hermes股票分析和龙虾对比
粉丝5008获赞1.5万
相关视频
08:43查看AI文稿AI文稿ai 玩的妙，生活不枯燥。大家好，这里是新 gpt， 带你爽用 ai。 春节的时候啊，我发了一篇爆款的长文，讲我是怎么用金融 agent 来做交易的，全网阅读呢，也超过了两百多万。但是当时呢，我是用龙虾 openclaw 来举例的 实际实践，实践的过程中呢，至少有一半时间在改 bug， 可谓是安装龙虾一时爽，改 bug 流泪火葬场。这龙虾热归热呀， 但是用上了之后呢，要调整东西是非常多的，最近有一个礼拜已经没动过了，你的龙虾是不是也很久没更新过了呢？不过接下来啊，我要介绍的这一款产品，绝对可以替代龙虾，叫做 hermes agent。 这个 hermes agent 呀，是 nas research 这个团队开发的开源自动化 ai agent， 它的核心理念是越用越聪明，每完成一个任务，就自动将成功经验沉淀为可付用的 skills， 无需人工编辑。相比之下， opencloud skills 呢，是静态文件，需要手动去维护。 那么关于 hermes 的 开发团队 niles research， 我 多说两句，这个团队在开源的模型圈子里呢，有一定的知名度，它的核心产出呢，是 hermes 系列的微调，然后让模型的表现更好，那么显示团队呢，也只有十九个人。 好，我们现在进入正题，首先我们看看 hermes 怎么安装，其实安装非常简单，我们到官网上把这个安装链接复制到自己的终端，然后输入它就会自动运行去安装了。 那么我们可能要稍作等待一段时间，让这个软件去安装一些依赖。那么经过一些等待之后呢， 有一个关键的地方，它会弹出来一个对话，问你是否迁移 openclock， 也就是说你如果选择夜色的话，你之前对龙虾的配置就可以一键迁移到这个 hermes 里面，那么我也是进行了一个迁移，也非常的方便。 之后呢，我们就可以进行一个 quick setup， 然后去选择我们要用的模型的 a p i， 然后一路点击下去，就可以完成整个的安装过程，整个的安装过程还是非常丝滑，然后也是非常快速方便的。当然和龙虾一样呢， hermes 也支持我们链接各种的社交软件的前端，比如说飞书，我们这里 以飞书举例，其实有安装龙虾经验的话应该不难，只要先去飞书开放平台申请一个机器人，然后去 hermes， 告诉他这个机器人的 app id， app secret 等等，以及根据他的提示给机器人一些权限，那我们就可以按部就班的完成整个的安装。 这里可以看到我们的飞书机器人在完成安装之后呢，就可以在飞书上与 hermes 进行一个对话。 好，下面我们讲解一些今天有趣的内容。我觉得 hermes agent 其实内部集成了很多的 skills， 非常有趣。第一个我们要介绍 skills 叫做 money video， 这个技能呢专门用于创建教学和技术视频，我最喜欢的一个课频道叫做 three blue one brown， 就 可以制作出非常相似的视频。 比如说我们今天想制作一段一分钟的视频来解释统计学著名的贝尔斯定律，我们只需要输入指令，他就会自动的开始执行，开始头脑风暴，钻研脚本，设计分镜等等，便可以得到一个质量非常不错的科普视频， 这里我们也可以看到我们生成的科普视频成果。当然呢，呃，有一些可以改进的地方，但整体质量呢，已经非常非常的超出我的预期了。 第二个我觉得最值得提的也是我觉得 hermes， 目前我用下来最有用的技能叫做 l l m wiki， 是 著名的 ai 大 神 karti 最近提出的一个大模型啊 knowledge base 架构。那么这个 wiki 的 想法非常简单，就是以一种 ai 生成的个人知识库，让大语言模型帮你把所有资料 翻译成一个互相连接的知识网络，并且可以按照主题分类，互相交叉引用。