Hermes 智能体对接飞书 6 大 Agent 实战：财务·合同·数据·IT·网络·服务器全流程教程

一、Hermes 为什么需要对接多个飞书 Agent？

先讲一个真实场景：某科技公司 IT 部门每天处理 30+ 工单，60% 是机械重复的问题（”我密码忘了””Excel 公式怎么写””打印机卡纸了””OA 审批怎么走”），IT 工程师沦为”高级客服”。同时，财务部门每天有 50+ 报销审批、HR 部门每天有 20+ 入离职流程、销售部门每天有 100+ 合同审批 —— 这些流程性工作 80% 可以由 AI 完成。

单个大模型 Agent 解决不了所有问题——一个 Agent 既要做财务又要写代码又要管服务器，既不专业也容易”幻觉”。按职责拆分成多个专业 Agent，每个 Agent 只做一类事，效果最好。

本文要对接的 6 大 Agent 是企业最常见的需求组合：

Agent 名称	核心职责	典型场景	技术栈
财务 Agent	凭证查询、报销规则解读、税务问题应答	员工问”出差餐补标准”、财务查”上月凭证”	RAG + 用友/金蝶 API
合同 Agent	合同条款审查、风险点识别、模板检索	销售上传合同→AI 标出风险条款	RAG + NLP 实体识别
数据 Agent	自然语言转 SQL、业务指标查询、报表生成	老板问”上月华东销售多少”	Text2SQL + BI 工具
IT 运维 Agent	员工日常 IT 问题应答、故障排查指引	“电脑蓝屏怎么办””OA 怎么登”	RAG + 知识库
网络运维 Agent	网络故障分析、设备配置查询、流量监控	“VPN 怎么连””Wi-Fi 密码”	API + Zabbix/Prometheus
服务器运维 Agent	服务器状态巡检、告警分析、应急响应	“为什么 CPU 100%”、自动巡检	SSH + Ansible + 监控

把 6 大 Agent 都对接到飞书，员工不用切换系统、不用记账号密码，在飞书里 @对应机器人就能用。本文按”基础 → 财务 → 合同 → 数据 → IT 运维 → 网络运维 → 服务器运维”的顺序逐个讲解。

二、对接前的 4 项必做准备

2.1 创建飞书企业自建应用

所有 6 大 Agent 都通过同一个飞书企业自建应用实现（也可以每个 Agent 一个应用，但运维复杂度高）。

1. 登录飞书开放平台 https://open.feishu.cn/
2. 菜单”开发者后台 → 创建企业自建应用”
3. 应用名称建议”Hermes 多 Agent 平台”或”AI 助手中心”
4. 应用图标、描述、可见范围按实际填写
5. 应用创建后进入详情页，记下：
   • App ID（形如 cli_xxxxxxxxxxxx）
   • App Secret（点击”查看”获取）
   • Verification Token（用于回调验签）
   • Encrypt Key（用于消息加解密，可选）

2.2 开启机器人能力

在应用详情页 → “权限管理” → 搜索并开通以下权限（每个 Agent 都要用到）：

• im:message：接收和发送消息
• im:message:send_as_bot：以机器人身份发消息
• im:message.group_at_msg：接收群@消息
• im:message.p2p_msg：接收私聊消息
• contact:user.id:readonly：读取用户 ID（用于识别 @谁）
• application:application：应用基本信息

权限开通后需要发布版本才生效。飞书的权限审核比企业微信、钉钉松，1-2 小时内通过。

2.3 配置事件回调（Hermes 端接收飞书消息）

在应用详情页 → “事件订阅”：

• 请求网址 URL：填 Hermes 服务的公网回调地址，如 https://hermes.yourcompany.com/feishu/callback
• 加密策略：选”加密”或”明文”（生产环境建议加密）
• Verification Token：填应用详情页的 Verification Token
• Encrypt Key：填应用详情页的 Encrypt Key

订阅事件：勾选 im.message.receive_v1（接收消息事件）。

2.4 Hermes 端基础环境

Hermes 服务的环境准备：

• Python 3.10+（或 Node.js 18+，按团队技术栈选）
• Webhook 服务框架：FastAPI（Python）或 Express（Node.js）
• 公网域名 + HTTPS 证书（Let’s Encrypt 免费）
• 飞书 SDK：`pip install lark-oapi`（Python）或 npm install @larksuiteoapi/node-sdk

