumen es decir
simplemente la propiedad para que nos hagamos una idea en el caso de una suba de un subagente el
contexto es el completamente aislado empieza de cero la primera ventaja no le estamos pasando toda la
información que tenemos sino simplemente le hemos pasado lo que exactamente necesita por otro lado
tiene una terminal propia no comparte el estado con el agente principal los tools es las herramientas
los conjuntos de herramientas que les pasas son limitados tú decides exactamente qué es lo que tiene
que utilizar el modelo no tiene por qué ser el modelo del padre es decir puedes utilizar un padre muy
inteligente o mejor dicho un padre de un modelo frontera mientras que en el caso de un subagente donde
única y exclusivamente tienes que hacer determinadas operaciones puedes utilizar otro tipo de modelo
incluso un modelo local y luego la gran ventaja es que el subagente lo único que te vuelve es el
resultado al final lo que tienes que pensar es que se trata de como un becario como un ayudante donde
tú le vas a dar una tarea muy concreta una tarea muy contextualizada las herramientas necesarias para
realizar esa tarea y única y exclusivamente te va a volver los el resumen del resultado no te va a contar
todo lo que ha hecho ni los razonamientos que ha seguido ni nada más simplemente lo único que te va a
contar es exactamente qué es lo que ha obtenido así que lo único que tienes que hacer para lanzar un
subagente es definir una serie de parámetros objetivos y qué parámetros son estos pues
simplemente el precisamente el objetivo la meta el gol que es una cadena de texto que le indica al
subagente lo que quieres que haga concretamente y es obligatorio el contexto que es la información que
le vas a pasar pero no toda la información que está manejando el agente en concreto sino única y
exclusivamente la información concreta que él necesita si única y exclusivamente tiene que leer
un archivo a lo mejor solamente le tienes que decir bueno leer un archivo en concreto no deberías pero ya
verás pero bueno simplemente tendrías que decir el nombre del archivo o si quieres que te corrija un
contenido concreto simplemente lo que tienes que pasarles o el nombre del archivo o el contenido y luego
un tool sets o los tools en los conjuntos de herramientas que son todas las herramientas que
tiene que utilizar por defecto para aprovechar así que tienes aquí y fundamentalmente una regla de
obra si necesita un razonamiento delegas la tarea y si es algo mecánico ejecutas código es así es decir
para listar un archivo no tienes que delegar simplemente tienes que ejecutar por ponerte un ejemplo claro
cuando tienes que utilizar un agente o mejor dicho un subagente y cuando no por ejemplo para
investigar tres temas en paralelo es el objetivo para utilizar un subagente sin embargo para leer un
archivo no si lo que quieres es hacer una revisión de un pull request también es un carne de cañón para
un subagente pero ejecutar un ls menos la tampoco analizar logs y generar un informe otra tarea que es
carne de cañón de un subagente sumar dos números tampoco y por último hacer un scrapping de una página
web y que te vuelvan los resultados concretos esto es fundamental para los subagentes y ya dedicaremos un
episodio concreto al tema de subagentes y al tema de scrapping y luego si es cualquier cosa que tengas
que hacer con una llamada a una tool todo esto lo tienes que hacer con el tu agente principal al final
lo que tienes que hacer es buscar un equilibrio no se trata de que utilices subagentes para todo ni que
utilices el padre para todo solamente cuando el contexto del padre supere el coste de lanzar un
hijo es decir si tienes un contexto brutal y lo que vas a hacer es una buscar tres temas de lo que
sea en paralelo pues no tiene ningún sentido que lo que hagas es meter todo ese contexto brutal y
ponerle a hacer tres búsquedas porque lo que vas a hacer es incrementar el contexto exageradamente es el
momento de realizar o de utilizar un subagente bueno cómo funciona esto de los de la delegación de
tareas pues simplemente es una función que tú no lo vas a ver porque esto simplemente se lo dices a tu
a tu agente principal y le dices un objeto o sea un objetivo que es analiza este log y dime los
errores críticos un contexto donde sería el contenido del log y unas herramientas que son pues por ejemplo
la terminal y el archivo es muy importante que el objetivo el gol sea lo más específico posible cuanto
más específico mejor el resultado que vas a obtener por ejemplo analiza este log no es lo mismo que busca
errores críticos en este log y clasificalos por severidad de esta manera con esta especificidad tan
clara a la hora de definir la tarea que estás delegando el resultado va a ser mucho mejor que si
simplemente le dices revisa el log
luego por otro lado tenemos el contexto el subagente no tiene ni idea de la conversación que estás teniendo
con el agente es decir si estás hablando con hermes y le estás contando tu vida y milagros y le estás
