第15章 协作模式实战

本章前置检查：

• □ 已完成OpenClaw与Hermes的ACP连接配置（第14章）
• □ 理解两种协作模式的区别（ask/delegate）
• □ 熟悉OpenClaw的Agent Teams基础（第3章）
• □ Hermes已正常启动且可接收任务

本章预估总时长：4小时

本章难点提示：

• 15.1节（规划者-执行者）是双Agent协作的经典模式，建议动手配置后反复运行几个任务，体会职责分离带来的稳定性。
• 15.3节（深度研究与内容处理）依赖Hermes的web_search和memory能力，确保这两个工具集已启用。
• 15.5节（零代码联动）中hermes claw migrate命令已在第14章介绍过，本节重点在于“如何将日常对话固化为一键触发的工作流”，不要跳过动手环节。
• 每个小节的实践任务建议按顺序完成，不要一次性全部配置完再测试，及时验证能更快定位问题。

🎯 本章教学目标：独立配置4种核心协作模式（规划者-执行者、定时监控巡检、深度研究、代码开发审查），掌握零代码联动技巧，能够根据实际问题灵活组合这些模式。

15.1 规划者-执行者模式

🎯 本节目标：搭建一个“项目经理+技术骨干”的双Agent协作流程，让OpenClaw负责拆解任务，Hermes负责具体执行。

预计时长：1小时

15.1.1 模式简介

规划者-执行者模式是双Agent协作中最基础、最常用的模式。OpenClaw扮演“规划者”角色：接收用户模糊的复杂需求，将其拆解为可执行的子任务，生成执行计划；Hermes扮演“执行者”角色：按OpenClaw给出的计划，依次调用工具完成每个步骤，并返回结果。

工作流程：

用户（飞书）：“帮我分析一下这个项目的代码质量”
    ↓
OpenClaw：拆解任务 → 生成计划
    ├─ 步骤1：克隆代码仓库
    ├─ 步骤2：运行静态分析工具（pylint）
    ├─ 步骤3：计算圈复杂度
    └─ 步骤4：生成报告
    ↓
OpenClaw将计划通过ACP发送给Hermes
    ↓
Hermes依次执行步骤1-4，将中间结果返回给OpenClaw（可选流式回调）
    ↓
Hermes将最终报告通过ACP返回
    ↓
OpenClaw格式化报告，推送到飞书

15.1.2 配置OpenClaw的“规划者”角色

在OpenClaw中创建一个专门的Agent（例如planner_agent），并在其AGENTS.md中定义规划能力。

创建Agent目录：

bash

mkdir -p ~/.openclaw/workspace/agents/planner
cd ~/.openclaw/workspace/agents/planner

AGENTS.md：

markdown

---
name: Project Planner
role: 任务拆解与规划专家
type: team_lead
---

## 职责
- 接收用户的复杂任务描述
- 将任务拆解为3-7个可执行的子步骤
- 为每个子步骤指定所需工具集（Hermes侧可用）
- 将子任务序列化后委托给执行者Agent

## 工作流
1. 分析用户输入，理解最终目标
2. 拆解任务，生成结构化计划（JSON格式）
3. 调用`acp_delegate`工具，将计划和必要数据发送给Hermes执行者
4. 合并Hermes返回的结果，生成最终回复

## 约束
- 每个子步骤必须明确且可独立验证
- 执行计划必须包含回退策略（如果某步失败，如何处理）
- 对于超过30秒的任务，要求Hermes启用流式进度回调

在OpenClaw配置中将该Agent与渠道绑定（例如飞书群）：

yaml

# openclaw.yaml
gateway:
  bindings:
    - channel: feishu
      groupId: "oc_xxxx"      # 研发群组ID
      agent: planner

15.1.3 配置Hermes的“执行者”角色

Hermes无需特殊配置，但需要确保：

• 工具集完整（terminal、file、code_execution等已启用）
• 接收ACP委托请求的权限已开启（默认开启）

验证Hermes可被委托：

bash

# 通过OpenClaw CLI测试
openclaw acp call --connection hermes-local --method agent/delegate \
  --params '{"task":"列出当前目录的前5个文件","callback_uri":"acp://openclaw:3000/callback"}'

