Hermes 高级用法:用多 Profile 协作搭建 OPC Agent 团队 ✍ 知野🕐 2026-04-30📦 12.2 KB 🟢 已读 𝕏 文章列表 本文探讨了如何利用 Hermes 的多 Profile 协作功能,将多个 Agent 组织成一支 OPC(一人公司)团队。文章指出,单一 Agent 存在幻觉、记忆污染和角色混乱等问题,因此建议引入类似公司架构的四角色模型:Coordinator(协调员)、Researcher(研究员)、Writer(作家)和 Builder(构建者)。文章详细阐述了 Profile、Subagent、Project 和 Wiki 四个核心概念的区别,并提供了构建稳定 Agent 工作系统的具体配置方法,旨在建立清晰的角色边界和可长期运行的协作体系。 HermesAgent多Profile协作OPCWiki知野LLM系统架构团队协作Skill # Hermes 高级用法:用多 Profile 协作 + Wiki 共享记忆,搭建你的 OPC Agent 团队(上篇) **作者**: 知野 **日期**: 2026-04-29T09:03:10.000Z **来源**: [https://x.com/knoYee_/status/2049414174783193349](https://x.com/knoYee_/status/2049414174783193349) ---  # 上篇:多 Profile 协作:如何把 Agent 组织成一支 OPC 团队 最近 OPC 的概念很火。 OPC,也就是 One-Person Company,一人公司。 它的核心不是一个人单打独斗,而是一个人借助多个 Agent,像管理一支小团队一样,去完成一个或多个复杂任务。 那么问题来了: > 如何构建一套可靠的多 Profile 协作架构? 今天这篇文章,我先带你梳理 Hermes 多 Profile 协作的核心逻辑。 这不是简单地“多开几个 Agent”,而是要建立一套稳定、清晰、可长期运行的 Agent 工作系统。 每一个想做 OPC 的人,都应该认真思考这个问题。 ## 一、为什么要使用多 Profile 协作? 一个 Agent 当然可以完成很多事情。 它可以查资料、写文章、写代码、做图、做复盘。 但如果所有任务都交给一个 Agent,长期看会出现三个问题。 ## 1. 幻觉问题 一个 Agent 最大的问题是: > 自己写,自己审,自己觉得自己没问题。 所以我们需要建立一套团队运作体系,让不同 Profile 承担不同任务,从不同角度看同一个问题。 比如: - Researcher 负责事实; - Writer 负责表达; - Builder 负责实现; - Coordinator 负责统筹。 这样系统更容易发现漏洞,也更不容易陷入单一 Agent 的自我确认。 ## 2. 避免记忆污染 一个 Agent 同时做所有项目、所有环节,记忆很容易混在一起。 比如它同时记住: - 文章要讲故事; - 代码要优先可运行; - 产品要先做 MVP; - 研究要标注来源。 这些经验本身没有错,但它们属于不同任务、不同环节、不同项目。 如果全部混进一个 memory,时间久了就会互相污染、互相矛盾。 最后的结果就是: - 写代码时带着内容创作的习惯; - 写文章时带着工程实现的思维; - 做研究时又提前开始下结论。 这就是记忆污染。 ## 3. 避免角色混乱 一个 Agent 同时负责研究、规划、写作、执行、审查、复盘,很容易角色混乱。 典型表现是: - 该研究的时候,它开始写结论; - 该写作的时候,它又重新查资料; - 该审查的时候,它开始替自己的输出辩护; - 该做项目管理的时候,它沉迷于细节执行。 所以,多 Profile 的本质不是“更多 Agent”,而是更清晰的角色边界。 # 二、先搞懂四个概念:Profile、Subagent、Project、Wiki 在搭建团队之前,我们要先分清四个概念: - Profile - Subagent - Project - Wiki 这四个概念如果混在一起,后面的系统一定会乱。 ## 1. Profile:长期员工 Profile 可以理解成系统中的长期员工。 每个 Profile 都是一个独立 Agent,拥有自己的身份、记忆、技能和运行配置。 比如: - Coordinator 是协调员; - Researcher 是研究员; - Writer 是作家; - Builder 是构建者。 它们不是同一个 Agent 的不同聊天窗口,而是不同角色、不同职责、不同记忆边界的长期成员。 