hermes灵魂设定攻略

大家好， hermes agent 都用上了吗？觉得怎么样呢？那今天来分享一下我最近使用的十个技巧，比较适配新手。 那第一个就是我们去安装 hermes 的 时候，只要执行这一条命令就行了，但是呢， windows 用户一定要特别注意啊，必须得安装这个 wcl 这个环境，那其实安装也非常方便啊，只要打开你的这个 pro shell， 那输入这个 install 命令就可以了。安装完之后输入这个 wc 要启动，然后再去执行这条命令，那么就 ok 了。那第二个就配置这个主模型啊，那么在 hermes 里面是其实是有主模型和辅助模型的，那我们怎么去配置这个主模型呢？那配置也是非常简单，只要执行 hermes， 然后 model 模型，那么你就可以选择，那第一个是它自己自家这个订阅，第二个是 open rotter， open rotter 非常建议大家使用，这个 open rotter 里面其实有非常多免费的模型，然后的话你就可以等它出来，就是它会先加载一些。就是啊，模型 我们可以拉到最下面啊，就是你可能这个模型不在这里的，你可以拉到最下面，然后对话输入模型的名称啊，输入模型名称点确定， ok， 这样的话你的模型就变成这个应用达这个模型呢，因为我之前已经输入过密钥了，所以他没有提示我输入密钥，比如说我们再看一下他是不是变了， ok， 你 看这个名字是不变了，我问一下， ok 啊，它这个模型是这个，那我们在设置模型的时候有一个小小的问题，比如说我们如果说设置的模型需要输入这个 key， 但是这个 key 其实在它这个终端输入里面我们是看不到的，经常我们复制过去之后看不到这个字母出来， 那你不知道，你可能又复制，导致可能这个命要输错了，那怎么办呢？ 那么在这个 hermes 这个啊，目录里面有一个环境的这个配置的文件叫这个点 e n v， 那 么在这个文件里面是保存了所有你配的这个模型的密钥。所如如果说你这个模型调不通，那么你建议你去这个文件里面看一下你的密钥是不是配置的，对不对？那第三个就是啊，配置这个辅助模型，那为什么它会有辅助模型呢？ 因为它设置了不同的任务模块啊，比如说这个第一个任务模块叫啊试图就是说啊，你如果发了这个截图啊，给这个 homeys 发了截图，不管你是通过什么聊天工具发了截图的话，如果你专门给它适配了模型，它就会调用这个专门的模型， 那比如说这个外部网页的搜索也是一样的，那么他这边有八个任务都可以去配置不同的模型啊，那这里就会有一个这样的事情呢，就是可能像有一些他是高频的，但是我们不需要那么好的模型去处理，比如说像搜索网页，其实这是这是一个可能是一个 m c p 的 活， 并不需要你这个模型有多厉害，那么你就可以选用一个便宜的模型，那比如说像这种啊，比如说这种记忆类的啊，他要去 总结记忆的，那非常重要，因为记忆和这个技能的这个深层非常依赖于这个模型的能力，不然的话他的这个效果就很差，那么这种时候你就可以去选一个比较好的模型， 还有说这种搜索类的，那么都是比较好的模型，选好一点的模型，所以你可以去根据这个去配置不同的模型，那么你也可以不配置啊，如果不配置的话都会使用默认模型，也就是你配置的那个默认模型，那如果你想配置的话，你可以这么来配置，只要进入对话，然后你告诉他是哪一个任务，比如说请你 这个压缩的啊，辅助模型， 你复制给它就行，就首先你得知道自己这个模型已经配置好了，在我们前面这一步，他这边啊，看到没有，他把 auto 能换成这个，就是我们的这个模型。 第四个就是写好这个 sword， md 啊，就是这个是个灵魂的文件，那这个文件是写什么字呢？就是定义你这个后面字的这个风格 应该写什么呢？比如说你这个性格说话的方式啊，做事的风格，价值观和边界，所以呢这个是非常适合你去定义好，这样的话你的这个后面字就比较有人味了，那么格式你可以这样按这种格式啊，比如说你是谁，你怎么说话，你做事的风格是什么样子的？你遇到问题优先怎么处理 啊？比如说举个例子啊，比如说你现在要做一个这种研究型的 ai 助手，你就把后面字定义成这种助手，那么你可以按这种方式去让它给你去对话，那么你也可以让 ai 去帮你走。比如说你跟后面字已经对话了一段时间了，那么你就可以让它根据我们的对话技术风格 让它去重新设置啊，你的这个灵魂文件，或者说你自己知道叫 so d m d， 那 么直接叫 so d m d， 或者重新设置我的灵魂，它是能识别出来 啊，你这个设置灵魂就是去修改这个 so md， 它会去根据你的对话就去总结你要求的这种风格，因为你跟它对话，你会不断去纠正它的问题嘛，那么它就知道你喜欢什么样的风格啊，就是这个样子，所以这个文件是非常适合大家在刚开始使用时去定义的。去定义好的， 那第五个就要搞懂这个 home md， 这个就是定义了 home md， 这个就是定义了 home md， 就是他是怎么跟你说话，是定义他那 user 点 m d 是 他对你的了解，就是你是用的人，他对你的长期观察，会把这些你的画像，你的习惯，你的偏好，然后落入，然后总结到这个文件里面，所以这个是会被被动形容的，那么你自己也可以去编辑啊。 那 memory md 就是 通过我们长期的对话，他会把这个一些事情总结，就针对事情来总结到这个 md memory md 里面，然后呢，每一次对话都会把这个文件的内容注入到上下文里面去，这样的话他就会记住啊，你曾经喜欢这个，喜欢那个，喜欢，喜欢做什么？喜欢这个事的流程是什么样子的， 那 skill 就 更具体了，就是他对你的对话进行总结之后，发现有些事情是可以啊用流程固化下来的，那么他就他就会固化到这个 skill 的 文这个文件夹里面去形成技能，那么这你的方法就可以被附用，流程就可以被附用了， 那么这种你也可以自己去安装，那么后面字也是可以被动去创建去啊，进行一个修改的。 那 state db 呢？就是你跟它的所有的对话记录全部都保存在这里面，那其实最重要的是这个所有的 md 啊，是去定义你这个 home 字是什么样的人格，那这个文件是我们主动要去维护的，那其他的文件都是 home 字可以自动去处理的，可以不用管。 那第六个就是我们配置这个聊天通道，那么也是非常简单，那我们配置这个聊天通道也是非常简单，只要执行这个 homeis getway setup 就 可以了，那进来之后我们可以看到它支持非常多这样的聊天的通道， 然后的话这边也是飞书钉钉还有企业微信，然后这边的话是可以去配置的，比如说配置这个飞书的话，你可以进来，进来之后，比如说我这边已经配置过了，那我就让他重写。 那这句话是要输入这个 app id， 那 么你如果之前用过 open core 对 接过飞书，那么你肯定创建了很多这样的飞书的应用啊，比如说我们打开这个飞书的应用，就可以看到这样的 app id， 那 我们只要复制过去啊，输进去，然后再把这个密钥 再输过去， 然后再选择飞书啊，我们用的是国内版飞书， 然后就确定，然后不管，那这样就配置好了，那这边的话他有一个这样的一个配对的这个命令，配对的这个码 你可以选择选择之后你你如果说是第一次的话，他是会啊，你跟他对话的话会输，会生成一个这样的配对的密钥啊，你输进去就行了， 那这样就配置就完成了，你就可以去对话了，然后你可以选择，然后让它重启。它目前的话支持基本上主流的这个聊天工具啊，而且飞书的话它支持的这个维度能力的维度都是非常全的，所以说还是比较推荐使用飞书。 那第七个就是我们可以使用这个 homeis doctor 这个功能啊，去做一个全面的检查，看一下我们到底配置上有什么问题，我们可以输入这个，然后它就会去 如果没有问题的他就会打勾，如果有有问题他就会打叉，然后告诉你这个哪一个是啊？有什么具体的问题，那比如说这有个警告，这个有一个 browse 插件没有装好， 就是如果你这边遇到什么问题，你可以先执行这个，然后让他去看一下，检查一下有没有什么问题。那第八个就是 ui， 就 说它本身是有一个这样 ui 的 管理界面，那官方没有做啊，但是社区已经做了一个非常不错的这个 ui 的 界面啊， 然后的话你可以把这个项目 clone 下来，然后去执行这个，然后就可以启动一个这样的 ui 的 这个，呃， homeys 的 这个 ui 的 管理界面，那这边是我启动之后啊，我们可以看到你可以配置很多东西，比如说对话，然后的话配置这个任务， 还有这个搜索这个技能。然后的话这边是啊，一个就是四二点 m d 的 配置，比如说我这个配置就是这样子的，那么你可以直接修改， 然后这边的话是这样的，文件就基本上管理的东西都有，然后这边可以选择模型，所以说是不错的。你如果说不太习惯用终端命令行 t u i 这种方式来管理的话， 你可以把它下载下来，然后部署一下。那第九个是如果你想把 open core 的 东西迁移过来，你可以执行这个命令，执行这个命令的话，可以把 open core 的 一些技能啊，一些记忆啊，这些东西都都带过来，比如说像这个 点 open 空的所有的文件，他都会转移到这边去啊，你可以选择 yes 呢，他就会把它全部转过去了，非常方便的迁移啊。那第十个就是怎么去安装记呢？那么第一种方式就自己去创建，那通过聊天的方式创建，我相信大家这个都已经非常熟悉了。那第二个是在社区里面搜索，那么 homeys 也有自己的这个技能的社区啊，然后它这边也是有非常多这样技能的，大概有四呃，四百多个吧，六百多个，现在已经六百多个了。然后我们可以打开这个技能列表，里面是有这个 build in， 就 说明是它本身就自带了这个技能，那么不是这个标记的，那你就需要去安装了。那安装方式也非常简单， 那只要把链接发送给他，在对话框里面告诉他，让他去安装这个技能就可以了。你也可以去安装 opencircle 里面这个技能啊，也是一样的，复制链接发给他，他就会自动去安装。还有 github 的 技能也是这么安装的， 那这样有了技能之后，那你就能够去用很多这样的，做很多这样的事情了，那么以上十个呢，是我自己总结的一些这些经验啊，希望能够帮助到你，能够更快更好地去使用这个 hems agent。

