【深度解析】Hermes Agent 新版能力：后台 Computer Use、多智能体编排与 /goal 自主任务循环实战

摘要

本文解析 Hermes Agent 新版核心能力：后台电脑操控、多智能体协同、Kanban 工作流与 /goal 长任务模式，并用 Python 实现一个可运行的自主任务编排原型。

---

背景介绍

AI Agent 正在从"单轮问答工具"演进为"长期运行的自主工作系统"。传统大模型应用通常依赖用户输入 Prompt，然后返回一次性结果；而 Agent 系统更强调任务拆解、工具调用、状态管理、长期记忆与持续执行。

视频中提到的 Hermes Agent，就是当前开源 AI Agent 方向中较有代表性的项目之一。它的定位不是简单的聊天机器人，而是一个可以在自有基础设施上 24/7 运行的持久化智能体系统，具备以下几个关键特征：

• 长期记忆：持续积累上下文、项目状态和历史决策；
• 可复用技能：将执行过的任务沉淀为可复用能力；
• 自主循环：围绕目标进行计划、执行、复盘和重试；
• 多智能体协同：多个 Agent 共同处理复杂任务；
• 工作区管理：通过 Kanban 看板组织任务状态。

新版 Hermes 的重点更新包括：原生 Computer Use、后台操作能力、多 Agent 编排系统、Kanban 看板升级，以及类似 Codex、Claude Code 中的 /goal 长目标模式。

这些能力组合在一起，意味着 Agent 不再只是"生成文本"，而是开始具备接近"数字员工"的基础形态。

---

核心原理

1. 后台 Computer Use：从 API 调用到真实环境操作

传统 Agent 如果要访问网页或操作应用，通常需要组合多种工具：

• Headless Browser；
• Playwright / Selenium；
• 爬虫脚本；
• 搜索 API；
• 页面解析器；
• 第三方浏览器自动化服务。

这种方式的问题是链路复杂、维护成本高，页面结构变化后脚本容易失效。

Hermes 新版 Computer Use 的价值在于：Agent 可以直接对操作系统中的应用进行点击、输入、滚动等动作。视频中特别强调，它并不是完全接管用户电脑，而是在后台协同运行。用户仍然可以继续使用鼠标、键盘和浏览器，Agent 在另一个执行上下文中完成自己的任务。

目前该能力主要面向 macOS，后续会扩展到 Windows 和 Linux。其核心意义在于：Agent 的工具边界从"API 世界"扩展到了"真实桌面环境"。

2. 多智能体编排：单 Agent 到 Agent Team

复杂任务通常无法由一个 Agent 高质量完成。比如"调研竞品并生成技术方案"，至少可以拆成：

• Research Agent：负责信息检索和资料整理；
• Coding Agent：负责原型代码与技术验证；
• Review Agent：负责审查输出质量；
• Manager Agent：负责拆解目标、分配任务和跟踪状态。

Hermes 的新版多智能体系统，重点解决的是 Agent 之间如何分工、交接、记忆共享和状态追踪的问题。

这也是 Kanban 看板能力升级的原因。看板不是简单 UI，而是任务状态机：

Backlog → Todo → In Progress → Review → Done

每一个任务卡片都可以绑定 Agent、目标、上下文、执行记录和当前状态。这样就可以将不可见的智能体执行过程转化为可观察、可管理、可回溯的工程流程。

3. /goal 模式：长期自主目标循环

/goal 可以理解为 Agent 的长期目标执行模式。它不同于普通 Prompt。

普通 Prompt：

帮我写一个爬虫脚本

/goal 模式：

持续完成一个可运行的数据采集系统，包括需求分析、代码实现、测试、异常处理和文档输出

其执行逻辑通常是：

Plan → Execute → Observe → Review → Retry → Complete

也就是说，Agent 不只是回答问题，而是持续推进目标，遇到失败时自动复盘并重新规划，直到目标完成或达到停止条件。

---

技术资源与工具选型

在实际构建 Agent 系统时，模型接入层非常关键。我的开发环境中常用薛定猫AI（xuedingmao.com）作为统一模型网关，它采用 OpenAI 兼容模式，适合在多模型 Agent 框架中作为底层推理入口。

