启用planner-executor-memory三层架构是hermes agent执行复杂任务的根基，需确认版本≥v0.13.0、配置reasoning_mode为react并启用memory、使用结构化指令、监控任务图生成与执行流转，并支持人工介入阻塞任务。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让Hermes Agent先完整拆解复杂任务逻辑、再按步骤精准执行，避免边想边做导致的上下文丢失、工具误调或状态中断。
启用Planner-Executor-Memory三层架构
这一步是整个工作流的根基。Planner负责生成带依赖关系与约束条件的任务图，Executor按图调度工具并处理失败重试，Memory则把每步输出固化为后续步骤可引用的上下文。三者缺一不可，否则会退化为单次响应模式。
确认当前模型支持ReAct范式：运行 【hermes --version】 检查版本≥v0.13.0；若低于该版本，必须升级，旧版不支持Task Graph持久化。
编辑 ~/.hermes/hermes.config.json，在 defaults 字段中添加："reasoning_mode": "react", "enable_memory": true。缺少 enable_memory 会导致跨步骤参数无法传递，例如提取出的订单ID在第二步物流查询时丢失。
重启Agent服务使配置生效：hermes server restart。
构造结构化任务指令
自然语言指令越模糊，Planner拆解越容易失焦。必须用明确动词+宾语+约束条件的句式，强制Planner输出可执行节点。
方法一：直接CLI输入
hermes run --input "从sales_q2.csv中筛选销售额＞50万的城市，调用chart_gen工具生成柱状图，最后用email_tool发送PDF报告给finance@company.com，禁止修改原始CSV文件"
方法二：Python脚本调用（适合集成进CI/CD）
在脚本中构建dict对象：{“task”: “…”, “constraints”: [“no_file_write”, “pdf_output_required”]}，再传入agent.run()。约束条件必须显式声明，否则Executor默认允许写入操作。
【注意：指令中必须出现至少一个具体文件名或URL，否则Planner无法锚定数据源，会跳过数据提取步骤直接报错】
监控任务图生成与执行流转
第一步：观察Planner输出是否含Task Graph结构
成功时日志首行显示类似 Task Graph built: [fetch_data → clean → aggregate → visualize → send] 的拓扑序列。若只看到Thought/Action交替而无Graph字样，说明reasoning_mode未生效。
第二步：验证Executor是否按图推进
每完成一个节点，日志标记 [EXEC] Node 'clean' completed → next: aggregate。若某节点卡住超过90秒，检查该节点绑定的tool是否已安装——比如aggregate节点依赖pandas，但未执行 hermes skills install data-aggregate。
第三步：确认Memory注入效果
在visualize节点日志中查找 Injected context: {'cities': ['Shanghai', 'Beijing', ...], 'total_count': 7}。若此处为空，说明前序节点未正确return结构化字典，需检查clean节点Python函数是否遗漏return语句。
第四步：人工介入阻塞任务
当某个节点持续报错（如email_tool认证失败），执行 hermes kanban list --status blocked 获取task_id，再运行 hermes kanban resume --task_id 12345 --fix "update smtp_password in config.yaml"。此命令会跳过原失败节点，从下个就绪节点继续执行。
