我用 6 个 AI Bot 搭了一个虚拟团队——Hermes 多 Bot 编排实战

一个 Hermes 实例跑 6 个 Bot，每个专注一个领域——股票分析、教育内容、代码评审、文字润色、深度调研、综合协调。这篇记录我怎么从「一个万能 Bot」进化到「一支虚拟团队」，踩了哪些坑，以及为什么 Profile-as-Bot 比你想的更简单。

1. 缘起：一个万能 Bot 的疲惫

我的 Hermes Agent 一开始只有一个 default profile。它要管股票分析、要写教案、要审代码、要润色文章、要做调研——什么都干，什么都不精。

问题逐渐暴露：

上下文膨胀：60+ 个技能全部塞进一个 Bot 的上下文，每次对话 token 消耗巨大
角色混乱：让它分析股票时它想写教案，让它审代码时它想做调研
Cron 冲突：所有定时任务共用一个 profile，盘前简报和教案巡检互相干扰
记忆污染：股票分析的对话历史和教育内容的对话历史混在一起

我需要的不是一个万能 Bot，而是一支各司其职的团队。

2. 核心架构：Profile = Bot

Hermes 的 Bot Mode 本质上是一个 UI 层——底层原语就是 Profile。每个 Profile 是一个完全隔离的 Agent 实例：

~/.hermes/profiles/
├── default/          # 主 Bot（综合协调）
├── stock/            # 股票分析专家
├── edu/              # 教育内容专家
├── coder/            # 代码评审专家
├── critic/           # 质量审查专家
├── research/         # 深度调研专家
└── writer/           # 文字润色专家

每个 Profile 独立拥有：

组件	说明	隔离程度
`config.yaml`	模型、Provider、MCP 配置	完全独立
`SOUL.md`	角色定义 + 行为准则	完全独立
`skills/`	技能集	完全独立（需手动裁剪）
`memories/`	持久记忆	完全独立
`sessions/`	对话历史	完全独立
`.env`	凭证	默认共享（clone 时复制）

关键洞察：Bot Mode 不是新增了一个抽象层，而是把已有的 Profile 用更友好的 UI 展示出来。 CLI 里做的事和 Desktop 里完全一样：

# CLI 和 Bot Mode 等价操作
hermes -p stock chat -q "分析茅台"     # = 在 Bot Mode 点击 stock Bot 聊天
hermes -p edu chat -q "生成教案"        # = 在 Bot Mode 点击 edu Bot 聊天
hermes cron list                        # = 在 Routines 面板看所有 Bot 的定时任务

3. 创建 Bot 的实战步骤

步骤 1：创建 Profile

1 2	# 从 default clone，保留配置和凭证 hermes profile create stock --clone

clone 会复制 config.yaml、.env、skills/——但不会复制 sessions/ 和 memories/。这是对的：新 Bot 应该从空白记忆开始。

步骤 2：编写 SOUL.md（最关键的一步）

SOUL.md 是 Bot 的灵魂。没有它的 Bot 和 default Bot 没区别。以我的 stock Bot 为例：

# Hermes Bot — stock（股票分析专家）

## 核心身份
你是**股票分析专家 Bot**，专注 A 股/港股/美股行情分析。

## 专属技能
- Stock MCP Server（120+ 工具）
- 策略回测与选股扫描
- 组合风险诊断与调仓建议

## 工作原则
1. 数据为王 — 所有分析必须基于真实行情数据
2. 风险优先 — 每次分析必须提示风险
3. 结构化输出 — 使用评分卡、仪表盘格式

## 协作接口
- @edu — 提供行情数据作为教学案例
- @critic — 需要分析报告质量评审时
- @research — 需要行业深度调研时

## Cron 命名规范
所有股票相关任务使用前缀 [bot:stock]

SOUL.md 的核心要素：

核心身份 — 这个 Bot 是谁
专属技能 — 列出它需要的能力（不多列）
工作原则 — 它的行为准则
协作接口 — 它可以 @mention 哪些 Bot
Cron 命名规范 — 定时任务的命名前缀

步骤 3：裁剪技能集（最容易忽略的一步）

clone 会复制 default profile 的全部 60+ 技能。不裁剪 = 上下文爆炸。

import os, shutil

# stock Bot 只需要这些技能
keep = {"stock-mcp-optimization", "kanban-orchestrator"}
skills_dir = os.path.expanduser("~/.hermes/profiles/stock/skills")

for item in os.listdir(skills_dir):
    if item not in keep and not item.startswith('.'):
        shutil.rmtree(os.path.join(skills_dir, item))

我的各 Bot 技能裁剪策略：

Bot	保留技能数	核心技能
stock	3	stock-mcp, kanban, investment-decision
edu	5	batch-content, lesson-formatting, education-*
coder	4	adversarial-solver, discriminator-*, codebase-audit
critic	3	discriminator-article-review, discriminator-reality-checker
research	2	web-research, session-search
writer	2	blog-publisher, feishu-format

步骤 4：配置 MCP（共享的艺术）

MCP Server 配置在 config.yaml 的 mcp_servers 段。clone 时自动继承。这意味着 所有 Bot 共享同一套 MCP 工具。

# profiles/stock/config.yaml（继承自 default）
mcp_servers:
  stock-server:
    command: python3
    args: ["-m", "stock_mcp_server"]
    toolsets: ["stock"]