其技术价值主要体现在：

• 聚合 500+ 主流大模型，包括 GPT-5.4、Claude 4.6、Gemini 3.1 Pro 等；
• 新模型实时首发，开发者可以第一时间体验前沿 API；
• 统一接入接口，降低多模型集成复杂度；
• 通过统一 Base URL + API Key 方式接入，便于在不同 Agent、不同模型之间切换。

下面实战代码默认使用 claude-opus-4-6。该模型适合复杂推理、任务规划、代码生成和多步骤 Agent 编排，在长目标拆解和结构化输出场景中表现很强。

---

实战演示：用 Python 实现一个简化版 /goal + Kanban 多 Agent 编排器

下面的示例实现一个轻量级 Agent Orchestrator：

• 输入一个长期目标；
• 由 LLM 拆解任务；
• 写入 Kanban 状态；
• 模拟不同 Agent 执行；
• 自动进行总结与下一步规划。

安装依赖

pip install openai python-dotenv

创建 .env 文件：

XUEDINGMAO_API_KEY=你的_API_KEY

完整代码示例

import os
import json
from dataclasses import dataclass, field
from typing import List, Dict, Literal
from dotenv import load_dotenv
from openai import OpenAI

load_dotenv()

# 薛定猫AI：OpenAI 兼容模式
# 如果平台文档要求 /v1，请使用 https://xuedingmao.com/v1
client = OpenAI(
    api_key=os.getenv("XUEDINGMAO_API_KEY"),
    base_url="https://xuedingmao.com/v1"
)

MODEL_NAME = "claude-opus-4-6"


TaskStatus = Literal["todo", "in_progress", "review", "done"]


@dataclass
class Task:
    """Kanban 任务卡片"""
    id: int
    title: str
    agent: str
    status: TaskStatus = "todo"
    result: str = ""


@dataclass
class KanbanBoard:
    """简化版 Kanban 看板"""
    tasks: List[Task] = field(default_factory=list)

    def add_task(self, title: str, agent: str) -> None:
        self.tasks.append(Task(id=len(self.tasks) + 1, title=title, agent=agent))

    def update_status(self, task_id: int, status: TaskStatus, result: str = "") -> None:
        for task in self.tasks:
            if task.id == task_id:
                task.status = status
                task.result = result
                return
        raise ValueError(f"Task {task_id} not found")

    def snapshot(self) -> str:
        """输出当前看板状态，作为 Agent 上下文"""
        return json.dumps(
            [task.__dict__ for task in self.tasks],
            ensure_ascii=False,
            indent=2
        )


class GoalOrchestrator:
    """模拟 Hermes /goal 的长期目标编排器"""

    def __init__(self, goal: str):
        self.goal = goal
        self.board = KanbanBoard()

    def call_llm(self, system_prompt: str, user_prompt: str) -> str:
        """调用大模型"""
        response = client.chat.completions.create(
            model=MODEL_NAME,
            messages=[
                {"role": "system", "content": system_prompt},
                {"role": "user", "content": user_prompt}
            ],
            temperature=0.2
        )
        return response.choices[0].message.content

    def plan_tasks(self) -> None:
        """将长期目标拆解为多个 Agent 任务"""
        system_prompt = """
你是一个资深 AI Agent 编排器。
请将用户目标拆解为 3 到 5 个可执行任务。
输出必须是 JSON 数组，每个元素包含 title 和 agent 字段。
agent 只能从 ResearchAgent、CodeAgent、ReviewAgent、DocAgent 中选择。
不要输出 Markdown。
"""
        user_prompt = f"长期目标：{self.goal}"

        raw = self.call_llm(system_prompt, user_prompt)

        try:
            tasks = json.loads(raw)
        except json.JSONDecodeError:
            raise RuntimeError(f"模型输出不是合法 JSON：{raw}")

        for item in tasks:
            self.board.add_task(
                title=item["title"],
                agent=item["agent"]
            )

    def execute_task(self, task: Task) -> str:
        """根据不同 Agent 角色执行任务"""
        system_prompt = f"""
你是 {task.agent}。
你需要在一个多智能体工作流中完成指定任务。
要求：
1. 输出执行结果；
2. 明确关键结论；
3. 如果存在风险，请指出；
4. 内容保持工程化、可落地。
"""
        user_prompt = f"""
长期目标：
{self.goal}