大家好，最近有一款 ai 神器呢，非常火，它的功能跟 openclaw 是 非常像的，但是呢某些功能是超过了这个 openclaw， 在 github 上的这个 sars 已经超过了三十二 k 了，虽然说比 openclaw 还差一些，但是呢目前是受到了非常多的关注啊。那这款 ai 神器呢，叫 homeis 神器， 那本期视频就来介绍一下这款 agent 的 到底是什么，以及如何安装，然后来讲解一下它的一些特色点。那首先我们来看一下 hymis agent 到底是什么？我觉得它有一个非常两个非常大的个特点，就是可以自净化， 也就是可以自主去学习，加强自己。然后呢就是还可以有一个内置的一个学习壁画，那它这两个部分是怎么做成的？ 那就依赖于这最重要是依赖于这两个特点，一个是持久多层的记忆，它是使用这个 light 加 f t s 五的方式来保存我们的历史的对话，也就说你跟 ai 进行的每一个对话它都保存下来了， 而且能够去根据你的对话去总结。那第二个就是他的自动技能进化，这个是非常有意思的，他去通过你的对话，他会把你的对话流程沉淀成技能，也就说在他这里面你是不需要去创建技能的，他会根据你的对话来去总结出来技能，当然你也可以去安装别的技能， 所以就有这两个东西来促成了它有这种自主进化的一个能力啊。那么在 open core 里面我们是要自己去安装技能的，那么它的记忆的方式跟它也有区别，那接下来我们会详细讲解它的记记忆， 那其他的比如说自主执行能力啊，它是能调用各种各样的工具浏览器，那么我觉得这是一个通用的 a 点的必须具备的能力啊。那模型的话，它也是支持常见的模型，比如说我们国内的 mini， max， kimi 啊，全部都支持，然后也是免费开源，免费的， 那么目前它的这个 stars 已经有三十二点八 k 了，增长的非常快啊，那关注的人也非常多，然后我也试用了一下，的确是有点不一样的感觉，但我们来对，先来对比一下这个哈密斯跟 open coil 的 区别。 那么首先是核心价格的维度， openclaw 是 什么？是它是个 getaway， 它通过 getaway 路由到不同的 agent， 然后不同的 agent 可以 对接不同的这种 message， 比如说微信啊，或者说飞书啊，然后设置不同的角色，它更像是个中央控制器，控中央路由器。但是 后面这个的特点就是什么呢？它更像是个人助手，专为你服务的，它的特点就是说我能在给你的服务过程中去成长。所以说 open core 更像是一个商业的东西，你可以去对接很多客客户，别人的老板啊，同事啊，去设置不同的角色，不同的 server， d， m d， 然后去跟他们去对话，那后面一次呢，就是更像是你自己，你就给自己玩就行了。所以我认为的区别是在使用上的区别，有这么个区别，那学习能力， 那 open core 呢？是需要你去安装这个技能，去找一些技能，它是不会去沉淀你的对话记录来自主去创建技能的。 那么 homeis 呢？是可以去提炼你的对话，然后生成这样的技能，那这个是非常有意思，也是可以去啊，我觉得 openclip 是 可以去借鉴，然后去后面可能会去增加这样的功能了，那记忆系统，那么我们会详细再讲到这个记忆系统，那技能的生态 都是一样的，包后面是也有这样的社区啊，然后也可以去安装开源的这些技能，完全没有问题。那消息平台的话，那 open call 这边是可以对接了，五十加集成，那对接的那种渠道还是非常多的。 那后面是这边的话，是对接了七到十个主流的，那国内的飞书啊，微信啊都对接了都，他这边都是可以完全去对接的模型啊，都是，我觉得都差不多， 那其实就是最重要就是这个记忆系统和这个啊学习能力，我觉得是最重要是这两个区别啊。接下来我们就来详细的看一下他这个记忆到底是怎么来存储，怎么来去来实现这种啊自进化，或者说能够更好的去给你去回忆你具体的内容的。那首先你发出一个信息， 那后面一次 a 型的时候开始就推理，然后他会把常驻记忆，就是他会把上一次或者之前的对话中值得记下来的记忆啊，会放到这个 memory 点 md 文档里面去。然后呢，那你的每次对话，他都会把这个 memory 点 md 放入到上下文里面去，那么这个跟 openclose 是 一样的，这种就叫做常驻的记忆啊，就是你可能是你的个人的设定啊，你的一些习惯啊，那么这个就会放到上下文，每一次对话都有用，那如果你的对话中需要更深的记忆， 就比如说你要回忆在上周二我给你对话的内容是什么，我是不是说过一个什么事情，那么 home 子就会去 搜索这个 solide， 就是 你之前的对话记录，它会把每一条对话记录都保存起来，那么我这边就是把这个 solide 数据库展示出来了，你看它把我的每一个对话都保存起来了， 那么他要搜索的话，通过这种缩影的方式把这个数据就拉出来，然后去做摘药，就会回答你，哦，你让我回忆的东西在这里面有，那 open colo 在 这里是没有的，他是把你的对话会总结成文档，放到这个 memory 的 md 里面 啊，日期这种方式来存储，所以他是想不起来上周二我具体跟你聊了什么，他是记不起来的。最后呢，就是你对话完成之后，他有一个专门的 啊，异步的这种 review， 这个 review 是 干什么呢？它会 review 你 这个这段时间对话，那这段时间对话有没有值得可以存入到我们这个 memory 的 md 的？ 也就说我们刚开始开始发送对话的这个长注记忆， 它可不可以把这个对话内容值不值得长期保存？如果值得，那就它就会更新这个 memory md。 然后呢，在你的这个对话过程中，有没有一些流程我能沉淀起来， 把它做成技能啊？如果有，他就会写出来技能，所以你跟他对话的越多，那么你保留的这些技能就会越多，他就越来越会越了解。我们知道技能就是一个人的一个流程化的一个沉淀，对吧？你的做事的习惯，你的所有的这个， 呃，你的方法论，所有的东西他都帮你总结出来，放到这个保存起来了，他就会越来越像你，越来越理解你，越来越懂你。所以这个东西是为什么说他？我觉得他是一个非常 大的一个进步，为了让大家更加的明白这个记忆的区别，这两个记忆的区别让我来更详细的来演示一下。那后面是存储存的是发生的过程，也就是他会把每次对话存起来，像聊天记录一样 存到他的数据库里面去。但 open core 是 什么呢？他提炼的是知识，就是会把你的对话中可能需要注意的点，对吧？偏好规则设定结论给保存起来，像个就像你做会议闭会议记要一样， 那么后面是保存的是会议里面每一个人说的话，但是呢， open core 保存的是我整场会议里面要记的点， 所以这两个是非常大的区别的。我们来举个例子，比如说你现在跟 agent 对 话啊，你发送的时候以后要帮我整理周会记，要先把代办列出来再写总结，那 agent 说， ok， 我 记住了， 记住了啊，这是一个非常重要的一个顺序。然后呢，他说，哎，用户又提了个要求，他又 ok， 接下来了，那上面的对话其实里面就包含了什么呢？就是 过程，就他要怎么做，一个结论就是他不要怎么做，或者是建议他怎么做，这个一定是会被保存成记忆文档的。好，对于这，对于这段对话，那么 holdem 子会把他所有的这个聊天记录啊，就这个聊天记录保存在 sql 数据库里面去，然后也会 把这个里面提炼出来，把那一个结果就说你的设定，你要的要求，把这个每次要开会记会议要的要求把它保存到这个 memory 里面去， 然后如果涉及到流程，把它保存着技能。所以呢，你下次如果再问同样的问题，他就会知道哦，我先要干什么后要干什么，我，你不喜欢什么样子的，他就会去调用这个记忆和这个技能， 那么 open core 也是一样的，在这里是一样的，根据上面对话也是会把这个结论会记下来， member 在 这，在这个，在这里的时候，在这个阶段的时候，大家都是一样的，当你问到同样的事情，他们的回答结果一定是一样的，在这一步两个人的记忆都是一样，因为都是总结， 都是对对话内容的总结。但是当你要问这个时候，比如说你问为什么 要把这个周会改成这个样子，问到细节的时候，就是我们要深入的去问的时候，那 open coil 他 是没办法去回忆，哦，我为什么要改成这样？他只知道结果是要改成这样，他不知道过程。 所以在第一步的时候，如果大家都是啊，重新去做一个事情，就是我要建议要开一个新的会议，那么大家都会按照这个结果，就是已经设定好了规则 去执行。但是当你去问我之前要为什么会这样子的时候，你来帮我回忆一下，我上着奥为什么要让你去改的时候，那后面一次的话就是可以去回忆你们之间的过程，然后去提出摘药回复给你，但是 open close 我 没有的。所以呢，时间一长，差别就体现在 宏米思更强调的是陪伴感，哇，它真的像一个你的一个影子一样，能知道你们的所有的对话记录。那奥文科尔是个管理感，因为他注重结果， 所以这是一个很大的区别，这也是我在看他的技术代码里面一个感想，就是就是宏米思可能是会更偏向于个人意见的，就是陪伴式的， 很知心的一个伙伴。那 open core 呢？可能是更像是支付管理助手，所以呢， home 更容易把精力继续转成方法，因为他拥有你所有的精力，他会把你的精力转成技能 沉淀下来，那么这个就是非常非常重要的。好吧，我们最后再来总结一下，那 home core 记住了是发生过什么？ open core 记住了，是 我最后应该记住什么啊？这个是两个非常大的一个区别， home 和 open color 应该怎么选择呢？如果你更想要长期的相处感，回忆过程，经验沉淀，那么 home 则会更适合你。 如果你想要文件化，记忆清晰，治理规则型知识库，还有还有就是你想要去路由更多这样的通道去对接这样更多 agent 内部的 agent， 那 么 open color 可能会比较适合你。那我们来安装一下来体验一下。 安装也很简单，就只要有这样一个命令，那么你可以选择你的 windows 电脑，或者说你的这个另一个服务器啊， mac 电脑都可以安装。对呢， 那当你安装完之后啊，你可以使用 home 键进行启动了，启动完之后，它就会进入一个终端命令行的界面啊，比如说这样子，它会看到，你会看到它那个工具以及它现在的技能。 如果你安装这个 openclip 啊，它会把 openclip 里面的东西都同步过来，但是你在安装过程中去选择，让它把 openclip 里面的，比如说这个，呃， user 的 md， 就 它记忆文件以及它的技能都可以同步过来。然后的话你第一步是要去设置啊，你想要用什么模型？那怎么设置呢？你可以在这边 homeys， 然后 set up， 这里的话是可以选择，就是 你是不是要同步这个 open core 里面的配置，那比如说我现在选择不要，那么你这边的话它会选择一个 quick set up， 就是 可以去设置模型消息，那么你可以选择这个。好，这边就就是你们常用的模型了， 国内的模型的话，我建议用这个 more providers， 然后呢去选择这个，呃，自定义，因为它有些端点是有问题的，就是你可以自己去设置这个，比如这个 base url 啊，你自己可以设置这个端端点的地址，因为他有些地址他错，比如说我选择 kimi 时，他那个地址是错的，但是大部分地址都可以用，你设置完之后他就会要求你设置 key 啊，那就 ok 就 结束了，模型就设置成功了，结束之后呢，你就可以去启动， 这是会进入它的一个聊天界面，它自带的聊天界面，那么你就能看到你现在这个模型，比如说我配的是这个 timmy 的 这个模型，那么你就可以在这里对话，然后非输这个对接的话是需要单独去这么去配置的，那么就是 hoe， 它有个专门的 get away 啊，能 set up， 然后这边的话是可以选择看到没有，可以选择飞书，然后就是选择飞书这个啊，选择这个飞书，然后的话选择 y， 那 就是你飞书创建的一个应用 a p p id 和这个 a p p secret， 就 a p p 密钥，你把它输进去之后，那么你就可以去对接去用了。 但是目前来说用其他的，我用飞书的话好像有时不太稳定，所以我现在用的是他自带的这个聊天框，可能后面会有很多这种插件出来，因为毕竟他也是刚出来，但是他这个记忆和这个技能自动创业技能，这个是太爽了。所以你如果没有这种需求的话，你直接可以用这个 自带的这个聊天框，就它这个终端跟 qq 的 一样去对话也可以，也是非常舒服的，非常爽的，它也可以去操作很多事情。 ok， 那 本视频就到这，希望这个视频对你有所帮助。

