开发指南：从工具描述到多 Agent 生产架构
七天实战
本文与 Hermes 七天子站课表 Day 2–Day 6 逐日对齐。Morning 读概念、Afternoon 写代码、Evening 在 Persona Lab / Code Sandbox 验证假设。文档站负责「可检索的深度」；子站负责「可交互的肌肉记忆」。
Hermes Agent 开发的核心不是「让模型多说几句」，而是 把不确定性关进可观测、可限幅、可回滚的 Tool Graph。本指南按工程落地顺序展开：先写好工具描述（模型选对的概率），再设计 System Prompt 五层（角色不漂移），再编排多 Agent 与工具链，最后接入记忆、推理模式与框架选型。
一、工具描述工程（Tool Description Engineering）
工具描述是 模型与外部世界之间的 API 文档。Hermes 系列模型在 Function Calling 上训练充分，但描述质量仍决定 工具选择准确率（Tool Selection Accuracy, TSA） 与 参数合法率（Argument Validity Rate, AVR）。
1.1 Active vs Passive 描述
| 类型 | 写法特征 | 模型行为 | 适用场景 |
|---|---|---|---|
| Passive（被动） | 只列参数名、类型 | 模型常在「该用却不用」与「乱用」间摇摆 | 内部调试、模型已强熟悉域 |
| Active（主动） | 明确 何时调用 / 何时禁止 / 失败时怎么办 | 边界清晰，误调用下降 | 生产、多工具并存 |
Passive 反例（不要照搬）：
{
"name": "search_web",
"description": "Search the web.",
"parameters": { "type": "object", "properties": { "query": { "type": "string" } } }
}
Active 正例（Hermes 推荐风格）：
{
"name": "search_web",
"description": "当用户问题需要实时信息、新闻、股价或你不确定的 factual 断言时调用。禁止用于：纯数学推导、已在上文给出的事实复述、用户明确要求「不要搜索」。若 query 超过 120 字，先 summarize 再搜。",
"parameters": {
"type": "object",
"properties": {
"query": {
"type": "string",
"description": "英文关键词检索串；中文问题请翻译为 3–8 个英文关键词"
},
"max_results": {
"type": "integer",
"enum": [3, 5, 10],
"default": 5,
"description": "返回条数；闲聊用 3，研究报告用 10"
}
},
"required": ["query"]
}
}
设计原则：
- 触发条件写在前半句——模型先匹配意图，再填参数。
- 否定条件写在后半句——减少与其他工具抢调用。
- 与相邻工具做 diff——若
read_file与grep_code并存，各自 description 必须互斥。
1.2 Schema 设计：枚举、默认值、嵌套
| 技巧 | 作用 | 示例 |
|---|---|---|
enum | 消除幻觉参数 | "format": {"enum": ["json", "markdown", "plain"]} |
default | 降低必填字段认知负担 | 可选 timeout_sec 默认 30 |
嵌套 object | 表达结构化动作 | git_operation: { branch, files[] } |
minLength / pattern | 拦截非法输入 | 邮箱、路径前缀 |
字段级 description | 比顶层 description 更精准 | 每个 property 单独说明单位 |
DevOps Agent（Day 3 实战）工具片段：
from pydantic import BaseModel, Field
from typing import Literal
class TailLogInput(BaseModel):
"""拉取 CI 日志尾部——仅在用户询问构建失败原因或指定 job_id 时调用。"""
job_id: str = Field(..., pattern=r"^[a-z0-9-]{8,64}$")
lines: Literal[50, 200, 500] = Field(200, description="行数；初步排查 50，深挖 500")
severity: Literal["error", "warn", "all"] = "error"
将 Pydantic 模型 model_json_schema() 导出为 OpenAI Tools JSON，可保证 运行时校验与描述同源。
1.3 Few-shot 嵌入策略
在 System Prompt 的 Tools 层（见下文五层结构）嵌入 1–2 个 完整工具调用轨迹，比堆叠自然语言规则更有效。
## 工具调用示例（仅供格式参考，勿复述示例内容）
用户：把 report.pdf 总结成三点并算总页数。
Assistant 思考：需要 read_pdf → summarize → count_pages 线性链。
