利用Hermes看板功能优化多Agent协作流程
速览
本文分享了利用Hermes的Kanban功能优化多Agent协作的实践。相比传统的Bot-to-Bot模式,该方案通过看板进行任务拆解和流转,显著提升了系统稳定性。目前虽Token消耗略有上升,但已初步实现多角色团队效果,后续计划接入Codex CLI并探索多角色讨论机制。
AI 深度解读
背景
在 AI Agent(智能体)协作的早期探索中,常见的架构模式是“Bot to Bot”(机器人对机器人)。在这种模式下,人类用户仅与一个“总管”Agent 进行交互,由总管负责拆解任务并 @(提及)各个相关的子 Agent 执行任务,子 Agent 完成任务后再 @ 总管进行交付。
然而,这种基于群组 @ 机制的协作方式存在极大的不稳定性。任务流转依赖即时通讯中的消息触发,容易因网络延迟、消息丢失或状态不同步导致流程中断或混乱。为了解决这一痛点,作者参考了 LINUX DO 社区内的相关讨论,尝试引入 Hermes 框架中的 Kanban(看板)功能作为任务流转的稳定桥梁,从而对原有的多 Agent 协作架构进行了改造。
核心内容
本次改造的核心在于利用 Hermes 的 Kanban 功能重构 Agent 间的通信与任务调度逻辑,具体流程如下:
- 基础设施搭建:将所有相关的 Agent 拉入同一个飞书(Feishu/Lark)群组中,建立统一的通信环境。
- 人机交互界面:用户依然只与“总管”Agent 交互。用户在群组中 @ 总管并分配任务,保持交互的简洁性。
- 任务拆解与调度:总管 Agent 接收用户指令后,利用 Hermes 的 Kanban 功能进行任务拆解。拆解后的子任务被写入 Hermes 的 Kanban 系统中,而非直接通过消息通知子 Agent。
- 异步执行与反馈:相关的子 Agent 监听并执行 Kanban 中的任务。任务执行完毕后,子 Agent 会在飞书群组中发送通知,告知任务完成状态。
- 并行通信机制:除了通过总管调度外,用户还可以直接在群组中 @ 各个子 Agent。子 Agent 会在群组内进行独立回复,这种直接对话模式互不干扰,提供了更灵活的沟通渠道。
关键要点
- 架构转变:从基于即时消息触发的“Bot to Bot”模式,转变为基于 Kanban 看板的状态驱动模式。Kanban 在此充当了任务队列和状态同步的稳定中间层。
- 角色分工明确:
- 总管 Agent:负责接收用户指令、任务拆解、写入 Kanban 看板。
- 子 Agent:负责从 Kanban 读取任务、执行具体工作、并在群组中反馈结果。
- 用户:既可以通过总管进行任务分发,也可以直接 @ 子 Agent 进行点对点沟通。
- 稳定性提升:通过 Kanban 机制解耦了任务分配与执行,避免了因消息机制不稳定导致的协作失败。
- 资源消耗:改造后实现了类似多角色团队的效果,但 Token 消耗量有所上升,目前处于可接受范围。
- 未来优化方向:
- 工具集成:计划接入 Codex CLI,目前已通过
kanban-codex-lane跑通流程。 - 讨论机制:希望实现多角色之间的讨论效果,但目前暂无成熟方案。
- 实战验证:后续需通过几个大型项目进行考验,以总结更多的优化方向。
- 工具集成:计划接入 Codex CLI,目前已通过
意义与影响
此次改造展示了在多 Agent 系统中引入“看板管理”思想的可行性与价值。传统的基于 IM(即时通讯)的 Agent 协作虽然直观,但在复杂任务流中容易陷入状态不一致的困境。通过引入 Kanban 作为任务状态的持久化存储和调度中心,显著提升了多 Agent 协作的鲁棒性。
这一实践为构建更复杂的 AI 工作流提供了参考:即利用专门的任务管理组件(如 Kanban)来协调多个智能体的行为,而非仅仅依赖消息传递。尽管目前仍存在 Token 成本上升和多角色深度讨论机制缺失等挑战,但该方案为后续接入代码执行工具(如 Codex CLI)及实现更高级的团队模拟奠定了坚实基础。