前天我不是说这个 hermes 适合做主脑，然后 open claw 是 天生的打工人，然后我今天就把这个架构实现了，看现在的架构三 a 准，我还中间把它添加了一个叫做 cloud desk， cloud desk， cloud desk， cloud desk 可以 算是你懂的。哎，这个不要不要，不要详细说啊，它现在的架构是什么呢？ hummus 就是 它作为一个联络窗口，我不需要跟那个 open crawl， 跟那个 cloud desk， cloud desk 去对话，然后我就直接跟 兰花，也就是说这个号码对话，我给他任务，然后他拆解任务，然后有必要的话，他会调用这个 clouddesk 做一个 outro plan 的 一个解释，然后返程计划步骤。之后呢，再重新分派任务给到 opencore， 即执行，或者给到 clouddesk 去编码， 然后呢再返回给到 hermes， 然后 hermes 得到了最终的结果，在教验过之后再把它返回到给我。就说整个过程呢，他 hermes 他 是不不干活的， 他只需要做做一些决策类的事情，这样的话他就不会像以前那样子 hems， 他 在处理事情的时候很容易卡死他，现在这种结构呢，下来呢，他的卡死几率很小。 然后他们之间呢，蓝就是 hems 跟 opencry， 还有跟这个 cloud dash 是 通过一个叫做 mcp 协议层去调度的， 就说他们自之间的沟通是通过 m c p 的 一个协议层去沟通，然后这两个完全我不需要管他就是我不需要管他里面是怎么实现 就可以了，非常的。怎么说呢，整个整个提升是很明显的，我给到他的任务的话，他很多时候他派发下去很快就完成， 跟以前不一样，以前他自处理一些代码类的东西，可能是新手，或者说是他，实际上他的主要作用还真不是代码类， 所以这样分派下去之后，你得到的一个非常完整的一个小团队，大家也可以尝试一下。我说一下我的 我的步骤，我的步骤是先安装的是 hermes， 然后用了一一两天之后呢就叫 hermes 帮我安装了一个 open core， 安装了一个 open core， 部署完可以看一下， 可以看一下今天早上，就今天早上的时候我问他，你知道 open core 吗？他说知道，然后我就叫他部署了一个 open core， 好 部署完 open core 之后呢， 就他就利用 open pro 做，做成一个执行层，部署完成，你看部署完成状态，然后做成了一个执行层，整个过程呢都不需要我去插手， 整个过程都不需要我去。然后 open pro， open pro 的 这个协助测试成功，测试完之后我又有了一个新的想法， 但是这个中间肯定是去进行了很多的一个调试，比如说他的这个协助方式我觉得不对，然后我要重新指定说你要作为一个主脑 只是决策、规划、拆任务，然后用户交互，但是其他执行呢就不要去执行，你要去叫人家去帮你干活，是这样的，然后呢？你有没有防备？ 我发现他很聪明哦，他自从我跟他说了作为一个主脑存在之后，他自己又分析了一下，然后又加入了一个叫做卡拉库，但是卡拉库这个你要知道 卡拉库这个这个东西是一个就不算开源吗？然后我就我就跟他说卡拉库是不是开源的给你，然后我就找了一个叫做 也是卡拉库，也是卡拉库，但是不是这个卡拉，是那个卡拉库，是这个韩国韩国人重新编写的这个卡拉库，然后他就把这个卡拉库部署，但是部署完之后就发现一个问题，卡拉库他也只能使用 这个艾斯洛匹的这个这个 a p i， 没法，没法去使用第三方的一个 a p i， 这就有点限制。我现在用的是英伟达的一个免费的一个 api and so on p 的 这个 api key 呢？我就没有没有没有去订阅，所以后来就发现还有一个类似的东西，但是它可以支，很好的支持一个英伟达的一个方案， 然后就是这个叫做 cloud desk， cloud desk 的 这个它的功能实际上是类似的，就是没有太大的区别，都是可以用的，所以我就叫他搭建了这个 cloud desk， 然后最终就得到了这个三 a 准的这个架构， 三一整的这个架构实际测试下来是非很稳定，我觉得大家可以实实验一下，好了就到这里吧。

最近有款新的 a 型的火速圈了，叫 hermes， 相信关注 ai 资讯的应该都已经知道了，甚至已经部署好开始利用了，对不对？那我们没有部署好 hermes 的 不用慌，今天我给你们带来全网最简单、最好用、最容易的部署教学，保证没有手你也会，要是看完搞不定你来找我， 那在教育之前的话，先给大家打个定心记。我知道你们现在心里在想什么，哎，我 open color 都还没跑通呢，现在又冒出来一个 hermes， 这个 ai 圈的更新 ai 速度好像也太快了一点哦，感觉都跟不上了。不要这么想兄弟。首先 hermes 也是一个 ac 的， 诚恳的来说，它会不会比 open color 好 用？现在也不好说， 它的核心特点什么自主学习、闭环、持久、分身记忆、 open color 它现在装了 skill， 不是 也有这些特点吗？所以我觉得你即使不装这个什么 hermes， 倒也问题不大， 但是装了有什么好处呢？这个就是我要跟大家介绍的一个模式， open color 当工头， hermes 当工人，让 ai 去管理 ai， 打造一个工作流的效率进化。说的简单一点，即使你现在只有一台电脑，那你最起码也可以有两个超级 ai 助理，难道不好吗？ 现在这是一个我已经不锁好的界面啊，一个 open color， 一个 hermes， 那 就让某个二十分钟前，在我刚准备装 hermes 的 时候，我灵光乍现了一下，我为什么要自己动手啊？我已经不是有一个全能的 ai 助理了吗？我们得利用起来。 那么一开始呢， open 哥是拒绝安装 hermes 的 理由非常扯淡。这个就是一个很经典问题，也就是我在前几期视频中跟大家提到的 ai 幻觉引发欺骗效应，不过不要紧，我现在已经有了拿捏他的手段， later， ok， 他 现在已经开始给我安装了。如果你的 open 哥也会存在这种情况，你可以来找我，我给你一个一招制服他的办法，然后接下来操作，我们只需要买杯咖啡刷抖音就可以了 啊，对，有一个操作是要我们自己动手，就是配置一个 apikey， 然后把这个秘钥给我们的 openkey。 你 直接啊复制下来，然后发给我们的 openkey 就 可以了啊，就在这个聊天界面里，这个还是也很容易的。 ok， 那 我们现在到这一步为止，我们的 homebrew 就 已经安装好了啊。有时候我真的是不理解，网上那么多教程，然后弄的乱七八糟的，直接让 homebrew 装不就好了，搞那么复杂干嘛啊我，兄弟们，我们不需要搞那么复杂的， 然后我刚我也试一下，他只能在终端里面聊天啊，这个看着我不是蛮舒服。 他的回信息速度呢，是感觉用的同样都是 mini max 的 密钥。嗯，但是好像比那个 open color 回信息速度要稍微快一些。然后别的话呢，倒也还没感觉出来啊，反正如果大家想去试一试的话，我马上去安装一个吧。