Tool: read_pdf {"path": "report.pdf", "max_pages": 20}
Observation: [二进制已转文本，省略]
Tool: summarize {"text": "...", "bullets": 3}
Tool: count_pages {"path": "report.pdf"}
Few-shot 纪律：
- 示例中的工具名必须与实际 Registry 完全一致。
- 展示 错误恢复：第二个示例可以是「第一 次参数非法 → 读 error → 修正再调」。
- 不超过 2 个完整链，否则挤占工作记忆 token。
1.4 描述版本化与回归
每次改 description，用固定 benchmark（见 Day 6）跑 TSA/AVR。建议维护 tools/CHANGELOG.md：
| 版本 | 工具 | 变更 | TSA 变化 |
|---|---|---|---|
| v1.2 | search_web | 增加「禁止搜已给事实」 | 71% → 89% |
| v1.3 | run_shell | 增加路径前缀 enum | AVR +12% |
二、System Prompt 五层结构（Day 2 核心）
角色工程不是「你是一个友好的助手」，而是 可测试的行为契约。推荐五层，从上到下优先级递增：
2.1 各层详解与验收标准
| 层 | 必答问题 | 验收（人工或自动） |
|---|---|---|
| Identity | 你是谁、为谁服务 | 100 轮抽样角色自称一致率 ≥ 95% |
| Expertise | 专业边界在哪 | 越界问题拒答率、转介率 |
| Tone | 用户感知 | 情感标注一致、禁词零出现 |
| Constraints | 什么绝对不能做 | 红队用例通过率 |
| Tools | 工具优先序 | TSA、越权调用率 |
心理咨询工作室（Day 2 实战）Constraints 示例：
## Constraints（高于一切友好语气）
- 不提供医学诊断、不开处方、不替代危机热线。
- 检测到自伤关键词 → 立即停止探索式提问 → 输出本地危机资源 → handoff 至 supervisor Agent。
- 禁止调用 send_email / 任何对外通信工具，除非用户签署 informed consent 且 supervisor 批准。
2.2 五层与 Token 预算
| 层 | 建议 token 占比 | 压缩策略 |
|---|---|---|
| Identity + Expertise | 15% | 稳定不变，可缓存 |
| Tone | 5% | 合并为 3 条 bullet |
| Constraints | 25% | 不可压缩 |
| Tools + Few-shot | 35% | 按场景动态裁剪工具子集 |
| 预留 | 20% | 给 episodic 记忆注入 |
三、多 Agent 架构（Day 2 & Day 6）
单 Agent 在跨域任务上易出现 能力稀释 与 约束冲突。多 Agent 的本质是 分治 + 显式 Handoff 协议。
3.1 模式对照表
| 模式 | 拓扑 | 典型场景 | Hermes 实现要点 |
|---|---|---|---|
| 专家委员会 | 并行分析 → 主席综合 | 架构评审、投资分析 | 各专家独立上下文，主席只看摘要 |
| 师徒（Mentor–Apprentice） | 师傅审学徒产出 | 代码生成、合规文书 | 学徒工具权限 ⊂ 师傅 |
| 红蓝对抗 | 攻击 Agent vs 防守 Agent | Prompt 注入、越权测试 | Day 6 必修 ；见 §8 |
| Handoff | A 打包 → B 续跑 | 接待 → 专科 → 督导 | 结构化 handoff payload |
| 意图路由 | Router 选下游 | 客服分流、DevOps 分类 | 小模型或规则 + LLM fallback |
| 防漂移 | 周期提醒 + 记忆隔离 | 长对话、多轮咨询 | 每 N 轮注入 Identity 摘要 |
3.2 Handoff Payload 规范
Handoff 不是把整个 chat history 粘贴给下一个 Agent——那是 上下文炸弹。推荐 JSON 包：
{
"handoff_version": "1.0",
"from_agent": "intake_reception",
"to_agent": "cbt_specialist",
"user_goal": "近期失眠与焦虑",
"facts_verified": ["持续 2 周", "无用药史"],
"open_questions": ["触发事件是否明确"],
"risk_flags": [],
"forbidden_actions": ["diagnosis"],
"suggested_tools": ["breathing_exercise_guide"],
"transcript_digest": "用户描述工作压力…（≤500 tokens）"
}
3.3 意图路由实现
| 层级 | 实现 | 延迟 | 准确 |
|---|---|---|---|
| L0 规则 | 关键词 + 正则 | 毫秒级 | 中 |
| L1 分类器 | 小模型 / embedding | 百 ms | 高 |
| L2 LLM | route_intent 工具 | 秒级 | 最高 |
推荐： L0 拦截明确指令（「查 CI」「翻译」）→ L1 处理模糊句 → L2 仅兜底。
