【Agent工坊】用Hermes Agent搭建自动化数据分析工作流：从零到产出一份日报

hermes --version

第二，有一个用于存放数据和日报的目录。建议放在项目根目录下：

mkdir -p /opt/hermes-home/projects/ai-neican/{data,reports}

第三，基本的命令行操作能力。本文涉及的Shell命令都会逐行解释。

第四，如果要监控私有仓库或提升API限额，准备一个GitHub Personal Access Token。获取方式：GitHub Settings → Developer settings → Personal access tokens → Generate new token，勾选public_repo权限即可。

第一步：创建数据采集Skill

在Hermes Agent中，Skill是封装好的可复用能力模块。它定义了「触发条件」和「执行逻辑」，Agent看到匹配的触发词就会自动按Skill的指令行动。

我们先创建一个专门采集GitHub数据的Skill。创建文件路径为项目skill目录下的github-monitor.md：

name: github-monitor

description: 监控指定GitHub仓库的关键指标

triggers:

• 采集GitHub数据

• 监控仓库指标

• 生成GitHub日报

监控仓库列表

• NousResearch/hermes-agent

• openclaw/openclaw

• anthropics/claude-code

数据采集命令模板

基本仓库信息采集：

curl -s "https://api.github.com/repos/{owner}/{repo}" | python3 -c "

import json,sys

d=json.load(sys.stdin)

print(f'Stars: {d[\"stargazers_count\"]}')

print(f'Open Issues: {d[\"open_issues_count\"]}')

print(f'Forks: {d[\"forks_count\"]}')

print(f'Description: {d.get(\"description\",\"N/A\")}')

"

最新Release信息采集：

curl -s "https://api.github.com/repos/{owner}/{repo}/releases?per_page=1" | python3 -c "

import json,sys

d=json.load(sys.stdin)

if d:

r=d[0]

print(f'Tag: {r[\"tag_name\"]}')

print(f'Published: {r[\"published_at\"][:10]}')

print(f'Body preview: {r[\"body\"][:200] if r.get(\"body\") else \"无\"}')

else:

print('暂无Release')

"

输出规范

保存这个Skill文件后，当你在对话中对Hermes Agent说「采集GitHub数据」，它就会自动按照上述逻辑执行完整的数据采集流程。Skill文件支持热加载，修改后立刻生效，不需要重启Agent。

第二步：创建数据分析Skill

原始数据本身没有太大价值，需要有对比分析才能看出趋势。创建第二个Skill文件data-analyzer.md：

name: data-analyzer

description: 对比两次数据采集结果，生成变化分析报告

triggers:

• 分析GitHub数据

• 生成竞品日报

• 当前数据文件位于data目录，文件名包含当天日期

• 历史数据文件位于同一目录，取最近一次非当天的文件

• 文件格式为JSON，至少包含stars、issues、forks字段

分析维度

•Star增长量及增长率（重要指标，反映社区关注度变化）

•Issue变化趋势（增加说明新功能活跃，减少说明社区响应及时）

•Fork增长率（反映开发者参与度）

•新Release频率和内容摘要

•横向对比（哪个仓库增长最快）

报告输出格式

输出Markdown格式的日报，包含表格和关键发现两部分：

📊 GitHub 竞品日报 — {日期}

核心指标

关键发现

• claude-code 日增312星，社区活跃度最高，较前日增长23%

• hermes-agent 发布新版v2026.5.10，新增delegate_task功能

• openclaw Issue数下降5个，社区响应速度提升

异常检测规则

• 单日Star增长超过平均值3倍 → 标注为🔥突发增长，可能原因：登上HN首页、大V推荐

• 单日Star增长低于0 → 标注为⚠️异常下降，需排查是否数据采集出错

• 连续3天无新Release → 标注项目活跃度下降

这个Skill不仅生成报告，还内置了异常检测逻辑——当某个指标出现显著偏离时自动标注，让你第一时间注意到重要变化。

第三步：用terminal工具执行首次采集

现在直接在Hermes Agent中执行采集。你可以通过对话触发，也可以手动在终端运行：

cd /opt/hermes-home/projects/ai-neican

curl -s "https://api.github.com/repos/NousResearch/hermes-agent" | \

python3 -c "

import json,sys,os

from datetime import date

d=json.load(sys.stdin)

record={

'date': str(date.today()),

'repo': 'hermes-agent',

'stars': d['stargazers_count'],

'issues': d['open_issues_count'],

'forks': d['forks_count'],

'description': d.get('description','')