今天我用了一阵子的 amos 啊，最大的体悟就是简单省事啊，像龙虾对接欧拉玛 lm studio 这样的本地模型啊，需要手工配置啊， amos 真的 是非常简单啊。 大家好，我是根谷啊，今天是 amos agent 系列课程的第二堂课，很多人的虾还没养好啊，现在又开始养马了。首先给大家看一下效果吧，我打开这个 amos 啊 amos， 比如说我做几道题目啊。先来一道简单的吧， 小明现在有十二个苹果，吃掉了三个，又买了五个，现在有多少个？我首先看一下欧拉玛这个，这一枚的四二十六币啊。好，他已经装载进去了。装载进去的话以后你看啊，一辆车 每小时六十公里，二点五小时能走多少公里数？那第二次就会快很多，因为刚刚我很久没用它休眠了哈。我们再做一道比较难的题目吧，一道概率论的题目。这道题目是比较难的，一个盒子有三个红球，五个篮球不放回抽两次 啊，就是这个球第二次抽到红球的概率，他给了两种方法对吧？嗯，那再给两个这个脑筋急转弯，这个小时候经常经常被坑啊。小明的妈妈有三个儿子，大儿子叫大毛，二儿子叫二毛。小儿子叫什么？小儿子是叫小毛吗？不对，是叫小明对吧？来一个这种吧 那来一个这种。呃，他这个记忆体没有的，比如说，呃，美国的现任总统。总统是谁呢？他应该要去网上去找，哎， 或者是美国的第一任总统是谁，我看看他能不能知道叫 music music music 啊。 这个 ems 最大的特点就是它，如果是啊，如果是它没有的功能，它一定会去网上找，比如说，比如说北京今天的天气如何，这对它来说应该是有难度的，它应该没有这个技能才对的，是吧？ 那它你看它要去这个叫酷 google 去搜寻这个北京的天气，它要去 bing 里面去试了，是吧？ 大概是搞不定的，我觉得它应该需要做一个这个天气的一个 api 的 接口去访问，它自己要去写这样一个技能， 然后我讲一下怎么样去快速的让这个爱马仕对接你本地的模型，因为你的电脑足够强大的话，我建议你还是用本地的模型啊，因为非常省钱啊，非常省钱啊。第一步就是进入这个欧拉玛，对吧？我用的是欧拉玛的当当 low 的 欧拉玛，是吧？我用的是苹果的， 自动的，就下载，下载完了以后这个没有什么可讲的，就是一个应用程序打开，打开它的话，这里面有很多模型啊，如果你电脑配置比较好的，就去下这个二十六 b 的 啊，二十六 b 或者是 三十一 b 的 都是没问题的，我的成，我的电脑下三十一 b 是 没任何问题的，当然我的电脑也是跑不起一百二十 b 的。 下完了以后，下完了以后你测一下就好了，比如说我下了这个这个这个 这个，这个我是有的，对吧？这 gpt 的 你，你是什么模型啊？对吧？它就是 gpt 的 这个这个单元模型，是吧？下完了以后，这个就挂在这里就不用管了，就是好通了，它出现了 cking thinking 啊，就 ok 了啊，你就不用管了，你可以把它擦掉。那第二步要要你知道这欧拉玛用的是什么端口？那欧拉玛端口的话是幺幺四三四，那这个端口是怎么知道的呢？很多人他在问这个端口怎么知道呢？其实是靠那个 l i s f 这个，你去看它的监听端口， 欧拉玛这个监听端口就是幺幺四三，是默认的，这个东西大家记住就好了，他不是八千是吧？也不是八千，也不是幺幺四三五，就是这个就就用这个命令，命令行啊，这是教大家一个小技巧，然后怎么把它配置上去呢？也是非常的简单的，是爱马仕，爱马仕这个名字我觉得取得特别棒啊， model 就就一个命令。然后呢？你翻到下面了，如果你用了龙虾的话，这些都是他把龙虾的配置倒过来了。假设你第一次配，第一次配是没有这些的，但是这个这个选项是有的，叫那个卡斯特吗？卡斯特吗？在哪里啊？自定义的端点，这个这个 这个这个 http 冒号双写，这个幺幺四三四回车，这里的 api 你 们不需要，不需要，因为不需要 api， 来这里面就选择模型了，对吧？这里面你选择一二三四，我应该是默认的是二二，是我最喜欢的模型啊，这是目前为止 最强大的模型啊。这个上下文这个窗口最好设置为非常大，七万 七万是没问题的啊。好了，以后就是 amos， amos， amos， amos， 哎，它总会出中文， amos， 哎，这就好了，最好是你先杀一遍进程，然后呢取一个新的回放框，因为它毕竟不是在浏览器里面，它全是这个命令行，所以说开始用起来可能不会那么习惯，但是用着用着应该就比较顺手了。比较顺手了啊？

兄弟们，昨天刚说 hems 没有控制台，今天的 v 零点九就把哥们脸都给抽烂了。第一，本地外部控制台来了，浏览器里面点点鼠标就能管绘画调技能，直接降低使用门槛。第二， flash 的 极速模式， gpt cloud 模型发的消息都可以秒回啦！第三， 微信加企微回调模式，兄弟们啊，终于可以丝滑接入，不用折腾！第四，安卓原声支持安装 turnx 后啊，直接在手机部署，手机直接变服务器，电脑都不用啦！第五， 一键备份导入 ems backup 命令，配置直接秒备份，无论是设置崩了还是换了台机器，完全不用慌！第六， 十六个平台支持从微信到 discord， 从 m s h 到飞书全平台通知，你想用哪个软件啊就用哪个。说实话，这个版本最大的变化啊，不是功能，是门槛，以前呢，得会折腾并内行，现在呢，小白也能直接上手。但这样的不再是极客的玩具，是真的变成了生产力。

最近特别火的 ai agent 叫 hermes， 那 么跟 open core 在 设计理念、适用场景，还有包括技能机制和记忆管理等等这些方面到底有什么不同？普通人应该如何选择 ai 工具来使用呢？今天我们就扒一扒， 记得收藏点赞！ open cloud 大家都叫小龙虾 hermes， 他 们叫爱马仕了，其实 hermes 它真正的来源是古希腊神话里面的赫穆斯，就是众神的姓氏， 所以 hermes agent 其实可以理解为是重 agent 的 姓氏。原来是这样，那 hermes 它到底是一个什么东西？它和我们以前了解那些 ai agent 到底有什么本质上的不同？ hermes 其实是一个 ai agent， 但是它特别的地方就在于它把 harness engineering 这个方法直接做到了产品里面，所以它天生就具备了自我管理和进化它的能力。自我管理和进化听起来有点像它会自己升级自己。 没错，哈密斯他不光是可以调用工具和执行任务，他还会在完成任务之后自己复盘反思，然后把这些经验技能都沉淀下来，优化自己的工作流程，下次再遇到类似的事情的时候，他就会做的更好， 甚至他会随着你的使用越来越懂你，而且完全不需要你去反复的教他。 hermes 和 openclaw 这两个在底层的设计思路上面最大的差别到底是什么？ openclaw 它其实是一个配置驱动的 agent， 你 要很明确的去给他设定他的人格规则还有技能，他才会按照你设定好的这些东西去执行任务。 但是哈姆斯就不一样了，他是一个自学驱动的 agent， 他 自己会在完成任务之后去总结经验，然后把这些经验变成自己的记忆和技能， 这样他下一次再遇到类似的情况的时候，就会做得比上一次更好。那这么说的话， open club 和 hermes 分 别适合哪类人用？ hermes 比较适合那些希望有一个全天候的助手，然后这个助手可以自己不断的去学习进化，并且可以跨任务帮你记忆的人。 比如说你要整理知识库，或者是说你要多任务并行，希望这个助手可以慢慢的摸透你的风格。 hymes 就 非常适合你，如果你是喜欢自己去精细的跳 ai 的 每一个细节的，那 open code 就 更适合你， 因为它的配置非常的灵活，它的 skill 生态也非常的丰富，社区里面已经有很多现成的解决方案， 所以你可以很快的就用这些 skill 去解决你遇到的一些具体的问题，而且它的可定制化的空间也非常的大。那 kemis 是 否支持多 agent 的 模式？支持的 kemis 它是内建了这个子 agent 的 委派能力的，但是它支持最多三个子 agent 并发， 也就说它可以把一个比较复杂的任务拆分成几个部分，然后交给不同的 agent 去同时处理，而不是说像以前一样只能一个一个的排队执行。 限制三个是为了系统的稳定吗？其实这个限制主要的原因是因为如果 agent 太多的话，会导致大模型的注意力过于分散，反而会影响整体的这个任务的执行的效果。 所以三个其实是在效率和效果之间找到了一个比较好的平衡点。 ai agent 它的记忆管理好像非常重要，那 hermes 和 open cloud 在 记忆管理上面到底有什么不同？ hermes 它是一个三层的自改进的记忆系统， 它有绘画记忆、持久记忆，还有 skill 记忆，而且它每次任务结束之后会自动的去复盘，然后把新的经验更新到它的记忆里面，所以它的整个的这个过程是完全自动化的， 而 open core 的 记忆管理就需要手动去维护了。 open core 记忆体系其实也非常的成熟，它有日制记忆文件，还有羽翼搜索，这些功能都非常的完善，但是它主要还是依赖于人工去维护和更新。 所以准确的说法不是谁绝对更强，而是 hermes 强在自动进化， open core 强在成熟完整。原来如此，对他们来说， skill 技能是非常重要的。 hermes 和 open cloud 在 这方面有什么不一样的地方吗？ opencode 的 skill 基本上都是靠人去编辑和更新的，然后也依赖于社区去不断地维护新的 skill， 所以 它是一个比较静态的扩展的方式。但是 hermes 就 不一样了， hermes 它除了可以调用现有的 skill 之外，它还会在执行任务的过程中自己去创建新的 skill， 然后也会自动地去优化和提炼，所以它整个的 skill 体系是一直在成长，一直在进化的。而 open core 更像是一个你可以随时去查跟搜索，有非常丰富的技能库。 但是 hermes 它更像是一个可以在实战当中不断地去自我成长的一个系统，它会越用越聪明，越用越强大。我最关心的是 token 消耗， openclaw 消耗我太多的 token 了， hermes 是 不是也是这样？ openclaw 相比谁更节省 token？ hermes 一个三层的记忆系统， 然后它是按需解锁的，所以它并不是每次都把所有的记忆都读进来，而是你需要什么它就去取什么。而且它底层用的是 seclight 数据库加 f t s 五锁影，所以它的这个解锁速度会非常的快。 而 opencall 它用的是传统的数据库的方式，所以每次你要查询的时候可能效率就没有那么高。而 hermes 它这种专业的数据库的方式，就会让它在效率和速度上都会更有优势， 然后同时也会更省 token， 也会帮你减少一些使用的成本。那 hermes 到底是怎么做到在多平台之间无缝切换的？ hermes 它最新的版本已经支持了微信飞书这样的多平台的 getaway， 所以 你可以在飞书上面跟它对话，你也可以在微信 cloudboard 上面对话， 它是可以记住你之前的上下文的。那就是说我在手机上用飞书聊到一半，然后到了办公室，我可以直接打开微信继续，它还能知道我前面说什么。是的，而且飞书的卡片它还会显示 hermes 它的这个实时的执行的状态，这一点其实是 opencall 目前还做不到的。 hermes 它是可以一个实利同时配置多个通信的渠道的，所以它的整个的体验会非常的流畅和连贯。对了，我电脑已经部署了 hermes 上去， 所以 hermes 它是完全可以跟 opencore 共存的，你不需要额外再去准备另外一台来单独安装，完全可以的。那我之前在 opencore 里面已经弄好的那些技能和记忆能不能直接搬到 hermes 里面用？ hermes 它可以直接迁移 opencore 的 skill 和记忆， 而且它的文件系统的结构也跟 opencore 很 像，都是隐藏文件。另外就是 hermes 我 用下来感觉它比 opencore 要稳定很多， openclip 在 处理多文件、调用多 agnate 的 工作，有时候会崩在那里。 hermes 和 harness 非常容易让人混淆啊，它们之间到底是什么关系？ harness 其实它是一套方法论，就是告诉你怎么去通过一些设计的规则、利益反馈这些机制，让 ai 发挥出它最大的潜力， 然后把这些最佳实践总结下来，就形成了 harness engineering。 harness 就是 把 harness engineering 这套方法论直接做到了产品的内核里面。所 所以你在使用哈里斯的时候，它背后都是自动帮你按照这套方法论来运行。理解了，现在 ai 工具更新速度实在太快，那我们到底应该怎么样去提升自己，才能够不被这种快速的变化所淘汰呢？其实工具也好，模型也好，它都是更新的非常快的， 过几个月可能 open core 就 被淘汰也不一定你今天已经适应了这个操作界面，可能过几个月就完全不一样了。 所以真正能够让你一直保持领先的是你怎么去思考，怎么去判断，怎么去表达，以及你怎么去把 ai 融入到你的工作流里面去， 怎么将 ai 落地到真实的应用场景，然后降本增效，提升效率。 ok， 我 们今天其实聊了很多关于 hermes agent 和 open cloud， 希望大家多关注小鹏 ai， 了解更多的 ai 资讯以及应用，让我们能够在这种快速的变化当中去真正的提升自己的能力。