3.4 防漂移（Anti-Drift）
长对话中模型会逐渐 忘记 Constraints。三道防线：
- 周期性 Identity 注入（每 8–12 轮）：「Reminder: 你是 X，禁止 Y。」
- 角色记忆隔离：业务 Agent 不读其他 Agent 的私有 scratchpad。
- 输出校验器：正则 / 小模型检测禁词、越权工具名。
Day 2 子站 Persona Lab 可 A/B 测试不同 reminder 间隔对漂移率的影响。
四、工具链编排（Day 3）
Tool Graph 有三种基础拓扑；生产系统常组合使用。
4.1 线性链（Pipeline）
A → B → C
read_pdf → summarize → send_slack
适用： 数据形态逐步变换，后步依赖前步输出。
代码骨架（LangChain 风格伪代码）：
async def linear_chain(state):
doc = await tools.read_pdf(state["path"])
summary = await tools.summarize(doc.text, bullets=3)
await tools.notify_slack(channel=state["channel"], text=summary)
return {"summary": summary}
4.2 条件链（Router / Branch）
实现方式：
- 显式： Planner 输出
branch字段，Executor 解释执行。 - 隐式： 模型在 ReAct 环中自行选择下一工具（需强 description）。
4.3 并行链（Fan-out / Fan-in）
┌→ metrics_query ─┐
用户请求 ─┼→ log_search ─┼→ aggregate_report
└→ git_blame ─┘
要点：
- Fan-out 工具应 无写冲突 或写不同资源。
- Fan-in 需要 聚合策略：按时间排序、去重、摘要超长结果。
- 设置 并行超时：最慢分支决定总延迟，用
asyncio.wait(..., timeout=30)。
| 拓扑 | 失败传播 | 重试策略 |
|---|---|---|
| 线性 | 中断或 skip 后续 | 从失败步重试 |
| 条件 | 仅执行分支内 | 分支独立 retry |
| 并行 | 部分失败 | 标记 partial，Fan-in 说明缺失 |
五、自定义工具安全（Day 3 & Day 6）
Agent 的工具等于 给模型的 shell 账号。安全不是可选项。
5.1 输入验证：Pydantic 双层
from pydantic import BaseModel, Field, field_validator
import os
class ReadFileInput(BaseModel):
path: str = Field(..., description="相对 workspace 的路径")
@field_validator("path")
@classmethod
def no_path_traversal(cls, v: str) -> str:
normalized = os.path.normpath(v)
if normalized.startswith("..") or normalized.startswith("/"):
raise ValueError("path must stay inside workspace")
return normalized
| 层 | 位置 | 作用 |
|---|---|---|
| Schema 层 | 模型填参前 | 引导合法 JSON |
| Runtime 层 | 工具 execute 前 | 硬拦截注入与越界 |
5.2 超时分级
| 等级 | 超时 | 典型工具 | 失败处理 |
|---|---|---|---|
| T0 | 10s | 计算器、格式化 | 立即重试 1 次 |
| T1 | 30s | HTTP GET、DB 读 | 指数退避 ×2 |
| T2 | 60s | 大文件解析、编译 | 转异步 job + 通知 |
| T3 | 120s+ | 仅 E2B 沙箱 | 必须人工审批 |
5.3 E2B 沙箱执行
对用户代码、不可信脚本，使用 E2B 等 一次性 VM：
from e2b_code_interpreter import Sandbox
async def run_untrusted_python(code: str) -> str:
with Sandbox(timeout=60) as sbx:
execution = sbx.run_code(code)
if execution.error:
return f"RuntimeError: {execution.error}"
return execution.text
纪律： 主进程 never exec() 用户代码；沙箱 无网络 或仅 allowlist；每次调用 销毁实例。
5.4 失败策略矩阵
| 策略 | 配置 | 适用 |
|---|---|---|
| Retry | max=2, backoff | 瞬时网络错误 |
| Fallback Tool | primary→secondary API | 数据源冗余 |
| Self-Correct | error as Observation | 参数格式错误 |
