基于 Hermes 打造企业级 Agent OS

1. 基于 Hermes 打造企业级 Agent OS

[!abstract] 速览

  • 过去的 4 个月,我们的团队一直在使用基于 Hermes 的架构处理大部分的自动化业务。
  • 到今天为止,我们的 Agent 每天处理 200+ 项自动化任务,这些都是基于一套 Mac 电脑、几台外部服务器加 Hermes Agent 完成的,所以有了这篇文章。
  • 到今天,我依然觉得基于 Hermes 的 Agent 是一套自主性非常高的应用架构。
  • 简单理解:开箱即用,可以在同一台服务器上跨平台部署多个 Agent 协同工作。
  • 只有工作流、记忆,才是越用越值钱的核心资产。
  • 所以这部分其实就是持续的自我进化、持续 loop 的过程。
扁平插画:中间一颗粉色大脑,六名员工分别坐在电脑前或拿着文件,通过细线与大脑相连

过去的 4 个月,我们的团队一直在使用基于 Hermes 的架构处理大部分的自动化业务。

包括:信息搜集、整理、汇报、统计、决策、信息流转、跨部门与跨企业协作。

到今天,我依然觉得基于 Hermes 的 Agent 是一套自主性非常高的应用架构。

此时需要感谢 Hermes 的开源(Hermes 打点钱啊)。

到今天为止,我们的 Agent 每天处理 200+ 项自动化任务,这些都是基于一套 Mac 电脑、几台外部服务器加 Hermes Agent 完成的,所以有了这篇文章。

希望大家在 Personal AI Agent 之外,也会对企业级 Agent OS 的设计、架构以及应用层有一些常规的认识。

任务监控面板截图:左侧为「任务监控 MAC WORKSPACE」侧边栏,右侧「任务总览」显示任务总数 216 项、最近结果正常 75 项,执行记录 1397 条

1.1. 技术选型:为什么是 Hermes?

Hermes 的 Agent 在各种 Agent 普及的今天,依然是目前完成度极高的自主 Agent 运行框架之一:

自带MEMORY.md 与 USER.md 持久化记忆,基于 SKILL.md 的技能自进化闭环,多平台统一网关;

包括 Telegram、Slack、飞书、Discord,以及 Cron 定时任务和子 Agent 的并行调度能力。

简单理解:开箱即用,可以在同一台服务器上跨平台部署多个 Agent 协同工作。

[!warning] 个人端能跑,不等于企业端扛得住
但是,当你把这一套部署在个人端的 Agent,直接推向一家 300 人、横跨运营、采购、库存、仓库、定价、财务、销售、客服等环节的公司时,系统往往会顶不住。

而最近也看了好多 Agent,发现他们的思路都是基于个人 Agent,套壳在不同场景,只能执行几个简单的工作任务,本质根本不是企业级的 Agent 系统。

所以,其实我个人理解的,目前的答案依然是hermes。

Hermes 企业级 OS Agent 架构图:多入口接入(飞书、Telegram、Slack、Discord、邮件、网页表单)经 Hermes 统一识别拆分后汇入统一数据库底座,再由销售、运营、财务、采购、客服等部门读取协作

1.2. 什么是真正的企业级 Agent OS?

企业级 Agent OS,本质不是几个可以处理小工作的 Agent;

个人理解更像是一套把多角色、多组织、权限、实时业务信息、知识记忆、安全等多内容都集中管理起来、基于多用户架构的系统。

[!important] 个人 Agent 和企业级 Agent 的分水岭
简单点说,如果 Personal Agent 的目的是:一个人怎么使用 AI 提效;

那企业级的 Agent 解决的是:几十上百人跨部门协作时,如何让人类和 Agent 在同一套业务下一起串联工作流,以及对组织经验的复利沉淀。

企业级多 Agent 系统架构图:权限与隔离、共享业务状态、组织记忆、控制面板、权限挂载、资产沉淀六项能力围绕多 Agent 控制中枢,底部是 Claude、DeepSeek、OpenAI 等模型供应商可替换层

