# OpenCode Hermes Multi-Agent

> 仓库地址：https://github.com/1ilkhamov/opencode-hermes-multiagent
> 作者/组织：1ilkhamov
> 成熟度：beta
> 分析日期：2026-04-15

## 一句话总结
一个基于 OpenCode AI 的 17 专用 agent 编排框架，覆盖 research/planning/implementation/quality/documentation/infrastructure 六大类，通过强制质量门和安全审计实现结构化软件开发工作流。

## 项目定位与架构
opencode-hermes-multiagent 是最"重量级"的 multi-agent 方案之一——17 个专用 agent 各司其职，由 Hermes master orchestrator（使用 `openai/gpt-5.2-high`）统一调度。

分层架构：Hermes（master orchestrator）→ 六类子 agent。Research：@finder（快速代码扫描）、@analyst（依赖/风险评估）、@researcher（最佳实践调研）。Planning：@architect（组件设计）、@planner（原子任务分解）。Implementation：@coder（新代码生成）、@editor（安全修改）、@fixer（bug 修复）、@refactorer（结构增强）。Quality：@reviewer（代码质量评估）、@tester（测试创建）、@debugger（根因分析）、@security（漏洞检测）。Documentation：@documenter（技术文档）、@commenter（代码注释）。Infrastructure：@devops（部署自动化）、@optimizer（性能分析）。

七个预定义 workflow pipeline 覆盖：标准特性开发、安全敏感特性、未知 bug 调查、已知 bug 修复、重构、性能优化、基础设施变更。

## 关键技术特性
- **17 个专用 agent**：明确的职责边界和 expertise domain
- **强制质量门**：每次代码变更后必须 code review + testing
- **安全优先**：认证/用户数据/凭证变更必须安全审计
- **Checkpoint 系统**：workflow 阶段间需用户确认
- **三次修订限制**：超限后 escalation
- **冲突解决**：security > quality > implementation 优先级
- **Session Learning**：从 recurring issues 中适应
- **MCP Servers**：Context7（库文档）+ mcp-server-fetch（web 内容）

## 设计亮点与创新
将软件开发工作流分解为 17 个原子化 agent 是一种激进但有逻辑的设计——每个 agent 有明确的输入/输出契约和 expertise scope。强制安全审计和"security > quality > implementation"优先级反映了生产级思维。七个预定义 pipeline 覆盖了绝大多数开发场景，减少了编排配置负担。

## 局限性与风险
17 个 agent 的编排复杂度显著——调试和故障定位困难。三次修订 cap 后 escalation 的具体处理不明确。Model 分配固定（GPT-5.2/Claude variants/Gemini），缺乏运行时可配置性。多个 MCP server 和 LSP 依赖增加了环境配置复杂度。无明确的并发多任务处理机制。每个工作流可能消耗大量 token 和 API 调用。

## 与生态系统的关联
与 Big Iron（code graph 驱动的 SDLC）在目标上相似，但方法论不同——Big Iron 强调代码图结构理解，opencode-hermes-multiagent 强调 agent 专业化分工。与 hermes-agent-acp-skill（multi-agent delegation）和 zouroboros-swarm-executors（CLI tool persona）在 multi-agent orchestration 维度互补。是 Hermes 生态中 agent 数量最多的编排方案。