应能正常返回结果。

15.1.4 实战演练：代码质量分析

1. 用户在飞书群发送：“请分析https://github.com/example/project的代码质量，给出改进建议。”
2. OpenClaw的planner Agent接收消息，拆解为：
   • 子任务1：克隆仓库到临时目录
   • 子任务2：运行pylint获取评分
   • 子任务3：运行radon cc计算圈复杂度
   • 子任务4：汇总结果生成Markdown报告
3. OpenClaw将子任务列表通过ACP发送给Hermes。
4. Hermes依次执行，每完成一步发回进度（例如“克隆完成，正在分析”）。
5. Hermes执行完毕，返回完整报告。
6. OpenClaw将报告格式化后推送到飞书群。

龙马注：这个模式成功的关键是OpenClaw拆解出的子任务粒度要适中——太粗（如“分析代码质量”）Hermes仍然不知道具体步骤；太细（如“运行pylint并输出到/tmp/result.txt”）又失去了灵活性。我的经验是：每个子任务应该是一个工具可以完成的一类操作，例如“运行静态分析”“计算复杂度”“查找TODO注释”各为一个子任务。

🛠️ 实践任务（本节）：

1. 创建一个简单的拆解任务（如“备份当前目录到/tmp/backup”），手动写出拆解计划。
2. 一步一步模拟OpenClaw调用acp_delegate，观察Hermes执行并返回结果。
3. （可选）配置飞书群绑定planner Agent，发送一个复杂需求，观察整个流程。

💭 本节总结（不看书写3行）：

📊 用时记录：计划____min → 实际____min → 偏差原因：________

15.2 定时监控与巡检

🎯 本节目标：利用OpenClaw的Cron定时能力 + Hermes的深度检查能力，搭建自动化巡检系统。

预计时长：0.8小时

15.2.1 模式简介

OpenClaw内置Cron调度器，可以精确控制任务触发时间；Hermes拥有丰富的系统检查工具（磁盘、内存、服务健康、日志分析等）。两者结合，可以实现“定时触发 + 智能分析 + 多渠道告警”的完整巡检闭环。

典型流程：

1. OpenClaw Cron每天早上8点触发任务：“检查生产服务器健康状态”
2. OpenClaw将该任务委托给Hermes（通过ACP）
3. Hermes执行检查（磁盘使用率、内存、关键服务API、错误日志）
4. Hermes分析结果，生成健康报告（正常/警告/严重）
5. Hermes将报告通过ACP返回给OpenClaw
6. OpenClaw根据报告的严重程度，决定推送到不同渠道（正常→研发群摘要；警告→@相关负责人；严重→电话告警）

15.2.2 创建定时巡检任务

通过OpenClaw CLI创建Cron任务：

bash

openclaw cron add \
  --name "daily_server_health" \
  --cron "0 8 * * *" \
  --tz Asia/Shanghai \
  --message "请对生产服务器进行全面健康检查，包括CPU、内存、磁盘、关键API响应时间。如发现异常，标记严重级别并附上排查建议。" \
  --skill health_checker   # 可选，如果已有封装好的Skill

或者通过OpenClaw的Web UI添加（第5章）。

15.2.3 Hermes侧的健康检查Skill（示例）

在Hermes中创建一个Skill，专门用于服务器巡检。可通过对话让Hermes自动生成，或手动编写~/.hermes/skills/health_checker/SKILL.md：

markdown

---
name: health_checker
description: 执行系统健康检查，输出结构化报告
---

# 健康检查技能

## 触发条件
- 用户要求“检查服务器健康”
- 定时任务触发

## 执行步骤
1. 使用`terminal`工具执行`df -h`获取磁盘使用率
2. 执行`free -m`获取内存使用情况
3. 执行`top -bn1 | head -5`获取CPU负载
4. 使用`web`工具调用内部API健康端点（如`/health`）
5. 分析上述数据，生成报告：
   - 正常：所有指标在阈值内
   - 警告：某项指标超过80%
   - 严重：某项指标超过95%或API不可达
6. 输出JSON格式报告，包含`status`、`metrics`、`recommendations`字段