那么当这个 wiki 回答问题的时候呢，它会先读 index， 然后定位到相关的页面，再去读具体的内容。相比你自己去读报告呢，它解锁的效率和知识整理的这个呃结构化呢，都要强得很多。那最厉害的是呢，这个 wiki 是 活的，也就是每次你扔新的资料进去， hermes agent 呢，就会去学习这类知识，并且把它放到对应的位置， 然后如果你连接了 obsidian 的 话，它就可以做成一个知识缩影，管理起来非常方便。那么 hermes agent 呢，目前内置了这个 lm wiki， 不 用安装，直接使用， 只要你在新的讯息或者对话里输入啊 lm wiki 帮我研究这个项目，它就会帮你去整理这个知识网络，去进行一个研究。举个例子，我是把 呃，我最近比较关注的半导体行业知名媒体叫做 semi analysis 的 报告都扔到里面，让这个 lm wiki 去研究。那么 hermes 呢，直接开始 去读取每一个 pdf 的 这个重点章节进行分析加工，最后形成了一个非常完整的半导体行业的知识图谱， 并且我可以根据这个主题啊，行业概念啊，以及一些这个公司去查找。哎，你有没有发现，其实在使用 hermes 的 过程中呢， 有几个很有趣的点。一是它的自我进化功能啊，其实是潜移默化的，当它完成一个复杂任务之后呢，会把整个过程自动地沉淀成一份结构化的技能文档，存成 markdown， 然后下次遇到类似任务的时候呢，直接加载技能，不用再从头解决。比如说， 我在给这个 lm wiki 喂资料的过程中，大概喂了三次资料，然后 hermes 的 记忆系统呢，就自动帮我生成了一个叫做 lm wiki ingest skill， 用来帮我把类似的这个 pdf 文档整合进 wiki 以后呢，我只要给他发 pdf， 他 就会自动调用这个 skills， 帮我把这个资料喂到这个 wiki 的 系统里。因此呢，有 agent 用户说， kremis 在 两个小时自动生成了三份技能文档之后，重复性的研究任务速度提高了百分之四十之多， 这也就是它自动化的意义。另外有一点啊，除了上面的使用技巧，我觉得最值得关心的就是它 token 的 使用量。龙虾用户呢，用两三个小时的 opus 有 可能烧了超过两百美金。那 hermes 呢？我用下来啊，感觉它真的省 token。 第一呢，之前说过，它 skills 会自我保存和改善，这也代表着往往很多 prompt 不 需要再输。同样一件事，第一次 你可能跑十轮对话，第三次你直接调 skill， 三轮就搞定了，这样 token 的 使用量就自然减少了，你也省钱了。第二呢， skill 是 按需加载的，不管你装了多少，成百上千的 skill 也好，它的上下文成本几乎一样的，所以你不用再考虑所有 skill 塞进上下文，这样呢，也会 极大的省你的 token。 ok 讲了这些通用的 skill 玩法呢，老粉都知道，我们的优势在于金融领域对于 agent 的 运用，那么 hermes 的 表现呢，也是令人非常满意的。 hermes 装上对应的 skills 和金融数据库之后呢，我发现完全可以当做一个初级的量化分析师或者金融研究助理来使用。比如说，我直接问我的 hermes 怎么看半导体产业的强势板块儿，它根据这个 l m wiki 我 刚才建的数据库 得出了一个结论，就是 ai 加速器的产能， hbm 的 内存瓶颈等等。最后呢，我也发现，相关公司最近公布的业绩也显示出这些行业板块的警惕度的确在提升，我们通过分析就可以提前判断公司的业绩，从而提高投资决策的信心和准确度。 另外一个原因呢，也是我给 hermes 的 输入呢，是根据 simon analysis 报告，这个结论呢，也相当准确地反映出了产业端的一些看法。 