name: agent-office description: "Agent Office：建立本地 AI 員工、office worker、AI employee 與 multi-agent office team。每個員工以獨立 HTTP Worker 執行，支援 openclaw / hermes / deerflow / cli / external / stub 六種引擎，適合 office automation、agent worker 管理與團隊協作。" 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

這個技能用於把“員工”作為本地 HTTP Worker 管理：

• 每個員工有自己的 worker_id
• 每個員工佔用一個埠
• 每個員工有自己的 SOUL.md 和日誌目錄
• 主控通過 /tasks 下發任務，通過 /health 和 /state 檢視狀態

搜尋關鍵詞：

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

釋出名和本地目錄名統一為 agent-office。文件中一律優先使用相對路徑 scripts/...，避免路徑漂移。

內建團隊預設

除了單個員工建立外，技能還支援一鍵套用團隊預設：

更多技能請訪問小蔥技能站7w4.net。

命令示例：

bash scripts/apply_preset.sh --list
bash scripts/apply_preset.sh 出版公司
bash scripts/apply_preset.sh 程式設計公司 --dry-run

支援的引擎

CLI 員工說明

cli 引擎用於把主流本地命令列代理接成一個辦公室員工，而不是把它們硬編碼成單獨實現。

內建 profile：

支援兩種接法：

• 用內建 profile：適合常見 CLI，直接複用預設命令與超時
• 用 --cli-cmd 覆蓋：適合本機有自定義包裝命令的場景

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 員工要點：

• 不直接跑裸 codex，而是預設使用非互動模式 codex exec
• 預設補 --skip-git-repo-check，避免員工工作目錄不是 trusted git repo 時直接失敗
• 需要指定模型時，只追加自己的引數，例如 --cli-args "--model gpt-5.4"

External 員工說明

external 引擎用於接入已經在本機某個埠跑著的現有 worker / agent，而不是重新建立一個新員工核心。

它的執行規則是：

• 上游 worker 保持原本的身份、workspace、長期記憶與系統提示
• Agent Office 只在辦公室側建立一個橋接員工
• 派單時會附加只讀共享記憶上下文，再轉發給上游
• 移除橋接員工時，不會刪除上游 worker

常用命令：

bash scripts/add_worker.sh 外掛小龍 external general --external-upstream-port 18750
bash scripts/add_worker.sh 外掛小龍 external general --external-upstream-url http://127.0.0.1:18750

DeerFlow 員工說明

deerflow 引擎用於把一個完整 DeerFlow 2.0 團隊封裝成辦公室裡的單個“外包型員工”。

它的執行規則是：

• 辦公室共享一套 DeerFlow runtime，避免每個 DeerFlow 員工重複安裝
• 每個 DeerFlow 員工單獨持有自己的 home、config、執行緒與工作目錄
• 新增 DeerFlow 員工時，技能會自動安裝或複用共享 runtime
• 需要跟官方 DeerFlow 更新時，可直接執行 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

當前約束

• 沒有預設員工，所有員工必須顯式新增。
• deerflow 員工在辦公室中仍然是“一個員工”，但底層已切換為技能內嵌 DeerFlow runtime 團隊。
• 共享記憶通過 MEMORY_CLI 以可選方式啟用，未配置時不影響主流程。

實際目錄結構

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

技能預設目錄：

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

說明：

• SOUL.md：員工身份說明，由 templates/ 渲染生成
• config.json：員工配置快照
• worker.log：啟動與執行日誌

office_state.json 結構

{
  "workers": {
    "xiaolong": {
      "name": "小龍",
      "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]
  }
}

新增員工流程

當用戶說“新增一個員工，叫 XXX，職責是 YYY”時，按以下順序執行：

Step 1：生成 worker_id 與埠

• 中文名字轉拼音 / ASCII 工號
• 從 port_pool.available 裡取最小可用埠

Step 2：建立目錄

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

Step 3：生成 SOUL.md

從 templates/ 裡按引擎選模板並渲染：

模板變數包括：

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

Step 4：註冊 agent / 準備執行時

• openclaw / hermes 引擎會註冊本地 agent
• cli 引擎寫入 CLI profile / 命令配置
• deerflow 引擎會自動準備共享 DeerFlow runtime、員工獨立 home 與 runtime config