## 输出示例
{"status": "warning", "metrics": {"disk_used_percent": 85}, "recommendations": "清理/var/log"}

15.2.4 多级告警推送策略

在OpenClaw侧，可以根据Hermes返回的status字段，决定将消息推送到不同渠道。

配置方法：在OpenClaw中编写一个简单的“后处理”逻辑（可通过AGENTS.md的工作流实现，或使用Webhook）。例如：

• status = "normal" → 推送到研发群（普通频道）
• status = "warning" → 推送到运维群，并@运维负责人
• status = "critical" → 推送到告警群，同时调用短信/电话网关

沈飞注：在量化实盘中，我们将巡检频率提高到每15分钟一次，重点监控交易API的延迟和行情数据源的连接状态。Hermes会将每次检查结果写入共享记忆，OpenClaw Cron产生的报告会对比历史数据，如果发现延迟持续升高但未达阈值，也会提前预警。

🛠️ 实践任务（本节）：

1. 手动触发一次健康检查（通过OpenClaw CLI模拟Cron触发），观察Hermes执行和返回结果。
2. 根据返回结果，在OpenClaw中演示如何根据status字段分流推送（可以先用日志输出模拟）。
3. （可选）创建一个真正定时的Cron任务，设置在非业务高峰期测试，验证自动执行。

💭 本节总结（不看书写3行）：

📊 用时记录：计划____min → 实际____min → 偏差原因：________

15.3 深度研究与内容处理

🎯 本节目标：利用OpenClaw的多渠道聚合能力和Hermes的深度研究工具链，实现自动化信息收集与报告生成。

预计时长：0.8小时

15.3.1 模式简介

很多场景需要从多个渠道（飞书群、邮件、RSS、GitHub Issues）收集信息，然后进行深度分析并生成结构化报告。OpenClaw是天然的信息聚合器，Hermes是强大的研究助手。

典型流程：

1. OpenClaw通过多个渠道（飞书、Telegram、邮件）收集用户关于“AI Agent最新进展”的提问。
2. OpenClaw去重合并，将问题作为研究任务发送给Hermes。
3. Hermes执行搜索（web_search）、阅读文献（web_fetch）、总结提炼（memory、技能复用）。
4. Hermes生成结构化研究报告（包括摘要、关键发现、参考资料）。
5. OpenClaw将报告分发回各个提问渠道，并存入共享知识库。

15.3.2 启用Hermes的研究工具集

确保Hermes的web和memory工具集已启用（默认启用）。检查配置：

bash

hermes config get toolsets.enabled
# 应包含 web, browser, file, memory 等

如果缺少，通过hermes config set启用。

15.3.3 配置OpenClaw的聚合与分发

在OpenClaw中创建一个专门的“研究协调员”Agent（research_coordinator），负责消息聚合和分发。

AGENTS.md：

markdown

## 工作流
1. 收集过去24小时内所有渠道中与研究主题相关的消息（通过消息历史API）
2. 使用LLM去重合并，提炼出3-5个核心问题
3. 将每个问题作为单独的子任务，通过ACP委托给Hermes（并发执行）
4. 等待所有子任务完成，将结果汇总为一份综合报告
5. 将报告推送到各个提问渠道（保留渠道标识）

关键点：OpenClaw需要能够访问消息历史。这可以通过OpenClaw内置的memory_search工具实现（如果历史已存储），或通过调用飞书/Telegram的API获取。

15.3.4 实战：每日行业研究简报

场景：每天早上9点，OpenClaw自动聚合过去24小时内研发群、市场群、邮件列表中关于“AI Agent”的讨论，交给Hermes深度研究，生成简报，并在9:30前推送到管理层群。

步骤：

1. 在OpenClaw中创建Cron任务，触发research_coordinator Agent。
2. Agent调用memory_search（或API）获取相关消息。
3. 聚合去重后，将研究任务通过ACP发送给Hermes。
4. Hermes执行搜索、阅读、总结，返回报告。
5. OpenClaw将报告格式化为Markdown，通过飞书推送给管理层群。