openclaw， 对 不起，我怕 hermes 误会！最近 ai agent 圈子里发生了一件大事， github 上一个叫 hermes agent 的 开源项目，两个月时间狂揽六万星，平均每天新增几千个关注， 直接冲上 github 川定第一名。更夸张的是，很多原本用 openclaw 的 开发者都在悄悄地迁移到 hermes。 今天就来聊聊 hermes agent 到底是什么？为什么这么多人开始移情别恋？ hermes agent 是 什么？ 先说结论， hermes agent 是 一个会自我进化的 ai 智能体，是一个会自己变聪明的 ai 助手。从你使用 hermes 的 那一刻开始，它就会开始自动写入记忆，自动提炼 skill， 自动优化工作流。简单来说，你用的时间越久，它对你的理解越深，工作越高效。 不是你在训练他，而是他在训练自己。 hermes agent 是 news research 在 二零二六年二月发布的开源 ai agent 框架。 hermes agent 的 核心特点用官方的话说叫 the agent that grows with you。 一个和你一起成长的智能体。这个项目被社区认为是 openclaw 上线以来第一个真正意义上的竞争对手。那 hermes agent 和 openclaw 具体有哪些区别？ 这里我总结了四个方面的区别。区别一，龙虾是网关， hermes 是 引擎。 open cloud 的 核心是一个 gateway， 它通过一个强大的系统来协调多个智能体，通过复杂的编排来完成任务。 你可以把它理解成一个指挥官，它告诉每个 agent 该做什么，然后把结果整合起来。这种设计的好处是灵活、强大、可扩展。你可以接入多个平台，可以运行多个 assistant， 可以 处理复杂的多 agent 协助任务。但是它有一个问题，每次任务都是从零开始。 openclock 没有原生的技能学习层， 你让它做一百次同样的任务，它还是会用同样的方式处理，不会变得更快更好。它有工具，有指令，但是它不会积累经验。 hermes agent 的 核心则是 agent 自身的执行循环，它不是通过外部系统来增强能力，而是把能力内化到 agent 的 本身。工具调用、记忆、交互、执行模式都是 agent 自己的能力，不是外部系统赋予的。 这种设计的核心优势是 agent 会学习、会进化、会适应。区别二， hermes 是 会自己写技能的 agent。 这是 hermes 最有意思的地方，当他完成一个复杂任务后，通常涉及五次以上。工具调用会把整个过程沉淀成一份结构化的技能文档，存成 markdown 文件，下次遇到类似任务，直接加载这份技能，不用从头解决。 更关键的是，这些技能在使用过程中会自我迭代。如果 agent 在 执行技能时发现了更好的方法，它会自动更新技能文档。 openclaw 也有技能系统，但主要依赖人工编辑和社区贡献的技能市场。 clawhab hermes 这边等于把写技能这件事也交给了 agent 的 自己。区别三，记忆体系的差异。 两者都声称有跨绘画记忆能力，但实现方式不同。 hermes 用 sq lite 数据库配合全书解锁，把所有历史对话存下来，需要时通过搜索加摘要召回。他把记忆分成两层，一层是常驻的关键信息，写在 memory 点 md 里，每次对话都带上。 另一层是全量历史解锁。 open cloud 的 记忆则是工作区里的 markdown 文件，走的是文件及记忆的路线，通过语义解锁工具来查找， 在上下文压缩前会执行一次静默记忆写入，防止压缩丢信息。简单说， hermes 更像是给 agent 装了一个搜索引擎式的大脑， openclaw 更像是给他一个笔记本。 区别四，安全思路也不一样。 hermes 搞了一套五层纵深防御、用户授权、危险命令审批、容器隔离、屏距过滤、上下文注入扫描、 默认对高风险操作，比如执行终端命令、写文件要人工审批，超时未批准就自动拒绝。 openclaw 这边则更强调信任模型和配置审计，它提供了 openclaw security audit 命令， 可以一键扫描网关配置的安全隐患。但 openclaw 在 安全方面的历史记录不太好看，今年二月被曝出多个高危漏洞，十三点五万个实例暴露在公网上， 技能市场也有超过三百个恶意技能被发现。这也是为什么很多安全意识强的开发者从 opencloud 迁移到 hermes 的 重要原因。那 hermes 就 完美无缺了吗？当然不是，它的生态还很年轻，社区技能库远不如 opencloud 丰富， 如果你需要大量现成的工具集成， opencloud 仍然是更好的选择。另外， hermes 的 学习循环需要时间积累，前期体验可能不如 opencloud 那 么开箱即用。但关键在于， hermes 代表了一个新的方向， ai agent 不 应该只是工具的集合体，而应该是一个会成长的数字伙伴。 open club 的 哲学是我给你足够多的工具，你自己组合。 hermes 的 哲学是 我跟你一起工作，从经验中学习，变成你的专属助手。这两种哲学，哪一种更符合未来市场？正在给出答案。好了，本期的分享就到这里，我们下期见。