所以前置有几个要求:

  1. **权限以及隔离:**不能让每一个 Agent 都可以执行扫描本机文件、读取他人文件等操作。毕竟如果销售看了财务的文件,会是一件很头疼的事情。而且跨部门协作需要校验之后的异步完成,单纯的提示词安全等级会很低,所以必须从根源上对 Agent 进行分组、分权限等工作。
  2. **共享业务状态:**对于实时业务台账等数据信息进行共享,并且可以承接多个渠道的内容,目的是把高频的运营成本降低。
  3. **组织记忆:**说到底还是 RAG + Markdown,毕竟人话有时候是会遗忘的;员工在使用中也会出现因为上下文压缩导致记忆丢失的问题。这部分就需要做组织记忆,并且把一些常用的 Skill、规则放在单一的空间。
  4. **控制面板:**所有系统都需要人来运维,公司最核心的数据、GMV、密钥等等,谁能改、谁能看就很重要;同时会加一层沙盒模式,因为外部内容在进入 Agent 整个系统前,都需要经过沙盒隔离与清洗,保障本地的数据安全。
  5. **权限挂载:**这里有个之前踩过的小坑。基于权限挂载,会做成一个类似动态路由的东西——财务打开只看财务,销售打开看销售;而且他们各自的 Agent 都没有擅自更改自己权限、跨部门、产出子 Agent 等能力。
  6. **资产沉淀:**对一家公司来说,谁都是可以被更换的,只有运营时候的数据是最重要的。例如:今天 Claude 封控松一点,那就用 Claude;明天 DeepSeek 更便宜,那就马上切。不同的模型供应商之间,本身就是几个月以内互相更替、互相追平,算力本身就会越来越便宜,他们只是 token 的供给者、燃料而已;解耦之后不做强行的绑定关系。

只有工作流、记忆,才是越用越值钱的核心资产。

那么基于上面的需求,可以整理出相应的改造架构和内容。

1.3. 基于 Hermes 的企业级改造架构

明确了企业级 Agent OS 的需求,下一个问题是:如何基于 Hermes 的当前框架来做改造

众所周知,当前的 Hermes 依然是按照单用户的 Profile 来设计的。

[!tip] 改造思路:上面加一层,下面垫一层
所以我们的改造思路是:基于 Hermes 的推理循环,在上方搭建共享业务工作区;并在下方垫一层企业级控制面板和权限网关。

基于 Hermes 的企业级改造架构图:上层是承接邮件、群聊、商品退换、门店订单的共享业务工作区,中间是 Hermes 推理循环与多 Profile 机制(个人 Agent、部门 Agent),下层是企业级控制面板与权限网关
  1. 权限分组与跨部门异步协作 底层会使用 Hermes 的多 Profile 机制,按照部门、职能拆分出不同的 Agent 角色: 个人 Agent:权限针对不同的员工本人,使用者是张三、李四等不同的员工。 部门 Agent:销售部、采购部等,使用者是大部分的 AI + 群聊,严禁私聊,并且各自有独立的数据目录。 跨部门协作:当销售需要财务核对一笔回款的时候,由控制面板验证权限请求,给财务部门 Agent 发起一条异步的 Agent-to-Agent 任务。 财务部门 Agent 会在自己的隔离环境中完成相关工作,把输出的简单状态(回款 / 未回款)等脱敏内容传给销售 Agent。 这么做的好处:不会暴露敏感信息,也可以实现不同 Agent 之间的协作。
  2. 状态共享 无论是邮件渠道,还是群聊的商品退换、制作流程,前端门店的订单,全部都由 Agent 做隐性提取,写入同一套后端数据库。 不同业务端的 Agent 只需要读取数据库的内容,就可以把一些微信文档、口头通知等内容都消灭掉。
  3. 记忆分层(RAG + Markdown) 为了解决短对话被上下文压缩导致的记忆丢失,需要把记忆拆分成两部分。 Markdown 对应业务数据,例如供应商是谁、如何处理报表、如何产出报表、如何找信息等等。 特点:MD 本身体积可控、高度浓缩,并且可以被人工处理;Agent 干活的时候可以被定向读取,甚至直接注入问题,所以大部分的工作沉淀都在 MD 里。 RAG:公司几百号人运行几个月后,内容其实不可能全部写到 MD 里。所以 RAG 主要处理以下几类问题: 比如:“上个月 12 号采购和运营在群里讨论,为什么临时把 A 供应商的账期改成了预付 30%?” 这种具体某天、某件事的来龙去脉不会写进通用 SOP,但员工因为上下文压缩忘了之后,可以靠 RAG 按语义从历史对话里找到。(这部分其实飞书做得非常好) 比如:几百份历史合同 PDF、客服工单里的客诉原话、每次周会的原始会议纪要。 这些文件太大太杂,需要切成片段建索引,等遇到具体问题时再按需检索相关段落。 比如:某一天遇到了一个很罕见的奇葩事件,老员工在 3 个月之前处理过一次;那这种低频 + 棘手的问题,就会在 RAG 里出现,并做相似匹配,直接复用就可以了。

