# AI Agent Workstation：多代理协作的本地工作流框架

> AI Agent Workstation是一个本地多代理协作工作空间，支持Hermes Agent和Codex等AI代理协同工作。通过结构化的Markdown文件传递机制，实现规划、执行、审查和记忆管理的完整闭环。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-05-18T18:44:19.000Z
- 最近活动: 2026-05-18T18:53:48.431Z
- 热度: 154.8
- 关键词: AI代理, 多代理协作, Codex, Hermes, 工作流, Markdown, MCP, 代码审查, 任务管理, 知识管理
- 页面链接: https://www.zingnex.cn/forum/thread/ai-agent-workstation
- Canonical: https://www.zingnex.cn/forum/thread/ai-agent-workstation
- Markdown 来源: ingested_event

---

# AI Agent Workstation：多代理协作的本地工作流框架\n\n## 多代理协作的痛点\n\n随着大型语言模型能力的提升，越来越多的开发者开始尝试使用多个AI代理协同完成复杂任务。然而，多代理协作面临着几个核心挑战：\n\n首先是**上下文管理**。当多个代理参与同一个项目时，如何确保每个代理都能获取到必要的上下文信息，同时避免信息过载？其次是**任务交接**。代理之间如何高效地传递工作成果，确保执行的一致性和连续性？第三是**质量控制**。如何建立有效的审查机制，确保代理输出的质量符合预期？最后是**记忆管理**。如何从大量的交互中提取有价值的经验，形成可复用的知识？\n\nAI Agent Workstation项目正是为解决这些问题而设计的。它提供了一个结构化的本地工作空间，让多个AI代理能够按照预定义的协议协同工作。\n\n## 项目架构：清晰的分层设计\n\nAI Agent Workstation采用清晰的分层目录结构，每个目录都有明确的职责：\n\n- **templates/**：存放通用的可复用模板，为任务执行提供标准化的起点。\n- **tasks/**：Codex任务交接文件，定义需要执行的具体任务。\n- **results/**：Codex执行输出，记录任务的执行结果。\n- **reviews/**：Hermes审查文件，包含对执行结果的评估和反馈。\n- **memory/**：本地记忆候选和持久化的工作站笔记，用于知识沉淀。\n- **workflows/**：可复用的多代理工作流定义，描述完整的协作流程。\n\n项目仓库按照约定存放在工作空间外部的`/Users/ai/projects`目录下，而工作流相关的文件则统一存放在`/Users/ai/agent-workspace`中。这种分离确保了项目代码和工作流管理互不干扰。\n\n## 核心工作流：Codex-Hermes协作模式\n\n项目的主工作流是`workflows/codex-hermes/`，它实现了Hermes规划/审查与Codex执行/测试的协作模式。这个工作流定义了三个核心角色的职责：\n\n### Hermes：协调与审查\n\nHermes代理负责规划、协调、审查、上下文管理和记忆管理。它站在更高的视角审视整个项目，确保各个任务之间的连贯性和一致性。在任务执行前，Hermes制定详细的执行计划；在任务完成后，Hermes审查执行结果，评估是否符合预期，并决定是否需要调整后续策略。\n\n### Codex：执行与实现\n\nCodex代理专注于代码编辑、测试、构建、调试和结果报告。它接收Hermes制定的任务计划，在代码库中实施具体的修改，运行测试验证正确性，并将执行结果反馈给Hermes。\n\n### Human/User：决策与授权\n\n人类用户负责产品方向、约束条件、审批、凭证管理和最终决策。AI代理提供建议和方案，但关键决策仍由人类把控。这种设计确保了AI辅助而非替代人类的核心原则。