乐于分享
好东西不私藏
当前位置：夜雨聆风 > 技术教程 > 软件教程 > OpenClaw + Hermes 双开实战:一台 Windows 跑两个 AI Agent,飞书+本地互相调用的真实体验

OpenClaw + Hermes 双开实战:一台 Windows 跑两个 AI Agent,飞书+本地互相调用的真实体验

当前时间： 2026-04-24 02:38:56 更新时间： 2026-04-24 分类：软件教程 评论(0)

OpenClaw + Hermes 双开实战:一台 Windows 跑两个 AI Agent,飞书+本地互相调用的真实体验

不是什么概念验证，是我每天在用的工作流。

 先说结论

如果你已经在用 OpenClaw 或者 Hermes，**不要二选一，双开**。
两个 Agent 跑在同一台 Windows 电脑上（WSL 环境），同时连接飞书，互相可以调用对方的能力——这不是炫技，是实打实的生产力提升。
跑了一个月，我把整个搭建过程、踩过的坑、以及**为什么两个比一个强**，一次性讲清楚。-

 为什么是”双开”？

很多人问：都是 AI Agent，跑一个不够吗？
答案是——**互补大于重复**。

 OpenClaw 的强项

  • Skills 生态丰富：社区 Skill 多，拿来即用，从小红书配图到天气查询，安装一条命令搞定
  • 多平台 Gateway：飞书、Telegram、Discord、WhatsApp 原生支持
  • Node.js 技术栈：和前端/JS 生态无缝衔接，Codex/Claude Code 等 ACP Agent 天然兼容

Hermes 的强项

  • 工具链深度：文件系统操作、终端执行、浏览器自动化、代码执行沙箱——开箱即用
  • Python 技术栈：数据处理、脚本自动化、API 调用更顺手
  • 结构化任务管理：定时任务（cron）、Agent 团队调度、多 Agent 协同是原生能力
  • 记忆系统：持久化记忆 + 跨会话搜索，Agent 真的能”记住”你说过什么
**合在一起的效果**：OpenClaw 负责快速响应 + Skills 生态，Hermes 负责深度执行 + 长期记忆。两个 Agent 跑在同一台机器上，通过 ACP 协议互相调用，等于你同时拥有两个不同专长的 AI 助手。

我的实际环境

| 项目 | 配置 |
|——|——|
| 系统 | Windows 11 + WSL2（Ubuntu） |
| OpenClaw | Node.js 全局安装，Gateway 常驻运行 |
| Hermes | Python venv，Gateway + CLI 同时运行 |
| 平台 | 飞书（两个 Agent 都接入同一个飞书应用） |
| 模型 | 百炼 Coding Plan 免费额度（qwen3.6-plus / MiniMax-M2.7 / glm-5） |
| 通信 | ACP 协议（acpx 作为桥梁） |
> 零成本。所有模型走的是阿里百炼的 Coding Plan 免费额度，每个月白嫖。

 搭建步骤（干货）

第一步：各自跑起来

**OpenClaw**（Node.js）：
“`bash
npm i -g openclaw
openclaw setup
交互式配置向导
openclaw gateway
启动 Gateway，常驻后台
“`“`
**Hermes**（Python）：
“`bash
git clone https://github.com/hermes-agent/hermes-agent.git
cd hermes-agent
python -m venv venv && source venv/bin/activate
pip install -e .
hermes setup
交互式配置
hermes gateway run
启动 Gateway
“`
两个 Gateway 各占一个端口，互不冲突。飞书上配置一个应用，两个 Gateway 都接入——飞书不限制多个后端。

第二步：打通 ACP 互相调用

这是最关键的一步。ACP（Agent Client Protocol）是两个 Agent 互相调用的桥梁。
1. 安装 acpx（桥梁工具）：
“`bash
npm i -g acpx
“`
2. 注册 Hermes 到 acpx：
编辑 `~/.acpx/config.json`：
{
“defaultAgent”: “codex”,
“agents”: {
“hermes”: {
“command”: “/home/你的用户名/hermes-agent/venv/bin/python -m acp_adapter.entry”
}
}
}
⚠️ **坑 1**：一定要用 venv 的 Python 绝对路径！不能用 `source venv/bin/activate && python …`，acpx 不支持 shell 命令。
3. 在 OpenClaw 里注册 Hermes Agent：
编辑 `~/.openclaw/openclaw.json`：
{
“agents”: {
“list”: [{
“id”: “hermes”,
“name”: “Hermes Agent”,
“workspace”: “/mnt/d/HermesWorkplace”,
“runtime”: {
“type”: “acp”,
“acp”: {
“agent”: “hermes”,
“backend”: “acpx”,
“mode”: “persistent”
}
}
}]
},
“acp”: {
“enabled”: true,
“backend”: “acpx”,
“allowedAgents”: [“main”, “hermes”]
},
“tools”: {
“agentToAgent”: {
“enabled”: true,
“allow”: [“main”, “hermes”]
}
}
}
“`
4. 验证：
“`bash
npx acpx hermes “你好，你是谁？”
“`
看到回复就说明通了。

