最近hermes agent在更新后有了看板Kanban功能就体验了下，其实Hermes Agent 看板 是一个多智能体任务编排系统，本质是一个持久化的 SQLite 任务队列 + 调度器。

核心思路

不是一个 agent 干所有事，而是把大任务拆成小任务，分派给不同的「专业 agent 角色」，各司其职、串并行执行,搭建完以后就是以下的流程:

你在 QQ/微信上给Hermes指令  ↓Hermes拆任务，用 kanban_create 创建子任务  ↓dispatcher 60 秒内唤醒对应的 profile  ↓researcher 独立跑 → kanban_completewriter 独立跑 → kanban_complete  ↓Hermes看板上一看，全完成了,通知你📢

什么时候用

• 需要多个专业角色协作
• 任务可能跑很久或者需要崩溃后恢复
• 你想中间插一脚改需求
• 有并行子任务能加速
• 需要完整的审计轨迹

怎么玩

首先我们理解下hermes kanban有哪些核心的组件,然后再创建agent profile.

关键组件

组件	职责
Orchestrator	分解目标、创建任务、路由给合适角色
Dispatcher	常驻 Gateway，定期扫描看板，拉起 ready 任务
Worker	独立进程执行具体任务，拥有独立上下文和工具集, 领一个任务，干活，写 handoff 总结，完成
Kanban Board	任务持久化到 SQLite，跟踪每个任务的 todo → ready → in_progress → done/blocked

Agent Profile

我们需要创建每个子agent profile，并对它们进行技能的配置，比如下边我们创建一个researcher调研agent,需要搜索、总结能力:

#创建 profile hermes profile create researcher#装技能 hermes skills install web-search, hermes skills install summarize# 配模型 — 每个 profile 可以有自己的模型,根据需求来适配模型hermes profile create researcher# 给 researcher 装上搜索和总结的能力hermes skills install devops/kanban-worker  hermes -p researcher skills install web-searchhermes -p researcher skills install summarize

唯一的遗憾是目前 hermes kanban没有webui来看当前任务或子agent处理的进度,只能通过以下方式来查看.

持久化 —— 不怕崩溃，不怕重启

所有看板数据存储在 ~/.hermes/kanban.db（SQLite）。这意味着：

• • Agent 进程崩溃 → 任务进度不丢
• • 电脑重启 → 继续跑
• • 跨天/周的任务 → 无缝衔接

hermes kanban list          # 查看所有任务hermes kanban stats         # 按状态统计hermes kanban tail <id>     # 实时跟踪某个任务

对于长周期项目来说，这个特性是刚性需求。你不会希望一个跑了 3 天的调研任务因为终端意外关闭而付诸东流。

人工介入 —— Human-in-the-Loop

完全自动化的多 Agent 流程看起来很美好，但现实世界中，总有一些节点需要人的判断。

Kanban 的 kanban_block() 机制提供了这个能力：

T3: 综合分析   │   ├── 发现数据矛盾   │   └── block("两篇论文的结论相反，需要确认采纳哪篇")         │         ↑ 用户看到任务被阻塞         │         └── /unblock 用 2025 年的最新论文数据               │         Dispatcher 重新拉起 T3               │         T3 拿到用户反馈 → 继续执行

实现原理

1. 1. Worker 调用 kanban_block(reason="...") → 任务状态变为 blocked
2. 2. 用户通过任意渠道输入 /unblock + 指令
3. 3. Dispatcher 重新拉起 Worker，注入用户反馈
4. 4. Worker 读取反馈后继续执行

这个能力让 Kanban 工作流在自动化和人工决策之间找到了一个平衡点——简单、不打断主流程、但关键时刻有人拍板。

后记

使用 Kanban 的门槛比 delegate_task 高，但当你面对的是"需要 3 个研究员并行搜索 → 1 个分析师汇总 → 1 个写手成稿 → CTO 审阅"这样的真实工作流时，Kanban 的持久化、依赖编排和角色系统会让整个过程的可靠性和可控性上一个数量级。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】