龙马注：这个模式最考验的是OpenClaw的消息聚合能力。如果你的OpenClaw没有存储所有渠道的历史消息（例如只存了飞书），可以考虑先用单独的脚本把各渠道消息导入到共享数据库，然后让OpenClaw去读数据库。第16章“共享记忆”提供了架构参考。

🛠️ 实践任务（本节）：

1. 手动模拟一个研究任务：通过OpenClaw CLI输入“请研究DeepSeek-V4的最新特性”，观察Hermes如何调用web_search和web_fetch。
2. 尝试修改研究任务要求，让Hermes生成“摘要+优缺点对比+参考资料”格式的报告。
3. （可选）配置一个定时任务，每天早上自动生成一份新闻摘要（使用公共RSS源）。

💭 本节总结（不看书写3行）：

📊 用时记录：计划____min → 实际____min → 偏差原因：________

15.4 代码开发与审查

🎯 本节目标：利用Hermes的代码理解和生成能力，搭建自动化代码开发与审查流水线。

预计时长：0.8小时

15.4.1 模式简介

OpenClaw可以作为开发流程的入口（接收Issue、PR指令），Hermes负责实际的代码编写、测试、审查。该模式适用于自动化修复已知bug、生成单元测试、代码重构等任务。

典型流程：

1. 开发者在飞书/Telegram中发送：“请为utils.py中的parse_csv函数编写单元测试”
2. OpenClaw将指令转发给Hermes
3. Hermes读取utils.py源码，分析函数逻辑，生成test_utils.py，包含正常路径和边界条件测试
4. Hermes运行测试，如果失败则自动修复代码或测试
5. Hermes将生成的测试文件和运行结果通过ACP返回给OpenClaw
6. OpenClaw创建GitHub PR或直接提交到代码库

15.4.2 Hermes的代码审查Skill

Hermes内置强大的代码分析和生成能力（code_interpreter、file），我们可以通过Skill固化代码审查流程。

创建Code Review Skill（可手动编写或让Hermes自动生成）：

markdown

---
name: code_reviewer
description: 对指定代码文件进行质量审查，输出改进建议
---

## 执行步骤
1. 使用`file`工具读取目标文件内容
2. 分析代码结构（函数长度、复杂度、重复代码）
3. 检查潜在bug（空指针、资源未关闭、异常处理）
4. 对照项目规范（PEP8等）检查风格
5. 生成审查报告，包含：
   - 总体评分（1-10）
   - 严重的3个问题（按优先级排序）
   - 改进建议和示例代码

15.4.3 集成GitHub/GitLab

OpenClaw可以通过GitHub Skill或MCP Server与Git托管平台交互。推荐使用hermes MCP添加GitHub Server（第11章）。配置后，Hermes可以直接操作Issue、PR、分支。

配置GitHub MCP Server（Hermes侧）：

yaml

# ~/.hermes/config.yaml
mcp_servers:
  github:
    command: "npx"
    args: ["-y", "@modelcontextprotocol/server-github"]
    env:
      GITHUB_PERSONAL_ACCESS_TOKEN: "your_token"

重启Hermes后，/tools列表会出现github_*工具。OpenClaw可以通过ACP调用这些工具。

15.4.4 实战：自动生成PR修复简单bug

场景：飞书群中有人报告“登录接口有时返回500错误”，并附上错误堆栈。

1. OpenClaw接收消息，提取错误堆栈。
2. OpenClaw将任务发送给Hermes：“分析这个错误，定位代码位置，修复并提交PR。”
3. Hermes读取错误堆栈，推断出问题可能位于auth.py的validate_token函数。
4. Hermes克隆仓库，创建分支fix/token-validation。
5. Hermes修改代码，增加空值检查。
6. Hermes运行单元测试（通过code_interpreter）。
7. Hermes提交代码，推送到远程，并通过GitHub MCP创建PR，标题“修复token验证空指针异常”。
8. Hermes将PR链接返回给OpenClaw。
9. OpenClaw推送到飞书群，@报告者：“已创建PR #123，请审阅。”

沈飞注：在量化策略开发中，我们把这个模式用在因子代码的自动修正上。当回测报告提示某个因子计算出错时，Hermes可以自动读取因子源码、分析错误、修正参数，然后重新回测。如果修正后效果优于原版，就自动提交PR；如果更差，就记录到共享记忆供研究员分析。