}

print(json.dumps(record,indent=2,ensure_ascii=False))

" | tee data/hermes-agent_$(date +%Y%m%d).json

输出示例：

{

"date": "2026-05-15",

"repo": "hermes-agent",

"stars": 12340,

"issues": 23,

"forks": 890,

"description": "Autonomous AI agent for development workflows"

}

这里有一个关键技巧：用tee命令同时把结果保存到文件和打印到终端。这样你既能实时看到采集结果，又不会丢失数据。

依次修改仓库名采集其他目标：

curl -s "https://api.github.com/repos/openclaw/openclaw" | \

python3 -c "import json,sys;from datetime import date;d=json.load(sys.stdin);print(json.dumps({'date':str(date.today()),'repo':'openclaw','stars':d['stargazers_count'],'issues':d['open_issues_count'],'forks':d['forks_count']},indent=2))" | \

tee data/openclaw_$(date +%Y%m%d).json

curl -s "https://api.github.com/repos/anthropics/claude-code" | \

python3 -c "import json,sys;from datetime import date;d=json.load(sys.stdin);print(json.dumps({'date':str(date.today()),'repo':'claude-code','stars':d['stargazers_count'],'issues':d['open_issues_count'],'forks':d['forks_count']},indent=2))" | \

tee data/claude-code_$(date +%Y%m%d).json

第四步：编写可复用的对比分析脚本

单次采集不够，我们需要一个可以每天运行的脚本。创建scripts/compare_stats.py：

#!/usr/bin/env python3

"""

compare_stats.py — 对比GitHub仓库数据并生成日报

用法: python3 compare_stats.py [--output reports/]

"""

import json, sys, os, argparse

from datetime import date, timedelta

DATA_DIR = "/opt/hermes-home/projects/ai-neican/data"

REPORT_DIR = "/opt/hermes-home/projects/ai-neican/reports"

REPOS = [

("hermes-agent", "hermes-agent"),

("openclaw", "openclaw"),

("claude-code", "claude-code"),

]

def load_history(repo_prefix, max_days=7):

"""加载指定仓库最近max_days天的历史数据"""

files = sorted(

[f for f in os.listdir(DATA_DIR) if f.startswith(repo_prefix)],

reverse=True

)

records = []

for f in files[:max_days]:

filepath = os.path.join(DATA_DIR, f)

try:

with open(filepath) as fp:

records.append(json.load(fp))

except (json.JSONDecodeError, FileNotFoundError):

continue

return records

def calc_diff(today, yesterday):

"""计算两个记录的差异"""

return {

"star_diff": today["stars"] - yesterday["stars"],

"issue_diff": today["issues"] - yesterday["issues"],

"fork_diff": today.get("forks", 0) - yesterday.get("forks", 0),

}

def generate_report():

"""生成完整日报"""

today_str = str(date.today())

lines = []

lines.append(f"📊 GitHub 竞品日报 — {today_str}")

lines.append("")

lines.append("## 核心指标")

lines.append("")

lines.append("| 仓库 | Stars | 日增 | Issues | 变化 | 状态 |")

lines.append("|------|-------|------|--------|------|------|")

alerts = []

for prefix, name in REPOS:

records = load_history(prefix)

if not records:

lines.append(f"| {name} | 无数据 | - | - | - | ⚠️ |")

alerts.append(f"⚠️ {name}: 无历史数据")

continue

today = records[0]

if len(records) >= 2:

diff = calc_diff(today, records[1])

star_str = f"+{diff['star_diff']}" if diff['star_diff'] >= 0 else str(diff['star_diff'])

issue_str = f"{diff['issue_diff']:+d}"