| Abort + Handoff | 人工 ticket | 支付、删库类 |
六、推理模式（Day 5）
推理模式决定 Agent 如何规划、调用工具、修正错误。
6.1 模式总览
| 模式 | 核心循环 | 优势 | 风险 |
|---|---|---|---|
| ReAct+ | Thought → Action → Observation（+ 反思句） | 简单、可解释 | 步数膨胀 |
| Plan-and-Execute | Planner 出计划 → Executor 逐步执行 | 长任务稳定 | 计划过时 |
| Tree of Tools | 多分支试探 → 选最优叶 | 探索性任务 | Token 成本高 |
| Self-Refine | 生成 → 自评 → 修订 | 质量提升 | 延迟 ×2–3 |
| HTN | 层次任务网络分解 | 复杂域可复用 | 需领域模板 |
6.2 ReAct+ 增强点
标准 ReAct 在 Observation 后直接 Thought。ReAct+ 增加 Reflect 步：
Observation: search 返回 0 条结果
Reflect: 关键词过窄，应改用英文同义词并放宽时间范围
Thought: 调用 search_web，query="LLM agent benchmark 2024"
研究 Agent（Day 5）建议 max_steps=12，超过则强制 summarize 已收集证据。
6.3 Plan-and-Execute 计划模板
{
"goal": "撰写某技术对比报告",
"steps": [
{"id": 1, "action": "search", "success_criteria": "≥5 篇 primary source"},
{"id": 2, "action": "read_and_note", "depends_on": [1]},
{"id": 3, "action": "outline", "depends_on": [2]},
{"id": 4, "action": "draft", "depends_on": [3]},
{"id": 5, "action": "self_refine", "depends_on": [4]}
],
"replan_triggers": ["step_failed_twice", "new_user_constraint"]
}
Executor 不得擅自增删步骤；需 replan 时交还 Planner。
6.4 Tree of Tools（简化版）
对多种工具组合不确定时，并行展开 K 个候选分支（K≤3），用 轻量评分函数（步数、错误数、来源数）选叶：
root → [branch_A: search+read] [branch_B: api_direct] [branch_C: cache_lookup]
↓ score 0.7 ↓ score 0.4 ↓ score 0.9 → 选 C
6.5 Self-Refine 与 HTN
- Self-Refine： 同一 Agent 扮演 Critic，检查清单化（事实有引用？逻辑跳步？）。
- HTN： 把「写 DevOps 报告」分解为 HTN 模板：Gather → Analyze → Format；子任务可映射到固定工具子图。
七、多模态与 Playwright（Day 3 扩展）
Hermes Agent 不仅是文本 Tool Calling；感知类工具 把 UI、截图、PDF 纳入 Observation。
7.1 多模态工具分类
| 类型 | 工具示例 | 模型输入 |
|---|---|---|
| 文档 | read_pdf, ocr_image | 文本或 vision 模型 |
| 视觉 | screenshot_analyze | base64 + prompt |
| 浏览器 | playwright_navigate | DOM snapshot / a11y tree |
7.2 Playwright 集成模式
# 工具描述（Active）
# "当任务需要登录后操作、填表、抓动态渲染内容时调用；禁止用于纯静态页（用 fetch 即可）"
async def playwright_snapshot(url: str, wait_until: str = "networkidle") -> dict:
from playwright.async_api import async_playwright
async with async_playwright() as p:
browser = await p.chromium.launch(headless=True)
page = await browser.new_page()
await page.goto(url, wait_until=wait_until, timeout=30000)
text = await page.inner_text("body")
await browser.close()
return {"url": url, "text_digest": text[:8000]}
安全： 浏览器跑在 隔离容器；禁止访问内网 RFC1918；Cookie 用 一次性 profile。
7.3 视觉 + 文本双通道
对复杂 dashboard：截图 → vision 模型描述 + DOM 文本 互为校验，降低幻觉表格数据。
八、记忆四层（Day 4）