当然，我们也可以在飞书上去问 hermes 某个公司的具体信息， hermes 就 会同时解锁本地的数据库 以及网络上他进行搜索的信息，综合给出一个我认为相当专业的回答。我们也可以看出啊， hermes 的 能力边界取决于你给他的数据来源够不够强大，他其实就像一个金铲子，只有在金矿上呢，才能挖出金子来。 ai 帮你赚钱的理念从来不是从零到一的 真空生妙有，而是帮你能从赚一块钱到赚两块钱的提效和升级。 hermes 呢最近也更新了两个非常重要的进展， 一个是它支持官方的微信连接，微信扫码即可支持，只要你升级到 hermes 的 最新版即可。另外一个呢，它对小米的大模型 memo 有 两周的免费调用，在配置 hermes 模型的时候，选择小米的 memo agent 即可免费使用小米的模型，限免两周。 这就是本期内容，赶紧用起你的 hermes 吧！感谢收看新 g p g 频道，有任何问题欢迎评论区评论交流，谢谢大家！
274XinGPT
02:09查看AI文稿AI文稿嘿，你有没有这种感觉？爱马仕 a 正的都在说自主进化，越用越聪明，但问他跟小龙虾到底差在哪，没几个人说的清楚。我猜完之后发现差别其实就一个东西， 一般的 a 证呢，都是用大模型，用完了就完了。爱马仕搞了一个反过来的事， a 证呢？干活积累的经验直接变成训练数据，拿球位给模型本身。你用的越多，模型就越聪明，不是你一个人的，是所有人的这个机制，我叫它反补飞轮，三个齿轮经验沉淀，技能固化 模型反补，咬在一起越快。具体怎么实现呢？第一层，自动存记忆，每隔大概十种对话，后台起一个副本， 翻你的聊天记录，看你有没有暴露偏好，反复试错，有就存，没有就收工，你这边在开会或是在隔壁偷偷付款，完全无感。找个农家也有第一机会，但我主动干一事。 第二层，自动借技能，试了三四次才搞定的活，直接借技能目录，下次遇到自动调。更狠的是技能带自我修复， api 变了，参数改了，当场自己改。我做了十几年产品，见过大多号称自学习的系统，到头来全是人工配规则。这个 a 层从执行者变成作者， 解技能跑技能，修技能，一条龙自己来。安全问题肯定有人担心，他有个信任等级分四档，最高档触发危险模式直接踩刹车找你确认。设计还是挺老实的。 反补飞轮的第三个齿轮，准备几百道题，同时开给百个 a 键的键，完整记录过程，压缩后丢给强化学习训练模型，整套开营本地能跑， 所以反哺菲罗转起来 ag， 他 积累经验，经验变成训练数据，数据让模型变更强，更强的模型驱动更好的 ag。 每个用户都在帮模型进化，但是说句实话，爱马仕产品程度远不如小龙虾，没有原生客端，没有弯路， u i 生态差距非常大，其实日常体验也差不多， 所以不停止切换。真正值得关注的是 a 证的帆布模型，这条路跑通了的话，以后的 ai 不是 你用它，是它跟你一起长大。好了，今天就聊到这，这是老韩聊 ai 的 第十六期，我是老韩，咱们下期见。
17寒武纪AI
03:13查看AI文稿AI文稿朋友们，就在最近， ai 圈发生了一件大事，开源且具备自净化的 agent 产品 hermes agent， 也就是大家俗称的爱马仕，正式登顶 open router 全球的应用钓用量榜首，第一次反超了此前长期霸榜的 open claw， 也就是俗称的小龙虾。这可不是什么小打小闹的排名， 而是实打实的真实用户调用数据。 hermes 单日 tucker 消耗量高达两千七百一十亿， 也就是二百七十一币，把第二名的 open claw 和第三名都甩在了身后。要知道， open claw 从今年年初开始就一直霸占着这个榜单的第一名， 被无数开发者奉为真正能干活的 ai。 而 hermes 仅仅在不到一个月前，也就是四月十四号才刚刚冲上最热门编程 agent 的 积分榜单榜首， 短短不到一个月的时间，他就完成了从积分第一到总榜第一的跨越，累计 tucker 消耗量已经超过了六点三七万亿。 