如何通过 Hermes 看板功能搭建一个电商选品自动化工作流
【这篇文章是 AI 生成的,AI 味很重,但是我目前不想花时间去优化了,因为整个流程是我花了时间真实做了一遍的,内容还是写借鉴价值,表达方式后面会想办法优化,这篇文章也算是留一个对比案例吧】
选品这件事我做了小半年,流程一直没变:看上周的周报,定几个关键词,去货源平台搜一轮,把看着合适的商品记下来,整理好资料,人工确认一遍。
每一步都不难。难的是每一步都要人参与执行:等数据导出,等页面加载,人来检查。一天里真正用于判断的时间不多,大部分时间在等。
那段时间我一天大概只能处理两个关键词。上午等数据,下午选品,晚上整理资料,一天就过去了。忙倒还好,难受的是每一步都要我盯着,离开一会儿就停。
十月底,我换了个做法:把这套流程拆成 Hermes 看板上的任务,让几个不同角色的 Agent 接卡执行。四天时间,看板跑了 104 张卡、394 次运行,68 次卡级阻塞。
这篇文章写搭建过程,也写踩过的坑。数据全部来自这条流程的真实运行。
先把流程拆成卡
我一开始想得很简单:把五段流程各建一张卡,按顺序排好,让 Agent 一张张做。真上手之后发现,卡不是待办事项,它更像一次执行的合同。合同写不清楚,接卡的人只能猜。
最早那版我还让五张卡同时进了 Ready。两个 Agent 抢同一个浏览器页面,采集互相打断,截图也串了批次。后来把同一批次的卡串成依赖,前一张交付了后一张才进 Ready,才不再抢。
Hermes 看板默认有八列,每列对应一个状态:
| 列 | 含义 | 怎么进入 |
|---|---|---|
| Triage | 刚进来,还没判断 | 新建或人工拖入 |
| Todo | 判断过,但有前置任务没完成 | 建卡或依赖未满足 |
| Scheduled | 等时间或外部事件 | 排期动作,带唤醒标记 |
| Ready | 可以派发 | 前置完成或人工放行 |
| Running | 正在执行 | 调度器拉起 worker |
| Blocked | 停下来,等某类条件 | 执行中主动上报 |
| Review | 做完,等人或 reviewer 看 | 复核动作 |
| Done | 有交付和证据 | 完成动作 |
有两件事当时没注意。Archived 不在列里,它只是列表上的筛选开关,归档是收起,不代表结束。
还有三列不能手动拖进去:Scheduled 要带唤醒时间,Running 由调度器拉起,Review 要通过复核动作进入。手动拖进去,要么没有 worker 接,要么绕过了交接。
最实用的一条规则藏在依赖里:子卡在父卡完成之前会停在 Todo,不会被派发。这条规则让顺序变成系统行为,我不用每天早上去看“该做哪一步了”。
一张卡上写什么
第一版卡我只写了标题和一句“按关键词选品”。结果 Agent 交回来的东西五花八门:有的只翻了第一页,有的把搜索结果卡片当成了最终候选,有的做到一半问我“要不要继续”。
后来我固定在卡里写四段:
输入:本批关键词、批次号、目标数量
边界:只读;不改价格、库存、订单
完成:拿到目标数量的合规候选,或翻完全部分页
停点:验证码、登录失效、页面被人工接管
“完成”和“停点”最容易被漏掉。完成条件我写成两句:拿到本批目标数量的合规候选,或者把所有分页翻完,先到先算完。停点写清哪些情况必须停下来留证据,比如验证码、登录失效、页面被人工接管。
边界这一条我卡得很严:只读采集,不上架、不改价、不动库存和订单。写操作的风险和平台规则,都不适合交给自动流程。
另外两条写在项目规格里:首屏判断只认可见证据,搜索卡片不当最终准入;资料复核停在人工确认页面,不同步到店铺。这些规则有编号,卡上只写这一次的范围。规格改了,所有卡跟着变;卡改了,只影响这一批。
我现在的做法是,验收口径一律写在卡上。聊天里补充的结论,当天回写。人说过的话,第二天就找不到了。

