name: agent-office description: "Agent Office：创建本地 AI 员工、office worker、AI employee 与 multi-agent office team。每个员工以独立 HTTP Worker 运行，支持 openclaw / hermes / deerflow / cli / external / stub 六种引擎，适合 office automation、agent worker 管理与团队协作。" homepage: https://clawhub.com tags: [productivity, automation, multi-agent, office, worker, ai-employee] version: "1.5.1" requirements: cli: - openclaw - hermes system: - lsof - git - uv optional: - memory-cli ports: range: "5011-5020" purpose: "one per worker HTTP server" directories: read: - "~/.openclaw/agents/" - "~/.hermes/office/" write: - "~/.hermes/office/workers/" - "~/.hermes/office/state/" - "~/.hermes/office/deerflow-runtime/" daemon: background: true autostart: false

Agent Office

技能定位

这个技能用于把“员工”作为本地 HTTP Worker 管理：

• 每个员工有自己的 worker_id
• 每个员工占用一个端口
• 每个员工有自己的 SOUL.md 和日志目录
• 主控通过 /tasks 下发任务，通过 /health 和 /state 查看状态

搜索关键词：

• agent-office
• agent office
• office worker
• AI employee
• agent worker
• multi-agent office

发布名和本地目录名统一为 agent-office。文档中一律优先使用相对路径 scripts/...，避免路径漂移。

内置团队预设

除了单个员工创建外，技能还支持一键套用团队预设：

命令示例：

bash scripts/apply_preset.sh --list
bash scripts/apply_preset.sh 出版公司
bash scripts/apply_preset.sh 编程公司 --dry-run

支持的引擎

CLI 员工说明

cli 引擎用于把主流本地命令行代理接成一个办公室员工，而不是把它们硬编码成单独实现。

内置 profile：

支持两种接法：

• 用内置 profile：适合常见 CLI，直接复用预设命令与超时
• 用 --cli-cmd 覆盖：适合本机有自定义包装命令的场景

常用命令：

python3 scripts/add_worker.py --list-cli-profiles
bash scripts/add_worker.sh 小扣 cli code --cli-profile codex
bash scripts/add_worker.sh 小克 cli code --cli-profile claude-code --workspace ~/projects/demo
bash scripts/add_worker.sh 小助 cli general --cli-cmd "codex exec --skip-git-repo-check" --cli-args "--model gpt-5.4"

Codex 员工要点：

• 不直接跑裸 codex，而是默认使用非交互模式 codex exec
• 默认补 --skip-git-repo-check，避免员工工作目录不是 trusted git repo 时直接失败
• 需要指定模型时，只追加自己的参数，例如 --cli-args "--model gpt-5.4"

External 员工说明

external 引擎用于接入已经在本机某个端口跑着的现有 worker / agent，而不是重新创建一个新员工内核。

它的运行规则是：

• 上游 worker 保持原本的身份、workspace、长期记忆与系统提示
• Agent Office 只在办公室侧创建一个桥接员工
• 派单时会附加只读共享记忆上下文，再转发给上游
• 移除桥接员工时，不会删除上游 worker

常用命令：

bash scripts/add_worker.sh 外挂小龙 external general --external-upstream-port 18750
bash scripts/add_worker.sh 外挂小龙 external general --external-upstream-url http://127.0.0.1:18750

DeerFlow 员工说明

deerflow 引擎用于把一个完整 DeerFlow 2.0 团队封装成办公室里的单个“外包型员工”。

它的运行规则是：

• 办公室共享一套 DeerFlow runtime，避免每个 DeerFlow 员工重复安装
• 每个 DeerFlow 员工单独持有自己的 home、config、线程与工作目录
• 新增 DeerFlow 员工时，技能会自动安装或复用共享 runtime
• 需要跟官方 DeerFlow 更新时，可直接执行 bash scripts/update_deerflow_runtime.sh

常用命令：

bash scripts/add_worker.sh 小D deerflow complex
bash scripts/add_worker.sh 小D deerflow complex --deerflow-update-runtime
bash scripts/update_deerflow_runtime.sh

当前约束

• 没有默认员工，所有员工必须显式添加。
• deerflow 员工在办公室中仍然是“一个员工”，但底层已切换为技能内嵌 DeerFlow runtime 团队。
• 共享记忆通过 MEMORY_CLI 以可选方式启用，未配置时不影响主流程。

实际目录结构

~/.hermes/office/
├── deerflow-runtime/
│   ├── deer-flow/
│   └── homes/
│       └── {worker_id}/
├── state/
│   └── office_state.json
└── workers/
    └── {worker_id}/
        ├── SOUL.md
        ├── config.json
        └── logs/
            └── worker.log

技能预设目录：

~/.hermes/skills/agent-office/presets/
├── publishing-company.json
└── coding-company.json

说明：

• SOUL.md：员工身份说明，由 templates/ 渲染生成
• config.json：员工配置快照
• worker.log：启动与运行日志

office_state.json 结构

{
  "workers": {
    "xiaolong": {
      "name": "小龙",
      "port": 5011,
      "role": "research",
      "engine": "openclaw",
      "workspace_dir": "~/.hermes/office/workers/xiaolong",
      "status": "idle",
      "config_path": "~/.hermes/office/workers/xiaolong/config.json",
      "soul_path": "~/.hermes/office/workers/xiaolong/SOUL.md",
      "added_at": "2026-04-13T00:00:00",
      "last_active": null
    }
  },
  "port_pool": {
    "used": [5011],
    "available": [5012, 5013, 5014, 5015, 5016, 5017, 5018, 5019, 5020]
  }
}

