Hermes Agent批量生成结构化内容需调用五种机制：一、用batch_runner.py执行JSONL任务；二、通过hermes run启用CLI并行流水线；三、组合delegate_task实现多Agent协同；四、借助execute_code调用本地脚本；五、启用trajectory_compressor.py智能压缩结果。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望利用Hermes Agent一次性生成大量结构化内容，如营销文案、日志摘要、多版本ASCII艺术或训练数据样本，则需调用其原生批量生成机制。以下是实现该目标的具体方法：
一、使用 batch_runner.py 执行JSONL格式批量生成任务
该脚本是Hermes Agent官方指定的批量内容生成入口，专为结构化任务定义设计，支持断点续跑与结果隔离，确保生成过程可追踪、可复现。
1、准备符合规范的JSONL文件，例如 content_tasks.jsonl，每行一个独立生成任务对象，包含 prompt、style、max_tokens、output_format 等字段。
2、在终端中执行命令：python batch_runner.py --dataset_file=content_tasks.jsonl --batch_size=50 --run_name=marketing_copy_v1。
3、若生成中途中断，添加--resume参数重启：python batch_runner.py --dataset_file=content_tasks.jsonl --batch_size=50 --run_name=marketing_copy_v1 --resume。
二、通过 hermes run 命令调用CLI并行生成流水线
该方式绕过Python脚本层，直接启用Hermes CLI内置的并行调度器，适用于已配置cli-config.yaml且启用durable_execution的环境，适合高吞吐文案生成场景。
1、确认配置文件中 parallelism.max_workers 设为6–12，batch_size 设为32–64以匹配GPU显存与上下文长度限制。
2、执行命令：hermes run --dataset_file=tasks/ads.jsonl --config cli-config.yaml --parallelism 8。
3、每个worker将独立加载一批prompt，并行调用 text_generate、format_output 等工具完成风格化文案输出。
三、组合 delegate_task 实现多Agent协同批量生成
当单个Agent受限于上下文窗口或需隔离不同风格/主题的生成逻辑时，可通过 delegate_task 触发多个无状态子Agent并发执行，形成真并行内容生产线。
1、构造主提示词，明确列出N个互斥生成子任务，例如“为A/B/C三个产品线分别生成科技感、温馨感、极简感三类Slogan”。
2、指定 toolsets 为 delegation,text,file，并启用 skip_memory=True 保障子Agent轻量独立、不共享记忆。
3、执行命令：hermes chat -q "为三款产品生成六组风格化Slogan" --toolsets delegation,text,file --yolo。
四、借助 execute_code 批量调用本地脚本生成内容
该方法适用于需深度耦合外部工具链或定制化渲染逻辑的内容生成场景，例如批量生成带水印的ASCII艺术、按模板填充的邮件群发文案等。
1、编写本地Python脚本 generate_ascii_batch.py，封装字符画渲染逻辑与风格参数映射表。
2、在任务JSONL中指定 execute_code 工具调用该脚本，并传入参数行：--input prompts.csv --style cyberpunk --width 40。
3、执行命令：hermes chat -q "运行本地ASCII批量生成脚本" --toolsets execute_code,file --yolo。
五、启用 trajectory_compressor.py 对生成结果进行智能格式化压缩
该步骤并非生成本身，而是对批量产出的内容进行后处理，自动剔除冗余空格、统一换行符、截断超长段落、采样保留高信息密度片段，确保输出符合下游使用要求。
1、将原始生成结果保存为 raw_outputs.jsonl。
2、执行压缩命令，按语义保留前20%高质量样本：python trajectory_compressor.py --input=raw_outputs.jsonl --sample_percent=20 --output=curated_content.jsonl。
3、若需强制适配特定Token预算，指定目标上限：python trajectory_compressor.py --input=raw_outputs.jsonl --target_max_tokens=8000 --output=token_capped.jsonl。