共享 MCP 的好处：不需要为每个 Bot 单独配置 MCP Server。
共享 MCP 的风险：stock Bot 能调用教育相关的 MCP 工具（虽然它的 SOUL.md 不会引导它这么做）。

步骤 5：验证

hermes profile list                    # 列出所有 Bot
hermes -p stock chat -q "回复OK" -Q    # 测试 stock Bot 连通性
hermes -p edu chat -q "回复OK" -Q      # 测试 edu Bot 连通性
hermes -p stock mcp test stock-server  # 测试 MCP 连接
hermes -p stock skills list            # 确认技能裁剪结果

4. 跨 Bot 协作

@mention 调度

在 Bot Mode 的群聊中，可以用 @mention 触发跨 Bot 协作：

用户: @stock 分析一下茅台最近的走势
stock Bot: [分析结果]

用户: @critic 评审一下这份分析报告
critic Bot: [评审意见]

用户: @edu 把这个分析做成教学案例
edu Bot: [教案内容]

CLI 等价操作：

1	hermes -p default chat -q "@stock 分析茅台" -Q

关键发现：

@mention 在 CLI 中触发跨 Bot 调度（与 Desktop Bot Mode 行为一致）
被调用 Bot 的回复直接返回到发起方的输出
MCP 工具在所有 Profile 间共享（同一 config.yaml 继承）

协作矩阵

在每个 Bot 的 SOUL.md 中定义 ## 协作接口，明确可调用的 Bot 和触发场景。这形成了一个隐式的协作图：

default (综合协调)
  ├── @stock → 股票分析
  ├── @edu → 教育内容
  ├── @coder → 代码评审
  ├── @critic → 质量审查
  ├── @research → 深度调研
  └── @writer → 文字润色

stock ↔ edu （行情数据作为教学案例）
edu ↔ writer （教案润色）
coder ↔ critic （代码评审 → 质量审查）

5. Cron 命名规范

所有定时任务按 Bot 前缀命名，便于过滤和管理：

[bot:stock] 盘前简报         # stock Bot 的定时任务
[bot:stock] 持仓监控         # stock Bot 的定时任务
[bot:edu] 每日教案巡检       # edu Bot 的定时任务
[bot:edu] StudyAI 数据监控   # edu Bot 的定时任务
[default] 每日早报           # default Bot 的定时任务

查看某个 Bot 的所有定时任务：

1	hermes cron list \| grep "\[bot:stock\]"

6. 踩坑记录

坑 1：clone 不等于隔离

症状：给 stock Bot 的 .env 加了一个新 API Key，结果 edu Bot 也能用。

原因：hermes profile create stock --clone 会复制 .env 文件。所有 clone 出来的 Bot 共享同一份凭证池。

修复：如果需要凭证隔离，clone 后手动修改 .env。大多数情况下共享是合理的（避免 credential refresh 互相失效）。

坑 2：不裁剪技能 = 上下文爆炸

症状：stock Bot 的每次对话都消耗 30K+ tokens，响应变慢。

原因：clone 后 60+ 技能全部保留，每个技能的 SKILL.md 都在上下文中。

修复：手动裁剪，只保留与 Bot 使命相关的技能。我的 stock Bot 从 60+ 裁剪到 3 个，token 消耗降到 8K。

坑 3：SOUL.md 不写 = 和 default 没区别

症状：创建了新 Bot 但它的行为和 default Bot 完全一样。

原因：没有编写 SOUL.md，Bot 没有角色定义。

修复：每个 Bot 必须有独立的 SOUL.md。这是 Bot 存在的意义。

坑 4：Cron 命名不规范 = 无法按 Bot 过滤

症状：hermes cron list 输出一堆任务，分不清哪个属于哪个 Bot。

原因：定时任务没有按 Bot 前缀命名。

修复：统一使用 [bot:<name>] 前缀。新建 cron 时在 prompt 中明确要求使用前缀。

坑 5：不同模型导致跨 Bot 响应质量不一致

症状：stock Bot 用 mimo-v2.5，edu Bot 用 deepseek-v4-flash，edu 的输出质量明显差。

原因：不同模型的能力差异。

修复：所有 Bot 推荐使用相同模型：

1
2
3

for p in coder critic research writer; do
    sed -i 's/deepseek-v4-flash/mimo-v2.5/g' ~/.hermes/profiles/$p/config.yaml
done

坑 6：MCP 配置继承的隐藏依赖

症状：删除了 default profile 的某个 MCP Server，结果所有 Bot 的对应工具都不可用了。

原因：clone 的 profile 继承 default 的 mcp_servers 配置，但 MCP Server 进程是共享的。

修复：修改 MCP 配置前，先确认有多少 Bot 依赖它。在 SOUL.md 中记录每个 Bot 依赖的 MCP Server。

7. 效果对比

指标	之前（单 Bot）	之后（6 Bot）
上下文 token 消耗	30K+/次	5-10K/次
响应延迟	8-12s	3-5s
角色混淆	频繁	几乎为零
Cron 任务冲突	偶发	无（按 Bot 隔离）
记忆污染	有	无（独立 memories）