当前 Kanban 状态：
{self.board.snapshot()}

请执行任务：
{task.title}
"""
        return self.call_llm(system_prompt, user_prompt)

    def run(self) -> None:
        """执行 Plan → Execute → Review 的简化闭环"""
        print("=== Step 1: Planning ===")
        self.plan_tasks()
        print(self.board.snapshot())

        print("\n=== Step 2: Executing Tasks ===")
        for task in self.board.tasks:
            self.board.update_status(task.id, "in_progress")
            result = self.execute_task(task)
            self.board.update_status(task.id, "review", result=result)
            print(f"\n[Task {task.id}] {task.title}")
            print(result[:800])

        print("\n=== Step 3: Final Review ===")
        review_prompt = f"""
请基于以下 Kanban 执行结果，判断长期目标是否已经完成。
如果未完成，请给出下一轮任务建议。
Kanban：
{self.board.snapshot()}
"""
        final_review = self.call_llm(
            "你是负责验收多智能体任务的 ReviewAgent。",
            review_prompt
        )

        for task in self.board.tasks:
            self.board.update_status(task.id, "done", task.result)

        print("\n=== Final Review Result ===")
        print(final_review)

        print("\n=== Final Kanban Board ===")
        print(self.board.snapshot())


if __name__ == "__main__":
    goal = "设计一个面向开发者的 AI Agent 项目管理系统，包含任务拆解、状态追踪、代码生成和结果验收能力"
    orchestrator = GoalOrchestrator(goal)
    orchestrator.run()

这段代码虽然没有直接控制桌面，但完整体现了 Hermes /goal 与 Kanban 的关键思想：目标拆解、Agent 分工、状态追踪、执行结果沉淀和最终复盘。真实工程中，可以继续接入 Playwright、浏览器 API、文件系统、数据库或桌面自动化工具，将 execute_task 扩展为真正的工具调用层。

---

注意事项

1. Computer Use 必须加入权限边界

Agent 一旦具备桌面操作能力，就必须设计权限控制，例如：

• 禁止访问敏感目录；
• 高风险操作需要人工确认；
• 文件删除、支付、邮件发送等动作必须加审批；
• 记录完整操作日志。

否则 Agent 的自动化能力越强，潜在风险越大。

2. 长期记忆要区分事实、偏好和临时上下文

长期记忆不是简单把所有历史对话塞进 Prompt。更合理的做法是：

• 项目信息进入结构化数据库；
• 用户偏好进入 Profile；
• 临时上下文进入短期记忆；
• 重要决策进入可检索知识库。

3. 多 Agent 系统需要可观测性

多智能体协同时，最常见的问题不是"模型不会做"，而是"开发者不知道它做到了哪一步"。因此 Kanban、日志、任务 ID、状态机和执行记录非常重要。

4. /goal 模式要设置停止条件

长期自主循环必须设置边界：

• 最大迭代次数；
• 最大 Token 成本；
• 最大运行时间；
• 失败重试次数；
• 人工验收节点。

否则 Agent 可能陷入无效循环，造成资源浪费。

---

总结

Hermes Agent 新版展示了开源 Agent 系统的重要演进方向：从单次 Prompt 响应，升级为具备长期记忆、后台环境操作、多智能体协作和目标驱动循环的自主工作系统。

对开发者而言，真正值得关注的不是某一个单点功能，而是它背后的工程范式变化：

LLM → Agent → Multi-Agent Workspace → Autonomous Operating System

未来 AI 应用的核心竞争力，将不只来自模型能力本身，还来自任务编排、工具调用、安全边界、状态管理和长期记忆系统的工程实现。

#AI #大模型 #Python #机器学习 #技术实战