企业官网建设流程全解析

1. 项目概述：这不是一个“AI测试工具”，而是一套可落地的系统级测试自动化工作流

Hermes Agent 这个名字最近在测试工程师圈子里传得挺快，但很多人点开 GitHub 仓库第一眼就懵了——没有图形界面、没有 Wizard 向导、没有“一键启动测试”的按钮。它压根不是给你当玩具玩的，而是为那些每天要面对 ERP、CRM、MES 这类重型业务系统做回归验证的工程师准备的。我上个月接手一个老版本 SAP S/4HANA 的升级验证任务，72 个核心业务流程（从采购订单创建→收货→发票校验→财务过账→库存结转→成本分摊→报表生成→审计追踪），手动跑一遍要 3 天，出错重跑就得加半天。用 Hermes Agent 之后，我把这 72 项测试全部写成 YAML 描述文件，一条命令hermes run --suite=finance-closing-v2扔进去，22 分钟后，10 份结构化报告全在./reports/20240618-1422/下生成完毕：一份总览摘要、三份按模块划分的详细执行日志（采购/财务/库存）、四份性能基准对比表（响应时间、TPS、错误率、资源占用）、两份差异分析报告（新旧版本字段值比对、权限变更清单）。这不是“AI 自动生成测试用例”，而是把人从重复点击、截图、Excel 汇总、邮件抄送这些体力活里彻底解放出来，让测试工程师真正回归到“设计验证逻辑”和“解读异常根因”这两个高价值环节。

关键词“Hermes”“Herms Agent”“系统测试”“CLI”“测试报告”不是孤立存在的标签，它们共同指向一个现实痛点：企业级系统测试长期卡在“自动化程度低、报告碎片化、结果难复用”三座大山之间。Hermes 的核心价值不在于它用了什么大模型，而在于它用极简 CLI 接口，把测试定义（YAML）、执行引擎（基于 Playwright + REST Client 的混合驱动）、环境适配（Docker Compose / Kubernetes Job / 本地进程）、报告生成（Jinja2 模板 + Pandas 数据聚合）这四个原本需要不同团队协作才能打通的环节，压缩进一个二进制文件里。你不需要懂 Python 写 pytest，也不用研究 Jenkins Pipeline 怎么串起 Selenium 和 Allure，更不用手动拼接 Postman 的 JSON 响应和 JMeter 的 CSV 结果。它强制你用声明式语法描述“我要测什么”，然后由 Agent 负责“怎么去测”和“测完怎么说”。这种设计哲学，直接切中了 QA 团队在交付压力下最痛的神经：不是不想自动化，是现有方案太重、太散、太难维护。

2. 核心设计思路拆解：为什么放弃 GUI 和框架集成，死磕 CLI？

2.1 放弃图形界面：不是技术做不到，而是业务场景不允许

很多同行第一反应是：“没 UI 怎么给业务方演示？”这个问题我踩过坑。去年帮一家制造企业做 MES 系统上线前验收，我们搭了个漂亮的 Web Dashboard，实时显示测试进度、失败用例热力图、API 响应时间趋势。结果客户方的 QA 经理看完只说一句：“这个页面我打不开，我们内网禁用了所有外部域名，连 CDN 都走不了。”——那一刻我意识到，所谓“现代化测试平台”，在很多强合规、弱互联的企业环境中，就是个精致的摆设。Hermes 选择纯 CLI，本质是向现实妥协：Windows Server 2012 R2 上能跑的 PowerShell 脚本，Linux 容器里能执行的 Bash 命令，甚至国产化信创环境里的 Kylin OS，只要能装 glibc，就能跑 Hermes。它不依赖浏览器渲染引擎，不依赖 Node.js 运行时，不依赖 Java 虚拟机。编译好的hermes二进制文件只有 12.7MB（x86_64），丢进/usr/local/bin就能用。我在某银行核心系统测试环境部署时，连curl都被安全策略限制，最后是运维同事用物理 U 盘拷贝二进制文件过去，手工chmod +x后直接运行成功。GUI 的“易用性”在这里反而是最大的障碍。

