今天看到 Hermes Agent 的负责人 Teknium 做了个挺有意思的压力测试。

他只给 Hermes 下了一个 /goal，让它大幅清理自己的代码库。接下来系统连续运行了大约 15 个小时，前后调动约 120 个 Subagents，其中一些 Subagents 还可以继续创建自己的 Subagents。最后，整个项目减少了 37.5 万行代码。

单看删掉多少代码，其实说明不了太多。Coding Agent 早就能重构代码、删除冗余，删得多也不代表改得一定好。

这次更值得看的反而是整个过程，人只交代一个目标，Agent 自己拆分任务、组织其他 Agent，再把一件复杂的工程连续推进十几个小时。

以前大家看 Coding Agent，主要看它单次写代码的能力；接下来可能还要看它组织工作的能力。当然，最后还是得回到测试、Evals 和功能回归上，否则 37.5 万行只是一个很大的数字。