两种截然不同的 AI Agent 架构范式：一个是"事件驱动的看板编排框架"，一个是"循环迭代的执行模式"。它们不是同一抽象层级的竞品，而是可以互补组合的两种设计哲学。
一、概述与背景
在 AI Agent 架构设计中，Hermes Agent 和 Loop Agent 代表了两种根本不同的思路：
-
Hermes Agent：一个具体的多 Agent 编排框架，基于 Kanban 看板实现事件驱动的异步协作，强调任务持久化、状态可恢复、人工可介入
-
Loop Agent：一种通用的 Agent 执行模式/架构范式，通过循环迭代子 Agent 直到满足终止条件，强调自我修正、逐步收敛、闭环反馈
关键认知：Hermes 是"框架级实现"，Loop 是"模式级范式"。两者可以组合------在 Hermes 的 Kanban 任务中，单个 Worker 内部可以采用 Loop 模式执行。
二、Hermes Agent 核心原理
2.1 架构定位
Hermes Agent（Nous Research, 2026）是一个事件驱动的分层架构 AI Agent 操作系统，核心能力包括：
-
自进化闭环：任务执行后自动提炼经验为可复用 Skill
-
分层持久记忆：热内存（会话）+ 冷内存（用户画像）+ 程序内存（技能逻辑），基于 SQLite + FTS5
-
多平台接入：CLI / Telegram / Discord / Slack / WhatsApp 等 14+ 平台
2.2 Kanban 编排机制（核心创新）
Hermes 的多 Agent 协作通过 Kanban 看板 实现，核心组件：
九状态状态机：
2.3 Profile 角色化调度
按"产出物类型"划分 Agent 角色（而非项目阶段），每个 Profile 工具集最小化，描述决定路由质量。
2.4 协调模式：创建后即忘（Fire-and-Forget）
-
父进程不阻塞等待子进程返回
-
任何 Profile 可读/写任何任务（对等协调）
-
失败可恢复：Block → Unblock → 重跑；Crash → Reclaim
三、Loop Agent 核心原理
3.1 定义与本质
Loop Agent 是一种循环迭代执行子 Agent 直到满足终止条件的编排模式。它不是某个具体框架，而是多种 Agent 框架共享的核心工作流范式。
3.2 三种典型 Loop 模式
(1) ReAct Loop（2022，普林斯顿/Google）
最经典的 Agent Loop，思考-行动-观察 的反应式迭代：
-
优点：动态规划、灵活应变、可解释性强
-
缺点：上下文爆炸、过早停止（LLM 自评不可靠）、长任务成功率低
(2) Ralph Loop（2026，Claude Code 社区）
以持续迭代修正为中心的 Agent 运行范式：
bash
while :; do cat PROMPT.md | claude-code --continue; done核心三要素：
-
Stop Hook：未达标时强制继续，阻止提前退出
-
max-iterations 安全阀：防止无限循环
-
外部状态自我参照：通过文件系统/Git 历史看到自己的工作成果
-
优点：解决"过早退出"问题，适合长任务和复杂编程
-
缺点：资源消耗大、需要明确的完成条件定义
(3) ADK LoopAgent（Google ADK）
结构化的循环执行工作流：
python
from google.adk.agents import LoopAgent
agent = LoopAgent(
name="optimization_loop",
sub_agents=[coder, reviewer],
max_iterations=5 # 安全阀
)-
支持
MaxIterations和自定义终止条件 -
状态在迭代间累积和传递
-
适合迭代优化、逐步完善的任务
3.3 Loop Engineering 核心理念
从"写好一次 Prompt"转向"设计会持续运行的 Loop"：
| 维度 | Prompt 模式 | Loop 模式 |
|---|---|---|
| 驱动者 | 人手动发起每一轮 | 系统按事件或计划触发 |
| 上下文 | 临时粘贴、临时解释 | 从文件/日志/历史状态中读取 |
| 执行环境 | 当前工作区，易冲突 | Worktree 隔离，可审计 |
| 验证 | 人肉看结果 | 自动化测试+Stop Hook |
| 完成标准 | "我觉得够了" | 客观可验证的条件 |
四、多维度对比分析
4.1 核心对比表
| 维度 | Hermes Agent (Kanban) | Loop Agent (循环迭代) |
|---|---|---|
| 抽象层级 | 框架级实现 | 模式级范式 |
| 编排模式 | 看板式异步协调 | 循环式同步迭代 |
| 协调机制 | 对等持久队列 + 状态机 | 层级循环调用 |
| 执行语义 | 创建后即忘（Fire-and-Forget） | 循环直到收敛（Loop-until-Converge） |
| 状态管理 | SQLite 九状态机，持久化 | 内存状态累积，迭代间传递 |
| 可恢复性 | Block/Reclaim/Archive 天然支持 | 重试/回滚，需额外设计 |
| 人工介入 | 任意时刻 kanban_block | 循环内检查点或 Stop Hook |
| 可观测性 | 任务看板实时监控 | 迭代日志 + 终止条件追踪 |
