33. 案例 9：联动 Codex / Claude Code / OpenClaw
这个案例你将做出来
让本站 4 个 AI 工具协同工作：
- Hermes：主控调度 + 长跑记忆
- OpenClaw：接国内 IM（飞书 / 钉钉）
- Codex / Claude Code：实际改代码
效果：飞书发"修个 bug" → OpenClaw → Hermes → Codex/Claude → 提 PR → 反馈飞书。
本站独家组合方案。
33.1 4 工具协同架构
[国内 IM: 飞书 / 钉钉 / 微信]
↓
[OpenClaw Gateway] ← 接国内 IM 的入口层
↓ 转发
[Hermes Gateway] ← 主控大脑、长记忆、协调器
↓ 派任务
┌────┴────┬──────────┬────────────┐
↓ ↓ ↓ ↓
[Codex] [Claude Code] [Hermes 自己干] [浏览器自动化]
编程 高阶编程 通用 agent Browser Use每个工具发挥所长：
- OpenClaw: 国内 IM（Hermes 不支持）
- Hermes: agent loop / Honcho 记忆 / subagent 并行
- Codex: 终端轻量编程
- Claude Code: 复杂多文件改动
33.2 准备：4 个工具都装好
bash
# 1. Hermes
hermes --version # v0.8+
# 2. OpenClaw
openclaw --version # v1.2+
# 3. Codex
codex --version
# 4. Claude Code
claude --version每个工具按各自章节装好。
33.3 OpenClaw 配 Hermes 桥接
让 OpenClaw 把国内 IM 消息转发到 Hermes。
~/.openclaw/workspace/skills/hermes-bridge/SKILL.md:
markdown
---
id: hermes-bridge
permissions: [shell_exec]
---
# Hermes 桥接
把用户消息转发给 Hermes 处理，等回复后转回用户。
## Capability: relay(message, user_id)
调用 hermes CLI 处理，返回结果。handler.js:
javascript
import { execFile } from 'child_process';
import { promisify } from 'util';
const exec = promisify(execFile);
export async function relay(message, user_id) {
const { stdout, stderr } = await exec('hermes', [
message,
'--quiet',
'--user', String(user_id),
'--timeout', '600' // 10 分钟
]);
return stdout.trim();
}OpenClaw agent.yaml:
yaml
id: bridge-agent
soul: ./soul.md
skills: [hermes-bridge]
channels: [feishu, dingtalk]soul.md:
markdown
# 你是 Hermes 的桥梁
所有用户消息原样转 Hermes，回复转回。不自己回答。33.4 Hermes 配 Codex / Claude Code 工具
Hermes 已经能跑 shell。让它知道 Codex / Claude Code 可用：
~/.hermes/skills/coding-tools/SKILL.md:
markdown
---
name: coding-tools
description: 协调 Codex / Claude Code 完成代码任务
---
# 编程工具调度
## 何时用 Codex
- 单文件小改（< 50 行）
- 简单 bug fix
- 写小脚本
## 何时用 Claude Code
- 多文件重构
- 大代码库重构
- 复杂 architectural 改动
- 跨项目协调
## 工作流
1. 解析任务: 仓库 / 任务描述 / 紧急度
2. 选工具: 按上面规则
3. 设置 worktree: cd repo && git checkout -b auto/<task>
4. 调用 codex 或 claude:
- codex --task "..."
- claude -p "..."
5. 跑测试 / lint
6. git push + 提 PR (用 GitHub MCP)
7. 把 PR 链接报回主人
## 失败处理
- 测试不通过 → 不提 PR，把 WIP 推到分支
- 工具超时 → 切到另一个工具试
- 多次失败 → 把状态告诉主人，让他人工介入33.5 完整工作流：飞书发"修 bug"
用户视角
你 (飞书): @小爪 修一下 user-service 项目登录超时 bug，
尝试用 Codex 改，跑通测试后提 PR
[等 8 分钟]
@小爪 (飞书): ✅ 完成
PR: https://github.com/.../pull/87
摘要: 修改了 src/auth/login.ts 第 42 行的 timeout 设置
测试: 132 passed
等你 review。系统内部
[飞书 webhook]
↓
OpenClaw bridge-agent 收到消息
↓ relay()
hermes "修 user-service 登录超时 bug，用 Codex 改完提 PR"
↓ Hermes 加载 coding-tools skill
Hermes 推理:
- 仓库: user-service
- 任务: bug fix
- 选 Codex（小改）
- worktree: ~/projects/user-service-fix-login
Hermes 执行步骤:
1. git checkout -b fix/login-timeout
2. codex --task "fix login timeout bug" --cwd .