| 层 | 存储 | 写入时机 | 读取策略 |
|---|---|---|---|
| 工作 | Context window | 每轮自动 | 全量（受 token 限） |
| 情节 | Session store | 会话结束 / 每 10 轮 | 摘要注入 System |
| 语义 | Pinecone / Milvus / pgvector | 用户确认的事实、RAG ingest | Top-k 检索 |
| 程序 | JSON / Neo4j | 任务成功且 用户点赞 | 相似任务 few-shot |
长期记忆 RAG Agent（Day 4 实战）流水线：
- 用户说「记住：我偏好 metric 单位」→ 写入 semantic + 用户画像 slot。
- 新会话开始 → 检索画像 → 注入 Identity 层下方 User Profile 块。
- 会话过长 → 情节压缩：旧轮次变 bullet summary，原文归档。
程序记忆示例：
{
"task_signature": "pdf_summary_slack",
"successful_chain": ["read_pdf", "summarize", "slack_post"],
"params_pattern": {"max_pages": 20, "bullets": 3}
}
九、框架选型：LangChain / AutoGen / MCP（Day 3–5）
| 维度 | LangChain + LangGraph | AutoGen | MCP |
|---|---|---|---|
| 定位 | 单 Agent 工具链、状态图 | 多 Agent 对话 | 工具服务器协议 |
| Tool Binding | @tool / bind_tools | register_function | stdio/SSE 暴露 tools |
| 多 Agent | LangGraph 节点 | ConversableAgent 原生 | 多 server 组合 |
| 可观测 | LangSmith | 自建 | 各 server 日志 |
| Hermes 课表 | Day 1 默认 | Day 2 多 Agent | Day 3 工具生态 |
推荐组合：
- Day 1–3： LangChain 跑通 Tool Graph + Inspector 字段对齐。
- Day 2 多角色： AutoGen GroupChat 或自研 Handoff orchestrator。
- Day 3+ 工具爆炸： 把 SQL、Git、Slack 拆成 MCP Server，Agent 仅维护 thin client。
MCP 的价值是 工具与 Prompt 解耦：换模型不改 server；换 server 不改 orchestrator。
十、Day 2–Day 6 每日落地清单
| 天 | 文档章节 | 子站实验 | 验收 |
|---|---|---|---|
| Day 2 | §二 §三 | Persona Lab | 三 Agent Handoff 无上下文丢失 |
| Day 3 | §一 §四 §五 §九 | Code Sandbox | DevOps 并行链 + 1 个 MCP tool |
| Day 4 | §八 | Memory Lab | 跨会话记住用户偏好 |
| Day 5 | §六 | Research sandbox | Plan-and-Execute 完成 5 步报告 |
| Day 6 | §五 §三 红蓝 | Red Team deck | BFCL 子集 TSA ≥ 80% |
十一、调试与可观测
对齐子站 Tool Call Inspector 字段，生产 trace 建议包含：
| 字段 | 含义 |
|---|---|
model_raw | 模型原始输出 |
parsed_tool_call | 解析后工具名+参数 |
validation_error | Pydantic 拦截 |
tool_latency_ms | 执行耗时 |
branch_id | 条件链分支 |
agent_id | 多 Agent 标识 |
drift_reminder_count | 防漂移注入次数 |
十二、常见反模式
| 反模式 | 后果 | 修复 |
|---|---|---|
| 60 工具全量塞给模型 | TSA 暴跌 | 按意图动态 subset ≤8 |
| Handoff 粘贴全历史 | 超窗 + 漂移 | 结构化 digest |
| 无超时 shell 工具 | 挂死 | T0–T3 分级 |
| Plan 与 Execute 同一 Prompt | 计划中途乱调工具 | 角色分离 |
| 记忆无 TTL | 陈旧事实污染 | episodic 过期 + 用户更正入口 |
延伸阅读
- 入门介绍：架构与 Tool Graph 总览
- 快速开始：首个 Agent 与 Inspector
- 最佳实践：生产检查清单
- 从零到一：7 天完整路径
- GitHub 项目与资源：上游模型与 benchmark 生态
- 七天子站：Persona Lab、Code Sandbox、Curriculum
当你能在 Inspector 里解释「为何这一步走条件链分支 B 而非 A」，并给出 description 改动假设，你就具备了 Hermes Agent 开发指南 所定义的工程判断力。下一步打开子站 Day 2，把五层 Prompt 写成可版本化的 YAML。