Hermes AI看板：五层自动驾驶架构，从想法到成品全自动交付

传统看板已死，AI驱动的自动看板来了

大多数人还在用传统看板拖拽卡片、手动更新状态、亲力亲为地推进每一项任务。这种工作方式本质上只是一个数字化的待办清单——所有的思考、执行、检查都需要你自己完成。而Hermes Agent推出的全新看板系统，正在彻底改写这个逻辑。

看板（Kanban）最初源自丰田生产系统，是一种通过可视化卡片来管理工作流的方法论。具体来说，看板方法论由丰田工程师大野耐一在1940-1950年代开发，最初是用实体卡片在生产线上传递信号，实现"准时制生产"（Just-In-Time），其核心思想是通过限制在制品数量来优化整体流程效率。数字化看板工具如Trello、Jira、Notion等将这一理念搬到了软件领域，通过列（如待办、进行中、已完成）来追踪任务状态。2011年Trello的推出标志着数字看板的大规模普及，随后Jira、Asana、Notion等工具将看板与敏捷开发方法论深度结合。然而传统数字看板的本质局限在于：它只是一个被动的信息展示工具，所有的任务分解、优先级判断、执行推进仍然完全依赖人类操作者。数字化只解决了"可视化"问题，并未解决"自动化执行"问题——看板上的每张卡片仍需人类手动创建、移动和关闭。这意味着看板的效率上限等于使用者本人的执行力上限。

这套系统的核心理念很简单：你只负责输入想法，AI智能体团队负责规划、构建和交付。从一句话的灵感到可运行的网站、工具甚至游戏，整个过程可以在几分钟内自动完成，而你甚至可以去忙别的事情。

Hermes Kanban 2.0的五层自动驾驶架构

这套Hermes Kanban 2.0系统的工作流程可以概括为五个层级，用户只需在第一层介入一次：

第一层：想法捕获

你只需要输入一句话，比如"为OCO创建一个漂亮的博客网站"，系统就会自动对这个想法进行分类。这一步极其简单——输入句子，按回车，完成。

第二层：AI智能规划

系统会自动为你的想法制定详细的执行方案。以博客网站为例，它会规划出：研究目标关键词、设计网站界面、用现代技术栈搭建网站、添加内链策略、配置分析工具等里程碑。同时还会分配角色——研究员、设计师、程序员等，这些全是AI智能体，不是真人。

这背后运用的是多智能体系统（Multi-Agent System）架构——人工智能领域的一个重要分支，指多个具有自主决策能力的AI代理协同工作来完成复杂任务。多智能体系统的理论基础可追溯到分布式人工智能研究，但真正在工程层面可行是大语言模型能力突破之后的事。当前主流的多智能体框架包括微软的AutoGen、开源的CrewAI和LangChain旗下的LangGraph。每个智能体拥有特定的角色定义、能力边界和行为规则，它们之间通过消息传递进行协调。在Hermes Agent的架构中，项目经理智能体负责任务分解和委派，研究员智能体负责信息收集，程序员智能体负责代码生成，设计师智能体负责界面设计。这种架构选择将项目经理作为中心协调节点，采用的是星型拓扑结构，比完全去中心化的智能体网络更易于控制和调试。这些框架面临的核心挑战包括：智能体间的通信协议设计、任务分解的粒度控制、错误传播的隔离机制，以及如何在多轮协作中保持上下文一致性。这种分工模式模拟了真实团队的协作结构，但执行速度远超人类团队。

第三层：人工审批关卡

这是整个系统中最关键的设计之一。旧版Hermes Kanban的一个痛点是：你把任务丢给AI后，无法确认它是否真正理解了你的意图。新系统加入了人工审批环节——你可以查看AI制定的方案，选择批准或拒绝。这解决了"AI自说自话"的问题。

