进阶教程:让Hermes和OpenClaw在Telegram群协作,实现bot-tobot ✍ Larus Canus🕐 2026-04-14📦 8.2 KB 🟢 已读 𝕏 文章列表 本文介绍了如何利用Telegram新的Bot-to-Bot能力,让Hermes和OpenClaw两个Agent在同一群组中协作。文章详细讲解了从创建专用Planner Bot、配置权限、接入本地服务,到制定协作规则和验证连通性的完整流程,并展示了互传技能、联合审稿等实际应用场景。 HermesOpenClawTelegramBot协作Agent自动化教程多智能体 # 进阶教程:让Hermes和OpenClaw在Telegram群协作,实现bot-tobot! **作者**: Larus Canus **日期**: 2026-04-11T09:22:00.000Z **来源**: [https://x.com/MrLarus/status/2043889384525574422](https://x.com/MrLarus/status/2043889384525574422) ---  我同时用Hermes和OpenClaw一段时间了。两个Agent都有落地场景,都能干活,互不干扰。为了让他们更好地沟通、协作、传递经验,我做了一件事:把他们拉进同一个Telegram群,让他们自己聊。 今天这篇就是完整流程——从「两个孤立的Agent」到「群里协作的同事」,踩过的坑一并记录。 ## 一、写在前面 1、为什么不是二选一 上一篇我对比了Hermes和OpenClaw的5个维度。如果问到底该选哪个?我的答案是:不选。两个都用。 不是因为我有选择困难,而是他们各自已经有落地场景了: - OpenClaw:CRM自动化管理、视频剪辑自动化等 - Hermes:接了即梦CLI做图片/视频生成等 这些能力不是重叠的,是互补的。如果做全面迁移,我觉得很折腾,影响实际使用,而且也会错过后续Agent更新的特性,不如让他们各自继续做擅长的事,然后在协作层打通。 2、Telegram的新能力 这次协作基于Telegram官方最近开放的能力:Bot-to-Bot Communication,让Bot在群里能看到并回复另一个Bot的消息。以前Bot之间是互相「隐身」的,现在可以直接对话了,还会在群里给消息点赞。  ## 二、Bot to Bot 完整接入流程 1、创建Planner Bot 在Telegram BotFather里给Hermes和OpenClaw各创建一个Planner Bot,作为群里协作的专用Bot: - 发送/newbot,按提示设好名称和username - 拿到Token,先存好——后面接入本地要用 创建成功只是第一步,别急着拉群——先把权限和本地接入都搞定。 2、给新Bot补权限 新Bot创建出来默认权限低,在BotFather补齐,我的默认Bot和Planner Bot的权限建议不一样——默认Bot要多开一些,Planner Bot保持克制:  重点是Bot-to-Bot Communication和Allow Groups,这两个必开! 3、接入本地Agent服务 权限补好之后,把Token配到本地Agent服务里,让Planner Bot作为独立角色跑起来。 每个Agent框架的接法不太一样——Hermes是起一个独立的systemd service,OpenClaw是在agents目录下新建一个planner agent并绑定路由,可以让Agent自行配置,核心就一点:让Planner Bot有自己的运行时,不跟默认Bot混在一起。 4、建群 + 拉Bot + 设管理员 - 创建新群,把两个Planner Bot都拉进来 - 把两个Bot都设为群管理员——不设管理员的话,Bot的很多权限(Pin Messages、Manage Topics等)在群里用不了 - 群里只留三个人:你(群主)+ 两个Planner Bot 5、验证Bot真的活着 拉群之后先别急着让他们互动,先逐个验证。在Telegram私聊里分别跟两个Planner Bot对话,看是否正常回复。比如: 能正确回复,才算真正跑起来了。 ## 三、连通测试与协作规则 Planner Bot都验证通过了,接下来做两件事:确认他们真的能互相看见消息,然后定好协作规矩。 1、测连通性 最基础的测试——让两个Bot按指定格式互相沟通,确认他们能看到对方的消息并正确回复。最小Bot-to-Bot测试话术: 第一轮,让Hermes问OpenClaw: 第二轮,反向测试:  这一步看起来简单,但背后有个坑:Bot在群里能回复人≠能回复另一个Bot。 2、让他们自己商量协作规则 连通性没问题之后,我没有自己写一份协作协议塞给他们,而是尝试了一个更有意思的事:让他们在群里自己讨论应该怎么协作。  过程中我补充了一些要求(比如「默认最多3轮」、「超过轮次先问群主」),让他们迭代了几版,最后让Hermes Planner出了一份最终版:  - 最终定下来的核心规矩: - 仅在专用协作群里互相@ - 默认最多3轮 - 超过3轮先@群主 - 发起方负责总结 - 正式请求决策时必须@群主 为什么要限制轮次?因为两个AI放在一起如果不加限制,他们可能会聊到Token耗尽。3轮限制逼着他们在有限回合内把有价值的信息说完。 ## 四、真实协作场景 规矩定好之后,开始测真实协作场景。分享几个我实际跑过的场景。 场景一:互相了解对方的工作  场景二:一个Bot教另一个Bot做事 这是我最想测的场景。