最小可运行的飞书回调服务骨架代码（Python）：

from lark_oapi.adapter.flask import LarkApp
from flask import Flask
app = Flask(__name__)
lark_app = LarkApp(app, app_id="cli_xxx", app_secret="xxx")
@lark_app.event("im.message.receive_v1")
def on_message(data):
    # data 包含消息内容、发送者、群聊/私聊信息
    # 路由到对应 Agent 处理
    pass

三、财务 Agent · 对接用友/金蝶 + 报销规则库

财务 Agent 的核心场景是”员工问财务问题，AI 直接答”。最大价值是减轻财务部门重复答疑工作量——员工不用每次都跑去问财务”餐补标准””发票怎么贴””个税专项扣除怎么填”。

3.1 知识库准备

财务 Agent 需要喂 4 类资料：

• 公司报销制度（如”出差住宿标准 500 元/天””招待费额度按客户级别”）
• 财务流程 SOP（如”付款审批流程””费用报销步骤”）
• 常见问题 FAQ（如”发票抬头怎么写””丢失发票怎么处理”）
• 会计准则片段（如”差旅费入账科目””招待费扣除限额”）

把这些资料整理成 markdown/PDF/Word 文档，喂给 RAG（检索增强生成）向量数据库。

3.2 用友/金蝶 API 集成（可选）

如果想让 Agent 能查”上个月部门报销总额””某笔凭证的科目”，需要对接 ERP：

• 用友 U8/NCC：开放 OpenAPI 平台，需在用友云购买”API 集成服务”
• 金蝶 EAS/Cloud：开放 OpenAPI 平台，需要金蝶云账号 + 应用 ID
• 凭证查询接口：/api/v1/voucher/list（按日期/科目/部门筛选）
• 报表查询接口：/api/v1/report/balance（科目余额表）

3.3 飞书路由配置

在飞书应用详情页 → “机器人” → 配置：

• 机器人名字：”财务助手”
• 描述：”我能回答报销、税务、凭证问题”

在 Hermes 端用 关键词路由判断调用哪个 Agent：

• 消息含”报销/发票/凭证/税务/个税/餐补/差旅” → 路由到财务 Agent
• 消息含”合同/条款/签约/甲方乙方” → 路由到合同 Agent
• 消息含”查询/多少/销售/订单/统计” → 路由到数据 Agent
• 消息含”电脑/打印机/Office/账号/密码” → 路由到 IT 运维 Agent
• 消息含”网络/VPN/Wi-Fi/IP/路由器” → 路由到网络运维 Agent
• 消息含”服务器/磁盘/CPU/内存/告警” → 路由到服务器运维 Agent

或者更简单的方式：在飞书群/私聊里 @机器人 + Agent 名称（@财务助手、@合同助手…），飞书消息里会带上 @的机器人名，Hermes 直接解析。

3.4 财务 Agent 回复示例

员工问：”出差到上海 3 天，餐补标准是多少？”

财务 Agent 检索知识库命中”差旅费报销标准”，返回：

📊 出差餐补标准（华东地区）
• 餐补：100 元/天
• 住宿：500 元/天（单人间，含早）
• 交通：实报实销
• 需要发票：餐补无需发票，住宿必须有发票

整个流程 3 秒内完成，员工不需要去问财务，也不需要查制度文件。

四、合同 Agent · 对接法大大/契约锁 + 条款风险库

合同 Agent 是法务 + 销售部门最爱的场景——销售上传合同 → AI 自动审查 → 标出风险条款 → 法务再终审。原本一份 50 页合同的审查要 2-3 小时，AI 5 分钟内出初版报告。

4.1 知识库准备

合同 Agent 的知识库需要 3 类资料：

• 公司标准合同模板（采购、销售、劳动合同、租赁合同等 10+ 份）
• 常见风险条款清单（如”违约金超过 30%””管辖法院选对方所在地””无限制授权”）
• 行业合规规则（如《广告法》《数据安全法》《个人信息保护法》相关条款）

4.2 NLP 风险识别模型

合同审查不能只靠 RAG（语义检索），还要做实体识别 + 条款匹配。常见风险条款类型：

风险类型	典型表述	建议阈值
违约金过高	“违约方应支付合同总额 50% 违约金”	≤ 30%
管辖法院不利	“由甲方所在地法院管辖”	己方所在地
无限授权	“乙方授予甲方全球永久免费使用权”	限定范围/期限
付款条件不利	“货到 90 天付款”	≤ 30 天
知识产权归属不明	“工作成果知识产权归属双方共有”	明确单方归属