这一设计体现的是AI系统中的Human-in-the-Loop（人在回路中）原则，指在自动化流程的关键节点保留人类决策权。这一原则源于对AI可靠性边界的清醒认知：当前的大语言模型仍然存在幻觉（生成看似合理但实际错误的内容）、理解偏差和上下文丢失等问题。值得注意的是，Human-in-the-Loop并非简单的"加个确认按钮"。在工程实践中，它涉及审批粒度的设计（是每个子任务都审批还是只审批整体方案）、审批信息的呈现方式（如何让非技术用户快速理解AI的规划意图）、以及拒绝后的回退机制（AI如何根据用户反馈重新规划）。Hermes Kanban选择在规划层而非执行层设置审批关卡，这是一个经过权衡的设计——如果在每个执行步骤都要求审批，系统就退化成了传统的手动看板；如果完全不审批，则风险不可控。通过在规划阶段设置审批关卡，系统既保留了自动化的效率优势，又避免了AI在错误方向上大量消耗资源的风险。这比完全自主执行或完全人工控制都更加务实——它找到了效率与可控性之间的最佳平衡点。

第四层：多智能体自动执行

一旦你点击"批准并构建"，项目经理智能体就会将任务委派给各个子智能体，在后台持续执行。你可以实时看到构建进度，但完全不需要干预。

第五层：图库交付与实时预览

所有构建完成的成果会直接发布到图库中，支持实时预览和全屏查看。无论是博客网站、冥想应用还是习惯追踪器，都能在一个地方统一管理。

与Obsidian深度集成：打造AI第二大脑

这套系统一个非常巧妙的设计是，它完全运行在你的Obsidian知识库中。这意味着什么？

Obsidian是一款基于本地Markdown文件的知识管理工具，其核心优势在于：数据完全存储在用户本地（而非云端服务器）、支持双向链接构建知识图谱、拥有丰富的插件生态系统。Obsidian所代表的"本地优先"（Local-First）理念是对云端SaaS模式的一种深刻反思。在Notion、Roam Research等云端工具中，用户数据存储在服务商的服务器上，一旦服务关停或API变更，用户面临数据迁移甚至丢失的风险。Obsidian使用纯Markdown文件存储，这意味着即使Obsidian软件本身停止维护，用户的数据仍然可以被任何文本编辑器读取。此外，Obsidian的插件系统基于Electron和Node.js，允许开发者构建几乎任意复杂度的功能扩展，这为Hermes Agent这类深度集成提供了技术基础。将AI智能体系统嵌入Obsidian意味着所有的项目上下文、执行日志、决策记录都以结构化的Markdown文件形式存在于用户的知识库中。这与将数据托管在云端SaaS平台有本质区别——用户拥有完整的数据主权，且AI可以通过读取这些本地文件来获取长期记忆和上下文理解能力。

上下文记忆：所有构建过程、项目信息、执行日志都会记录在Obsidian中。当你后续回来说"昨天创建的那个OCO博客，我们需要优化一下UI"，AI智能体能从日志中理解这个项目是什么、存储在哪里、是怎么创建的，无需你重新解释一遍。

知识积累：随着你使用系统构建越来越多的项目，AI智能体对你的偏好、工作方式和项目历史的理解也会越来越深。这本质上是在构建一个持续进化的"第二大脑"——一个能够理解你的思维模式并主动为你服务的智能知识系统。

组织与回溯：所有想法和成果都整理在一处，不会忘记、不会丢失，随时可以回来查看和继续开发。由于Obsidian的双向链接特性，不同项目之间的关联关系也能被自然地建立和追踪。

内置自检机制：AI输出的质量保障防线

在实际使用中，AI生成的结果并不总是理想的。视频作者坦言，在构建过程中发现有时候输出质量不够好。为此，系统内置了一个自检程序——智能体在完成任务后，会先自行检查输出质量，确认合格后才标记为完成并提交给用户。

这个设计非常务实。它承认了AI并非万能，但通过自动化的质量检查流程，将人工干预的需求降到了最低。这类似于软件工程中的自动化测试理念——代码在部署前必须通过一系列测试用例的验证。在AI智能体的语境下，自检（Self-Verification）在技术上有多种实现路径：一是让同一模型对自己的输出进行反思性评估（Self-Reflection），类似于论文写作后的自我审校；二是使用另一个独立的AI模型作为评审者（Cross-Validation），类似于同行评审；三是通过确定性规则进行验证，如运行生成的代码检查是否报错、检查HTML是否符合W3C标准等。实际系统通常会组合使用这些方法。值得注意的是，自检并不能保证100%的质量——AI评估AI的输出仍然存在盲区，这也是为什么Human-in-the-Loop仍然不可或缺。