添加员工流程

当用户说“添加一个员工，叫 XXX，职责是 YYY”时，按以下顺序执行：

7w4.net小葱技能。

Step 1：生成 worker_id 与端口

• 中文名字转拼音 / ASCII 工号
• 从 port_pool.available 里取最小可用端口

Step 2：创建目录

mkdir -p ~/.hermes/office/workers/{worker_id}/logs

Step 3：生成 SOUL.md

从 templates/ 里按引擎选模板并渲染：

模板变量包括：

• {{NAME}}
• {{ROLE}}
• {{WORKER_ID}}
• {{PORT}}
• {{ROLE_DESCRIPTION}}
• {{TIMEOUT}}

Step 4：注册 agent / 准备运行时

• openclaw / hermes 引擎会注册本地 agent
• cli 引擎写入 CLI profile / 命令配置
• deerflow 引擎会自动准备共享 DeerFlow runtime、员工独立 home 与 runtime config

openclaw agents add {worker_id} --workspace ~/.hermes/office/workers/{worker_id}

Step 5：启动 worker_server.py

python3 worker_server.py \
  --port {port} \
  --worker-id {worker_id} \
  --name {name} \
  --role {role} \
  --engine {engine} \
  --workspace-dir {workspace_dir}

Step 6：严格健康检查

必须满足：

• /health 返回 HTTP 200
• 响应体里 status == "ok"

只要有一项不满足，员工状态就记为 not_ready，不会误记成 idle。

worker_server 行为

API

关键实现约束

• openclaw 员工执行任务时必须使用 worker_id，不能直接用中文显示名
• 任务标题不能通过全局共享变量透传，避免并发串单
• hermes 子进程在员工工作目录执行，方便读本地上下文与日志
• deerflow 任务通过技能内的 deerflow_runtime_runner.py 调共享 runtime，并读取员工独立 home/config

命令参考

以下命令都建议在技能目录中执行：

添加员工

bash scripts/add_worker.sh 小龙 openclaw research
bash scripts/add_worker.sh 小扣 cli code --cli-profile codex

应用团队预设

bash scripts/apply_preset.sh 出版公司
bash scripts/apply_preset.sh 编程公司 --dry-run

查看团队

bash scripts/list_workers.sh

健康检查

bash scripts/demo.sh

移除员工

bash scripts/remove_worker.sh 小龙
bash scripts/remove_worker.sh xiaolong

环境变量

发布前自检

至少验证下面几项：

1. python3 -m py_compile worker_server.py scripts/add_worker.py scripts/remove_worker.py scripts/apply_preset.py scripts/run_flow.py
2. bash -n scripts/add_worker.sh scripts/list_workers.sh scripts/demo.sh scripts/remove_worker.sh scripts/apply_preset.sh scripts/run_flow.sh
3. 添加一个 stub 员工，确认状态写入正常
4. 添加一个 openclaw 员工，确认 /health 正常
5. 添加一个 cli 员工，确认 --list-cli-profiles 与 worker 启动正常
6. 添加一个 deerflow 员工，确认共享 runtime 初始化、任务回传与离职清理正常
7. 提交一个任务，确认 /tasks/{id} 能返回 done

版本说明

1.4.2

• 修复 DeerFlow 沙箱默认挂载范围过宽的问题，不再把整个办公室目录暴露给 DeerFlow 子任务
• 当前 DeerFlow 员工默认只暴露 /mnt/workspace 与 /mnt/worker，避免误读其他员工目录
• 补充隔离挂载与模板边界约束测试，验证小D不会再串读小龙资料

1.4.1

• 移除 1.4.0 中误写到 DeerFlow 模板与文档里的旧网关 / 旧目录调试说明
• 将 templates/deerflow_prompt.md 恢复为与当前内嵌 runtime 架构一致的员工说明
• 校正文档版本说明，避免后续员工和经理被旧 DeerFlow 资产误导

1.3.0

• deerflow 引擎改为技能内嵌 DeerFlow runtime，不再依赖外部 deerflow-worker 网关
• 新增共享 runtime + 每员工独立 home/config 设计
• 新增 scripts/update_deerflow_runtime.py / .sh，可直接跟随官方 DeerFlow 更新
• 新增 DeerFlow runtime 相关测试与真实隔离烟测

1.2.0

• 新增 cli 引擎，可把主流本地 CLI 直接接成员工
• 内置 codex、claude-code、aider、gemini-cli、opencode 五个 profile
• 支持 --cli-profile、--cli-cmd、--cli-args、--cli-timeout、--workspace
• 新增 templates/cli_prompt.md 与对应测试

1.1.0

• 新增 apply_preset.py / apply_preset.sh
• 内置 出版公司 与 编程公司 两组团队预设
• 预设支持 --list 和 --dry-run

1.0.1

• 增强技能描述与标签，优化 agent office / office worker / AI employee 等搜索命中

1.0.0

• 修复 worker_name 被误当作 worker_id 的执行错误
• 启动后改为严格健康检查，不再用宽松返回码误判就绪
• SOUL.md 改为真实使用 templates/ 渲染
• shell 入口收敛到 Python 主实现，减少逻辑漂移
• 文档与真实目录结构、命令路径、默认员工说明重新对齐

这个 Skill 质量不错，功能设计完整，支持多种 AI 引擎和预设团队，能满足搭建本地 AI 办公室的需求。文档清晰，CLI 员工集成主流工具这点很实用。不足之处是依赖较多系统工具，安装配置稍繁琐；大文件代码对后续维护有一定风险；多员工运行时的端口管理也可能出现问题。总体适合有技术背景的用户尝鲜，稳定性还有提升空间。