一周的任务怎么排出来
一开始我每天手动建卡,建了三天就烦了。后来改成周一早上八点跑一个 Cron,只做一件事:把本周的计划交给看板。
Cron 的提示里写得很死:不要在这个会话里跑采集,只负责建卡。Cron 会话有时间限制,长任务跑到一半会被切断;建出来的卡可以随时恢复,跑一半的会话很难接上。
遇到登录失效,卡会停下来。补完登录,卡从 Blocked 回到 Ready,接着往下跑,前面的批次不用重做。
建卡用幂等键,键值取本周周一的日期。同一个计划触发两次,不会建出两套卡。手动补跑和定时触发撞在一起,也没出过重复。
10 月 26 日 17:54 到 19:36,一次生成了五个工作日的任务链。每天的链固定三段:选品、人工确认、资料复核。第二天的卡要等第一天的确认卡完成,才会进 Ready。

谁来接卡
看板的 assignee 填 profile 名,不填人名。我现在有五个:dispatcher 负责拆卡、分派、跟踪依赖;ecommerce 读规格、做业务验收;browserdata 采集页面、整理证据;reviewer 独立审查;coder 改代码。
每个 profile 有一份 SOUL,重点写“不做什么”。调度不亲自执行,采集不碰写操作,审查不动代码。边界写进文件,比写在对话里可靠。
每个 profile 还可以单独指定模型。当时没在意这一项,后来发现它比 Skill 更影响结果。
拆开的原因很实际。同一个 Agent 既干活又给自己打分,很容易把“我做完了”当成“做对了”。代价是交接次数变多,所以评论要写清楚:做了什么、证据在哪、下一步谁接。

卡住的时候
看板的 Blocked 分四类,处理方式完全不同。
dependency 是等另一张卡,对方完成后自动回 Todo,不需要人。needs_input 要人给一句话。capability 是缺环境、缺权限,得人去补。transient 可能是临时故障,允许重试。
四天里 68 次卡级阻塞:needs_input 35 次、capability 13 次、initial_status 8 次、transient 5 次、dependency 2 次。35 次在等人,13 次在等环境,真正因为临时故障停下的只有 5 次。
dependency 那两次我没有管,对方卡完成后,第二天的任务自己进了 Ready。第一次看到这个动作,我盯着看板刷新了一下。
我犯过一次反向的错:把一个自己能恢复的页面状态标成 needs_input,卡等人等了一下午。后来这类问题交给 Agent 自己处理,处理不了才升级成 capability。
还有一条规则,可自行恢复的环境问题不算阻塞。刷新页面、重开标签、恢复工作空间,写在 SOUL 的授权范围内,Agent 自己处理。把这类问题标成阻塞,流程会停在本不该停的地方。

做完不等于做对
看板把复核单独留了一列。任务做完,执行者调用复核动作,卡进 Review。这个动作不算阻塞,也不会触发反复阻塞的告警,卡可以在 Review 里来回几轮。
Review 由 reviewer 接手。它只看交付和证据,不改实现。发现问题就在评论里写清位置、影响和复现线索,交回原执行者。
过几天回来查,评论就是下一次交接的上下文,当时为什么停、停在哪一步都写在里面。
完成动作要求三样东西:做了什么、证据在哪、这次新建了哪些卡。第三项系统会核对,清单里写了不存在的卡,完成动作会被拒绝。
有一次调度卡说分派了,实际没建,就是被这个校验拦下来的。
我自己也误判过一次。两张手工诊断截图看起来很像正式流程的结果,我一度以为 runner 已经稳定。回读运行记录时发现 run 还是 initialized,图像队列是空的,卡应该继续阻塞。截图能证明“这件事能做成”,证明不了“这条流程已经稳定”。
交接完成和业务完成要分开写。前者是“我把卡交出去了”,后者是“业务目标达成了”。混在一起,看板会显示一片绿色,实际什么都没成。