contando que ayer saliste santerrana y ahora le quieres hacer quieres que el subagente haga algo con
el entrenamiento el subagente no tiene ni idea de que estamos hablando de entrenar o sea que necesitas
que le pases la información necesaria para que él pueda realizar su tarjea si no le pasas esa información
no la va a poder hacer y luego los tool sets lo que representan es o sea las herramientas que va a
utilizar lo que representan es seguridad si sólo necesitas leer archivos no le tienes que dar acceso
a que busque web ni nada de nada cuantos menos herramientas mejor no solamente por el principio de
la seguridad sino también por otra cosa muy importante cuantas más herramientas más contexto consumes
de esta manera
si miramos un subagente por dentro lo que tienes que tener en cuenta es que cuando lanzas un subagente
lo que haces es iniciar una sesión nuevo por cada subagente que lanzas una conversación completamente vacía
y una terminal completamente limpia a ese subagente le inyectas un goal que es el objetivo lo que quieres que haga
y un contexto como las primeras instrucciones nada más o sea él no tiene ni idea del resto del contexto
y el subagente ejecuta herramientas piensa itera y realiza hasta 50 iteraciones por defecto
perdón y luego con todo esto te va a devolver un resumen y eso es lo que se le devuelve al padre
el padre ni va a ver las tool que ejecuta no va a ver los fallos intermedios no va a ver el
razonamiento no va a ver los intentos no va a ver nada solamente va a ver el resultado final y en este
sentido lo importante es que tengas un contexto lo más claro si le das si no le das ningún tipo de
contexto el subagente no tiene ni apps vamos no tiene ni la más remota idea de lo que le estás hablando
tiene que preguntar adivinar o hacer suposiciones y ya sabemos que los modelos de lenguaje haciendo
suposiciones son unas bestias pardas porque son capaces de imaginar cualquier cosa que te puedas
echar a la cara en este sentido le tienes que decir un contexto claro archivo bar log out punto log
líneas de la 20 a la 50 busca intentos de ssh fallidos con ese contexto sabe exactamente qué es lo que
tiene que hacer el contexto es básicamente el 80% del éxito de un subagente así que tienes que
preocuparte de darle un buen contexto por ejemplo un ejemplo práctico sería dime si este error es
conocido y cómo solucionarlo le pasas un error le dices el sistema operativo en el que lo estás
corriendo y el software al que corresponde y luego le defines los tool sets los conjuntos de herramientas
que tiene que utilizar el subagente lo que va a hacer buscar en web contratar contrastar las fuentes
que perdón y devolver un diagnóstico tú no tienes que mirar las 10 búsquedas que hizo ni nada solamente
preocuparte en el resultado y para esto lo mejor es que te muestre un un ejemplo yo ahora le voy a decir
que haga un realice tres búsquedas donde le indico que quiero comprar unas zapatillas ultra bus de adida y
que busque el mejor precio con esto le he dado el objetivo el contexto también va integrado en esto y
las tool sets las las vas traer de aquí es decir tú realmente a tu agente lo único que le vas a pasar es
esta información y él el agente lo que va a hacer es pensar a tengo que lanzar tres subagentes en
esos el objetivo fundamental es encontrar el mejor precio y el contexto es unas zapatillas ultra bus de
adidas con lo cual tengo que buscar o tengo que utilizar una tool set de web entonces yo ahora lo
lanzo y ahora lo que me va a decir es que va o espero que me diga es que va a lanzar tres subagentes y
te digo que espero que me diga por lo de siempre al final todo esto es estamos trabajando con un
modelo de lenguaje y los modelos de lenguaje no son deterministas aunque yo lo haya intentado varias
veces pues este no se acuerda por ejemplo efectivamente ha hecho lo que esperábamos ha lanzado
fíjate que ya me dice lanzada de nuevo las tres batidas una ronda en amazon google shopping otra
ronda en el corte inglés tal tal tal y otra ronda no sé qué y ya me devuelve los tres probablemente
esto me lo haya devuelto de la búsqueda anterior que he hecho pero bueno no no no me la devuelve
de la búsqueda porque los resultados son completamente distintos aquí me ha dado los a ver
el chollazo 99 99 de la semana pasada ya no está ahora el mejor precio lo tienes en decaldón con las
ultra bus a 129 con 90 30 euros menos que en el corte inglés esto es un ejemplo práctico de lo que
puedes hacer y un resultado muy interesante igual que hace igual que hemos hecho que haga este tipo
de búsquedas le puedes hacer incluso le puedes decir fíjate lo que te digo lo que puedes hacer
es decirle o programarle para que todos los días haga este mismo tipo de búsqueda de manera que si
un día lo encuentra o quien dice todos los días también te puede decir cada cinco horas o cada tú
consideres siempre tienes que tener en cuenta que todo este tipo de operaciones al final lo que conlleva
