2026年7月21日，群智泽强完成了一次多机器人工作流迁移：客户原先运行在 OpenClaw 上的一组 AI 机器人，被重新整理并迁移到 Hermes。项目记录覆盖 12 个机器人工作单元，它们分别服务于个人效率、量化研究和内容生产等场景。
推动客户作出迁移决定的，是日常使用中逐渐累积的三个问题：消息偶尔发出后没有回复，一些长任务或定时任务会在执行中途停止，而已经安装的 Skill 也需要人工检查、更新和维护。单个问题都可以通过排查或重试解决，但当机器人增加到多个岗位后，维护成本会迅速放大。
客户希望寻找的，不只是另一个聊天入口，而是一套更容易持续维护的运行方式：机器人之间彼此独立，任务中断后更容易定位，已经验证有效的工作方法还能被继续整理和更新。基于这些实际需求，群智泽强结合客户原有工作流，启动了从 OpenClaw 到 Hermes 的迁移。
为什么要迁移：三个问题反复消耗维护时间
客户此前已经把 AI 用进日常工作：有的机器人负责提醒和待办，有的负责量化研究，有的参与选题、写作和发布。真正促成迁移的，并不是某一个功能缺失，而是多个运行问题在日常使用中反复出现。
第一，消息偶尔没有回复
在原有部署中，客户遇到过消息已经发送、机器人却没有及时回应的情况。问题可能来自消息连接、触发规则、权限设置或运行服务，需要逐段检查才能找到原因。OpenClaw 官方也为消息不流转、连接状态和无回复等情况提供了专门的排查流程。对单个机器人来说，这类问题尚可人工处理；当多个机器人同时服务不同业务时，排查本身就会成为额外工作。
第二，任务有时会在执行过程中中断
一些需要较长时间完成的研究、整理或定时任务，可能因为超时、连接变化或运行状态异常而停止。OpenClaw 的任务机制也区分失败、超时、取消和运行状态丢失等情况。客户的实际感受是，任务中断后往往需要重新确认进度、补充上下文或人工再次启动，连续性不够理想。
第三，Skill 需要人工更新和维护
OpenClaw 可以加载本地 Skill，并在文件变化后重新读取；但社区 Skill 的版本更新通常需要用户通过 ClawHub 命令主动执行。对于经常变化的内容生产、研究和运营流程，客户还需要自己判断哪些方法已经过时、哪些步骤值得保留，再手工更新相关能力。随着机器人数量增加，这部分维护工作也越来越重。
相比之下，Hermes 支持机器人在完成复杂任务、解决问题或收到纠正后，把经过验证的方法整理成新的 Skill，或更新已有 Skill，供后续任务继续使用。它并不意味着所有能力都会自动升级，但更适合客户希望“边使用、边沉淀、边维护”的工作方式。
这三个问题共同决定了本次项目的重点：不是把 12 个机器人机械复制一遍，而是借迁移机会重新整理它们的岗位、任务连续性和能力维护方式。
把 12 个机器人重新安排进各自的“工位”
在 Hermes 中，每个机器人都拥有相对独立的工作空间。可以把它理解为给不同岗位安排不同的工位：个人助理保留待办和提醒，研究机器人专注实验与复核，内容机器人围绕选题、素材和发布协作。需要共享的资料再有选择地传递，而不是所有信息默认混在一起。
群智泽强先从客户现有使用方式出发，逐一确认机器人原来负责的任务、依赖的资料、消息入口和运行节奏。能够继续使用的内容被保留，已经失效或无法核验的历史状态则不被强行带入新环境。
迁移过程采用分批进行：先搭好新的工作空间，再恢复常用能力和消息连接，随后用代表性任务进行测试。这样即使某个机器人出现连接或状态问题，也可以单独检查，不必让整套工作流一起停下来。
迁移后的机器人在 Hermes 管理台中按独立工作空间呈现，内部名称和路径已做马赛克处理。
个人效率：从“记住事情”到“持续跟进事情”
个人效率类机器人看起来最简单，却最依赖连续的任务状态。一个提醒如果只在聊天里出现一次，很容易随着对话增加而被淹没；真正有用的个人助理，需要知道事情是否完成、何时再次提醒，以及下一步应该回到哪里。
迁移后，待办、提醒和任务状态被放在独立的工作空间中。长期偏好与临时进度也被区分开来：稳定的工作习惯可以继续保留，一次性的任务过程则不会无限积累成长期记忆。固定周期的提醒由系统按计划触发，需要用户作决定的事项仍然只提醒，不代替用户做选择。