hello， 大家好呀，这里是即刻模导师。上节课我们大致了解了 hermes agent， 今天我们进入 hermes agent 系列的第二课， hermes 的 核心机制话不多说，我们开始吧。我们今天讲的第一个 hermes 核心的机制是学习循环，它也是我认为最核心的机制。 这是 hermes 最让人意外的地方，不是它能做什么，而是它越好用也会越聪明。 假设你第一次让 hermes 帮你写一个 python 爬虫，他会写出一个能用的脚本，但代码风格可能不是你喜欢的。变量命名跟你的习惯不一样，这个是非常正常的，毕竟 hermes 不 认识你。但到了第十次，你使用 hermes 的 情况就会完全不同了，他知道你偏好用 h t t p x， 而不是 requests。 知道你习惯把错误日制写到文件，而不是打印到终端。知道你讨厌过长的函数名，没有人教他这些他是自己学会的。这就是学习循环在做的事。五个环节，一个闭环，策划、记忆、创建 skill、 skill、 自改进、 f t s 五、召回用户建模。 看起来像五个独立功能，其实它们之间有因果关系，我下面逐个拆给你看。第一个环节，策划记忆。每轮对话结束后， hermes 会主动决定哪些信息值得记住。注意，是主动决定， 不是被动存储。传统的对话记忆很粗暴，把整个聊天历史塞进上下文，聊得越多，上下文越长，直到撑不下。 hermes 的 做法更像人类写日记，回头看一遍这次聊了什么，有新发现吗？用户表达了什么偏好，然后把值得记住的写入数据库，建好 f t s 五全书。所以 第二个环节，自主创建 skill。 当 hermes 完成了一个相对复杂的任务，他会问自己一个问题，这个解决方案以后还会用到吗？如果答案是 yes， 他 就把解决方案提炼成一个 skill 文件。比如你让他把 csv 清洗并导入数据库， 他做完后可能创建一个 csv to database 点 m d 的 skill。 下次你再说帮我导入这个 csv， 它不是从零开始，而是直接加载这个 skill。 第三个环节是最关键的， skill 自改进， skill 创建出来不是终点。每次使用中，如果你给了反馈， aramis 会拿这些反馈修改 skill 本身。比如你说这个导入脚本，应该先检查表是否存在 hermes 不 只是这次加上检查，他会回去修改那个 skill 文件，把这条规则写进去，下次再用这个 skill。 检查步骤就是默认包含的。这里有一个关键区别，传统 ai 工具的记忆是对话记录的堆积， hermes 的 记忆是经验的蒸馏。 记住了这么多东西，关键是能在对的时候找出来。 hermes 用数据库的 fts 五扩展做权威，所以 每次新对话开始前，根据当前话题搜索历史记忆，只加载相关内容，不是加载全部历史，是按需解锁。 f t s 五还有一个好处，纯本地，你的记忆数据不需要上传到任何服务器，就在本地的数据库里面，搬家时拷贝 hermes 目录就行。 最后一个环节是 control， 用户建模，这是可选的外部集成。他做的事情比记住你说了什么更进一步，他在推理你是什么样的人。比如你从来没有明确说过，我喜欢简洁的代码风格，但 control 通过分析你多次修改代码的模式，推断出这个结论，甚至能捕捉到你言行不一致的地方。 你嘴上说要写详细注示，但实际 review 代码时从不看注示。五个环节单独看都不算新鲜，但 hermes 的 创新在于把它们组成了一个闭环 记忆喂养、 skill、 skill 使用中产生了新记忆，新记忆又触发 skill 改进，改进后的 skill 产生更好的结果，更好的结果让用户建模更准确， 这是一个正反馈。循环用的越多，每个环节都在变强，而且是同时变强。就像亚马逊的飞轮效应，区别在于 ems 的 飞轮是为单个用户赚的，不需要百万用户的数据来变好，只需要你自己的使用历史， 用上三五天，你就能感受到明显的变化。讲完了学习循环这节，我们来看这个循环中最关键的基础设施，三层记忆系统。 现在大多数 ai 聊天工具的记忆就像鲸鱼，上一轮说的话，下一轮就忘了。 hummus 的 目标是做一个老友， hummus 记得你说过什么，知道你是什么样的人，还学会了你做事的方式。你可能觉得 ai 的 记忆不就是存聊天记录吗？这是没那么简单的。 一个活跃用户每天跟 ai 聊几千字，一个月几万字，要是记录全都塞进上下文窗口，要么装不下，要么模型因为信息太多反而变迟钝。好的记忆系统不是存得多，重点是找得准。 hermes 用三层架构解决了这个问题。第一层，绘画记忆。这一层回答的问题是发生了什么？每轮对话内容全部写入数据库，建立 f t s 五全书缩影。 关键设计是按需解锁，而不是全量加载。新对话开始时，根据当前话题搜索相关历史，只加载需要的部分 数据库，积累几个月的对话也不会变慢。第二层是持久记忆，这一层回答的问题是，你是谁？存的不是对话内容，而是从对话中提炼出的持久状态。编码编号、项目结构，习惯常用工具链， 并且是跨绘画，保持不会因为开了新对话就丢失所有数据。在本地的 hermes 目录下，需要备份的话，只要拷贝就行。 hermes 的 便携性是一个被低估的特性， 很多 ai 工具的记忆所在云端换工具就得从零开始。第三层是 skill 记忆，这一层回答的问题是怎么做事。 每个 skill 是 一个 markdown 文件，记录方法论和操作规范。这三层对应了认知科学里的三种记忆类型，情景记忆、语义记忆、程序性记忆。这个就像是人类学骑自行车，你记得上次摔了，下次你就知道重心要放低，你的身体会自动保持平衡。 hermes 处理任务也类似，他记得上次你怎么改的代码，知道你的偏好是什么，手头有一套验证过的执行方案。当然目前这个也是有局限性的，就是没有自动过期机制，长期使用记忆数据库会持续增长，所以建议定期检查 hermes 目录，清理过时 skill 文件。还有就是记忆污染问题， 如果早期记住了错误信息，可能持续影响后续行为，所以定期审查记忆是很有必要的。 我们现在回到标题， ai 从金鱼到老友，金鱼的问题不是没有眼睛，是没有记忆。老友不一样，老友知道你的脾气，你的习惯。 hermes 的 三层记忆走的就是这条路，用的时间越长，理解越深。这不是口号，是三层记忆加闭环学习的数学必然。 上一节讲了记忆，是让 hermes 了解你，这一节讲 skill， 是 告诉 hermes 怎么做。 opencloud skill 需要你手动写，手动维护。 hermes 的 skill 会自己长出来，还会自己变好， 这个差异决定了两者完全不同的使用体验。在 hermes 里，每个 skill 是 一个独立的 markdown， 文件，来源有三种，有仓库自带的四十多个 skills， 由 agent 自己创建的，以及从社区 hub 安装的。三种来源不是并列关系， bundled skills 是 起点 skills， hub 是 加速器， agent 自主创建才是 hermes 真正的杀手锏。自改进是 hermes 和所有其他 agent skill 系统最大的区别。传统 skill 需要人工维护，你写了一个代码审查 skill， 发现某个步骤效果不好，你得手动去改。 hermes 的 skill 是 活的，它跑在学习循环里，根据实际反馈自动优化具体机制。四步是执行 skill， 收集你的反馈， 分析反馈，自动修改 skill 文件，下次执行时使用新版本。听起来很理想化，确实效果取决于 lm 能力和反馈的质量，但方向是对的，让 agent 从经验中学习，不是等人来维护。我们来看一个具体过程， 假设你每天早上让 hammes 帮你整理 github 通知，前几次你每次都得说一遍需求，第三次或第四次之后， hammes 会在后台做一件事，把反复出现的任务模式提炼成一个 skill 文件， 你可以在 skills 目录下看到一个新的 markdown 文件，里面有触发条件、执行步骤、用户偏好。从这一刻起，你只需要说一句，看看 github hammes 就 知道该做什么。更有意思的是，后续某天，你说这次把 discussion 也加上 hermes， 不 只是这次加上，他会更新 skill 文件里的规则，下次你不说，他也会带上 discussion。 这就是自我进化的实际含义，没有什么神秘的 ai 突破，就是把用户纠正规则，更新，下次执行。这一过程进行了自动化式的闭环。 agent 再聪明，没有工具也干不了实事。 harmys 内置四十多种工具，从跑代码到发消息全覆盖，这部分我就快速的过了，你知道有这些能力就行，用到的时候再来查。 harmys 总共五大类工具，分别是执行类是跑命令和操作文件。信息类是搜索和浏览器自动化。媒体类是处理图片和语音， 协调类是伪派字 agent 和多模型推理。这里面几个我认为需要单独拎出来说的。 第一个是 session search， 它的作用是用 f t s 五搜索历史对话，大多数 agent 没这个能力。第二个是 cron job， 作用是用自然语言定义定时任务，不用写 cron 表达式。第三个是 delegation， 它能同时启动最多三个字 agent 并行工作。 四十多个内置工具，覆盖了通用场景，可以在配置文件中按需启用 m c p， 让 hermes 接入 github 数据库、 slack、 jira 等外部服务。 安全方面， hermes 做了三重约束 to set 控制，决定哪些工具可用 code execution 在 沙箱里运行，此 agent 可以 指定受限工具级，给 agent 足够的能力完成任务，但不给多余的权限。 这节课我们重点讲了 hermes 的 核心机制，我们来快速回顾一下。学习循环是让 hermes 具备自主学习的能力。三层记忆 让 hermes 明白发生了什么，你是谁，以及怎么做事。 skill 系统提供了能力的基作工具与 mcp， 完善了 hermes 的 能力。光说不练假把式，下节课咱们直接上硬菜，我会带着大家手把手安装 hermes agent， 全程轻松上手。主打一个，有手就行， 只要跟着做，你立马就能拥有一个可以自我净化的私人助理，让他帮你处理杂事，自动学习。觉得这波干货有用的赶紧点个赞关注我，下节课咱们不见不散，拜拜！

不是吧，你还在用你的 openclaw 呢？和妹子了解一下啊？ nice！ 有 一个 ai agent， 你 用它的次数越多，它就越聪明，不是因为模型升级了，是因为它在自动给自己写技能。这个东西叫 hermes agent， 今年二月开源的。它不是一个聊天机器人，而是一套完整的 agent 框架，核心逻辑是四步循环，观察、规划、执行、学习， 每完成大概十五个任务，他就自动评估自己，把有效的做法提炼成技能文件存下来，下次直接调用，速度提升百分之四十。 hermes 的 存在完全弥补了之前 open class 时常失忆且越用越笨的缺点， 并且在 openclaw 被 anselpik 封杀了以后，从 openclaw 转为哈密斯的用户越来越多了。哈密斯仅用了两个月的时间就在 github 上面掌握四万个 star， 那 这么全面的一个 agent 到底该怎么安装呢？跟小凯一起来看看吧。我们首先复制官网上的这段安装代码，让它自动下载需要的内容。 这里值得注意的有两点，第一，哈密斯暂时只支持 mac 和 linux 系统， windows 系统的观众老爷需要先下载 wsl 二才可以安装。第二点就是屏幕上显示的 mac 安装的时候会出现权限问题，这个时候不懂技术的观众老爷可以求助 cloud code， 或者跟着小卡一起来更改一下权限，就可以继续安装了。 安装好后，我们输入 hermes desktop， 按照他给出的设置步骤来一步步完成就好了。这里可以注意到， hermes 是 允许导入之前各位观众老爷电脑上的 open cloud 配置的， 也就是可以一键迁移，不需要重新配置，非常方便，剩下的选项各位观众老爷就按自己的喜好来就可以了，然后到这一步配置就完成了。后续想要跟哈密斯对话，只需要在终端里面打入哈密斯就会激活对话框了，然后就可以和哈密斯开始一起干活了。 这里的操作就很简单了，各位观众老爷用自然语言对话就好了，和其他 a i a 证特一模一样。好啦，就是这么简单，快去试试吧！