3. (Codex 跑了 4 分钟改完)
4. npm test → 132 passed
5. git push origin fix/login-timeout
6. github MCP create PR
7. 返回 PR 链接
[回 OpenClaw]
↓
OpenClaw 推回飞书
↓
用户看到 PR 链接8 分钟搞定整个流程，完全在飞书里发起 + 收到。
33.6 多工具组合的其他场景
场景 A：周末自动维护
yaml
# Hermes workflow
trigger:
cron: "0 10 * * 6" # 周六 10 点
steps:
- id: deps
hermes_task: "用 Codex 在 ai-learning-docs 仓库跑 npm-check-updates，更新 minor，提 PR"
- id: refactor
hermes_task: "用 Claude Code 重构 src/legacy 模块，提 PR"
sub_agents:
tools: [claude-code]
- id: docs
hermes_task: "用 Codex 给所有公开函数加 JSDoc"
- id: notify
openclaw_send:
channel: feishu
target: ${MY_OPEN_ID}
message: "周末维护完成，3 个 PR 等 review"整套周末自动跑，周一回来 3 个 PR 等你看。
场景 B：紧急 hotfix（生产报警 → AI 修）
[Sentry 收到 P0 报警]
↓ webhook
OpenClaw 收到，转 Hermes
↓
Hermes 分析:
- 错误类型: NullPointer
- 文件位置: src/api/user.ts:42
- 用 Claude Code (因为要看整个 user 模块)
Hermes 调 Claude Code:
→ 定位问题
→ 修代码 + 写回归测试
→ push hotfix 分支
→ 提 PR
↓
飞书 P0 告警群收到:
"🚨 自动修复 PR 已提，等你 review:
PR: ...
测试覆盖: 已加 3 个用例
风险评估: 低（只改了 user.ts 第 42 行附近）"凌晨报警，AI 自动初步修，你早上看一眼就 merge。
场景 C：研究 → 实现一条龙
你 (CLI): 调研 5 个开源 RAG 框架，选一个最适合我们的接进项目
Hermes:
Stage 1 (subagents): 5 个 subagent 并行调研 5 个框架
Stage 2 (汇总): 给出对比报告
Stage 3 (推荐): "推荐 LlamaIndex，因为：..."
Stage 4 (实现): "要我用 Claude Code 把它接入吗？"
你: 好
Stage 5: Hermes 调 Claude Code:
- 创建分支 feature/integrate-llamaindex
- 装包
- 写 integration 代码
- 写测试
- 提 PR
总时间: 1.5 小时
你只需要: 拍 2 个板（"OK 调研" + "OK 实现"）33.7 数据流和记忆共享
不同工具间的状态共享：
Hermes Honcho (中心记忆)
├── 知道用户偏好（用户喜欢 TypeScript / 偏好简洁 PR 描述）
├── 知道项目历史（哪个 PR 最近 review 通过）
└── 决策时综合 Honcho 数据
OpenClaw Memory
├── 知道国内 IM 上下文（群成员 / 群规则）
└── 转发时携带必要 context 给 Hermes
Codex / Claude Code
├── 各自有自己的工作日志（agent.md）
└── Hermes 调用时透传任务上下文整套系统像一个团队，不同人各司其职，由 Hermes 当 PM 协调。
33.8 配置统一
为避免重复配置，可建共享 .env：
bash
# ~/.shared-env
ANTHROPIC_API_KEY=sk-ant-xxx
OPENAI_API_KEY=sk-xxx
DEEPSEEK_API_KEY=sk-xxx
GITHUB_PAT=ghp_xxx
FEISHU_APP_ID=cli_xxx
FEISHU_APP_SECRET=xxx每个工具 .env 引用：
bash
# ~/.hermes/.env
source ~/.shared-env
# ~/.openclaw/workspace/.env
source ~/.shared-env避免在 4 个工具重复配 Key。
33.9 调试技巧
整套链路有多层，出问题查：
bash
# 1. OpenClaw 那一头
openclaw logs tail --channel feishu
# 2. Hermes 处理
hermes logs tail --since 5m
# 3. Codex / Claude Code 输出
# 通常在 Hermes log 里 capture 了，搜:
hermes logs search "codex" --since 1h33.10 安全：4 工具同时上线的复杂度
每多一层工具，攻击面就多一层。额外注意：
- 4 个工具都各自有 API Key → 任何一个泄露都危险
- OpenClaw 接公网 IM → 收到的"指令"可能含 prompt injection
- Hermes 调 Codex / Claude Code → 给了它们高权限
- 必须全链路 sandbox：
yaml
# Hermes config.yaml
backend:
default: docker # 不要 local
subagents:
isolation: dockerOpenClaw 同样跑在容器里。整个组合方案部署在独立机器，不要主力机。
33.11 ROI 分析
按月度：
| 模式 | 时间投入 | 成本 |
|---|---|---|
| 全手动（你自己干所有事） | 100 h | 你的时薪 × 100 |
| 4 工具协同 | 30 h（你 review + 拍板）+ AI 70 h | LLM API ¥500-2000 |
如果你时薪 ¥200，节省 70 小时 = ¥14000，扣 AI 成本净省 ≈ ¥12000。值。
看完这个案例你应该会
✅ 4 工具各司其职的组合架构 ✅ OpenClaw 桥接 Hermes 让国内 IM 也能用 Hermes ✅ Hermes 调度 Codex / Claude Code 跑编程任务 ✅ 周末维护 / 紧急 hotfix / 研究实现 3 种场景 ✅ 跨工具记忆 + 配置共享 ✅ 安全：全链路 sandbox
最后一个独家案例：用 hermes claw migrate 一键从 OpenClaw 跳到 Hermes。