一百万行Python代码，交给AI清理，需要多久？NousResearch给出的答案是：19个小时，动用约1.4K个子代理，最终代码库体积缩减了34.4%，省下近200万美元的工程人力成本。

这组数字来自NousResearch发布的一篇博客。据其披露，9月2日，Teknium让Hermes Agent接手了这项清理任务。19小时后，结果出炉。Elvis Saravia在推荐这篇内容时直言，这可能是目前规模较大的子代理运行案例之一，而且"展示了不错的结果"。

两个让他眼前一亮的技术点

Saravia在点评中特别点出了两个引起他注意的机制：自进化技能（self-evolving skills）和复利式工程（compounding engineering）。他认为，这两者都是"harness engineering"（代理框架工程）中的重要技术。

所谓自进化技能，指的是代理框架能够把经验教训编码下来，形成可复用的技能，从而在扩展代理规模时更有效率。Saravia提醒，要关注自己的代理框架如何利用这类自进化技能来有效扩展代理。

而复利式工程，则指向一种工程效率的累积效应——每一次子代理的运行，不只是完成当前任务，还在为后续任务积累可复用的能力。

约1.4K个子代理，是不是太多了？

Saravia的另一个观察，落在了那个"惊人的"数字上——约1.4K个子代理。他承认，这确实降低了成本，也可能有助于并行化处理任务。但他随即抛出一个问题：这次运行，能不能用更少的子代理、以更低的成本完成？

他把这个问题留给了harness工程师去探索。在他看来，这恰恰是值得深挖的方向。

Hermes Agent被Saravia描述为一个"proper agent harness"（正经的代理框架），具备自我改进机制。但他同时表达了一个保留意见：他不确定同样的方法在其他代理框架上是否也能奏效。

"在一个框架里行得通的东西，不一定能轻易迁移到其他框架。"Saravia写道。正因如此，他对定制化代理框架感到兴奋——通用型编码代理框架里，还有太多优化空间被遗漏了。

框架本身，可能才是关键变量

Saravia的点评最终指向一个更大的命题：代理框架的重要性，以及为代理提供正确上下文所需的定制化程度。

他建议读者关注自己使用的代理框架之间的这些差异。因为在这类大规模子代理运行中，框架能否在代理需要的时候提供恰当的上下文，能否把经验编码成可扩展的技能，直接决定了最终的成本和效果。

回到那组核心数字：约1.4K个子代理、19小时、34.4%的缩减、近200万美元的节省。这组结果足够亮眼，但Saravia的追问同样值得记住——如果换一种框架，或者用更少的子代理，这笔账还能不能算得更漂亮？