第三步：从 Hermes 调用 OpenClaw

反过来也一样。Hermes 用 `delegate_task` 工具调用 OpenClaw：
“`
delegate_task(
goal=”用 OpenClaw 的 Skills 帮我生成一张小红书配图”,
acp_command=”openclaw”,
acp_args=[“–acp”, “–stdio”]
)
“`
Hermes 的 Python 环境 + OpenClaw 的 Skills 生态 = 完美互补。

实战场景：双开到底强在哪？

场景 1：每日新闻自动推送

我用 Hermes 的 cron 定时任务，每天早上 7:30 自动抓取国内外热点新闻（政治/经济/科技各 7 条），整理成飞书消息推送给我。
**为什么用 Hermes 做这个？**
  • cron 定时任务是 Hermes 的原生能力
  • 记忆系统让它知道我的偏好（哪些新闻类型优先、格式要求）
  • 跨会话搜索可以复用历史采集经验
如果某天新闻源出了问题，Hermes 可以调用 OpenClaw 的 Skills 来补充数据源。

场景 2：内容创作流水线

范遥（我的内容 Agent）用 OpenClaw 的 Skills 快速生成小红书配图，然后交给 Hermes 的技术 Agent 做 HTML 报告输出。
**流程**：
  1. 我在飞书给 OpenClaw 发指令：”帮我写一篇关于 XX 的小红书笔记”
  2. OpenClaw 调用 `xiaohongshu-image-generation` Skill 生成配图
  3. 图片生成后，通过工作空间共享，Hermes 自动读取并生成配套 HTML 报告
  4. 最终成果存在共享目录 `/mnt/d/HermesWorkplace/团队输出/` 里

场景 3：Agent 互相救场

这才是双开最有价值的地方——一个挂了，另一个能顶上。
比如某天 OpenClaw 的某个模型 API 报错 401，Hermes 可以自动切换到备用模型继续执行任务。反过来，Hermes 的某个工具链出问题，也可以委托给 OpenClaw 的 Skills 来处理。
两个 Agent 各有一套模型调度策略和 fallback 链，等于给自己的工作流上了双保险。

 踩过的坑（帮你省时间）

坑 1：acpx 不支持 shell 激活

❌ 错误写法：
“`json
“command”:”source /home/user/hermes-agent/venv/bin/activate && python -m acp_adapter.entry”
“`
✅ 正确写法：
“`json
“command”: “/home/user/hermes-agent/venv/bin/python -m acp_adapter.entry”
“`
坑 2：Python 包名搞错
安装 ACP SDK 的时候：
❌ `pip install acp` —— 这是个完全无关的包
✅ `pip install agent-client-protocol` —— 这才是对的

坑 3：ACP 连上了但返回空响应

acpx 显示 `[thinking]` 动画在转，但最后返回空文本。
**原因**：Hermes 的 `run_conversation()` 返回的 `final_response` 字段为空，但 `messages` 里有内容。
**修复**：在 `acp_adapter/server.py` 的 `prompt()` 方法里加一个 fallback，从 `messages` 列表中提取最后一条 assistant 消息。

坑 4：WSL 文件路径映射

Windows 文件系统在 `/mnt/d/` 下，两个 Agent 的共享工作空间必须用 Linux 路径，不能用 Windows 路径。
✅ 正确：`/mnt/d/HermesWorkplace/`
❌ 错误：`D:\HermesWorkplace\`

坑 5：飞书同一个应用接入两个 Gateway

飞书不限制一个应用有多个后端。两个 Gateway 都配置同一个 App ID 和 App Secret，飞书会把消息推送给两个——但你需要在代码层面做好消息路由，避免两个 Agent 同时回复同一条消息。
我的做法：OpenClaw 处理简单对话和 Skills 调用，Hermes 处理定时任务和深度执行。两个 Agent 各司其职，不抢活。

成本

**零**
所有模型走阿里百炼 Coding Plan 的免费额度：
  • qwen3.6-plus：免费
  • MiniMax-M2.7：免费
  • glm-5：免费
  • deepseek-v3.2：免费
服务器？就是自己的 Windows 电脑，WSL2 跑着不费事。
如果要用更强的模型（比如 Claude / GPT-4），那才需要花钱。但日常办公 + 内容创作 + 自动化任务，免费模型完全够用。

总结

OpenClaw + Hermes 双开不是”多此一举”，而是：
  1. **能力互补**：Skills 生态 × 深度工具链
  2. **冗余备份**：一个挂了另一个顶上
  3. **成本为零**：免费模型 + 自己的电脑
  4. **飞书统一入口**：不用切换平台，一个聊天窗口搞定
如果你已经在用其中任何一个，**强烈建议试试双开**。搭建过程半小时搞定，但生产力的提升是持续的。
—
**你的 Agent 怎么配的？欢迎在评论区聊聊。**
—
*本文作者：希昂，供应链老兵，AI Agent 重度用户。目前在创业，一人公司，折腾 AI 自动化。*