状态回到聊天
人不可能一直盯着看板。Discord 频道订阅了看板任务,一个脚本每两分钟跑一次,补订阅新任务,推送新增任务。脚本不调用模型,只是查询和转发。
通知我按三句话写:发生了什么,证据在哪,下一步谁做。比如“批次采集完成,截图在批次目录,等人工确认”,或者“卡在登录失效,没有可用证据,等人恢复会话”。
这样我不用盯看板,也知道卡在哪。

最坑的是模型
前面说的都是看板本身。真正让我卡了几天的,是模型。
同一套 Skill,在 Codex 里跑得通,搬进 Hermes 的任务里就找不到图搜入口。单独跑一次能过,放进任务队列就跑不过:悬停动作做了一半,入口没出现,任务停在那里等人。
阶段截图能看到主图已经悬停住了,搜索图标没出来,等待入口的那一步一直等到超时。单独跑同一个动作,图标每次都出现。
我先怀疑是选择器的问题。改了几轮悬停动作,加了 DOM 和截图校验,还是不稳定。那几天我反复看日志,觉得是页面结构变了,或者扩展加载时序不对。
后来把模型从 GPT Luna 换成 DeepSeek 4.1 Flash,同样一套卡、同样的入口,流程顺了。

换模型之后,卡上的验收条件没有改,失败的位置从“找不到入口”变成正常的业务判断。回头看,前面几轮选择器修改作用有限。
这件事让我改了一个判断。以前我觉得 Skill 写细一点,换个模型也能跑。现在我会把模型和 Skill 当成一个组合来测,不能只测 Skill。
另外几个问题更像看板本身的设计问题。
截图和坐标是一个。页面截图接口返回的是缩放后的视口,调试协议拿到的是完整视口,按前者的坐标去点后者会点空。后来统一按调试协议的视口算坐标,每轮保留截图。
诊断卡继承业务验收是一个。一张诊断卡挂在业务父卡下面,顺手继承了“15 个候选”的完成条件,交接时被看板判为不通过。诊断卡根本产不出候选。每张卡要写自己的完成条件。
范围指代不清是一个。一句“之前的批次”被理解成当天的任务,父卡和下游卡一起被关掉,后来才恢复。含糊的停止、取消、暂停指令,先确认范围,再动状态。
遇卡点先报阻塞也是。小问题也停下来等人,有模型行为的原因,也有设定的原因。把“可在授权内只读恢复的环境问题不算阻塞”写进 SOUL 之后,情况好了一些。
跑出来的数据
四天里,104 张卡、90 条依赖、394 次运行。其中 blocked 运行 265 次,done 运行 69 次,完成卡 77 张,评论 790 条。
blocked 是运行维度,包含重试和恢复,不能当失败率看。卡级阻塞是另一组数字:68 次。
这组数字说明不了选品质量。它只记录流程跑了多少、在哪里停,卖得好不好不在这张表里。
能说明的只有一件事:这套系统的吞吐由恢复能力决定。394 次运行里,一次跑完的只有两成左右,其余都在等待、重试、恢复。模型能力只占其中一项,验收口径、阻塞分类、环境恢复占的比例更大。
我现在看这组数据,先看阻塞分布,再看完成数。完成数受批次大小影响,阻塞分布能告诉我流程卡在哪一类问题上。
到 10 月 30 日,这条流程只完成过一次两件连续验收。它能跑,但还没有跑够。
现在的判断
如果重新搭一遍,我的顺序会是:先定列和卡,再补依赖,然后拆角色,接定时和通知,最后才写提示词和代码。
列和卡决定看板能表达什么,依赖决定顺序,角色决定谁来做,定时和通知决定人在哪里介入。这四样定完,提示词和代码反而成了最小的一部分。
还有一件事看板解决不了:选什么。卡能把采集、整理、复核串起来,选品判断还是我自己做。它省掉的是等待和重复动作,判断还得自己做。
想试的人,可以先写一句“什么算做完”。写不出来,先别自动化。验收写不清,Agent 越能干,返工越多。