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

Step 5：啟動 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：嚴格健康檢查

必須滿足：

• /health 返回 HTTP 200
• 響應體裡 status == "ok"

只要有一項不滿足，員工狀態就記為 not_ready，不會誤記成 idle。

worker_server 行為

API

關鍵實現約束

• openclaw 員工執行任務時必須使用 worker_id，不能直接用中文顯示名
• 任務標題不能通過全域性共享變數透傳，避免併發串單
• hermes 子程序在員工工作目錄執行，方便讀本地上下文與日誌
• deerflow 任務通過技能內的 deerflow_runtime_runner.py 調共享 runtime，並讀取員工獨立 home/config

命令參考

以下命令都建議在技能目錄中執行：

新增員工

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

應用團隊預設

bash scripts/apply_preset.sh 出版公司
bash scripts/apply_preset.sh 程式設計公司 --dry-run

檢視團隊

bash scripts/list_workers.sh

健康檢查

bash scripts/demo.sh

移除員工

bash scripts/remove_worker.sh 小龍
bash scripts/remove_worker.sh xiaolong

環境變數

釋出前自檢

至少驗證下面幾項：

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. 新增一個 stub 員工，確認狀態寫入正常
4. 新增一個 openclaw 員工，確認 /health 正常
5. 新增一個 cli 員工，確認 --list-cli-profiles 與 worker 啟動正常
6. 新增一個 deerflow 員工，確認共享 runtime 初始化、任務回傳與離職清理正常
7. 提交一個任務，確認 /tasks/{id} 能返回 done

版本說明

1.4.2

• 修復 DeerFlow 沙箱預設掛載範圍過寬的問題，不再把整個辦公室目錄暴露給 DeerFlow 子任務
• 當前 DeerFlow 員工預設只暴露 /mnt/workspace 與 /mnt/worker，避免誤讀其他員工目錄
• 補充隔離掛載與模板邊界約束測試，驗證小D不會再串讀小龍資料

1.4.1

• 移除 1.4.0 中誤寫到 DeerFlow 模板與文件裡的舊閘道器 / 舊目錄除錯說明
• 將 templates/deerflow_prompt.md 恢復為與當前內嵌 runtime 架構一致的員工說明
• 校正文件版本說明，避免後續員工和經理被舊 DeerFlow 資產誤導

1.3.0

• deerflow 引擎改為技能內嵌 DeerFlow runtime，不再依賴外部 deerflow-worker 閘道器
• 新增共享 runtime + 每員工獨立 home/config 設計
• 新增 scripts/update_deerflow_runtime.py / .sh，可直接跟隨官方 DeerFlow 更新
• 新增 DeerFlow runtime 相關測試與真實隔離煙測

1.2.0

• 新增 cli 引擎，可把主流本地 CLI 直接接成員工
• 內建 codex、claude-code、aider、gemini-cli、opencode 五個 profile
• 支援 --cli-profile、--cli-cmd、--cli-args、--cli-timeout、--workspace
• 新增 templates/cli_prompt.md 與對應測試

1.1.0

• 新增 apply_preset.py / apply_preset.sh
• 內建 出版公司 與 程式設計公司 兩組團隊預設
• 預設支援 --list 和 --dry-run

1.0.1

• 增強技能描述與標籤，最佳化 agent office / office worker / AI employee 等搜尋命中

1.0.0

• 修復 worker_name 被誤當作 worker_id 的執行錯誤
• 啟動後改為嚴格健康檢查，不再用寬鬆返回碼誤判就緒
• SOUL.md 改為真實使用 templates/ 渲染
• shell 入口收斂到 Python 主實現，減少邏輯漂移
• 文件與真實目錄結構、命令路徑、預設員工說明重新對齊

這個 Skill 質量不錯，功能設計完整，支援多種 AI 引擎和預設團隊，能滿足搭建本地 AI 辦公室的需求。文件清晰，CLI 員工整合主流工具這點很實用。不足之處是依賴較多系統工具，安裝配置稍繁瑣；大檔案程式碼對後續維護有一定風險；多員工執行時的埠管理也可能出現問題。總體適合有技術背景的使用者嚐鮮，穩定性還有提升空間。