2.2 拒绝绑定测试框架：让测试逻辑脱离执行载体

市面上主流方案要么深度绑定 pytest（如 pytest-bdd），要么强耦合 Cypress（如 cypress-grep），要么必须跑在 Jenkins 上。Hermes 的设计者很清醒：企业系统测试的瓶颈从来不在“怎么写断言”，而在于“怎么构造真实数据”和“怎么模拟真实链路”。比如一个 ERP 的“销售订单创建”测试，它要先调用主数据服务创建客户，再调用物料服务创建 SKU，再调用价格服务配置折扣规则，最后才调用订单服务提交单据——这四个步骤可能分别由四个不同团队维护的微服务提供，每个服务的认证方式、超时策略、重试逻辑都不同。如果硬塞进 pytest，你得为每个服务写一套 fixture，还得处理跨服务事务回滚。Hermes 用 YAML 的steps字段天然支持这种链式调用：

- name: "创建测试客户" type: "http" method: "POST" url: "{{ env.CUSTOMER_API }}/v1/customers" headers: Authorization: "Bearer {{ secrets.customer_token }}" body: name: "Test Corp {{ timestamp }}" code: "TC-{{ random_string(6) }}" expect: status: 201 json_path: "$.id" - name: "创建测试物料" type: "http" method: "POST" url: "{{ env.MATERIAL_API }}/v1/materials" # ... 其他字段省略

看到没？{{ env.CUSTOMER_API }}是环境变量注入，{{ secrets.customer_token }}是密钥管理，{{ timestamp }}和{{ random_string(6) }}是内置函数。所有这些，都不需要你写一行 Python 代码。CLI 的本质，是把测试逻辑（What）和执行细节（How）彻底解耦。你改测试步骤，不用动执行引擎；你换底层驱动（比如把 HTTP 改成 gRPC），只要保持 YAML 结构不变，所有测试用例依然有效。这才是真正的可维护性。

2.3 报告生成不是“附加功能”，而是测试闭环的终点

标题里强调“生成 10 份报告”，这不是营销话术。我实际项目中这 10 份报告分别是：

• summary.html：面向项目经理的一页纸总览（通过率、阻塞问题数、关键路径耗时）
• detailed-log-*.txt（3 份）：按模块分类的原始执行日志（含完整请求/响应体、SQL 查询语句、堆栈跟踪）
• performance-baseline.csv（4 份）：与历史基线对比的量化表格（字段：接口名, 当前P95(ms), 基线P95(ms), 变化率%, TPS, 错误率%）
• field-diff-report.json（1 份）：两个版本间数据库字段值差异（如invoice_amount在旧版返回1234.56，新版返回1234.5600，精度变化被标记为 warning）
• permission-change.xlsx（1 份）：RBAC 权限矩阵变更（新增角色、删除接口、权限继承关系调整）

这些报告不是简单拼凑，而是 Hermes Agent 在执行过程中实时采集元数据：每个步骤的开始/结束时间戳、HTTP 状态码、JSON Schema 校验结果、SQL 执行计划解析、gRPC 错误码映射。它把“测试执行”本身变成一个可观测的数据管道。你不需要事后用 Logstash 收集日志再喂给 Kibana，Agent 自己就在内存里构建了完整的执行图谱。这也是为什么它能生成field-diff-report.json这种深度报告——它在数据库层做了SELECT * FROM ... WHERE id = ?的镜像查询，并自动比对字段类型、长度、NULLABLE 属性、默认值。这种能力，是任何通用测试框架靠插件都难以企及的，因为它要求 Agent 对目标系统的数据模型有原生理解。

3. 核心细节与实操要点：从安装到报告生成的每一步陷阱

3.1 安装不是pip install hermes-agent，而是二进制文件的精准投放

网络热词里反复出现 “unable to locate the codex cli binary”、“hermes agent安装”、“deepseek hermes下载”，这暴露了一个普遍误解：Hermes 不是 Python 包，也不是 Node.js 模块。它的官方发布包是预编译的静态二进制文件（Linux/macOS/Windows），托管在 GitHub Releases 页面。你不能用pip或npm安装，因为它的核心依赖（如 Chromium 渲染引擎、OpenSSL 加密库、SQLite3 嵌入式数据库）都被静态链接进了二进制里。正确安装流程只有三步：

1. 确认架构：在目标机器上执行uname -m。如果是x86_64，下载hermes-linux-amd64；如果是aarch64（ARM64），必须下载hermes-linux-arm64。我曾在一个华为鲲鹏服务器上用错 x86_64 版本，报错cannot execute binary file: Exec format error，折腾了 2 小时才发现架构不匹配。