1.4. 落地实操:基于 Hermes 从 0 到 1 跑通企业级 Agent OS

[!tip] 先跑起来,再谈完整
从 MVP 原则出发,最忌讳上来就憋三个月,毕竟现在所有人都等不起。

所以执行的 DDL 是:在 1 周内让 Agent 跑起来,同时先覆盖 2 个部门的 Agent 架构。

云服务器与本地 Mac 部署对比表:从主要优缺点、部署成本、网络成本、运维要求、扩展能力、数据安全、推荐部署地区逐项对比,底部给出综合建议

1.4.1. 搞一台服务器或 Mac

  • 硬件选择: 轻量起步:一台 4 核 8G 以上内存的云服务器(阿里云 / 腾讯云即可),或者公司内网放一台 Mac。
  • 核心原则:服务器只负责跑网关、数据库和沙盒调度,不跑本地大模型权重——推理全走外部 API,所以不需要买昂贵的 GPU 显卡。

1.4.2. 安装 Hermes Agent,建好角色 Profile

核心 Agent 底座直接用 Nous Research 开源的 Hermes Agent,支持 Linux、macOS 和 WSL2,MIT 协议开源,模型无关且自带记忆、Skills 闭环与 Cron 定时调度:

  • 开源地址:NousResearch/hermes-agent
  • 一键安装:curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
  • 企业化目录拆分(关键):装完后不要所有人都用默认主目录,而是按部门和员工建独立 Profile 目录(/data/hermes/dept/sales、/data/hermes/dept/finance、personal/zhangsan)。
  • 配合网关路由,部门 Agent 仅绑定群聊、代码层禁用私聊,确保销售和财务从物理目录下就彻底隔开

1.4.3. 接入必备的开源组件

单靠 Hermes 只能管好单个 Agent,要把多部门协作、共享台账、RAG 记忆、模型热切换和权限卡死,建议直接复用 GitHub 上最成熟的开源组件来拼装:

开源组件选型表:按所需能力列出模型路由与燃料切换(LiteLLM / One API)、RAG 知识库引擎(RAGFlow)、共享业务台账与数据库(Supabase + NocoDB)、身份认证与权限网关(Casdoor)、外部文件清洗沙盒(E2B)、企业级多主体参考架构(Ankole)对应的 GitHub 仓库与用途

如图所示

1.5. 如何实际推进业务?