\n\n## 工作流协议：Markdown文件传递机制\n\nAI Agent Workstation的核心创新在于其**Markdown文件传递机制**。代理之间不直接对话，而是通过结构化的Markdown文件进行交接。标准的文件传递流程如下：\n\n```\nAGENT_CONTEXT.md → CODEX_TASK.md → AGENT_RESULT.md → AGENT_REVIEW.md → MEMORY_CANDIDATES.md\n```\n\n这个流程确保了每个阶段都有明确的输入和输出：\n\n1. **AGENT_CONTEXT.md**：提供任务执行的上下文信息，包括项目背景、相关约束和已有进展。\n2. **CODEX_TASK.md**：定义Codex需要执行的具体任务，包含明确的目标和验收标准。\n3. **AGENT_RESULT.md**：记录Codex的执行结果，包括代码变更、测试结果和遇到的问题。\n4. **AGENT_REVIEW.md**：包含Hermes对执行结果的审查意见，评估质量并决定下一步行动。\n5. **MEMORY_CANDIDATES.md**：提取本次任务中有价值的经验，作为未来复用的知识储备。\n\n## MCP辅助层：质量门禁机制\n\n当`my-agents-mcp`可用时，它可以作为工作流辅助层，提供工件模板验证和质量门禁检查。MCP辅助层遵循以下原则：\n\n- 验证`CODEX_TASK.md`后再让Codex开始执行，确保任务定义清晰完整。\n- 验证`AGENT_RESULT.md`后再进行Hermes审查，确保执行结果格式规范。\n- 验证`AGENT_REVIEW.md`后再给出最终响应，确保审查意见充分。\n- 验证`MEMORY_CANDIDATES.md`后再进行记忆提升，确保提取的经验有价值。\n\n需要注意的是，MCP辅助层不会替代Markdown工作流文档或`SOUL.md`文件，也不会变成隐藏的自动化机制。它只是一个可选的辅助工具，核心工作流仍然基于显式的Markdown文件传递。\n\n## 治理同步规则\n\n项目强调`SOUL.md`、工作空间文档和`/Users/ai/projects/my-agents-mcp`三者之间的强关联性。当修改其中任何一个时，都需要检查其他两个是否需要相应更新，并在审查或最终响应中记录这个决策。这种治理规则确保了文档的一致性和可追溯性。\n\n## 安全与隐私原则\n\nAI Agent Workstation遵循严格的安全原则：\n\n- 不在记忆候选、模板、任务文件、结果文件或审查文件中存储敏感信息。\n- 在执行破坏性命令或外部集成前暂停，等待人类确认。\n- 保持工作流工件的透明性，避免隐藏的自动化逻辑。\n\n这些原则确保了AI代理协作的安全性和可控性，让用户能够放心地将部分工作委托给AI代理。\n\n## 使用场景与价值\n\nAI Agent Workstation适用于以下场景：\n\n**复杂功能开发**：当需要实现一个涉及多个模块的复杂功能时，可以让Hermes负责架构设计和模块划分，Codex负责具体实现，形成高效的分工协作。\n\n**代码重构**：在进行大规模代码重构时，Hermes可以制定重构策略和风险控制方案，Codex执行具体的重构操作，Hermes审查重构结果确保没有引入回归问题。\n\n**测试驱动开发**：Hermes定义测试用例和验收标准，Codex实现功能代码并运行测试，Hermes审查测试覆盖率和代码质量。\n\n**知识沉淀**：通过`MEMORY_CANDIDATES.md`机制，项目中的最佳实践和经验教训可以被系统性地记录下来，形成组织的知识资产。\n\n## 总结\n\nAI Agent Workstation代表了一种结构化的多代理协作方法论。它不是简单地让多个AI代理"聊天"，而是通过明确的职责划分、规范的文件传递机制和严格的质量门禁，实现了AI代理之间的有效协作。\n\n对于希望将AI代理集成到开发工作流中的团队来说，这个项目提供了一个经过深思熟虑的参考框架。它证明了AI代理协作不仅需要强大的模型能力，更需要清晰的协议和治理机制。\n\n项目地址：https://github.com/agenticnoob/ai-agent-workstation