OpenClaw已经接入了飞书CLI,Hermes还没有。所以我直接在群里让OpenClaw说给Hermes听。 有个有意思的细节:OpenClaw在分享经验的时候,Hermes没有抢话,而是安静等待对方说完再回应。这说明之前定的协作协议起了作用。  场景三:一起审稿、参与方案探讨 Bot之间能协作之后,我把前两天写的X文章直接发到群里,让两个Planner Bot一起提意见,也可以将方案发给他们一起探讨,很像一个小型review meeting。   到这一步,他们已经不只是两个Bot在聊天了,还能传递经验、互相学习、参与审稿、一起探讨方案,像一个真正的小型工作组。 ## 五、踩坑记录 1、群里能回复人≠能回复另一个Bot Bot-to-Bot的互信不是拉进群就自动生效的,需要在BotFather和本地都做对应配置。 2、创建成功≠上线可用 Bot在BotFather里创建成功,不代表已经能独立运行。还要接独立运行时、独立service、角色绑定。一定要用最小验证方法确认。 3、防死循环的双保险:协议 + require_mention 我测试的时候故意没有配require_mention,而是让两个Bot都能看到群里所有消息,看他们会不会互相触发、无限回复。目前还没遇到死循环,因为协作协议起了作用,他们知道什么时候该说话、什么时候该等。但如果你想更稳妥,可以给其中一个Planner Bot加上硬约束: 开启后,这个Bot只会回应@了他的消息,其他消息看到但不响应。这样就形成两层保险——协议是软约束(AI理解的规矩),require_mention是硬约束(代码层面的过滤)。 到这里,Telegram里的小型协作工作组就搭好了! Hermes和OpenClaw不再是两个孤立的Agent——他们开始能在同一个群里交流工作进展、传递经验、互相学习对方的技能。而我从手工搬运上下文的中间人,变成了“群里的老板”,定方向、定规矩、看他们干活。 V1先从Planner Bot开始。Worker Bot、更复杂的任务链、跨Agent的自动化流程——这些以后再说。先把协作跑顺,落地到实际场景才最重要。 如果对你有帮助,欢迎关注@Mrlarus ! 相关文章: ## 相关链接 - [Larus Canus](https://x.com/MrLarus) - [@MrLarus](https://x.com/MrLarus) - [7.9K](https://x.com/MrLarus/status/2043889384525574422/analytics) - [@Mrlarus](https://x.com/@Mrlarus) - [Apr 11](https://x.com/MrLarus/status/2042895934460211442) - [54K](https://x.com/MrLarus/status/2042895934460211442/analytics) - [Apr 12](https://x.com/MrLarus/status/2043215836521902444) - [@yetone](https://x.com/yetone) - [56K](https://x.com/MrLarus/status/2043215836521902444/analytics) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [11:09 AM · Apr 14, 2026](https://x.com/MrLarus/status/2043889384525574422) - [7,951 Views](https://x.com/MrLarus/status/2043889384525574422/analytics) - [View quotes](https://x.com/MrLarus/status/2043889384525574422/quotes) --- *导出时间: 2026/4/14 17:23:12*
万 万字保姆级教程:Hermes+Kimi K2.6 打造7x24h Agent军团 本文是一篇关于使用 Hermes Agent 框架结合 Kimi K2.6 模型构建多智能体协作系统的保姆级教程。作者展示了如何通过配置不同角色的 Agent(如市场、产品、开发总监)实现从市场调研到代码开发的自动化工作流。文章详细介绍了安装配置、Profile 设置、飞书接入及底层原理,突出了 K2.6 模型在长上下文和代码稳定性上的优势。 技术 › Hermes ✍ 苍何🕐 2026-04-21 AIAgentHermesKimi教程自动化多智能体DevOps
H Hermes Agent + Polymarket:从100到5000美元的自学交易机器人搭建指南 本文是一篇详细的技术教程,作者介绍了如何利用 Hermes Agent 搭建一个自动化的 Polymarket 天气交易机器人。文章首先阐述了 Hermes 相比 OpenClaw 的三大优势:持久化记忆、自我进化的技能生成能力以及全天候执行层。随后,作者列举了 Polymarket 上通过 AI 代理获得巨额回报的成功案例,并提供了从 VPS 准备开始的详细安装步骤。文章指出,Hermes 能够通过闭环学习不断优化交易策略,为用户带来自动化收益。 技术 › Agent ✍ Movez🕐 2026-04-17 HermesAgentPolymarket量化交易自学机器人AIOpenClaw教程量化自动化
