1. 上下文不够是制约 AI Agent 使用的关键因素 Agent 完成工作的质量，既取决于模型能力，也受限于能触达的环境上下文。 对于开发、运维来说，更难的是环境可能还是分裂的，线上有完整日志、文档在知识库、代码在 Git 仓库。模型读不到这些信息，也就无法准确判断问题。所谓上

1. 业务绕开中台 目前，我在一个规模不小的 AI 中台团队做 Infra 相关的一些事情。在年初的一次部门会议之后，我就在思考，中台会不会消失。 当时 OpenClaw 很火，业务同学使用 OpenClaw 借助大模型已经可以完成很多事项，不用与其他团队合作，分工消失了。非 AI 的部门基于开源项目 Vibe Coding 出

1. 启动容器 设置镜像 1 export IMAGE=nousresearch/hermes-agent:v2026.6.5 设置目录权限 1 2 mkdir -p hermes-agent-home chmod -R 777 hermes-agent-home 设置环境变量 1 2 3 cat <<EOF > hermes-agent-home/.env GATEWAY_ALLOW_ALL_USERS=true EOF 启动 hermes-agent 1 2 3 4 5 6 7 8 9 10 nerdctl run -d \ --name hermes-agent \ --restart always \ --security-opt apparmor=unconfined \ --security-opt seccomp=unconfined \ --user hermes \ --network host \ -v $(pwd)/hermes-agent-home:/opt/data \ -v $(pwd)/openclaw-home/.openclaw:/opt/data/.openclaw \ $IMAGE gateway run 启动 hermes-agent dashboard 1 2 3 4 5 6 7 8 9 nerdctl run -d \ --name hermes-dashboard \ --restart always \ --security-opt apparmor=unconfined \ --security-opt seccomp=unconfined \ -p 9119:9119 \ -v $(pwd)/hermes-agent-home:/opt/data

1. 架构 1 2 3 4 5 6 7 ┌──────────────────────┐ A2A/JSON-RPC ┌──────────────────────┐ │ OpenClaw 服务器 A │ ◄──────────────────────────► │ OpenClaw 服务器 B │ │ │ (Tailscale / 内网) │ │ │ Agent: AGI │ │ Agent: Coco │ │ A2A

1. 生产案例 清理节点 重启节点 删除异常 Pod 巡检集群 2. 两步快速配置 第一步，配置 mcp 将这段配置丢给 OpenClaw，OpenClaw 会帮你配置好。 1 2 3 4 5 6 7 8 { "mcpServers": { "ops-mcp-server": { "baseUrl": "http://ops-mcp-server/mcp", "headers": { "Authorization": "Bearer xxx" } } } } 第二步，安装 skills 告诉 OpenClaw 安装一个 ops-mcp-server 的 skills。 1 clawhub install ops-mcp-server 这样