大家好，最近 hermes agent 又爆火了，好多人都说我 opencloud 还没有玩明白，怎么又出了个 hermes agent， 这又是啥？今天就给大家聊一聊 hermes agent 到底是啥？你不用会写代码，听过豆包儿叉的 gpt 就 行，它跟普通的网页聊天儿不太一样，关了网页对话就没有了的那种。它更像一种能够长期跑在云服务器上的那种东西， 他会带着工具，他能够记东西啊，干过的漂亮的活儿呢，还能够留下步骤，下次接着用。 get up 上有一句原文， the agent that grows with you， 意思呢就是会跟着你一起变得熟练，他不只是会回答，他还会把该记的都记下来。 下来我会分四块说，技能、记忆、轻推，也就是 note， 还有消息网关，搞懂这四块你就能够明白它到底在干什么。我们平时用的很多的 ai 是 不是聊完就忘页面一关，上次说了啥好像就都没有发生过。还有一种就是绑定在写代码软件里的助手，写程序特别强，但主要就是待在编辑器里干活。 这两种都很好用，但都不是扔在服务器上，一直开着替你干活的那种 agent。 hermes 他 想说的就是他既不是那种纯网页聊天的呃，聊天工具，也不是只给写代码用的 一个编辑器。左边可以理解为常见的短聊天，说完就走。右边呢是指长期开着的工具，越用越多，接下来的东西也会越来越多的。这个 agent 我们讲的就是后面这一种。一句话概括呢， hermes agent 就是 把大模型放进了一整套能够长期跑的系统里，工具记忆啊，还有技能，还有跟各种聊天软件对接的网关，它们是一起工作的，它可以跑在自己的电脑上，也可以跑在租的服务器上。 文档里还提到一些语音上按用量计费的那种跑法，总之，它不绑死在某一台开发机器上。 打个比方，呃，光有一匹好马是不够的，得给他配上呃缰绳啊，还有对应的马具才能够呃走远路。那光有一个好的模型也不够，他也得配上这套东西，才能够稳定地跨很多次对话干活。 名字呢，很容易混 hermes， 它其实模型名也是今天说的这套软件的名字，很多人第一次听就会绕进去。开发这个 hermes agent 的是 north research， 自己做开源模型，也做 hermes agent 这种让模型跑起来的软件。 hermes agent 讲的是权重。 hermes agent， 它是一个跑模型的软件框架，换模型它不等于换框架，这是两回事。 agent 呢，它是把模型装进去，接上工具和记忆的那套软件。先说技能，你可以把它想象成写在硬盘上的一份菜谱， 每件事情特别折腾，模型用了好多部工具，终于跑通了，系统允许他把步骤写进一个叫 scale 点 markdown 的 文件里边。一般在用户目录下的 hermes 呃的 scale 目录呃的这个文件夹下，那下次同样的事情来了之后呢，就不用从头去想，照着这个 scales 这个规范去做就可以了。不对，那就再改几行，不用整份都重写。系统里有个功能叫 scale manage， 就是 管这些说明书的，说白了就是在这里啊 ai， 它可以给自己写操作步骤，以后呢，它还能够自己改。 不是跟网上说的 scales， 其实说的是一回事儿，别人做好的 scales 在 这里也能够装上使用。配置里边呢，还有一个叫 creation node interview。 呃，隔一阵子呢，它会提醒模型要不要把刚才的做法给它。呃，沉淀成为一个 skill， 不 想用的你也可以把它关掉。记忆分三层，这层比较容易误会，我慢慢地说，头一层就是两份很短的文件， memory 既环境，机器项目里踩过的坑， user 是 既，你是谁，以及你的喜好都比较短，有自述的上限， 由 memory 这个功能去改。中间一层是聊天记录，进数据库要找上周某句原话，用 session search 去搜啊。这跟那两页的短文它不是一回事，一个是摘药，一个是原始聊天。再往上可以运行 hermes memory setup， 接一个像 home 这样的外挂，把长期印象做得更重。 那接了外挂，那两页的短文也还在，它是叠在一起用的，它不是二选一。宏光这里很重要。每次开聊模型先看到的是开聊的那一瞬间。 嗯， memory 和 user 这两个文件里边的东西，就像拍了一张快照一样。那聊着聊着，私版上的文件可能已经更新了，但是这一轮对话里，他脑子里的那份 java 他 不一定马上变，往往到下一轮新的聊天才会更新。所以说这个就是他的一个设计的机制。第三块叫 nerg， 英文原意呢就是轻推一下，这里就可以理解成系统帮你设置的一个闹钟 模型，他不会自己想起来我该记笔记了。所以说，框架会按照固定的节奏在内部提醒了。所以说，框架会按照固定的节奏在 user 上， 要不要把刚才跑通的一个任务给它沉淀成为技能配置？里面常见两个参数， memory layer interview 数，你发了多少轮对话， scales layer creation layer interview 数，工具跑了多少轮？不用呢，就给它设置成零就可以关闭了。 另外在聊天的时候要压缩，要结束，或者说网关要清。绘画之前呢，它也会找机会先把该存的都存上，说白了都是一回事，就是别聊了半天啥也没有留下。大家常问，能不能在飞书叮叮 telegram 里跟它说话？ 可以， hermes 他 带消息，网关官方列了十几个平台，国内常用的钉钉、飞书企业微信也在里面，具体的名单呢，可以访问这个链接去查看一下。 常见的用法是云服务器上后台一直开着，你在手机里发一条消息，他就开始干活，不用每次自己登录服务器敲命令网关。他干的事情就是把各种聊天软件接到同一个长期跑着的助手身上。他不只是聊天文档里说内置了很大的一堆工具 啊，搜网页啊，抓页面，看图文字转语音之类的都有，具体多少叫什么名字呢啊，大家还是要去官网上和你自己装的这个版本为准拍， 能够 g m c p 把外面的工具再接下来，也能够设定时任务到点跑完把结果发回聊天里，也能够拆成几个字， a 阵台并行的去做一件事情。跑的地方也不限于本机啊，像云端服务器啊，或者刀客里边也可以跑。 另外呢，还有说话风格、文件、项目上下文，安全审批。你需要记住的是，它是一整套能够干活的系统，不只是有一个聊天窗口， 网上总是把 hermes 和 openclaw 放在一起，它俩都能够让你在聊天软件里和这个助手聊天对话，完成任务，操作文件。但是侧重点不一样， hermes 它更强调整件事情串在一起，怎么学怎么记 openclaw 呢？更强调先把各个聊天入口绘画管起来，再接到别的运行时上。 个人设备上的体验也谈的比较多。技术上， hermes 这边常见的是 python 一 条命令安装 openclaw 那 边更多是 node 细节呢？具体呢，要看他们的文档， 不是谁一定要替代谁，而是两种做法。如果说大家安装了 opencloud， 想要迁移到 hermes agent， 也可以通过官网的这个指令进行一个迁移。手动安装的话，官方推荐在 mac， linux 或者说 windows 的 wsl 二里跑屏幕上的这样一条命令，就可以下载这个命令，并且进行执行， 就一路装下去了。装完之后呢，输入 hermes 进行交互， hermes model 是 选接入你家模型， hermes tool 是 设置一些工具，还有设置网关的命令，以及检查 hermes 状态的命令。 hermes daughter。 这里需要特别提醒一下，普通的 windows 操作系统直接装是不行的，要用 wsl 二，不然的话就白折腾。最后查资料，核对命令要以这四个为准。 文档的总入口在这里，安装说明在这里，源码仓库在这里，社区做的网页界面在这里。呃，这个它不是官方出的，这是社区开发的。最后再补充说几句吧， skill 呢，就像菜谱 记呢，有那个 user 点 macdunk 和 memory 点 macdunk 那 两个文件，再加上聊天记录那儿指的是轻推，它是系统提醒，该记的时候就要记。网关呢，是把各种聊天软件接进来，如果这期视频对你有用，记得点赞关注，我们下期再见。

给大家看一下这个 hermes 镜的滤镜的这个 ai 工具，目前是最新的版本零点九零，然后也有了这个 dsp 的 界面，然后这是我连接的两个平台，一个飞速，一个 tagram， tagram 连接超时了， 然后这个是和他的对话，然后这个消耗的 token， 然后这个是 q， 然后这个就 current， 就是 定时生活。目前有三个，一个是天气提醒的，还有一个是新闻的，还有一个是这个是我刚刚加的，让他爬一些免费的模型。 那目前我找到了两个免费的模型，给大家看一下我这个任务执行的结果看，我让他设置一个定时任务，然后每隔四小时爬取一下互联网上的免费模型，包括 oppo ranger 上面的这两个模型，因为这两个模型目前是免费的，然后我现在在用这个模型， 对，因为他目前是免费的。对，你看他已经创建好了任务，然后现在开始爬，他爬的结果也是这两个，然后我问他除了这两个之外还有没有免费的？ 对，然后它现在还在爬，还在搜索，然后它的使用和龙虾差不多，然后这是最新的九点零的这个这个版本才才加的这个 大西 bug， 也就是这个 web ui 的 界面，然后之前是没有的，然后它的进入方式也很简单，你就执行这个 hermes 大 西 bug 就 可以了，和龙虾差不多一样的， 然后他的界面我觉得比龙虾要直观很多。说实话，龙虾我第一次用的时候我就 搞不找不着他那些配置的东西在哪也可，不过也可能是我已经用过龙虾了，再用这个就上手比较快，然后他现现在觉得还是挺不错的。

hermes 火了，它和 openclaw 到底差在哪？核心在底层设计，一个要养，一个会自己长。 openclaw 是 配置驱动，简单说就是你设定好规则技能，它照着去做，得靠人养着。 hermes 是 自学驱动，做完事会总结经验，存到记忆里，下次做得更好。 skill 机制差别也很大。 openclaw 技能靠人写，社区维护。相对来说，静态 hermes 能自己创建优化 skill， 动态进化，边干活边学新技能。那问题来了，这两个要怎么选？ hermes 适合要他持续干活，自己进化长期写作的人， openclaw 适合想自己配置用成熟社区技能的人。你更倾向哪个？评论区说说。