# 异常检测

status = "✅"

if diff['star_diff'] > 200:

status = "🔥"

alerts.append(f"🔥 {name}: 日增{star_str}星，远超平均，建议排查是否登上HN首页")

elif diff['star_diff'] < 0:

status = "⚠️"

alerts.append(f"⚠️ {name}: Star数下降{star_str}，检查数据采集是否正常")

lines.append(

f"| {name} | {today['stars']:,} | {star_str} | "

f"{today['issues']} | {issue_str} | {status} |"

)

else:

lines.append(

f"| {name} | {today['stars']:,} | 首次 | "

f"{today['issues']} | - | 🆕 |"

)

if alerts:

lines.append("")

lines.append("## ⚠️ 异常告警")

lines.append("")

for alert in alerts:

lines.append(f"- {alert}")

lines.append("")

lines.append("---")

lines.append(f"*自动生成于 {today_str}，数据来源：GitHub REST API*")

return "\n".join(lines)

if __name__ == "__main__":

parser = argparse.ArgumentParser()

parser.add_argument("--output", default=REPORT_DIR)

args = parser.parse_args()

report = generate_report()

print(report)

# 保存到文件

os.makedirs(args.output, exist_ok=True)

report_path = os.path.join(args.output, f"daily_{date.today()}.md")

with open(report_path, "w") as f:

f.write(report)

print(f"\n📁 报告已保存: {report_path}")

运行效果：

python3 scripts/compare_stats.py

输出示例：

📊 GitHub 竞品日报 — 2026-05-15

核心指标

⚠️ 异常告警

• 🔥 claude-code: 日增+312星，远超平均，建议排查是否登上HN首页

📁 报告已保存: reports/daily_2026-05-15.md

第五步：用Hermes Agent的Cron实现全自动

完成以上步骤后，最后一步是配置定时任务。有两种方式可以选择。

方式一：系统Crontab（推荐，更稳定）

crontab -e

0 9 * * * cd /opt/hermes-home/projects/ai-neican && \

bash scripts/collect_all.sh && \

python3 scripts/compare_stats.py >> logs/cron_$(date +\%Y\%m\%d).log 2>&1

对应的采集脚本scripts/collect_all.sh：

#!/bin/bash

set -e

DATA_DIR="/opt/hermes-home/projects/ai-neican/data"

TODAY=$(date +%Y%m%d)

collect_repo() {

local owner=$1

local repo=$2

curl -s "https://api.github.com/repos/${owner}/${repo}" | \

python3 -c "

import json,sys

from datetime import date

d=json.load(sys.stdin)

if 'stargazers_count' not in d:

print(f'ERROR: {d.get(\"message\",\"unknown\")}', file=sys.stderr)

sys.exit(1)

record={

'date': str(date.today()),

'repo': '${repo}',

'stars': d['stargazers_count'],

'issues': d['open_issues_count'],

'forks': d['forks_count']

}

print(json.dumps(record))

" > "${DATA_DIR}/${repo}_${TODAY}.json"

echo "✅ ${owner}/${repo} 采集完成"

}

collect_repo "NousResearch" "hermes-agent"

collect_repo "openclaw" "openclaw"

collect_repo "anthropics" "claude-code"

echo "📊 全部采集完成"

方式二：Hermes Agent内置定时任务

如果你的Hermes Agent支持Cron配置，可以直接在配置文件中设置：

cron:

• schedule: "0 9 * * *"

两种方式各有利弊。系统Crontab更稳定但需要手动管理日志。Hermes内置Cron更集成但依赖Agent进程持续运行。建议先用系统Crontab跑通，再迁移到Hermes内置调度。

避坑指南（实战验证的踩坑记录）

坑1：GitHub API未认证限流

GitHub对未认证请求限制为每小时60次，对认证请求提升到5000次。如果你的监控仓库超过5个或者设置了较高的采集频率，大概率会撞墙。返回的错误信息如下：

{"message": "API rate limit exceeded", "documentation_url": "..."}

解决方案：在所有curl请求中加上认证头。

export GITHUB_TOKEN="ghp_xxxxxxxxxxxx"

curl -s -H "Authorization: Bearer $GITHUB_TOKEN" \

-H "Accept: application/vnd.github+json" \

"https://api.github.com/repos/NousResearch/hermes-agent"