所以,多 Profile 实质上是在搭建一支 Agent 团队。 ## 2. Subagent:临时工 Subagent 是临时 Agent。 它更像是临时派出去的小助手,适合处理复杂任务中的局部问题。 比如你要写一篇深度文章,可以临时派出几个 Subagent: - 一个查传统 RAG; - 一个查 Agentic RAG; - 一个查 LLM Wiki; - 一个检查逻辑漏洞。 Subagent 干完就结束,不需要长期人格,也不需要长期记忆。 所以可以简单理解为: > Profile 是长期员工。 > Subagent 是临时外包。 ## 3. Project:项目空间 Project 是长期任务的项目空间。 如果你同时推进多个长期任务,比如: - Twitter Growth; - Vibe Coding; - 内容增长系统; - 产品 Demo。 那每个长期任务都应该有自己的项目空间。 注意: > 运行多个长期任务时,关键不是多建 Profile,而是先划分好项目空间。 不要为每个项目复制一套 Profile。 正确做法是: > 同一套 Profile 团队,服务多个 Project folder。 这样才能避免 Profile 数量爆炸,也能避免长期记忆污染。 ## 4. Wiki:共享记忆层 多 Profile 的记忆不相通,那复杂任务怎么推进? 答案是: > 共享 Wiki。 Wiki 就像一家公司的共享文档。 不同员工有不同的大脑,但他们可以通过共享文档同步: - 项目进度; - 任务状态; - 决策记录; - 知识沉淀。 在 Hermes 多 Profile 系统里,Wiki 不是普通笔记库,而是一个有组织、可维护、可长期运行的共享记忆系统。 它记录: - 项目状态; - 任务进度; - 决策记录; - 研究材料; - 最终产出; - 通用方法论。 所以,一个稳定的 Agent 团队,实际上是由多 Profile 和共享 Wiki 共同组成的。 # 三、四角色模型:像真实公司一样组织 Agent 多 Profile 该如何分工? 我推荐一个经过验证的四角色模型: - Coordinator - Researcher - Writer - Builder 也可以理解成: - 项目经理 - 研究员 - 作家 - 工程师  ## 角色 1:协调员 Coordinator Coordinator 就是项目经理。 它的核心职责是: 1. 定义目标:明确最终要达成什么。 2. 拆分任务:把大目标拆成可执行的小任务。 3. 路由任务:判断每个任务应该交给谁。 4. 汇总结果:把不同角色的产出整合成最终结果。 5. 检查边界:避免记忆污染和文件冲突。 Coordinator 不应该沉迷于亲自查资料、写文章、写代码。 它最重要的职责是: > 让整个系统有序运行。 ## 角色 2:研究专员 Researcher Researcher 就是研究员。 它的核心职责是: 1. 收集证据:从多个来源获取信息。 2. 对比来源:交叉验证,确保信息可靠。 3. 标记不确定性:明确指出哪些信息尚未验证。 4. 提炼事实:区分事实、观点和推测。 一个好的 Researcher,可以显著降低整个系统的幻觉。 它不应该直接写最终稿,也不应该直接做最终决策。 它要做的是提供可靠的原材料。 ## 角色 3:作家 Writer Writer 负责把原材料转化成清晰内容。 它的核心职责是: 1. 搭建文章结构。 2. 优化表达方式。 3. 提炼主线和观点。 4. 让内容适合目标读者。 5. 把复杂概念讲清楚。 当 Writer 不需要再负责规划和查资料,它的输出质量会明显提升。 因为它可以专注于一件事: > 把内容讲清楚。 ## 角色 4:构建者 Builder Builder 更像工程师。 它的核心职责是: 1. 实现:把计划变成可运行的代码、页面或系统。 2. 调试:定位并修复问题。 3. 测试:确保输出稳定可靠。 4. 交付:生成最终可用的结果。 当 Builder 不需要再负责讲故事、做研究、定方向时,它的实现质量也会提高。 因为它可以专注于落地。 # 四、完整工作流 一套典型的多 Profile 工作流是: 1. Coordinator 拆解并规划任务; 2. Researcher 收集来源、验证主张; 3. Writer 把研究结果转化成清晰内容; 4. Builder 负责最终实现或交付; 5. Coordinator 最后检查、汇总、归档。 这个结构之所以强大,是因为它反映了真实工作流程。 现实里,一个稳定团队也不会让同一个人同时当项目经理、研究员、作家、工程师和审稿人。 Agent 团队也是一样。 # 五、开始构建每个 Profile 当角色分工确定后,就可以开始构建每个 Profile。 每个 Profile 通常包含: soul.md USER.md memory.md config.yaml skills/ .env 看到这么多东西,很多人会头大。 接下来,我以“协调员 Coordinator”为例,讲一下每个文件分别负责什么。 ## 1. soul.md:协调员是谁 soul.md 是 Profile 的核心身份文件。 它定义这个 Profile: - 是谁; - 负责什么; - 有什么边界; - 不应该做什么。 比如 Coordinator 的 soul.md 需要说明: - 它是协调员; - 它负责拆分任务、规划项目、汇总结果; - 它维护 dashboard 和 agent-log; - 它不直接执行研究任务; - 它不直接写最终内容; - 它不直接实现代码。 注意: > 如果你同时推进多个项目,不要把具体项目内容写进 soul.md。 否则极容易造成角色污染。 soul.md 写的是: > 这个 Agent 是谁。 不是: > 这个项目现在在做什么。 ## 2. USER.md:协调员理解的用户是谁 USER.md 记录的是这个 Profile 对用户的理解。 比如: - 用户偏好中文交流; - 用户喜欢结构清晰的 Markdown; - 用户不喜欢空泛概念; - 用户希望输出适合复制到 Obsidian。 注意: 这里的 USER.md 是“协调员这个角色所理解的用户形象”,不是整个系统唯一的用户画像。 如果需要所有 Profile 共享用户画像,应该放到 Wiki 的: system/user-profile.md ## 3. memory.md:协调员学到的通用经验 memory.md 记录的是这个 Profile 在长期工作中总结出来的通用经验。 比如: - 复杂任务应该先拆解; - 不同 Profile 不要同时修改同一个正式文件; - 中间材料先进入 inbox; - 最终产出再进入 outputs。 但这里不应该写具体项目经验。 比如: - Twitter 今天写了 3 条推文; - Vibe Coding 登录页已经完成。 这些内容不属于 memory.md,而应该放到项目空间里。 memory.md 记录的是: > 通用经验,不是项目状态。 ## 4. skills:协调员的技能库 skills 是可复用的任务流程。 Coordinator 的 skills 可以包括: - 任务拆解; - 项目优先级判断; - 交接单生成; - dashboard 更新; - weekly review; - memory audit。 这些 skills 专门服务于协调员这个角色。 如果某个 skill 是通用技能,比如: - project-context-loader; - memory-routing。 可以分别加入多个 Profile 的 skills list。 但不要把所有技能都塞给所有 Profile。 否则角色边界又会乱掉。 ## 5. config.yaml:协调员如何运行 config.yaml 是 Profile 的运行配置。 它规定这个 Profile 如何工作,比如: - 使用什么模型; - 默认工作目录是什么; - 允许读写哪些文件; - 是否自动加载 skills; - 哪些文件不能修改。 注意: > config.yaml 不是写任务内容的地方。 它回答的是: > 这个 Profile 怎么运行? 不是: > 这个项目要做什么? ## 6. .env:协调员的密钥 .env 只放密钥。 比如: - API Key; - Token; - SMTP 密码; - 外部服务凭证。 不要把这些内容写进 .env: - 项目状态; - 用户偏好; - 任务说明; - 文章内容。 也不要把密钥写进: - soul.md - USER.md - memory.md - AGENTS.md - Wiki 因为这些文件可能会进入模型上下文。 # 上篇小结 到这里,多 Profile 的基本搭建就告一段落了。 我们做了三件事: 1. 明确为什么不能让一个 Agent 全包; 2. 区分 Profile、Subagent、Project、Wiki 四个概念; 3. 搭建 Coordinator、Researcher、Writer、Builder 四角色模型。 但这还只是“团队层”。 一个团队要长期运行,光有员工还不够。 它还需要: - 共享文档; - 项目空间; - 任务看板; - 决策记录; - 复盘机制。 也就是下一篇要讲的重点: > 如何用 Wiki 构建你的 OPC 共享记忆系统。 ## 相关链接 - [@knoYee_](https://x.com/knoYee_) - [22K](https://x.com/knoYee_/status/2049414174783193349/analytics) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [5:03 PM · Apr 29, 2026](https://x.com/knoYee_/status/2049414174783193349) - [22.2K Views](https://x.com/knoYee_/status/2049414174783193349/analytics) - [View quotes](https://x.com/knoYee_/status/2049414174783193349/quotes) --- *导出时间: 2026/4/30 16:37:11*
H Hermes 高级用法:多 Profile 协作搭建 OPC Agent 团队(上篇) 文章探讨了如何利用 Hermes 工具的多 Profile 协作功能来构建 OPC(一人公司)Agent 团队。作者指出单一 Agent 存在幻觉、记忆污染和角色混乱三大问题,并提出通过“长期员工”Profile 和“临时工”Subagent 的概念进行分工。文章详细拆解了四角色模型(协调员、研究员、作家、构建者)及各自的配置文件结构,旨在建立一套稳定、清晰的 Agent 工作系统。 技术 › Hermes ✍ 知野🕐 2026-04-30 OPCAgent多Profile团队协作工作流LLM自动化生产力工具HermesSubagent
终 终极 Hermes 指南:构建 30 天后仍保持高内聚的多代理团队 本文是一篇关于 Hermes 多代理系统的深度操作指南。作者指出,单个代理承担多种角色会导致声音模糊和上下文污染,而简单的角色划分也难以维持长期的一致性。文章提出了基于“隔离配置文件”的解决方案,详细介绍了构建包含编排者、研究员、作家和工程师的四人团队步骤。重点阐述了通过“交接契约”、内存 KPI 审计和策略门禁来建立“操作员层”,确保团队在运行 30 天后依然保持专业分工和清晰边界,避免多代理系统退化为单一混乱体。 技术 › Hermes ✍ Nyk🕐 2026-04-16 多智能体HermesAgent系统架构LLM提示词工程工作流自动化团队协作AI运营
H Hermes Agent 大师课程:完整指南 本文是一份关于 Hermes Agent 的 12 部分系列课程汇总,涵盖了从工作流程、学习系统、技能管理到多平台集成、浏览器控制等核心功能,详细介绍了该系统的架构设计与最佳实践。 技术 › Hermes ✍ Tony Simons🕐 2026-07-20 AgentHermesLLM教程系统架构工具集成多代理自动化
H Hermes Agent 进阶指南:从架构原理到构建自进化的多智能体系统 本文深入介绍了 Nous Research 开源项目 Hermes Agent。文章详细解析了其独特的“学习闭环”架构,该架构结合了三层持久化内存、自进化技能系统以及 GEPA 优化引擎,解决了传统 Agent 随会话结束而遗忘的问题。文中还将 Hermes 与 OpenClaw 进行了对比,并提供了从零开始配置多个个性化 Agent(程序员、研究员、设计师)的实战教程,旨在帮助开发者打造能够 24/7 运行且持续学习的个人 AI 队伍。 技术 › Hermes ✍ Akshay🕐 2026-05-28 AgentHermes自进化LLM开发者工具系统架构教程Nous ResearchGEPA多智能体
B BestBlogs 早报|实现周期骤缩后,创业者如何重选问题 本期早报探讨了 AI 智能体缩短实现周期后,创业者的机遇与挑战。文章涵盖 Sam Altman 对创业窗口的判断、GPT-5.6 的效率工程实践,以及如何通过 Skill Harness 将模型能力封装为可维护的产品功能。 技术 › Skill ✍ ginobefun🕐 2026-07-30 GPT-5.6Agent创业效率工程ProductHarnessSkillLLMOpenAI
构 构建超越单一模型的持久 AI 系统 文章指出,模型只是可随时替换的引擎,真正的价值在于构建围绕模型的系统。作者介绍了利用 Hermes 工具从简单的问答、一次性任务,进化到生成可共享的产物、封装可复用的技能,最终形成自动化运行的循环系统,以实现 AI 效用的复利增长。 技术 › Hermes ✍ ericosiu🕐 2026-07-25 AI系统HermesSkillAgent工作流自动化技能封装