🛠️ 实践任务（本节）：

1. 准备一个简单的Python文件（含一个已知bug），让Hermes定位并修复。
2. （可选）配置GitHub MCP，创建一个测试仓库，让Hermes自动创建PR。
3. 记录Hermes的每一步操作，观察其代码分析能力。

💭 本节总结（不看书写3行）：

📊 用时记录：计划____min → 实际____min → 偏差原因：________

15.5 零代码联动与技能一键迁移实践

🎯 本节目标：掌握将已有OpenClaw Skill迁移到Hermes的方法，利用自然语言创建联动工作流，实现“说句话就能让双Agent协作”。

预计时长：0.8小时

15.5.1 已有OpenClaw Skill如何迁移到Hermes

我们在第14章已经介绍了hermes claw migrate命令，本节重点讲迁移后的验证和优化。

迁移后验证步骤：

1. 迁移完成后，运行hermes skills list确认Skill已出现在列表中。
2. 选择一个简单的Skill（如weather），在Hermes中手动调用测试：bash复制下载hermes -c “使用weather技能查询北京的天气”
3. 如果Skill依赖特定的环境变量（如OPENWEATHER_API_KEY），确保已添加到~/.hermes/.env。
4. 如果Skill包含脚本（scripts/），检查脚本的shebang和依赖是否在Hermes环境中可用。
5. 对于复杂的Skill，建议在Hermes中开启experimental模式（第10章），试运行几天确认无误后再正式启用。

常见迁移问题及解决：

问题	原因	解决方案
Skill未出现在列表中	SKILL.md frontmatter格式不兼容	手动修改为agentskills.io标准格式
执行时报错“command not found”	脚本依赖的二进制在Hermes环境PATH中不存在	修改SKILL.md，使用绝对路径或安装依赖
环境变量未加载	迁移时未复制.env配置	手动在Hermes的.env中添加相应变量
工具不存在	OpenClaw Skill调用了OpenClaw特有工具	修改Skill改用Hermes的工具名，或通过ACP回调OpenClaw执行

15.5.2 “飞书 + OpenClaw + Hermes”三人协作模板

这是一个开箱即用的模板，让用户通过飞书自然语言消息，就能触发双Agent协作。

模板结构：

• 飞书：用户交互界面
• OpenClaw：接收消息、解析意图、路由决策
• Hermes：执行具体任务

配置步骤：

1. 在OpenClaw中创建意图识别Agent（intent_router）：markdown复制下载## 职责 – 分析用户消息，判断任务类型（开发、研究、运维、通用） – 根据任务类型，选择合适的处理方式： – 简单任务：OpenClaw直接回答 – 代码/研究/分析任务：委托给Hermes
2. 配置飞书渠道绑定到intent_router（见15.1.2）。
3. 编写意图识别规则（可在AGENTS.md的工作流中用自然语言描述）：text复制下载- 如果消息包含“写代码”“修复”“单元测试” → 委托给Hermes开发模式 – 如果消息包含“研究”“搜索”“分析” → 委托给Hermes研究模式 – 如果消息包含“检查”“监控”“健康” → 委托给Hermes巡检模式 – 否则 → OpenClaw自己回复
4. 在Hermes中为每种模式创建对应的Skill（可使用迁移过来的Skill或新建）。

测试：

• 在飞书中发送：“写一个Python函数，计算斐波那契数列”
• 观察OpenClaw判断为开发任务 → 委托Hermes → Hermes生成代码 → 返回结果 → 飞书收到答案

龙马注：这个模板我用了两个月，覆盖了团队日常80%的AI需求。关键是意图识别规则要不断迭代——初期会有一些误判（比如把“研究一下某个技术方案”误判为简单对话），每次遇到就补充规则到AGENTS.md。积累一个月后，准确率能到95%以上。

