获课：xingkeit点top/17352/

先说结论

多智能体开发的本质不是"多叫几个 AI 帮忙"，而是解决两个工程问题：谁在什么时候做什么（调度），以及它们之间怎么说话（通信）。

Harness 解决第一个问题，Hermes 解决第二个问题。这两层合在一起，才构成分布式智能体的完整骨架。

单 Agent 为什么不够用？因为它同时扛着规划、执行、反思、纠错四件事，上下文窗口被稀释，注意力被瓜分，复杂任务必然偏航。多智能体的核心思路很简单：把一件事拆给擅长的人做，再用一套机制让它们配合起来。

但"拆"容易，"配合"难。难就难在调度和通信。

一、Harness 调度层：多智能体的"指挥中枢"

1.1 Harness 是什么

Harness 不是一个具体的工具，而是一套运行时管控架构。你可以把它理解为多智能体系统的"项目经理"——它不干活，但它决定谁干、什么时候干、干完了怎么交接。

核心职责有四个：

1.2 Harness 的核心机制：主循环

1while not task_complete:2    agent = harness.select_next()      # 选下一个该执行的 Agent3    context = harness.build_context()   # 拼装该 Agent 需要的上下文4    result = agent.step(context)        # 执行一步5    harness.update_state(result)        # 更新全局状态6    harness.check_feedback(result)      # 检查是否需要反馈/重试7

这段伪代码看着简单，但每一行都是工程难点：

• select_next() 怎么选？轮询？优先级？还是基于状态动态路由？
• build_context() 给多少？给多了 token 爆炸，给少了 Agent 瞎猜。
• check_feedback() 什么时候触发重试？重试几次？失败了怎么降级？

Harness 调度层的价值，就是把这些"怎么选、给多少、何时停"的决策逻辑工程化、可配置化。

1.3 Harness 解决的三个致命问题

二、Hermes 通信层：智能体之间的"语言协议"

2.1 为什么需要专门的通信层

你可能会问：Agent 之间直接传 JSON 不就行了？

能用，但不够。直接传 JSON 有三个问题：

1. 没有语义：{"action": "retry", "reason": "timeout"} 和 {"action": "retry", "reason": "semantic_mismatch"} 对接收方的处理逻辑完全不同，但 JSON 看不出区别。
2. 没有记忆：A 给 B 发了一条消息，B 不知道这是第几轮对话，不知道 A 之前说过什么。
3. 没有进化：通信内容用完就丢，下次遇到同样的协作场景，还得从头磨合。

Hermes 就是为了解决这三个问题而设计的。

2.2 Hermes 的三层通信架构

1┌─────────────────────────────────┐2│         Hermes 通信协议栈         │3├───────────┬───────────┬─────────┤4│  语义层    │  记忆层    │  进化层  │5│ (说什么)   │ (记得什么) │ (学到什么)│6└───────────┴───────────┴─────────┘7

2.3 一条 Hermes 消息长什么样

json1{2  "from": "interview_agent",3  "to": "review_agent",4  "type": "handoff",5  "payload": {6    "session_id": "sess_20260620_001",7    "candidate_answer": "...",8    "evaluation": {"score": 72, "weakness": "缺乏数据支撑"},9    "suggested_next": "追问项目细节"10  },11  "metadata": {12    "turn": 3,13    "confidence": 0.85,14    "memory_tag": "interview_pattern_v2"15  }16}17

关键不在 JSON 本身，而在 metadata：

• turn: 3 → 接收方知道这是第 3 轮，不会误解为新任务。
• confidence: 0.85 → 接收方知道这个评估有一定不确定性，可以选择追问或直接采纳。
• memory_tag → 这条消息会被自动归档到长期记忆，下次遇到同类面试场景，系统可以直接调用历史模式。

这就是 Hermes 和普通消息队列的本质区别：它不只是传数据，它传的是"带上下文的、可沉淀的、能进化的语义"。

三、Harness × Hermes：为什么必须组合使用

单独用 Harness，你有了调度能力，但 Agent 之间说的是"方言"，协作效率低。

单独用 Hermes，你有了通信协议，但没人管"谁先说、说几轮、什么时候停"，系统会乱。

组合起来才是完整闭环：

1Harness: "现在轮到面试 Agent 执行"2  → 注入上下文（通过 Hermes 语义层）3  → 面试 Agent 执行，产生结果4  → 结果通过 Hermes 通信层发给复盘 Agent5  → 复盘 Agent 接收时，metadata 告诉它这是第 3 轮、置信度 0.856  → 复盘 Agent 处理完，返回结果7  → Harness 检查反馈，决定下一步：继续追问 or 结束8

Harness 管"节奏"，Hermes 管"语言"。节奏对了，语言通了，多智能体才能真正协同起来。

四、这套架构的工程化落地：特训营在教什么

实战项目是一个全链路模拟面试系统：出题 Agent → 面试 Agent → 复盘 Agent → 资料 Agent → 笔记 Agent，五个角色通过 Harness 调度、Hermes 通信完成完整闭环。

五、最后说一句

多智能体不是趋势，是必然。但趋势不等于能落地。

能落地的关键就两件事：调度要有章法，通信要有协议。Harness 给你章法，Hermes 给你协议。掌握这两层，你就从"写 Prompt 的人"变成了"搭 AI 组织的人"。

最近一期线上实战营在 2026 年 7 月 4-5 日，2 天打通全链路。也有录播版可随时学习。

如果你正在从 AI 使用者往 AI 架构师转型，这是目前最体系化的路径之一。