| Agent 间通信 | Comment 评论链 + 依赖边 | 共享状态/上下文传递 |
| 容错模型 | Worker 崩溃自动 Reclaim | max-iterations 安全阀 |
| 并发能力 | 多 Worker 并行 Claim | 串行迭代（可嵌套并行） |
| 学习进化 | Skill 自动沉淀 + 记忆分层 | 隐式（通过上下文累积） |
4.2 协调模式深度对比
Hermes Kanban --- 对等异步协调：
-
任何 Agent 都可以创建/读取/评论任何任务
-
依赖通过
parents数组管理，扇入模式自动提升 -
失败不传染，Block 后可人工介入后恢复
Loop Agent --- 层级同步迭代：
-
循环体内的 SubAgent 按序执行
-
终止条件满足后退出循环
-
每轮迭代结果传递到下一轮
4.3 适用场景对比
| 场景 | Hermes Kanban | Loop Agent |
|---|---|---|
| 多 Agent 流水线协作 | ★★★★★ | ★★☆ |
| 代码生成 + 审查门控 | ★★★★★ | ★★★ |
| ETL 分段并行处理 | ★★★★★ | ★★ |
| 文档草稿-审查-润色 | ★★★★ | ★★★ |
| 单任务迭代优化 | ★★ | ★★★★★ |
| 代码逐步完善/修正 | ★★ | ★★★★★ |
| 自动化测试-修复循环 | ★★★ | ★★★★★ |
| 需要人工审批的流程 | ★★★★★ | ★★ |
| 长时运行后台任务 | ★★★★★ | ★★★ |
五、选型建议与组合使用策略
5.1 选型决策树
5.2 组合使用策略（推荐）
最佳实践：Hermes Kanban 管编排 + Loop Agent 管执行
-
外层：Hermes Kanban 负责任务分解、依赖管理、Worker 调度、人工介入
-
内层：每个 Worker 内部采用 Loop 模式执行，迭代优化直到满足质量标准
5.3 不同 Loop 模式的选择
| 需求 | 推荐 Loop 模式 | 理由 |
|---|---|---|
| 短任务、动态规划 | ReAct | 灵活、可解释、成本低 |
| 长任务、复杂编程 | Ralph Loop | 持续迭代、阻止过早退出 |
| 结构化迭代优化 | ADK LoopAgent | 配置清晰、安全阀可控 |
| 需要验证闭环 | Loop Engineering | 触发-隔离-验证-状态-闸门 |
六、业界趋势：从 Workflow 到 Agentic Loop
6.1 演进路径
Anthropic 的分类：
-
Workflow：通过预定义代码路径编排 LLM 和工具
-
Agent：LLM 动态决定自身流程和工具使用
TRAE Agent 架构演进（字节跳动）：
-
Agent 1.0：Proposal → Code RAG → Plan/ToolCall Loop（部分固化 Workflow）
-
Agent 2.0：去掉 Proposal 流程，完全交由模型驱动（More Agentic Loop）
6.2 关键趋势洞察
-
从可控推理到自主闭环：Agent 正从"边想边做"（ReAct）演进到"无限自主迭代"（Ralph Loop）
-
从一次性生成到持续迭代：Loop Engineering 将"写好一次 Prompt"升级为"设计会持续运行的 Loop"
-
编排与执行解耦：Hermes 的看板编排 + Worker 内部的 Loop 执行，代表了"编排归编排，执行归执行"的架构趋势
-
客观完成标准替代主观自评：Stop Hook + 自动化测试 + 可验证条件，解决 LLM 自评不可靠的问题
七、总结
| Hermes Agent | Loop Agent | |
|---|---|---|
| 一句话 | 异步看板编排框架 | 循环迭代执行范式 |
| 核心问题 | 多 Agent 如何协作？ | 单 Agent 如何迭代？ |
| 解决思路 | 持久化任务队列 + 状态机 | 循环执行 + 终止条件 |
| 最佳场景 | 多角色流水线、需人工介入 | 单任务迭代优化、代码修正 |
| 组合价值 | 编排层 | 执行层 |
核心结论 ：Hermes 和 Loop 不是二选一的关系，而是编排与执行两个层面的互补方案。在复杂 AI Agent 系统中，推荐使用 Hermes Kanban 管理多 Agent 协作编排，同时在单个 Worker 内部采用 Loop 模式（ReAct/Ralph/ADK）实现迭代优化执行。
参考资料
-
Hermes Kanban 最佳实践 --- 项目内部文档
-
ReAct: Synergizing Reasoning and Acting in Language Models --- 普林斯顿/Google, 2022
-
从 ReAct 到 Ralph Loop: AI Agent 的持续迭代范式 --- 阿里云云原生, 2026
-
Loop Runtime 架构拆解 --- AI小老六, 2026
-
ADK 多智能体编排: LoopAgent 解析 --- 腾讯新闻, 2026
-
TRAE Agent 架构演进: 从 Workflow 到 Agentic Loop --- 字节跳动, 2026
-
Hermes Agent vs OpenClaw 深度对比 --- CSDN, 2026
-
AI Agent 编程范式: ReAct 与 Ralph Loop 对比 --- CSDN, 2026