SOTA Sync
返回 FEED
AGENT2026-06-04

Hermes Kanban 实战：4 个 agent 跑成一个软件团队，手机 Telegram 一条消息就开工

Hermes Kanban 实战：4 个 agent 跑成一个软件团队

Akshay Pachaar (Daily Dose of DS, BITS Pilani, 前 LightningAI) 在 2026 年 6 月初放了一份 Hermes Kanban 的完整实战拆解——一篇推文长文，覆盖了从 6 列看板模型、4 个 profile 拼装、到 Telegram gateway + Dashboard 全套。配套的一个真实产物是：他用这套 agent 团队从 0 搭了一个 Google Docs clone（带 AI 功能，生产级 backend）。

一个 agent 不够的真实原因

假设要加一个"密码重置"功能，工作自然切成三个域：

  • 后端：写 REST API（注册 / 登录 / refresh / 注销 / 重置）
  • 前端：读那个 API，建 UI
  • 测试：端到端跑一遍

可以让一个 agent 把这三件事都干了——但context window 会撑爆，它自己三步前干了什么都会忘，你花在管它身上的时间比省下来的多。

把工作切给"每个 agent 各管一域"会出新问题：前端怎么知道后端刚才干了什么、API 长什么样？ 共享上下文（shared context）才是 Hermes Kanban 真正解决的问题。

心智模型：看板，但列后面坐的是 agent

传统看板：人有标题、描述、负责人、状态。人接活、过列、关闭。板是唯一的真相源。

Hermes Kanban 保留这套模型，把列后面的人换成 agent。关键设计：每个 task 是一行"扛得住 crash 和 reboot"的记录。agent 结束时写一份 summary（改了哪些文件、建了什么、下一个 agent 需要知道什么），下一个 agent 启动前先读这份 summary。

"The summary is the whole insight. It's what turns a group of agents into a team instead of strangers."

6 列词汇表

  • Triage：粗糙的"我有这个想法"——"我想给 auth 加限流"，还没具体 spec
  • Todo：任务建好了但有依赖，等父任务结束
  • Ready：依赖已解，等一个 agent 接
  • In Progress：agent 正在跑
  • Blocked：agent 撞墙了，挂起等人解。没人 unblock 之前什么都不动
  • Done：跑完。完整 run history + summary + metadata 全保留

Blocked 那一列的存在感非常强：它把"agent 撞到一个真问题"和"agent 写了一个看似 OK 的东西"区分开了——前者进 Blocked，等人来裁决；后者直接进 Done，但这个 Done 是个定时炸弹。

Orchestrator：一个只管协调的 agent

PM agent 干 4 件事：读高层目标、查有哪些 agent profile 在、把目标切成有依赖链的 task、然后退一步。它永远不写代码、不跑测试。

一条铁律：建 task 之前先查 profile 列表。系统会静默跳过任何"分配给不存在的 profile"的 task——所以 step zero 永远是 kanban_list。

PM 把"做密码重置"拆成 backend → frontend → tester 的依赖链，等三个都跑完，PM 重新被唤醒，读三份 summary，判断"活儿算不算干完"。如果 tester 返回 verdict: FAIL，PM 自动建 fix task 重新进入循环。

实际体感上你不需要管这些——你在 Telegram 发一句话，orchestrator 自己接下去。

三个会反复用到的 pattern

1. Pipeline：每个 task 依赖前一个。只有第一个落在 ready，后面都等。当 backend agent 调 kanban_complete()，frontend task 自动从 todo 升到 ready，并把 backend 的 work 一起带过去。

2. Human in the loop：不是所有 block 都是 fail。有时候 agent 撞到一个真问题——比如发现 password strength 检查缺失、reset token 30 分钟内能重放——它就该停下来问人。Agent 调 kanban_block(reason="...")，dashboard 上能看到，你验证、修一下、调 hermes kanban unblock $IMPL 解开。系统下次循环重启 agent，第二次 run 一上来就调 kanban_show() 看到第一次为什么 block——不是从零开始。