es un gasto de tokens bueno dependiendo como lo tengas organizado el tema bueno sigo con el tema
el siguiente es trabajo en
en bloques o en o en paralelo que es exactamente lo que te acaba de mostrar por ejemplo aquí sería
analiza la cpu analiza la ram y analiza el disco y el contexto es la información de cpu data
y disco y que te dé un informe esto lo que va a hacer es lanzar tres subagentes concurrentes para
que te realice las operaciones y te digo que son tres agentes concurrentes porque yo lo tengo
definida así tú lo puedes cambiar y puedes hacer lo que quieras por ejemplo ahora podemos lanza tres
subagentes
y dime buscando información buscando información relativa al consumo de cpu de cpu ram y disco y
dame un resumen ejecutivo
y ahora lo que va a hacer de nuevo es volvemos a la misma va a hacer en lugar de lanzar un solo una
sola tarea lo que va a lanzar son tres subagentes
mira aquí en este caso ha dicho que lo va a hacer de forma directa y lo va a hacer de forma directa por
algo que hemos visto anteriormente pero bueno para que te hagas una idea es si esto por ejemplo lo
hiciéramos no con nuestro propio equipo sino que lanzáramos en cómo se llama
lanzáramos una búsqueda en internet perdón si en lugar de hacerlo en el equipo lo hiciéramos en
varios vps entonces seguro que no nos habría dicho otra cosa nada aquí nos dice por ejemplo el consumo de
cpu que la máquina está prácticamente en reposo el consumo de ram que está sobrada y lo que sí que nos
dice es que lo que está más ajustado es el disco que ahora mismo solamente tiene 129 gigas libres
bueno en este caso bueno ha hecho lo que la da la gana pero eso es normal por lo que te comentaba
anteriormente estamos hablando de una herramienta que o de un modelo de lenguaje que no son deterministas
cada uno como te decía si esto lo hubiera lanzado en tres subagentes cada uno tendría un terminal un
contexto un modelo los resultados estarían ordenados y si uno falla no pasa nada los otros podrían
continuar de esta manera nos da la el análisis de cpu el análisis de ram y el análisis de disco y todo
lo puede hacer de en forma paralela no tenemos que estar esperando de forma secuencial a que termine
cada uno de esos de esos procesos qué límites tienes bueno tienes algunos límites definidos
a la hora del funcionamiento estos límites son el número de subagentes que pueden funcionar de forma
concurrente de esta manera yo tengo definidos tres pero tú puedes definir otras cantidades
el max spawn death que lo que indica es si los subagentes pueden lanzar a su vez subagentes yo no
lo tengo prohibido y luego también tengo el número de iteraciones que puedes hacer por subagente que en mi
caso lo tengo a 50 en el
spawn death es decir la variable que define cuántos subagentes puedes crear es muy importante y si necesitas que un subagente
cree subagentes tienes que subir ese número en tu archivo de configuración pero deberías de pensarlo dos veces antes de hacerlo
yo creo que así tal y como está establecido funciona bastante bien
bueno si quieres hacer investigación en paralelo para hacer esto utilizar subagentes es fantástico
tres subagentes y un resultado análisis de log testing para hacer cada subagente ejecute una suite de tests
scrapping para hacer búsquedas que como ya te digo ya le dedicaremos unos episodios las tareas del batch no deben de tener dependencias
entre sí sino que ninguna debe depender de otras esto ya lo veremos más adelante en el tema del camban de hermes porque es súper interesante
y luego un adelanto que es un tema muy muy interesante que está previsto para este mes que ya ha terminado de para este pasado mes
todavía no está implementado pero son las delegación de en agentes asíncronos en la delegación en agentes
síncronos lo que implica es que se bloquea el chat y hasta que no has terminado tú no puedes continuar el padre no responde
hasta que vuelve y es ideal para tareas rápidas es decir para menos de 30 segundos mientras que las tareas que son
asíncronas la ventaja que tienen es que tú las lanzas y tú puedes seguir trabajando con el agente o con el padre principal
para que hagas lo que sea y cuando haya terminado lo cuando hayan terminado todas esas tareas asíncronas vuelve
el funcionamiento es más o menos muy similar al de la
síncrono pero lo que te vuelve es un identificador de la tarea que has lanzado
tú lanzas la tarea y te devuelve ese identificador empiezas a preguntar cuando quieras oye cómo va el
informe este que has hecho cómo lo llevas y va siguiendo el el progreso y cuando acaba pues
simplemente te notifica que ya ha terminado todo y ya puedes hacer otro tipo de tareas es decir hoy
hermes cuando te vayas a dormir analiza estos logos comprime los demás de 3 de 30 días déjame un
resumen en el escritorio todo esto lo puedes hacer sin ningún tipo de problemas e implicaciones la gran
ventaja es que puedes lanzar en tareas de fondo ejecutándose simultáneamente el coste de tokens
se distribuye en el tiempo el padre no se satura y es ideal para realizar el grap y masivo generación