15.5.3 零配置联动案例：从发送消息到自动执行并返回结果

目标：用户无需任何额外配置，只需加入飞书群，就能享受双Agent协作能力。

实现方案：

• 将OpenClaw和Hermes部署为一套公共服务（固定账号）。
• 新用户加入飞书群时，机器人自动发送欢迎消息和使用说明。
• 所有用户的请求都通过同一个intent_router Agent处理。
• Hermes作为后端服务无状态地接收和处理任务。

注意事项：

• 需要实现多租户隔离（通过session_id区分不同用户）。
• 对于涉及敏感数据的任务（如私人代码仓库），需要引导用户进行OAuth授权。
• 可以考虑使用共享记忆（第16章）存储每个用户的偏好，实现个性化体验但仍保持零配置。

🛠️ 实践任务（本节）：

1. 选择一个已有的OpenClaw Skill（例如你之前开发的news_summarizer），执行hermes claw migrate，并手动测试迁移后的版本。
2. 在OpenClaw中创建一个简单的意图识别规则，将至少两种不同类型的任务委托给Hermes。
3. 通过飞书发送测试消息，验证路由和委托流程。

💭 本节总结（不看书写3行）：

📊 用时记录：计划____min → 实际____min → 偏差原因：________

第15章 参考资料与扩展阅读

1. OpenClaw Agent Teams文档（官方） https://docs.openclaw.ai/zh-CN/agents/teams
2. Hermes Agent代码解释器与审查最佳实践 https://hermes-agent.nousresearch.com/docs/features/code-interpreter
3. 双Agent协同：规划者-执行者模式详解 https://developer.aliyun.com/article/1730226
4. GitHub MCP Server配置指南 https://modelcontextprotocol.io/servers/github
5. 飞书 + OpenClaw + Hermes 零代码联动实现多渠道智能客服（实战） https://www.ai-indeed.com/encyclopedia/19624.html
6. Skill迁移常见问题与兼容性矩阵 https://openclaw.com/blog/claw-migrate-troubleshooting

第三篇综合任务（第15章完成后）

任务：完成以下所有检查项，并记录输出。

• ✓ 规划者-执行者：创建一个简单任务的拆解计划，并通过ACP成功委托Hermes执行。
• ✓ 定时监控巡检：创建一个Cron任务，每天定时执行健康检查，并输出报告。
• ✓ 深度研究：通过OpenClaw发送一个研究主题，Hermes成功调用web_search并返回结构化报告。
• ✓ 代码开发审查：让Hermes为一个简单的Python函数生成单元测试，并成功运行。
• ✓ 零代码联动：成功迁移至少1个OpenClaw Skill到Hermes并在飞书聊天中触发。
• （可选）配置意图识别路由，测试至少3种不同类型的消息正确委托。

完成后，保存一份协作模式测试日志，命名为chapter15_collaboration_logs.md。

龙马的评审：

15.5节的零代码联动是混合部署的核心价值。我建议读者把“规划者-执行者”和“零代码联动”结合起来——在OpenClaw的intent_router Agent中，可以用迁移过来的Skill作为意图识别的依据。例如，如果用户消息触发了code_reviewer Skill的关键词，就自动委托给Hermes的代码审查模式。这样意图识别规则会越来越智能。

另外，15.4节的代码审查Skill在实际使用时，建议将Hermes的code_interpreter沙箱配置为只读模式，防止修改代码前未经确认。我们的实践是：审查只输出报告，不自动修改；确认后再单独发送“修复”指令。

沈飞的评审：

在量化策略开发中，15.3节的深度研究模式被我们用于自动分析研报和基本面数据。Hermes每周日凌晨2点会被OpenClaw Cron唤醒，去抓取指定券商的策略周报，然后用自然语言总结出对当前持仓可能的影响，最后将结果推送到风控群。整个流程无人干预。

15.5节的零代码联动对于新加入团队的成员非常友好。他们不需要学习任何命令，直接在飞书群里@机器人说人话，机器人就能自动判断是查行情还是做回测。运维成本集中在意图识别规则的持续优化上，但相比培训成本，收益仍然可观。

下一章预告：第16章 共享记忆与持续改进 —— 你将学习如何让OpenClaw和Hermes共享长期记忆，实现“一个Agent学到的知识，另一个Agent也能用”。这是从“协作”走向“共生”的关键一步。