4.3 法大大/契约锁电子签集成（可选）

如果企业用电子签平台，可以打通合同归档和审批：

• 法大大：https://openapi.fadada.com 提供合同发起、签署、归档 API
• 契约锁：https://openapi.qiyuesuo.com 提供合同模板、签署流程 API
• Hermes 端 Agent 审完合同 → 调电子签 API 发起签署流程 → 自动归档

4.4 合同 Agent 回复示例

销售上传合同：”请审查这份采购合同的风险。”

合同 Agent 返回：

📋 合同审查报告
✅ 已审查 35 个条款
⚠️ 发现 3 处风险：
1. 违约金 50%（建议 ≤ 30%）
2. 管辖法院选对方所在地
3. 知识产权归属不明
💡 建议：
• 第 8 条违约金条款改为"30%"
• 第 12 条管辖改为"双方协商，协商不成提交乙方所在地法院"
• 第 15 条明确为"乙方单独所有"

五、数据 Agent · 对接 BI + Text2SQL

数据 Agent 是老板和管理层最爱的场景——不用学 SQL，不用登录 BI 系统，用自然语言问数据就能拿到答案。

5.1 Text2SQL 引擎

核心能力是把自然语言转 SQL：

用户：”上月华东区销售额多少？”

→ AI 转 SQL：SELECT SUM(amount) FROM orders WHERE region='华东' AND date BETWEEN '2025-06-01' AND '2025-06-30'

→ 执行查询 → 返回结果 → 用自然语言总结回复

常用 Text2SQL 框架：

• Vanna（开源，Python）：基于 RAG 的 SQL 生成
• Chat2DB（开源，Java）：数据库自然语言查询
• 阿里云析言（商业）：阿里云原生 Text2SQL 服务
• 百度 Sugar（商业）：百度 BI 配套服务

5.2 数据库元信息准备

Text2SQL 的关键是给 AI 看懂”表结构”：

• 导出所有表的 DDL（CREATE TABLE 语句）
• 对每张表写业务说明（订单表 → 销售订单，金额单位是元）
• 标注常用字段（地区字段、日期字段、金额字段的中文别名）

这些元信息喂给 Vanna 等框架后，AI 就能”理解”业务表。

5.3 安全控制

数据 Agent 直接查库，安全风险最高，必须做：

• 只能查 SELECT，禁止 DELETE/UPDATE/DROP
• SQL 执行前必须有人工确认（飞书里弹卡片确认）
• 敏感字段（身份证、手机号、薪资）自动脱敏或禁止查询
• 查询结果限速（每小时不超过 100 次查询）
• 所有查询记录审计日志（谁、什么时候、查了什么）

5.4 数据 Agent 回复示例

老板问：”本月销售达成率？”

数据 Agent 返回：

📊 本月销售达成率（截至 7/15）
• 销售目标：1000 万
• 已完成：540 万
• 达成率：54%（进度 50%）
• 趋势：略低于进度，预计达成 95%
📈 分部门：
• 华东：320 万（达成率 64%）
• 华南：150 万（达成率 50%）
• 华北：70 万（达成率 35%）

六、IT 运维 Agent · 知识库型（最易落地）

IT 运维 Agent 是6 大 Agent 里最容易落地的——纯知识库型，不需要写代码对接业务系统，只要把 IT 部门日常的”故障排查手册””常见问题 FAQ””系统使用指南”喂给 RAG 即可。

6.1 知识库来源

IT 部门日常处理的工单数据是最有价值的训练资料：

• 过去 6 个月的工单系统（如 Jira Service Desk、ServiceNow）记录
• 每个工单的”问题描述 + 解决方案”整理成 Q&A
• 系统操作手册（OA 怎么用、打印机怎么连、邮箱怎么配置）
• 常见故障的排查 SOP（蓝屏、网络断、打印机卡纸、Excel 卡死）

整理 100-300 条高频 Q&A，覆盖 80% 日常问题。

6.2 飞书集成

IT 运维 Agent 在飞书里作为”全员 IT 助手“，所有人可 @。建议部署方式：

• 建一个”IT 服务中心”飞书群，把 Agent 加进来
• 全员有问题直接 @IT 助手问
• Agent 答不上来的问题，自动 @IT 部门对应工程师

6.3 IT 运维 Agent 回复示例

员工问：”电脑开机黑屏只有鼠标，怎么办？”