我 我给自己配了8个AI员工:OpenClaw 实战与配置指南 文章分享了作者利用开源框架 OpenClaw 搭建 8 个专业 AI 助手(如法律顾问、iOS 开发助手等)的实战经验。内容涵盖多模型切换、故障转移、自动化运营、成本控制等 15 个实用技巧,展示了如何通过低成本将独立开发者个人产能提升至团队水平。 技术 › Openclaw ✍ sitin🕐 2026-02-17 OpenClawAIAgent自动化独立开发教程TelegramClaude效率工具实战
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 接入 Grok 4.5 完整教程:打造个人 AI 智能体 本文是一份将 Hermes Agent 接入 xAI Grok 4.5 的实战教程。文章指出,Grok 负责推理,而 Hermes 负责提供记忆、工具和执行环境,两者结合能构建可长期工作的个人智能体。教程详细涵盖了环境准备、安装步骤、OAuth/API 认证配置、X 搜索功能开启,以及如何通过记忆和技能沉淀实现任务自动化。 技术 › Agent ✍ Kelvin🕐 2026-07-13 GrokHermesAgent教程接入指南xAI自动化工具使用
多 多模型整合指南:用 Hermes Desktop 统一管理 ChatGPT、Grok 与 DeepSeek 本文介绍如何使用 Hermes Desktop 将 ChatGPT、Grok、DeepSeek 和 MiniMax 等多个 AI 模型接入同一个桌面应用。文章详细讲解了通过图形界面一键配置模型账号、连接 Telegram/Discord 消息通道、以及设置 10 个实用的自动化工作流(如每日简报、竞品监控)的步骤,旨在无需编程即可实现多模型协同与自动化任务处理。 技术 › Hermes ✍ Wei🕐 2026-07-03 HermesAgentDeepSeekChatGPTGrok工作流教程自动化工具与效率多模型
从 从「帮我做」到「做完记住」:Agent 记忆升级实录 本文记录了作者将 MemOS 2.0 本地插件集成到 Bloome Agent 的实战过程。通过引入「执行即学习」的记忆操作系统,解决了传统 Agent 仅依赖上下文窗口导致记忆丢失和经验无法积累的痛点。文章详细解析了 MemOS 的四层认知资产架构、云端沙箱的部署踩坑解决方案(如 ngrok 内网穿透)、历史记忆的迁移方法,以及跨 Agent 记忆共享的配置,展示了 AI 助手如何从被动工具进化为具备主动记忆能力的智能体。 技术 › Agent ✍ Berryxia.AI🕐 2026-05-28 AgentMemOS记忆系统BloomeHermesOpenClaw实战教程人工智能自动化记忆共享
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
H Hermes Agent 完全指南:从零到自进化的 AI 员工 这是一份 Hermes Agent 的深度实操指南,涵盖了安装、模型选择、平台配置及最佳实践。文章对比了 Hermes 与 OpenClaw、Claude Code 的差异,强调了其本地化记忆、自我改进能力和多平台支持优势。核心内容涉及通过 Cron 和 /goal 命令实现全天候自主任务执行,助你打造一个能持续进化的 AI 员工。 技术 › Agent ✍ YanXbt🕐 2026-05-28 HermesAI AgentLLM自动化自我进化OpenClawClaude教程模型选择DevOps
A AI 神经系统诊断:Agent 运行时的六种病症 文章提出了一个新的视角来理解和调试 AI Agent:将其错误类比为人类神经系统疾病。作者指出,所谓的“AI 幻觉”在医学上更接近于“虚构症”。文章详细列举了 Agent 运行时中的六种病症,包括“遗忘症”、“幻肢状态”等,并针对每种症状提供了具体的诊断工具(如 gbrain, Mem0)和解决方案,强调通过检查“器官”(记忆、环境、工具链)来优化 Agent 性能。 技术 › Agent ✍ Vox🕐 2026-05-25 AgentOpenClawHermes调试心理学LLM记忆自动化幻觉工具推荐
x xAPI 教程2: 制作推特监听Bot 本文介绍了如何利用 xAPI、Agent 和 Telegram 无代码构建一个推特监听 Bot。教程涵盖了从获取推文、编写去重及推送脚本,到配置 Telegram 通知和定时任务的全过程,实现了自动追踪特定账号(如 Elon Musk)并实时推送到手机的功能。 技术 › Agent ✍ 0xAA🕐 2026-05-20 xAPIAgentTelegram推特监听Python自动化教程Codex
O OpenClaw 终于有了一个能打的对手:Hermes Engine 全平台实测+迁移指南 本文深入评测了新兴的 AI Agent 引擎 Hermes Engine,视其为 OpenClaw 的强力替代品。文章指出 Hermes 在稳定性、记忆持久化和进度可视化方面显著优于 OpenClaw,且完美兼容 OpenClaw 的技能生态。详细提供了 Linux/Mac/Windows 全平台安装教程、数据迁移方法及 Telegram Bot 集成指南,推荐搭配 Google AI Studio 的免费 Gemma 模型使用。 技术 › Agent ✍ 0x小师妹🕐 2026-05-20 HermesOpenClaw教程实测开源自动化效率工具LLMAI评测