过去一年，很多团队都在研究怎么把大模型变成 Agent：给它工具，给它权限，给它任务，让它能自己跑起来。
于是大家开始关注 Prompt、Context、Tool Use、Workflow、Harness。可是当 Agent 真的开始进入开发、运维、研究、文档和业务流程以后，一个更底层的问题浮出来了：Agent 到底工作在一个什么环境里？
这就是 Environment Engineering 想解决的问题。
如果说 Harness 解决的是“怎么管住 Agent”，那么 Environment 解决的是“Agent 面对的世界是否可靠”。前者更像运行时控制系统，后者更像训练场、考场和工作制度。
飞书官方在 2026 年 4 月开源了飞书 CLI（lark-cli），一个月内 GitHub Stars 飙到 9.8k。这个工具最大的亮点是：让 AI Agent 能以用户的个人身份操作飞书。我花了一个下午把它接入了 Hermes Agent，这篇文章记录整个过程和踩过的坑。
大模型会聊天，但不会干活。真正让 AI Agent 能接住复杂任务的，不是模型有多聪明，而是外面裹着的那层"缰绳"——Harness。
一个人 + 一个 AI Agent，一天能干多少活？今天我做了一个实验。
最近同时在用 OpenClaw 和 Hermes Agent 做日常开发和自动化任务，用了一段时间后，觉得有必要把两者的使用感受整理一下。这篇不是广告，纯粹从一个实际使用者的角度出发，聊聊两者在功能、Token 消耗、易用性和各自优势方面的差异。
Hermes Agent 的迭代速度很快——v0.11.0 一个版本就合并了 761 个 PR、1556 次提交。版本更新是日常操作，但如果流程不规范，轻则消息丢几条，重则配置全丢、服务起不来。
这篇文章把我在实际更新过程中总结的流程整理出来，适用于当前 v0.11.0（v2026.4.23）及后续版本，重点是怎么更新不出事，出了事怎么恢复。