IT 运维 Agent 返回：

🛠️ 电脑开机黑屏排查步骤：
1. 强制重启：长按电源键 10 秒
2. 重启后按 F8 进安全模式
3. 如果安全模式能进 → 最近装的软件/驱动卸载
4. 如果安全模式也进不去 → 系统文件损坏，需重装
💡 90% 的情况是 1-2 步能解决
⚠️ 如果还没解决，@张工（IT 工程师）协助

七、网络运维 Agent · 对接 Zabbix/Prometheus

网络运维 Agent 比 IT 运维 Agent 更专业——除了知识库，还要实时查询网络设备状态。

7.1 对接 Zabbix API

Zabbix 提供完整的 API：

• 主机查询：GET /api/host.get（列出所有监控主机）
• 告警查询：GET /api/problem.get（当前告警列表）
• 历史数据：GET /api/history.get（CPU/内存/流量历史曲线）
• 认证：POST /api/user.login 拿到 token

Hermes 端封装 Zabbix 客户端类，Agent 调用时查询实时数据。

7.2 对接 Prometheus API

Prometheus 用 HTTP API + PromQL：

• 查询：GET /api/v1/query?query=up{job="node"}
• 范围查询：GET /api/v1/query_range（指定时间段）
• 元数据：GET /api/v1/metadata

7.3 网络设备 API（思科/H3C/华为）

主流网络设备支持 NETCONF/RESTCONF/SNMP：

• 思科：RESTCONF + IOS XE API
• 华为：NETCONF + iMaster NCE-Campus API
• H3C：RESTCONF + iMC API
• 通用：SNMP v2/v3（任何设备都支持）

Agent 通过这些协议查询设备配置、端口状态、ACL 表等。

7.4 网络运维 Agent 回复示例

员工问：”VPN 连不上，提示超时，怎么办？”

网络运维 Agent 返回：

🔍 VPN 连接超时排查：
1. 检查 VPN 服务器状态 ✅ 正常
2. 检查客户端网络 ✅ 可访问公网
3. 检查防火墙规则 ⚠️ 发现 UDP 500 端口被封
💡 解决方法：
• 联系 IT 在防火墙放通 UDP 500/4500
• 或换用 TCP 模式连接
📌 实时状态：
• VPN 服务器：在线
• 在线用户：23 人
• 出口流量：正常

八、服务器运维 Agent · SSH + Ansible + 监控

服务器运维 Agent 是技术含量最高的——能直接执行命令、操作服务器，是”自动化运维”的 AI 化升级。

8.1 SSH 通道安全

AI 执行 SSH 命令的最大风险是误操作——必须做好权限隔离：

• 为 Agent 创建独立的运维账号（如 hermes-ops）
• 该账号 不能有 root 权限，只能 sudo 部分命令（如 systemctl restart nginx）
• 所有 SSH 操作记录审计日志
• 危险命令（rm -rf、mkfs、dd）必须人工确认（飞书里弹卡片确认）
• 生产环境操作二次授权（飞书里 @对应运维工程师二次确认）

8.2 Ansible 集成

Ansible 是批量执行运维命令的标准工具：

• 把常用操作写成 Ansible Playbook（如”重启所有 Web 服务器”）
• Agent 通过 Ansible Runner 触发 Playbook
• 执行结果用自然语言总结后回复给飞书用户

8.3 监控告警自动响应

服务器 Agent 与 Zabbix/Prometheus 告警系统联动：

• Zabbix 触发告警 → Webhook 推送给 Hermes → 服务器 Agent 自动响应
• 常见告警的自动响应模板：
  • 磁盘满 → 自动清理日志文件
  • 进程挂掉 → 自动重启服务
  • CPU 高 → 自动收集 top 信息 + 通知工程师
• 复杂告警（数据库慢查询、应用 OOM）→ 通知工程师 + 提供初步诊断报告

8.4 服务器运维 Agent 回复示例

运维问：”web-01 服务器的磁盘空间怎么样？”

服务器 Agent 返回：

🖥️ web-01 磁盘状态：
• / 总用量：85%（警告阈值 80%）⚠️
• /var/log：12GB（含 6 个月前的日志可清理）
• /data：40%（正常）
💡 建议操作：
1. 清理 90 天前的 /var/log/nginx 日志（预计释放 8GB）
2. 清理 /tmp 目录（预计释放 2GB）
⚠️ 需要执行清理吗？
[✅ 确认执行] [❌ 取消] [📋 查看详情]