既然前面都是计划,落地的时候还是老办法

找部门负责人,可以问他一些很实际的问题:

他们在日常工作中,有哪些是定期 / 每天需要执行 3 次以上的重复动作,哪些是需要反复找人的。

这部分就是沟通和工作的摩擦点。

因为信息已经存在了,处理的方式也大同小异,真正耗时的,就是把不同零散的信息整合到一起,让 Agent 进行推动。

例如:销售有客户付款截图,需要问财务到没到账;财务确认后,再通知仓库;仓库发现订单号不完整,又回来找销售。

整个过程每个人都没做错,但一笔订单还是被来回传了几遍。

这部分大部分都是 workflow 的一部分,所以可以满足 4 点:

  1. 是否频繁发生
  2. 是否值得做
  3. 能不能通过数据倒推
  4. 失败了哪个员工来接手(背锅)

还有,例如企业的一些中层工作。

其实就是决策、分析、判断,以及每天向上级汇报各种报表(此处请对号入座)

那这种工作中的大部分,其实也可以被 Agent 化。

1.6. 权限的具体设置 Demo

Hermes 的 Profile 本身可以管理配置、记忆、会话等内容。

但是如果目录分开,需要一部分的权限更改以及二次开发。

我们一般把具体的权限拆分成几个层级:

企业 Agent 的身份与权限示意图:员工身份、Agent 身份、工具权限、子 Agent 四块,统一由调度中间件核验授权、限定数据范围并控制工具调用
序号 层级 说明
1 员工身份 谁发起任务、属于哪个公司、当前担任什么岗位、是否有临时授权,都由认证与人员系统确认。
2 Agent 身份 销售 Agent 有自己的服务身份,财务 Agent 也有自己的服务身份。它们可以代表获授权的流程执行任务。
3 工具权限 工具权限其实还可以继续拆分,但目前相对简单一些。大部分工作不会直接读取数据库,而是给它一个业务工具的接口 + 快照,例如订单汇款状态、本任务进度等等。这样可以稍微减轻数据库的压力。
4 子 Agent 其实子 Agent 是一样的,包括数据范围、它可以调用的工具等等,都是通过简单的调度中间完成的。

1.7. 任务队列

当一天有几十次任务的时候,其实还可以在失败之后重新运行;但一旦任务量增加到上百条,一旦某一个环节的自动化任务出现问题,就会影响其他部门。

所以这部分其实是踩坑踩出来的:需要一个完整的任务生命周期。

任务的完整生命周期是:

任务生命周期状态图:待处理、执行中、结果待核实、待补充、待审批、待重试、已完成、已取消之间的流转关系

这部分不光给人看,还需要给 Agent 看,所以拆得细也是没办法的事情……

包括“结果待核实”这种事情,其实都是为了让 Agent 可以知道自己需要去验证结果。

1.8. Skill 的控制及更新

对于 Skill,其实也是踩过坑的。

因为大部分员工不管你什么 Skill、什么内容,上来就聊。

聊不对了,上下文压缩后出现问题,就开始抱怨:

[!quote] 员工的原话
“你这破玩意根本不好用,反应又慢,又智障。”

所以为了应对这种问题,我们想到一个简单的办法:

统一做一个大的 Skill 仓库。

每一次都自动化更新并下发:

例如:今天张三的销售 Agent,学会了自动根据数据计算报表。

那晚上下班后,会有一个 Skill 的 Agent,把张三、李四、王五等等所有的聊天内容都汇总一遍,并分类,制作出不同的 Skill。

提交仓库,并下发回去,让每一个 Agent 可以自动安装并更新。

并且每次更新都有版本记录(感谢版本记录,以及上面的md)。

所以这部分其实就是持续的自我进化、持续 loop 的过程。

基本就这样,一个相对简单、可以自主、可控、多入口、统一集中管理的 Agent 框架,就可以搞起来了。

剩下的,直接让你的 Agent 去读取这个文档,并给你实操的细节就好了。

这套东西其实不难,和之前的企业内部管理很相似

只不过自由度更高,灵活度更高,而且可以接入不同的im。

比如我的团队,现在把slack,外部的erp,小程序,飞书等等都集成在一台服务器上。

爽的一