de informes análisis de los backups de verificación y todo esto la gran historia de esto es que actualmente
no estaba funcionando yo he estado ansiosamente buscando cómo ponerlo en marcha pero hasta el
momento no lo he conseguido sí que he visto varios artículos en los que habla pero hasta ahora no he
podido ponerlo en marcha con lo cual no te puedo mostrar sobre esto casos reales bueno una revisión
automática de un pull request es un ejemplo muy claro tú le mandas que haga una revisión y tú sigues
programando y cuando ha terminado pues el subagente devuelve el informe de lo que ha hecho puedes lanzar
un batch de tres subagentes como los que hemos hecho mostrándote información acerca de las zapatillas
ultra boost o investigación de cualquier otra cosa relacionada del mercado de esta manera en paralelo
te hace las tres y luego te devuelven los resultados igual puedes hacer ssdd de desarrollo por
con subagentes de manera que un subagente se encarga de escribir el modelo o otro subagente se encarga de
escribir las listas otro en los test y un orquestador que se encarga de revisar y unificar todo esto todo
esto lo puedes hacer e incluso puedes configurar como te he dicho anteriormente los subagentes para
que cada uno de los subagentes utilice un modelo más barato los errores más comunes pues en lugar de
pasar un contexto concreto pasarle vamos la información del quijote directamente y lo que al final consigues es
justo todo lo contrario el subagente tarda más en ejecutarlo que haciéndolo tú mismo no especificar las
tool sets con lo cual el subagente no tiene acceso a todo es de hacer un vas donde unas tareas dependan
de otras y hacer que el un subagente utilizarlo para cualquier cosa desde leer un archivo hasta
listar todos los archivos que tienes un directorio o simplemente olvidar el límite de profundidad es
decir cuántos subagentes pueden lanzar subagentes o si un subagente simplemente pueden lanzar subagentes
la regla de oro que he comentado ya anteriormente es que ejecutes el código directamente para tareas
mecánicas mientras que delegues para tareas que requieren o razonamiento o más operación bueno con
todo esto indicarte y como conclusión simplemente los subagentes para contexto aislado terminal propia
barras de la o sea conjuntos de herramientas delegar las tareas pasándoles el objetivo el contexto y los
conjuntos de herramientas la posibilidad de lanzar procesos en paralelo y los agentes asíncronos que
esperemos que lleguen durante o que ya hayan llegado cuando veas este vídeo desde luego o escuches este
podcast evidentemente si si en cuanto lleguen no te preocupes que haré un vídeo al respecto y esto es
un poco como lo que quería contarte en relación a todo el tema de los subagentes sí que decirte que
me parece una herramienta súper potente y que hay que exprimirla al máximo porque nos da muchísimas
posibilidades y muchísimo juego dicho esto y darte las gracias porque en los episodios que he dedicado
al rag en el episodio este un poco teórico que lancé pues ha tenido mucho éxito y le tengo que
dedicar vaya la tos perdón le tengo que dedicar un par de episodios a cómo montar tu propio rag para
aprovechar al máximo la guía y no solamente aunque estés haciendo consultas en remoto en poder extraer
información local o sea tienes ahí muchísimo juego y va a ser muy interesante yo creo que le
dedicaré un par de episodios de cualquier manera estoy preparando o ya tengo más bien casi preparado
casi ultimado un tutorial sobre para utilizar o llama con rag donde desgrano por completo todo
de todas maneras yo creo que lo más interesante es el vídeo o un par de vídeos donde centrarme
exactamente en cómo montarlo y poco más que contarte esto era un poco lo que quería hablarte en este
episodio y espero que te haya gustado y que le hayas sacado muchísimo provecho a todo esto de los
subagentes de hermes recordarte que este es un podcast de la red de podcast de sospechosos habituales
donde puedes encontrar fantásticos y maravillosos podcast que puedes exprimir o puedes aprovechar o
puedes participar en el grupo de de telegram del de matascao y todo en el grupo de telegram de
win tablet del de sospechosos habituales en telegram t punto m barra sospechosos habituales no me equivoco
otra vez t punto m barra win tablet info y allí seguro que vas a encontrar hablando prácticamente de
cualquier cosa y si quieres participar en el grupo de tarea con linux simplemente tienes que buscar eso en
telegram he atareado con linux con guiones bajos y allí nos vas a encontrar hablando de hermes
inteligencia artificial docker potman o cualquier cosa relacionada con linux y el mundo del open source
y poco más que decirte recordarte que la vida son dos días y uno ya ha pasado así que disfruta como
si no hubiera mañana y si puede ser con linux y en este caso con los subagentes de hermes mejor que
mejor un saludo y nos escuchamos el próximo jueves hasta luego
adiós
adiós
adiós
adiós
adiós