A Agent Wikis 的现状与发展 文章探讨了 LLM Wiki 模式的兴起,即通过在摄取时编译知识而非查询时检索,解决传统 RAG 无法积累知识的问题。介绍了 Cognition、FactoryAI、LangChain 等团队构建的 Agent Wiki 系统,分析了其架构原理及在维护成本上的优势。 技术 › Agent ✍ mem0🕐 2026-07-22 LLMAgentWikiRAGCognitionLangChainDeepWikiAutoWiki
C Claude Skills: 如何通过 Anthropic 的新功能节省 Token 并提升效率 文章介绍了 Anthropic 推出的 Claude Skills 功能,通过文件夹和 YAML 配置实现渐进式披露,显著减少 Token 消耗和重复解释。详细说明了技能的构建规则、命名规范、测试方法及分发策略,帮助用户将聊天机器人转化为高效的专业工程团队。 技术 › Skill ✍ Mr. Buzzoni🕐 2026-07-17 ClaudeSkillTokenAnthropicDevOps工具与效率LLMMCPAgent
A Agent 的数据面概念扫盲-建立技术侧认知体系 本文深入解析了 Agent 数据面的核心概念,将其比作操作系统的内存管理单元。文章详细阐述了 Context Engineering 的演变、Session/Thread/Profile 的架构差异,以及 Session Memory 与 Long-term Memory 的区别。作者还重点介绍了 Hermes 中的 Memory 设计方案、SQLite FTS5 与 BM25 算法原理,以及向量检索与关键词检索在 RAG 中的混合应用,旨在为开发者建立一套完整的 Agent 数据面技术认知体系。 技术 › Agent ✍ MateMatt🕐 2026-07-12 AgentContext EngineeringRAGMemoryBM25SQLite FTS5向量检索HermesLong-term MemoryLLM
H Hermes Agent 架构详细拆解:工业级 Agent 框架底层运行时揭秘 本文详细拆解了 Hermes Agent 的底层架构,将其定义为工业级运行时而非简单的 LLM 循环。文章类比前端工程模式,阐述了 Agent = Harness + Model 的核心公式。重点解析了从平台入口、适配器层、事件总线、GatewayRunner 核心调度层到 AI Agent 执行层的五层架构,揭示了 Hermes 如何通过共享线程池、会话复用和生命周期管理,实现高并发、有状态且安全可靠的 Agent 运行环境。 技术 › Hermes ✍ MateMatt🕐 2026-07-07 AgentHermes架构设计LLM事件总线多线程源码解析运行时HarnessReAct
万 万字长文:做了些爆款 Skills 以后,我对 Skills 的看法 本文通过作者制作多个爆款 Skill(如 PPT、社交媒体卡片、Logo 生成等)的实战经验,深入探讨了 Skill 在 AI 时代的本质与价值。作者指出,Skill 不仅是提示词,更是封装专家经验、工作流和审美判断的“能力商品”,能有效弥合 Agent 使用中的认知差距。文章详细阐述了 Skill 的设计哲学(中心短、辐射厚)、像代码一样的维护流程,以及如何通过“把品味变成约束”来保证高质量输出。 技术 › Skill ✍ 歸藏(guizang.ai)🕐 2026-06-12 AgentSkillLLM上下文工程提示词工程产品设计经验封装DevOps交互设计AI应用
使 使用 Fable 5 构建自我改进 Agent 系统的 14 步指南 本文介绍如何利用 Claude Fable 5 模型构建具有复合能力的自我改进 Agent 系统。文章首先澄清了 Fable 5 作为 Mythos 级模型的定位,强调了其支持“长周期自主会话”和“自验证”的核心能力。作者指出,真正的自我改进并非模型权重的更新,而是通过 loops、dynamic workflows 和 routines 这三种原语,构建起包含记忆层和评估反馈层的环境架构。文章还详细阐述了如何根据任务复杂度在 Fable 5、Opus 和 Sonnet 之间进行成本最优的路由配置。 技术 › LLM ✍ Codez🕐 2026-06-12 LLMAgentClaudeFable 5自我改进系统架构工作流Claude Code工程化