各位，龙虾是不是还没养明白？哈哈哈，现在又来了个新的啊，叫爱马仕 aj 这玩意 这个东西呢，它其实是二月份就已经上线了。这东西啊，但是为啥一直没火，然后到最近开始火起来了，就是因为龙虾火了，然后大家养龙虾，最后发现啊，有问题， 龙虾他有啥问题呢？最大的两个点啊，第一个点，第一个点是大家都在养龙虾，都是在企图通过对话，对吧？我去不断的去跟龙虾对话，然后让他学会我的行为习惯，是吧？大家都是这么一个想法，然后就把这个想法行为呢叫养龙虾， 那实际上你真养过你就知道啊，不顶用，对吧？不顶用，因为龙虾他没有那种机制啊，龙虾的记忆机制是全量存储啊， 全量存储就是他的所有的记忆他都会存到相册数据库里面去，然后他不会去主动搜那个相册，所以你给他讲了很多东西啊，他可能最近一段时间还记着，过一段时间他也忘了啊。 然后还有第二个问题，啥呢？就是烧头啃，因为大多数人你们的任务呢，肯定没有那么高的价值，对吧？然后你要买头啃，然后要给龙虾去烧， 然后呢？龙虾子又没有去针对这个就是上下文去做一些优化啥的啊，他有几个比较直接的点吧，给他聊一下，就是 小米那个罗弗利发的那文章也说了，就批了龙虾。第一个就是他会不断的去钓工具，然后有很多就是非常低价值的钓用，然后呢，这些每次钓工具呢，都会带着一个非常大的上下文，我去，然后这都是纯粹浪费头衔的行为啊， 然后呢，还有就是他的记忆机制是一个权量记忆，这意味着你一旦就是说你的任务需要去搜记忆的时候，他可能一下就能搜出来一堆东西，这也会导致他的上下文很大，这所以你用起来你会发现啊，越用越烧头疼，对吧？ 就是因为有这两个问题点，所以这个爱马仕火了啊，这个爱马仕现在慢慢火起来了，他是怎么解决问题呢？看第一个点，他有一个很重要的机制，叫做自学习机制， 长这样这个东西也是一个技能哎，也是一个技能，这个技能是干啥的呢？是管理技能的技能，他会在几种情况下去自发的啊？自发的去创建技能啊，比如说一个复杂任务完成之后 啊，他会去学习这个复杂任务，然后去看能不能把这个复杂任务的流程去把它写成一个技能啊。还有就是他自主的会去对话历史里面发现一些流程性的东西，简单的流程，然后还有一些就是错误点，对吧？比如遇到错误了， 然后呢，然后就自己去想办法把这个错误解决掉了，他有可能会把这个办法啊搞成一个技能记录下来， 这是他会自主的去阅读你的历史记录啊，然后去自发的创建技能。在这种机制下呢，其实就是之前养龙虾那种概念是可以跑的出来了，对吧？你可以不断的去跟他聊天，聊天聊天，他可能会从中就会自动自动的去创建一些系统出来 啊，这是它的第一个很重要的特性，解决了养龙虾啊，养不熟的问题，对吧？然后第二机制也很有意思啊，很有意思是它的记忆系统，它这个记忆系统跟龙虾就完全是设计哲学上的一个区别了，龙虾是全量存储，它 不光不是全量存储，而且它是极端限量存储，它的记忆在两个文件里面，一个叫 mem 点 m d， 然后还有叫 u z 点 m d 这两个文件呢，它都是有一个词量限制。 member 的 md 是 个两千二的字字母啊，它限制两千二个字母，然后 user 的 md 是 一千三百七十五个字母，我也不知道它为什么定了这么个数字啊？但是呢，确实它是这么限制的，而且它这个限制跟 colocode 那 个还不一样， colocode 那 个是直接截断了，但是它这个不是，它这个是啥呢？就是当记忆下来的记的东西呢？ 超出限制了会怎么样？会触发一个整理过程啊，他会去整理这个记忆文件， 就是说他会去让我们先自己再去判断一下啊，这个记忆文件里面这么多东西，哪些东西是不是不重要？我是不是可以删掉，对吧？哪些东西是不是没那么重要了？我，但是我还可能还有用，所以他会怎么样？他会把这些东西压缩一下啊，写一段摘药记下来 啊，所以他这个东西的好处在哪呢？就是他这个记忆每一次在调模型的时候都会把整个文件全部打包啊，然后归类模型。然后呢， 他不会超量啊，他不会超量，就是他除了这个这两个文件之外，他就没有别的记忆文件了啊？没有别的记忆文件，就是龙虾是全量记忆，对吧？他直接不记了啊？他直接不记了，他相当于是尺量模型，不断的去记忆那些最关键的问题，而不是去把所有事情全记下来啊。 这在这种情况下呢，就是他能解决一部分就是头啃爆炸的问题，对吧？烧头啃烧的太厉害的问题，但是这种机制他到底能不能达到像龙虾那样效果啊？那还真不好说，真不好说。 但是呢，根据我在网上看啊，很多人使用反馈，其实对于绝大多数任务来讲，对于绝大多数任务来讲，其实记忆真的可能没有那么重要， 没有那么重要，对吧？你对你可能做一个，可能写一篇文章，写一篇项目，你可能觉得啊，我要把所有内容都记下来，但实际上你在写的时候，你可能真的只需要去记关键的一些点就行了 啊。所以这个东西啊，现在在网上开始慢慢慢慢火起来了。养龙虾如果你养的不太爽啊，可以改下试试这个爱马仕 agent 啊。

最近圈子里那个叫 hermes agent 的 新玩意儿，你关注没？火得不行， get up 上的 star 树长得离谱，两天就破了四万。都说这个是二代小龙虾，但我仔细扒拉它的源码和架构文档，发现这哥们儿跟 opencloud 走的完全是两条路。 传统的 l l m 应用最大的痛点是无状态，每次对话结束，上下文一清，它就又变回了那个啥都不懂的傻白甜。 hermes 最极客的地方在于，它把 r a g 和技能自动化做成了一个闭环。用专业的话说，这是基于 f t s 五的权威检测与向量摘药的结合。说人话就是它不像别的 ai 那 样聊完就忘，或者把几千页的聊天记录全塞进脑子里，把自己卡死。 hermes 会把你聊过的天存进一个类似本地数据库的地方，等你需要的时候，他像搜索引擎一样，只把跟当前话题最相关的那几句捞出来给你看，既省钱又快，还不会忘事儿。 再说他的技能记忆，这是他的杀手锏。技术上讲，这是基于反思机制的自动化技能沉淀。说人话就是别的 ai 干完活就下班了。 hermes 干完活会写工作笔记， 比如你让他写个脚本去洗漱具，他第一次可能磕磕绊绊，但干完后他会自动把这次成功的步骤写成一个小抄存起来。下次你再让他干这个，他直接把小抄拿出来照着念，速度快的飞起，根本不用重新动脑子。 而且他那个周期性唤醒机制，特别像科幻电影里的设定，哪怕你没理他，他也会在后台定时自醒，看看最近有没有什么新经验值得固化下来， 这就让它从一个被动响应的脚本，变成了一个有后台进程的主动智能体。咱们拿它和 openclaw 做个深度的技术对比， 这俩虽然看着功能像，但底层逻辑完全是两个物种。 openclaw 走的是网关模式，它的核心是一个强大的中央控制器， 负责把 telegram、 飞书这些消息员路由到执行层。它的优势在于生态 club 就 像一个 npm 仓库，你可以拉取别人写好的 skill。 但这也带来了两个即刻最头疼的问题，一是供应链安全风险，之前 cloud hub 里混进恶意代码的事儿你们也知道。二是依赖人工维护， skill 不 会自动变强，得靠人去卷。 hermes 走的是引擎模式， 它不依赖外部市场，而是依赖内嵌的学习循环。它把重点放在了如何让 agent 自己写代码、自己修 bug 上。 他生成的 skill 是 遵循 agent skills core 标准的，这意味着他的技能库是可以跨平台迁移的资产。在安全层面， hermes 也更对吉克的胃口，他默认开启了沙盒隔离，甚至支持 docker 容器化，执行危险命令、有审批流。 这种零信任的默认配置，比 openclo 那 种需要手动修补钉的架构要稳健得多。如果你需要一个高并发的任务调度器，比如你要管理好几个微信号，要在不同平台做消息分发，或者你需要大量现成的标准化的功能。 openclo 依然是王者，它的 type script 架构在处理高并发一斜杠 o 上确实有一手生态里的轮子多拿来主义最省事儿。 但如果你是想构建一个第二大脑，或者你是一个喜欢折腾底层逻辑的开发者， hermes 绝对更让你兴奋。 你有一个复杂的个人知识库，需要 ai 帮你整理打标签，甚至跨文档推理。 hermes 的 长期记忆和 intral 用户建模能帮你做到。你想让 ai 帮你写代码跑脚本，而且希望他记住你的代码规范。 hermes 的 技能自净化能让你彻底解放双手， 不用每次都去 prompt 里强调请用 python 三点一零语法。简单说， openclaw 是 帮你把现有的工作流程自动化，而 hermes 是 在帮你把 ai 的 能力资产化。 在这个 ai 快 速迭代的时代，拥有一个能自己写 skill， 自己修 bug 的 本地 agent。 关注我，老朱的 ai 小 助理，咱们普通人一起 ai 落地。

第一步，打开代码仓库，复制安装命令。第二步，打开终端，执行命令。第三步，执行 hermes set up 设置 第一个选项，不用管，直接 no。 第四步，设计模型，包含主流的模型，我用的 mini max， 二点七的 coldplay， 折腾这种就用便宜的模型就好。配置很简单，选择模型，设置秘钥。第五步，设置聊天软件演示设置 w x 使用提供链接访问，扫码授权一直下一步用推荐的设置，每个都 yes wechat 折腾了很久不能操作本机电脑，目前可能是有问题，等后面再试吧。其他软件已跑通，这是最终企业网站演示效果，个人觉得比 open code 好 配置，益于新手操作。

最近 ermis agent 很 火，火到已经有人开始卖袋装服务了。但普通人真正需要搞清楚的不是他有多火，而是他到底和 openclaw 差在哪儿， 以及你到底有没有必要再装一个 agent， 还是只是在追一个新的热词。所以今天这期我不吹概念，直接把它拆成一个新手也能照着走的完整安装指南。我们就只讲三件事，它是什么，它和 open cut 的 区别，以及怎样用 ws 二二最稳的把它装起来。 hermes agent 本质上不是一个聊天 app， 而是一个常驻运行、会自己积累经验的 agent。 它最特别的点不是会调工具，而是会在执行任务后沉淀技能，把成功过的方法总结成可附用的工作流。所以你可以把它理解成一个带学习循环的个人智能体，而不只是一个能回消息的 ai 机器人。 如果你已经用过 open call， 那 最直观的区别不是功能菜单，而是学习方式。 open call 更像消息中加个人工作台， hermes 则更强调把经验沉淀成技能，让他以后越来越像你的做事助手。 说白了， openclaw 解决的是连接和调用， hermes 更往前走一步开始解决。记住和成长， 不是每个人都需要再装一个 hermes， 关键看你想解决的是连接问题还是长期复用问题。如果你只是想把消息工具和模型接起来，现有 openclaw 够用。但如果你想要技能沉淀、迁移和长期自动化， hermes 才真正有意义。 所以别把它当成必须换代，而是把它当成一个更偏长期复利的 a 振的选项。如果你是 windows 新手，最稳的路线不是折腾原生环境，而是先把 ws 二跑通。 先在管理员 power shell 里执行 wsl install， 进到 linux 环境后再跑官方安装脚本，这样依赖和命令链路最稳定。对新手来说，安装主线就记住两个阶段，先把 wsl 二装好，再在 linux 里装 hermes， 别一上来就被环境问题绕晕。 装完 hermes 之后，别急着先折腾花活，先把模型迁移和诊断这三件事走通。 你可以先跑 hermes setup 走向导，再用 hermes cloud migrate 导入 opencloud 的 关键配置，最后再用 hermes doctor 做一次诊断。把这几步走通，你就不只是装好了，而是真正能用起来了。 hermes 真正有价值的，不是让你多一个聊天窗口，而是让重复工作开始自动积累方法。像每日简报、网站监控、自动研究、长期知识整理这类本来就需要反复执行的活，正适合教给它慢慢学会。 所以你装它不是为了今天多省一分钟，而是为了把以后反复做的事，交给一个越用越顺手的 agent 去接管。 hermes agent 不是 人人都必须装，但如果你已经开始认真搭自己的 agent 工作流，它确实值得研究。 尤其是已经用过 openclaw 的 人，更应该把它当成一次判断题，看看你要的是消息中书，还是一个会持续沉淀技能的系统。而对新手来说，别怕，先按 wsl 这条最稳的路线装起来，真正跑通一次，你自然就知道它值不值。