用户点”确认执行” → Agent 调 SSH 清理 → 执行完成后回复结果。

九、6 大 Agent 协同作战 · 飞书群路由实战

实际部署中，6 大 Agent 不是孤立的——常需要在群里协同：

9.1 单 Agent 群（最常见）

每个 Agent 单独一个机器人，部署在不同的飞书群：

• “财务服务中心”群 → 财务助手
• “法务合同中心”群 → 合同助手
• “数据分析中心”群 → 数据助手
• “IT 服务中心”群 → IT 助手
• “网络运维中心”群 → 网络助手
• “服务器运维中心”群 → 服务器助手

每个群里只有对应机器人，避免消息混乱。

9.2 统一 Agent（一个机器人路由所有问题）

更简单的方案是一个机器人 + 关键词路由：

用户：”@Hermes 助手 出差餐补多少？” → 财务 Agent 处理
用户：”@Hermes 助手 审查这份合同” → 合同 Agent 处理
用户：”@Hermes 助手 上月销售多少” → 数据 Agent 处理

优点：用户不用记 6 个机器人名；缺点：路由不准确时用户体验差。

9.3 跨 Agent 协同（高级场景）

复杂问题涉及多个 Agent 协作：

用户：”@Hermes 助手 这次系统故障影响了哪些客户的合同？”

→ IT 运维 Agent 查故障范围
→ 数据 Agent 查相关客户
→ 合同 Agent 拉这些客户的合同列表
→ 财务 Agent 算这些客户的应收账款

这种”链式调用”需要 Agent 间有标准的工具调用协议（如 MCP/Function Calling），实现复杂度较高，建议前两个方案先跑通再考虑。

十、发布前必读的官方 URL 清单

本文涉及的飞书、Zabbix、Prometheus、Ansible、各 Agent 工具的 API 和文档，功能/参数会随版本变化。发布前请实时打开以下 URL 核对最新状态：

• 飞书开放平台 · 应用创建：open.feishu.cn/document/server-docs/application-bot/application-guide
• 飞书开放平台 · 接收消息事件：open.feishu.cn/document/server-docs/im-v1/message-events/receive
• 飞书开放平台 · 发送消息 API：open.feishu.cn/document/server-docs/im-v1/message/create
• 飞书开放平台 · Python SDK：open.feishu.cn/document/server-docs/sdk/python
• Zabbix API 文档：www.zabbix.com/documentation/current/en/manual/api
• Prometheus HTTP API：prometheus.io/docs/prometheus/latest/querying/api/
• Ansible Runner 文档：ansible.readthedocs.io/projects/runner/en/stable/
• Vanna Text2SQL 开源框架：github.com/vanna-ai/vanna
• Chat2DB 开源框架：github.com/chat2db/Chat2DB
• 法大大 OpenAPI 文档：openapi.fadada.com

本教程涉及的版本：飞书 SDK v2.x（lark-oapi）、Zabbix 7.x、Prometheus 2.x、Ansible 9.x。其他版本流程类似但 API 路径和参数可能不同，请以官方实时文档为准。

十一、结语 · 多 Agent 协作是 AI 落地的正确姿势

最后说一句心里话：单 Agent 解决不了企业复杂场景，多 Agent 协作才是 AI 落地的正确姿势。一个 Agent 既要做财务又要写代码又要管服务器，模型参数量再大也会”幻觉”；按职责拆分专业 Agent，每个 Agent 只做一类事，效果最好。

具体来说，企业做 Hermes 多 Agent 对接前要先回答 3 个问题：

• 哪些业务场景是 80% 重复劳动？——决定 Agent 优先级
• 每个 Agent 需要对接哪些业务系统？——决定集成工作量
• Agent 的权限边界怎么划？——决定安全风险

把这 3 个问题想清楚，再选合适的 Agent 实现方案落地，技术只是把管理制度固化的手段。本文的对接步骤、避坑指南、官方 URL 清单都是经验沉淀，希望能帮正在做 Hermes 多 Agent 落地的企业少走弯路。

如果对 Hermes 多 Agent 集成有任何疑问，或者需要专业的企业 AI 落地方案咨询，IT 峰哥团队提供从需求调研 → Agent 设计 → 飞书对接 → 培训运维的全流程服务，微信 17712677007 随时可联系。