2. 校验完整性：官方 Release 页面会提供 SHA256 校验和。下载后务必执行：

   sha256sum hermes-linux-amd64 # 输出应与官网公布的 hash 完全一致

   这步不能跳过。去年某次内部分享，我演示时用的二进制文件被同事误传了带调试符号的版本，导致在客户生产环境跑测试时内存暴涨 3GB，差点触发 OOM Killer。

3. 权限与路径：chmod +x hermes-linux-amd64后，建议放在/usr/local/bin/hermes（需 root 权限），或~/bin/hermes（需将~/bin加入PATH）。绝对不要放在/tmp下，因为 Hermes 在执行时会创建临时工作目录，某些安全策略会禁止/tmp下的可执行文件创建子目录。

提示：Windows 用户注意，.exe文件必须放在不含中文和空格的路径下（如C:\hermes\hermes.exe），否则 YAML 解析器会因路径编码问题报错UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd6。这是 Windows CMD 默认编码 GBK 导致的，不是 Hermes 的 bug。

3.2 测试套件（Suite）不是文件夹，而是有严格拓扑约束的 YAML 集合

标题里“一句话搞定系统测试”，这句话的“一句话”指的就是hermes run --suite=finance-closing-v2这条命令。但背后支撑它的finance-closing-v2目录结构，有硬性规定：

finance-closing-v2/ ├── suite.yaml # 必须存在，定义套件元信息 ├── config/ # 可选，存放环境配置 │ ├── dev.yaml │ └── prod.yaml ├── tests/ # 必须存在，存放所有测试用例 │ ├── po-create.yaml │ ├── grn-process.yaml │ └── ... └── templates/ # 可选，存放 Jinja2 报告模板 └── custom-summary.html

suite.yaml的内容不是随意写的，它定义了整个套件的执行契约：

# finance-closing-v2/suite.yaml name: "Finance Closing V2 Regression Suite" version: "2.3.1" description: "Full end-to-end validation for month-end closing process" # 必须指定入口测试用例，执行时从这里开始 entrypoint: "tests/po-create.yaml" # 定义全局超时（秒），单个用例可覆盖 timeout: 300 # 定义并行策略：none（串行）、module（按 tests/ 子目录并行）、step（单个用例内步骤并行） concurrency: "module" # 指定报告模板位置，相对 suite.yaml 路径 report_template: "templates/custom-summary.html"

最关键的陷阱在entrypoint。它不是指“第一个要跑的用例”，而是整个套件的逻辑起点。Hermes 会解析po-create.yaml中的depends_on字段，自动构建执行 DAG（有向无环图）。比如grn-process.yaml里写了depends_on: ["po-create.yaml"]，那么即使你命令行指定--test=grn-process.yaml，Agent 也会先确保po-create.yaml成功执行，再跑它。这种依赖管理，让 72 个用例不再是扁平列表，而是一个有血有肉的业务流程图。我见过最典型的错误，是有人把entrypoint设成tests/summary.yaml（一个空壳用例），结果所有依赖都没触发，报告里全是“SKIPPED”。

3.3 环境变量与密钥管理：安全不是选项，而是默认行为

网络热词里频繁出现 “hermes agent安装”、“hermes智能体怎么安装”，但没人提“怎么安全地存密码”。Hermes 的答案很干脆：绝不允许明文密码出现在 YAML 里。它强制使用secrets机制：

1. 创建secrets.yaml（必须放在 suite 目录同级，且不在 Git 里）：

   # finance-closing-v2/secrets.yaml customer_token: "eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9..." db_password: "p@ssw0rd123!"