坑2：数据文件名日期格式不一致

解决方案：统一使用ISO 8601日期格式，并在所有采集脚本中强制执行：

from datetime import date

filename = f"{repo}_{date.today().isoformat()}.json"

坑3：API返回非200时脚本静默失败

网络抖动或GitHub临时故障时，API可能返回空响应或HTML错误页。如果脚本不加错误处理，会静默写入一个空JSON文件，导致后续对比分析时报错。

解决方案：在采集脚本中加三层防护。

import json, sys

try:

d = json.load(sys.stdin)

except json.JSONDecodeError as e:

print(f'{{"error": "JSON解析失败: {e}"}}')

sys.exit(1)

required = ['stargazers_count', 'open_issues_count', 'forks_count']

missing = [k for k in required if k not in d]

if missing:

print(f'{{"error": "缺少字段: {missing}", "raw_keys": {list(d.keys())}}}')

sys.exit(1)

if d['stargazers_count'] < 0:

print(f'{{"error": "数据异常: stars为负数"}}')

sys.exit(1)

坑4：Hermes Agent的terminal超时

Agent默认的terminal超时是180秒。当网络较慢或采集仓库较多时，可能超过这个限制导致任务被中断。返回信息类似：

[terminal] Command timed out after 180s

解决方案：在Skill文件中显式声明更长的超时时间，或者在采集脚本中加入分批处理逻辑。

执行参数

• terminal timeout: 300

• 失败重试: 3次

• 重试间隔: 30秒

同时把多个仓库的采集拆成独立命令而非一次性全部执行，这样单个失败不影响整体。

坑5：对比脚本没考虑周末效应

GitHub上很多项目的Star增长有周期性。周末的增长率通常只有工作日的百分之三十到五十。如果对比脚本只跟前一天比，周一的数据会显得暴涨，但这只是周末累积效应，并非真正的突发增长。

更好的做法是计算七日移动平均作为基准线：

def calc_7day_avg(records):

"""计算七日平均Star增长"""

if len(records) < 8:

return None

diffs = []

for i in range(len(records) - 1):

diffs.append(records[i]['stars'] - records[i+1]['stars'])

return sum(diffs[:7]) / 7

avg = calc_7day_avg(records)

if avg and diff['star_diff'] > avg * 3:

status = "🔥" # 确实是异常增长

扩展思路：从GitHub监控到全维度数据采集

掌握了基础流水线后，你可以轻松扩展到其他数据源。以下是几个经过验证的扩展方向。

扩展一：NPM包下载量监控

如果竞品发布了npm包，可以用npm官方API追踪下载量趋势：

curl -s "https://api.npmjs.org/downloads/point/last-week/@anthropic/claude-code" | \

python3 -c "import json,sys;d=json.load(sys.stdin);print(f'周下载: {d[\"downloads\"]:,}')"

扩展二：Hacker News关键词追踪

用HN Algolia API监控特定关键词的讨论热度和频率变化：

curl -s "https://hn.algolia.com/api/v1/search_by_date?query=hermes+agent&tags=story&hitsPerPage=5" | \

python3 -c "

import json,sys

d=json.load(sys.stdin)

for hit in d['hits']:

print(f'{hit[\"points\"]}pts | {hit[\"title\"][:60]} | {hit[\"created_at\"][:10]}')

"

输出示例：

28pts | Hermes Agent v2026.5.10 Released with Delega | 2026-05-14

15pts | Building Autonomous Workflows with Hermes Ag | 2026-05-12

42pts | OpenClaw v2.3 Adds Multi-Agent Orchestration | 2026-05-10

扩展三：推送到企业微信或钉钉

生成日报后，通过Webhook自动推送到团队沟通工具：

import requests, json

def send_to_wechat_work(report_path, webhook_url):

with open(report_path) as f:

content = f.read()[:2000] # 企业微信消息限制

payload = {

"msgtype": "markdown",

"markdown": {"content": content}

}

resp = requests.post(webhook_url, json=payload)

print(f"推送结果: {resp.json()}")