这种变化没有一个夸张的“效率提升百分比”，但它解决了一个更基础的问题：任务不再依赖某一段聊天记录才能继续，个人助理也更容易在中断后恢复工作。
量化研究：一个负责跑，一个负责挑错
在量化研究场景里，客户原有工作流中既有执行任务，也有结果审核。迁移时，群智泽强把这两类工作进一步分开：执行机器人负责因子生成、仿真和基础检查，审核机器人负责阅读结果、寻找失败原因，并提出下一轮研究建议。
这样做的意义，不是让两个机器人重复劳动，而是避免同一个机器人既完成实验，又独自解释自己的结果。执行和复核分开后，研究过程更容易追溯，失败记录也更容易被保留下来。人工研究者仍然负责确认数据范围、策略假设和是否进入下一轮。
这里的“审核”是对研究流程和结果记录的复核，不代表因子一定有效，更不等于策略可以实盘或保证未来收益。量化研究仍然需要专业人员判断，本项目也没有把机器人输出当作投资建议。
内容生产：从单兵写作变成一条协作链
内容生产类机器人原本覆盖选题、检索、素材、成稿、视觉和发布等环节。过去如果由一个机器人从头做到尾，速度可能很快，但事实核验、素材来源和发布确认容易被压缩在同一轮对话里。
迁移后，内容工作被重新整理成一条更清晰的协作链：先寻找选题和公开资料，再整理素材与出处，随后完成正文和视觉内容，最后根据官网、公众号或小程序的显示要求做适配。每个环节都有明确输入和输出，前一步留下的资料也能被下一步继续使用。
AI 可以帮助完成检索、整理和起草，但涉及客户信息、事实数据、封面图片和对外发布时，仍然由人工审核。流程跑通说明内容团队有了更稳定的协作方式，并不意味着阅读量、线索或成交一定增长。
迁移过程中，稳定运行比“一键搬家”更重要
多机器人系统与普通文档迁移不同。除了文件和配置，它还依赖消息平台连接、运行服务和服务器资源。迁移期间，团队也遇到过连接中断、旧进程冲突和消息回复超时等实际问题。
群智泽强采用逐项检查和分批恢复的方式处理这些问题：先确认机器人本身的工作空间，再检查消息入口和连接状态；如果某个连接异常，就单独恢复对应服务，而不是反复重启全部机器人。
这种做法让问题更容易定位，也让迁移后的维护方式变得清晰。管理台能够分别看到不同机器人的运行情况，后续出现异常时，可以先找到对应工作单元，再决定是否重连、重启或人工接管。
迁移后的多个消息连接在管理台中分别运行，内部名称已做马赛克处理。
一次迁移带来的，不只是新的运行框架
迁移完成后，客户的多机器人工作流在 Hermes 中形成了更清楚的分工：个人效率类机器人持续维护提醒与任务状态，量化研究类机器人形成执行与复核的双角色，内容生产类机器人则按选题、素材、成稿、视觉和发布协作。
更重要的是，机器人之间的边界比以前更清晰。哪个机器人负责什么、使用哪些资料、从哪里接收消息、出了问题该检查哪一环，都有了更明确的对应关系。这为后续增加新机器人、替换模型或调整消息入口留下了空间。
这 12 个机器人按照实际任务分批运行，并不要求在每一个时刻同时在线。对客户而言，现阶段最直接的变化，是多机器人工作流从“能够使用”走向“更容易管理、恢复和继续扩展”。
关键环节，仍然由人作决定
这次迁移没有追求所有工作全自动完成。涉及投资判断、对外发布、账号操作和客户隐私的环节，人工审核仍然被保留。机器人可以提出建议、整理资料或执行已经确认的任务，但不能替代客户做高风险决定。
案例中使用的管理台图片已经对内部机器人名称、服务名称、本机路径和账号信息进行马赛克处理，也没有展示密码、验证码、Cookie、Token、API 密钥或聊天内容。客户身份目前采用匿名方式呈现。
从一次“搬家”，开始下一阶段的长期观察
从 OpenClaw 迁移到 Hermes，让客户有机会重新审视过去逐步积累起来的机器人工作流。迁移的价值，不只是换了一套运行框架，而是把原本分散的任务、记忆和协作关系重新整理，让每个机器人更像一个职责清楚的工作角色。
接下来，群智泽强将继续围绕运行次数、失败记录、回复时效、人工审核量和故障恢复时间进行观察，在形成更长周期的记录后，再进一步评估效率和稳定性变化。
对于已经拥有多个 AI 机器人、却逐渐感到维护困难的个人和团队，这次项目提供了一个更现实的参考：迁移不必追求“一键复制”和“一次完成”，先把职责理清、把关键能力带走、把人工决定保留下来，往往比让所有机器人同时亮起更重要。