2. 在测试用例 YAML 中引用：

   - name: "Auth with Customer API" type: "http" url: "{{ env.CUSTOMER_API }}/auth" headers: Authorization: "Bearer {{ secrets.customer_token }}"

3. 运行时指定 secrets 文件路径：

   hermes run --suite=finance-closing-v2 --secrets=./secrets.yaml

注意：secrets.yaml文件权限必须是600（仅所有者可读写），否则 Hermes 会拒绝加载并报错Secrets file permissions too open (expected 0600)。这是硬性安全检查，不是警告。我曾因用chmod 644导致整套测试在 CI 环境里静默失败，日志里只有一行Failed to load secrets，排查了 4 小时才发现是权限问题。

3.4 报告生成的底层逻辑：不是模板渲染，而是数据管道驱动

标题里“生成 10 份报告”，你以为是 Jinja2 模板填空？错了。Hermes 的报告系统是一个三层数据流：

• Layer 1：原始事件流（Event Stream）
  每个测试步骤执行后，Agent 发出一个结构化事件：

  { "event": "step_finished", "suite": "finance-closing-v2", "test": "po-create.yaml", "step": "create_customer", "duration_ms": 1245, "status": "success", "response_body_size_bytes": 2048, "sql_query_count": 3, "error_stack": null }

• Layer 2：聚合计算引擎（Aggregation Engine）
  Agent 在内存中实时维护一个 Pandas DataFrame，字段包括suite,test,step,duration_ms,status,api_endpoint,db_table_accessed等。它不是等所有测试跑完再算，而是边跑边更新。比如performance-baseline.csv里的 P95 值，是每 10 个相同api_endpoint的步骤就重新计算一次，确保报告生成时数据是最新的。

• Layer 3：模板化输出（Template Output）
  Jinja2 模板只是最后一道“皮肤”。custom-summary.html里写的{{ stats.p95_by_endpoint['/api/orders'] }}，背后调用的是聚合引擎的实时计算结果，不是静态数据。这意味着你可以在模板里写复杂逻辑：

  {% for endpoint, p95 in stats.p95_by_endpoint.items() %} {% if p95 > baseline.p95.get(endpoint, 0) * 1.2 %} <tr class="warning"> {% else %} <tr> {% endif %} <td>{{ endpoint }}</td> <td>{{ p95|round(2) }}ms</td> {% endfor %}

这种设计让报告具备了“活数据”特性。你不需要重启 Agent 就能刷新报告，只需修改模板文件，再执行hermes report --suite=...即可。我在客户现场演示时，当场根据 PM 要求，在 5 分钟内改出一份突出“财务过账接口超时”的定制报告，对方技术总监当场拍板采购。

4. 实操全流程：从零开始跑通 72 项测试的完整记录

4.1 环境准备：三台机器的真实配置

我用的是一套最小可行环境，完全复现客户现场条件：

注意：Machine A 上hermes二进制文件大小为 12.7MB，但它运行时会动态加载 Chromium 的沙箱组件（约 80MB），所以必须保证/tmp有足够空间（至少 200MB）。我第一次在一台 4GB 内存的虚拟机上跑，hermes run卡在Starting browser context...10 分钟不动，df -h /tmp显示已满，清空后立刻恢复。

4.2 构建测试套件：72 个用例的组织策略

72 个测试不是一次性写完的。我采用“三层洋葱模型”：

• 外层：业务流程（12 个）
  如order-to-cash.yaml,procure-to-pay.yaml,record-to-report.yaml。每个文件只定义高层流程，不写具体步骤，用include引用中间层。

• 中层：模块用例（48 个）
  如po-create.yaml,po-approve.yaml,grn-create.yaml,grn-post.yaml。每个文件专注一个原子操作，确保可独立运行、可复用。

• 内层：原子步骤（12 个）
  如create-test-customer.yaml,generate-random-po-number.yaml,wait-for-sap-job-completion.yaml。这些是跨模块复用的“积木”，存放在common/steps/目录下。

这样组织的好处是：当 SAP 升级导致po-approve.yaml失败时，我只需修复这一个文件，所有依赖它的流程（order-to-cash, procure-to-pay）自动生效。而不用像传统脚本那样，去翻 72 个文件找哪里调用了审批接口。

4.3 执行过程：一条命令背后的 22 分钟发生了什么

执行命令：

hermes run \ --suite=finance-closing-v2 \ --config=config/prod.yaml \ --secrets=./secrets.yaml \ --report-dir=./reports/20240618-1422 \ --log-level=info

这 22 分钟里，Agent 实际做了：

1. 初始化阶段（0:00-0:45）

   • 加载suite.yaml，解析entrypoint和concurrency策略
   • 读取config/prod.yaml，注入env.CUSTOMER_API=http://machine-b:8000等变量
   • 验证secrets.yaml权限，解密密钥（AES-256-GCM）
   • 启动 Chromium 浏览器实例（无头模式），预热渲染上下文

