【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

pipinstallopenai python-dotenv

创建.env文件：

XUEDINGMAO_API_KEY=你的_API_KEY

完整代码示例

importosimportjsonfromdataclassesimportdataclass,fieldfromtypingimportList,Dict,Literalfromdotenvimportload_dotenvfromopenaiimportOpenAI 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/v1client=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"]@dataclassclassTask:"""Kanban 任务卡片"""id:inttitle:stragent:strstatus:TaskStatus="todo"result:str=""@dataclassclassKanbanBoard:"""简化版 Kanban 看板"""tasks:List[Task]=field(default_factory=list)defadd_task(self,title:str,agent:str)->None:self.tasks.append(Task(id=len(self.tasks)+1,title=title,agent=agent))defupdate_status(self,task_id:int,status:TaskStatus,result:str="")->None:fortaskinself.tasks:iftask.id==task_id:task.status=status task.result=resultreturnraiseValueError(f"Task{task_id}not found")defsnapshot(self)->str:"""输出当前看板状态，作为 Agent 上下文"""returnjson.dumps([task.__dict__fortaskinself.tasks],ensure_ascii=False,indent=2)classGoalOrchestrator:"""模拟 Hermes /goal 的长期目标编排器"""def__init__(self,goal:str):self.goal=goal self.board=KanbanBoard()defcall_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)returnresponse.choices[0].message.contentdefplan_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)exceptjson.JSONDecodeError:raiseRuntimeError(f"模型输出不是合法 JSON：{raw}")foritemintasks:self.board.add_task(title=item["title"],agent=item["agent"])defexecute_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}"""returnself.call_llm(system_prompt,user_prompt)defrun(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 ===")fortaskinself.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)fortaskinself.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