3. Triage specifier：你只有一句话 "auth needs rate limiting" 的时候，把它丢上 Triage，系统在 dispatcher 派活之前先调 kanban specify 把三字标题扩成完整 task（含目标、方案、验收标准）。接活的 agent 拿到的是一份真正的 brief，不是一句话。

20 分钟搭出来：4 个 profile 拼装

Step 1：建 profile。hermes profile create backend-developer --clone——--clone 把 default profile 的 config 复制出来当起点，不用从 0 配。

Step 2：给每个 profile 写一份 SOUL.md。这是最被低估的一步——SOUL.md 是 agent 的固定身份（who it is / how it thinks），不是 prompt。例：

  • project-manager/SOUL.md："你是 PM。把用户想法拆成清晰 task、分给对的人、在 Kanban 上跟进度。你不写代码"
  • backend-developer/SOUL.md："你是后端。整个 backend 用 InsForge——DB、auth、storage、edge functions、部署"
  • frontend-developer/SOUL.md："你是前端。组件、页面、用户流，接 backend 给的 API/SDK"
  • tester/SOUL.md："你是测试。端到端跑、验验收标准、清 bug 反馈回看板"

Step 3：装 skill。Skill 是"具体工作怎么做"的步骤化指南。Backend developer 装 InsForge/insforge-skills/insforge（加上 insforge-cli、insforge-debug、insforge-integrations）；前端装 frontend-design；测试装 webapp-testing。Hermes Skills Hub 里有 687 个 skill（87 内置 + 79 可选 + 16 来自 Anthropic + 505 来自 LobeHub）。

Step 4：初始化看板 + 启 gateway。

hermes kanban init                    # 建 ~/.hermes/kanban.db (SQLite)
hermes -p project-manager gateway setup
hermes -p project-manager gateway start

gateway 24/7 跑，让 PM 在 Telegram 上保持可达。

Step 5：发第一个项目。在 Telegram 给 PM 发"做个密码重置流程"。PM 拆 task、建依赖链、剩下的事情自己跑起来。

Dashboard：127.0.0.1:9119

hermes dashboard 起来后是个本地 Web UI，一列一个状态，WebSocket 实时更新不需要刷。两个值得知道的小开关：

  • Lanes by profile：在 Running 列里按 assignee 再分组，一眼看出哪个 agent 在干什么
  • Nudge dispatcher：立刻跑一轮派活（不等 60 秒 cycle），刚 unblock 完一个 task 之后特别有用

点任意卡片打开抽屉，看完整的 run history、每一次 attempt 的 outcome、metadata、title / assignee / priority / dependencies 的可编辑字段。

三个生产化前必知的事

1. 数据库打爆。 2-4 个 agent 并行永远遇不到。10+ 个 agent 高频写时 SQLite 会慢。用 hermes kanban dispatch --max 4 限并发。

2. Scratch workspace 被清。 任务标 done 那一刻，scratch 里的文件按设计就被 wipe。写代码的 task 用 worktree，或者把项目路径写进 task description 里告诉 agent 文件放哪。

3. 本地模型过载。 接 Ollama / 本地 GPU 的话，并行几个 agent 一起来 GPU 就塞了，速度掉到触发 auto-stop。本地 setup 用 --max 2；接 Claude/GPT-4o 这种 API 后端基本不会遇到。

完整拼图：四块各干一件事

  • SOUL.md = agent 的固定身份（who + how）
  • Skills = 具体工作的步骤化指令
  • Memory = agent 跨 session 对你环境的认知
  • Kanban = 协调层：共享状态 + 上下文传递 + 任何时点都能插人

四份 SOUL.md、hermes kanban init、hermes gateway start，给 PM 在 Telegram 上发一句你想建什么，看板就开始填。一个 20 分钟就能跑起来的、能用 Telegram 在手机上管的、多 agent 软件团队。

继续阅读