得物数仓以Hermes Agent管理埋点与指标需求

得物数据承接方在埋点和指标需求中最耗时的环节是把分散信息重新拼起来（动作是否采集、历史上有无类似点位、指标口径是否被下游使用、新增字段要改哪几层表、发布前由谁确认）。团队选择 Hermes Agent 而非 OpenClaw，理由是前者具备持续在线、持久记忆和技能沉淀能力，四项原生能力对准流程痛点：分层持久记忆（短期会话/中期交互/长期知识/技能库四层结构，本地 SQLite+FTS5 全文检索，避免「关掉窗口就失忆」）、技能自动沉淀（任务完成后把经验提炼成 Markdown 技能文档并持续优化，是文中「规则包」的框架级支撑）、多平台统一网关（原生接入飞书、钉钉、企业微信，智能体直接嵌进团队已有沟通现场，不另建工作台）、工具与扩展生态（终端执行、定时任务、浏览器自动化，企业内部系统经 MCP 命令封装接入）。 架构上不做一组互相独立的智能体，而采用「单 Agent 编排 + 多能力模块 + 看板确认点」：Hermes Agent 保持统一上下文负责调度阶段，能力模块承接稳定动作并固化工具调用、输入约束、输出产物与停顿条件（避免同一需求换个问法输出就漂、说不清读了哪些事实）。一次埋点需求被拆成四个可追踪工程构件：工作区（每个需求独立空间，集中存放需求文档、历史讨论、评审结论和交付产物）、看板（状态机流转：进入、设计、预演、评审、交付，每步有责任人）、规则+长期记忆（把「老同学才知道」的判断写成可执行检查清单）、结构化工具接口+预演+人工确认点（高风险动作走结构化接口，写入生产前先预演再等人放行）。 能力模块（素材采集、历史检索、变更预演、发布确认、经验沉淀）换事实源和工具接口后可迁移到指标发布、配置变更和数据质量排查。