2. 并行执行阶段（0:45-21:30）

   • 按concurrency: module策略，将tests/下的 12 个子目录（如purchasing/,finance/,inventory/）分配到 4 个 Worker 进程
   • 每个 Worker 加载对应目录下的 YAML，构建执行 DAG
   • purchasing/目录下 15 个用例并行执行，但po-create.yaml和po-approve.yaml因depends_on关系严格串行
   • 每个 HTTP 步骤自动添加X-Hermes-Trace-ID头，用于跨服务链路追踪
   • 数据库步骤（如SELECT COUNT(*) FROM sap_orders）自动捕获pg_stat_statements的total_time和calls

3. 报告生成阶段（21:30-22:00）

   • 将内存中的 DataFrame 导出为 CSV/JSON
   • 用 Jinja2 渲染 10 个模板，其中field-diff-report.json需额外连接 Machine C 的 PostgreSQL，执行SELECT * FROM sap_invoice WHERE id IN (...)镜像查询
   • 压缩./reports/20240618-1422/为report-20240618-1422.zip，生成 SHA256 校验和

实操心得：--log-level=info是底线。debug级别会打印每个 HTTP 请求的完整 body（含敏感数据），warn级别又会漏掉关键执行路径。我固定用info，配合--report-dir的结构化输出，比看日志高效得多。另外，--report-dir路径必须是绝对路径，相对路径在 CI 环境里常因工作目录切换而失效。

4.4 报告解读：10 份报告里藏着的 3 个关键发现

生成的 10 份报告不是摆设，它们直接导向了三个生产问题：

1. performance-baseline.csv揭示性能退化
   POST /api/invoice/post接口 P95 从 1200ms 升至 2800ms，但 TPS 未降。深入detailed-log-finance.txt发现：新版本在过账时多执行了一次SELECT * FROM sap_ledger_entries全表扫描，而旧版用的是带索引的WHERE doc_type = 'INV'。这是开发无意引入的 N+1 查询。

2. field-diff-report.json暴露数据精度变更
   invoice_amount字段在旧版返回1234.56（DECIMAL(13,2)），新版返回1234.5600（DECIMAL(13,4)）。虽然数值相等，但下游财务系统解析时因精度不匹配，导致部分凭证无法过账。这是数据库迁移脚本的隐式类型转换问题。

3. permission-change.xlsx发现越权风险
   新增角色FINANCE_AUDITOR被错误授予了DELETE /api/journal-entries权限。这个权限本该只属于SYSTEM_ADMIN。这是 RBAC 配置模板的 merge conflict 未解决导致的。

这三个发现，都是手动测试几乎不可能覆盖的。因为人不会去比对 10 万行数据库字段的精度，也不会在 200 个 API 响应里逐个检查 SQL 执行计划，更不会在 500 行权限矩阵 Excel 里找一行错误的 DELETE 权限。Hermes 把这些“不可能任务”，变成了grep和diff就能解决的常规操作。

5. 常见问题与排查技巧实录：踩过的 7 个坑和对应的解法

5.1 问题速查表：高频故障与定位路径

5.2 独家避坑技巧：文档里不会写的实战经验

技巧 1：用hermes validate做 YAML 语法预检
不要等hermes run报错才改 YAML。执行hermes validate --suite=finance-closing-v2可以提前发现：

• 缩进错误（YAML 对空格极其敏感）
• 未闭合的{{或}}
• depends_on中引用了不存在的文件
• type: http步骤缺少url字段
  这个命令不执行测试，只做静态分析，秒级完成。我把它加进了 Git pre-commit hook，避免无效提交污染 CI。

技巧 2：--dry-run不是摆设，是调试黄金开关
hermes run --dry-run --suite=...会输出完整的执行计划（DAG 图），格式如下：

[PO-CREATE] --> [PO-APPROVE] --> [GRN-CREATE] \--> [INVOICE-GENERATE] --> [LEDGER-POST]

你可以直观看到依赖关系是否符合业务逻辑。有一次我发现INVOICE-GENERATE被错误地依赖在PO-CREATE下，而它实际应该等GRN-CREATE完成，--dry-run输出让我在执行前就修正了。