成本与模型选择

目前该系统使用的是Hermes Agent的M3编码方案。据作者反馈，这个方案有两个优势：一是输出质量稳定，二是token消耗合理，性价比不错。对于担心API成本的用户来说，这是一个相对经济的选择。

理解token消耗对于评估这类系统的实际使用成本至关重要。在使用大语言模型API时，token是计费的基本单位（大约每个英文单词对应1-2个token，中文每个字约1-2个token）。多智能体系统由于涉及多轮对话、角色切换、系统提示词和上下文传递，token消耗量通常远高于单次对话场景。以GPT-4级别模型为例，输入token约$30/百万，输出token约$60/百万。一个复杂项目的完整构建可能消耗数万甚至数十万token，折合人民币可能在几元到几十元不等。因此，选择性价比合理的模型方案对于将这类系统作为日常生产力工具使用至关重要。M3编码方案的具体优化策略可能包括：精简系统提示词以减少每次调用的固定token开销、在不需要最强推理能力的子任务中使用更轻量的模型、以及通过缓存机制避免重复的上下文传递。

重新定义人与AI Agent的协作关系

这套系统最深层的价值，在于它重新定义了人与AI Agent的关系框架。作者提出了一个精辟的观点：

大多数人仍被Agent所掌控——他们的时间和注意力被AI工具绑架。而真正的框架应该是你掌控Agent。

传统的AI使用方式是"你围着AI转"——在ChatGPT里反复对话、在不同终端间切换、手动整理输出结果。这种模式下，用户实际上承担了"AI管理员"的角色：你需要构思提示词、评估输出质量、手动将结果整合到工作流中。你的注意力被碎片化地分配给了与AI的交互过程本身，而非你真正想要达成的目标。

而这套看板系统实现了反转：你只需要抛出想法，AI围着你的需求转，你保留的是决策权和审批权，而非执行的苦力活。这种模式更接近于一个CEO与执行团队的关系——CEO负责战略方向和关键决策，团队负责具体执行和交付。

写在最后：从对话式AI到自主执行式AI的跃迁

这套Hermes Kanban系统代表了AI工具发展的一个重要方向：从对话式AI到自主执行式AI的跃迁。它不再需要你一步步指导AI做什么，而是让AI智能体团队自主规划和执行，你只需要在关键节点做出决策。

这一跃迁在AI行业中被称为从"Copilot模式"到"Agent模式"的转变。更细致地来看，AI工具的演进可以划分为四个阶段：第一阶段是工具型AI（如传统搜索引擎），用户必须精确指定查询；第二阶段是对话型AI（如ChatGPT），用户通过自然语言交互获取信息和内容；第三阶段是Copilot型AI（如GitHub Copilot、Cursor），AI在用户的工作流中实时提供建议和辅助；第四阶段是Agent型AI，AI自主规划和执行多步骤任务，用户只需要告诉它目的地。当前行业正处于第三阶段向第四阶段过渡的关键时期。2024-2025年，这一转变正在加速发生——从OpenAI的Operator、Google的Project Mariner到各类开源Agent框架（如AutoGPT、CrewAI、LangGraph），整个行业都在探索如何让AI从被动响应走向主动执行。OpenAI CEO Sam Altman在2025年初明确表示"Agent将是AI的下一个重大突破"，而Anthropic、Google等公司也在积极布局Agent能力。Hermes Kanban系统正是这一趋势的具体产品化实践。

说个细节，作者本人强调自己并不会写代码，这说明这类系统正在降低技术门槛。当然，搭建和配置这样一套系统仍然需要一定的学习成本，但随着社区的成熟和教程的完善，这个门槛正在快速降低。

对于那些每天被无数想法淹没、却苦于执行力不足的创作者和创业者来说，这种"自动驾驶看板"或许正是他们需要的生产力范式转换。它将人类从执行层解放出来，让我们回归到最擅长的事情——思考、创造和决策。