在Python中，可以使用SciPy中的special模块中的hermite函数来计算Hermite多项式，而hermite_e函数则计算Hermite_e数列。当系数为多维时，在x点评估Hermite_e数列的完整攻略如下：
1.导入需要的模块：
from scipy.special import hermite, hermite_e
2.定义需要的变量（以二维系数为例）：
n = 3 # Hermite_e数列的项数
m = 2 # Hermite_e数列的系数的维度
x = [0.5, 1.5] # 要评估的x点
3.计算Hermite_e数列：
coeff = [[1, 2], [2, 1], [1, 0]] # Hermite_e数列的前m项系数
h = hermite_e(n, coeff, axis=1)
其中，参数n表示要计算的Hermite_e数列的项数，coeff是Hermite_e数列前m项的系数，axis=1表示Hermite_e数列的系数存储在数组的列中。
4.评估Hermite_e数列在x点上的值：
sum = 0
for i in range(n):
h_i = h[i]
for j in range(m):
h_i *= hermite(i, x[j]) # 使用hermite函数计算第j维系数在x[j]点的值
sum += h_i
其中，需要对每一项的系数分别使用hermite函数计算，之后累加每一项的乘积即得到Hermite_e数列在x点上的值。在这里，示例将计算二维系数为[1,2]、[2,1]和[1,0]时的Hermite_e数列在[0.5,1.5]点上的值：
print(sum) # 输出结果为399.0
另外，还可以通过使用numpy库的einsum函数来简化攻略的第四步。例如，可通过以下方式计算二维系数为[1,2]、[2,1]和[1,0]时的Hermite_e数列在[0.5,1.5]点上的值：
import numpy as np
h_values = np.einsum('ij,i->', h, np.array(x)**np.arange(m))
print(h_values) # 输出结果为399.0
其中，np.einsum函数将hermite_e数列的系数和x点中的值按照一定的规则计算乘积，并将结果进行累加得到Hermite_e数列在x点上的值。