技巧 3：环境变量注入的优先级陷阱
Hermes 的变量注入顺序是：config/*.yaml<suite.yaml< 命令行--env<secrets.yaml。这意味着suite.yaml里的timeout: 300会覆盖config/prod.yaml里的timeout: 600。如果你需要为特定套件设置全局超时，必须在suite.yaml里写，而不是指望 config 文件。

技巧 4：Windows 路径分隔符的隐形杀手
在config/prod.yaml里写CUSTOMER_API: "http://machine-b:8000"没问题，但如果写成CUSTOMER_API: "http://machine-b:8000\\"（末尾多了反斜杠），Hermes 会把它当作字符串的一部分，导致 URL 变成http://machine-b:8000\/auth，404 错误。Windows 用户务必用正斜杠/，这是 HTTP 标准。

技巧 5：报告模板的缓存机制
Hermes 会缓存 Jinja2 模板的编译结果。如果你修改了templates/custom-summary.html，但报告没变，执行hermes report --suite=... --no-cache强制刷新。这个--no-cache参数在开发模板时必备。

技巧 6：--test参数的精确匹配逻辑
hermes run --test=po-create.yaml不会只跑这个文件，而是跑整个套件，但只执行po-create.yaml及其依赖项。如果你想严格只跑单个用例（忽略所有依赖），必须用--isolated参数：hermes run --test=po-create.yaml --isolated。这个参数在调试原子步骤时非常有用。

技巧 7：Docker 环境下的时区同步
在容器里跑 Hermes，如果宿主机时区是Asia/Shanghai，但容器内是UTC，会导致{{ timestamp }}生成的时间戳比实际晚 8 小时，影响日志排序和报告命名。解决方案是在docker run时挂载时区：-v /etc/localtime:/etc/localtime:ro。

6. 后续扩展：从 72 项测试到持续验证流水线

跑通一次 72 项测试只是开始。Hermes 的真正威力，在于把它嵌入到研发流程的毛细血管里。我在当前项目里已经落地了三个扩展：

6.1 Git Hook 自动化：PR 提交即触发冒烟测试

在 ERP 系统的 Git 仓库里，我把hermes run --suite=smoke-test --config=config/dev.yaml加进了pre-pushhook。每次开发提交代码前，本地会自动跑 12 个核心冒烟用例（订单创建、库存查询、报表生成）。如果失败，git push被阻止，开发者必须先修复。这比等 CI 跑完 15 分钟再反馈，效率提升 5 倍。关键是，smoke-test套件的suite.yaml里设置了concurrency: none，确保在资源受限的开发者笔记本上也能稳定运行。

6.2 Jenkins Pipeline 深度集成：不只是“跑测试”，而是“决策引擎”

我们的 Jenkins Pipeline 不再是简单的sh 'hermes run...'。它利用 Hermes 的退出码做智能决策：

• 退出码0：全部通过 → 自动合并到release分支
• 退出码1：非阻塞失败（如 UI 响应慢） → 发 Slack 通知，人工介入
• 退出码2：阻塞失败（如核心接口 500） → 邮件通知全体开发，暂停所有新 PR
• 退出码3：环境异常（如数据库连不上） → 触发hermes healthcheck，自动重启测试环境

这个逻辑写在 Jenkinsfile 的post { failure { ... } }块里，让测试结果直接驱动研发流程，而不是堆在报告页面等人看。

6.3 报告 API 化：让测试数据流动起来

Hermes 生成的summary.html和performance-baseline.csv，被我用 Python Flask 封装成 REST API：

@app.route('/api/reports/<date>') def get_report(date): # 读取 ./reports/<date>/summary.json # 返回结构化 JSON，供 BI 工具消费 return jsonify(summary_data)

现在，PM 在钉钉群里 @机器人!report 20240618，就能收到当日测试通过率、TOP3 慢接口、新增阻塞问题的卡片消息。测试数据不再沉睡在文件系统里，而是成了驱动业务决策的活水源。

最后再分享一个小技巧：Hermes 的--watch模式。执行hermes run --suite=... --watch后，它会监听tests/目录下的文件变更，一旦你修改了某个 YAML，它自动重新运行相关用例。这比手动敲命令快得多，尤其适合在办公室咖啡机旁等待测试结果时——改完一行 YAML，端起咖啡杯的功夫，结果已经出来了。