更让人意外的是，支持 hermes 庞大电容量的底层模型中，小米的 v 二 pro 拔得头筹， 成为了本月电容量第一的贡献模型。紧随其后的是 mini max、 英伟达、今月星辰和腾讯，这些模型意味着现在全球最火的 ai 应用，用的最多的居然是咱们中国的大模型。 那 hermes 到底凭什么能在这么短的时间内超越龙虾呢？除了小米 miimo v 二 pro 的 高性价比和强大性能之外，核心还在于 hermes 本身独一无二的自我进化能力。 传统的 ai 助手都是无状态的对话，一结束，一切归零。但 hermes 不 一样，它具备跨绘画的持久记忆和精准回忆能力，还搭载了完整的自我学习机制， 每次完成任务后，他都会自动复盘反思，这次成功了吗？有没有更优的路径？这个解决模式能不能抽象出来，应用到类似的场景中？然后他会把成功的经验自动固化成可附用的技能文件， 下次遇到同类任务时直接调用，效率大大提升。简单来说就是越用越聪明，真正成为了一个能和你共同成长的专属数字员工。 现在越来越多的开发者开始从 open claw 转战 hermes， 这场 agent 的 大战才刚刚开始。你们用过这两个工具吗？觉得哪个更好用？欢迎在评论区一起聊一聊！关注我，每次聊点不一样的！
06:03查看AI文稿AI文稿嗯， hello， 今天跟大家最后再分享一次 ai 小 龙虾分享的一个选型的一个视频，嗯，因为最近 hermes 比较火啊，然后大家都说不养龙虾养爱马仕了，嗯，然后也有不少人在问，然后这个东西值不值得上手养？ 嗯，我安了一下。然后，整体来讲呢，我觉得你捣鼓捣鼓还可以，但是对于绝大多数嗯非极客玩家来讲，其实没意义，因为现在至少此时此刻，嗯， hermes 的 生态还是比较出奇的 啊，然后它在对普通人的使用上来讲，并没有造成一个很大的区别，你用龙虾加一个 嗯，进化的 skills， 其实也是一样能达到的效果。而且现在龙虾加入了那个 outdream 啊，那个梦境系统，也是在提升这方面自我记，自我记忆，自我净化的能力 啊。所以说，呃，对于初学者，我依旧不推荐大家去了解那个 hermes， 而且全是 c l a 命令行形式的去交互，大家玩不明白啊。然后， 呃，为了跟今天跟大家分享，我要把手头的这几个大厂的龙虾又简单看了看啊，然后重新再给大家排个序，如果说你是技术小白啊，完全不懂的话，呃，现在这个阶段，我推荐呃，阿里的 coco， 然后 c o p a w coco， 然后还有 腾讯的 qq 啊，这俩现在做的应该是成熟度我觉得是最高的。然后如果说排排序的话，第一推荐的是腾讯的 qq， 为什么？倒不是说它好用，而是说展现了之前我视频里分享的， 最终龙虾的赢家一定是拼的是生态，腾讯接入了大量生态的工具，比如说像它的腾讯文档，腾讯会议啊，然后你将账号关联之后，你就可以帮你自动创建文档，帮你自动这个整理会议等等这些，这个确实是太强大了。 嗯，然后呃阿里呢？这里边集成了一些像自己的千问啊，然后甭管是呃 qd 还是那个 qcoder， 这些呃生态链上的工具啊，都是让它的能力变得非常强大了 啊，所以说未来来看这两件机会是最大的。然后自己也不知道为什么一直没有在呃 c 端个人端发力，一直就是在自己的那个火山云上导入自己那个 arc cloud 啊，然后包括在飞书上倒腾啊，没有在这个电脑端去投入太多的精力跟资源， 然后我的个人的态度，还是 ai 时代，最重要的是你的个人行为，个人记录和个人数据，如果有条件放在自己的这个个人电脑上，要自己去搞，那就放在自己电脑上啊，因为放在云端，你也不知道这些大厂到底会看你的数据做什么。 呃，这里就不点名了，之前就说一个我在具体在用的时候的例子，是这几件商业化的产品的例子，我，呃，我当时问这个市场，我要我在具体在用的时候的产品的例子，我，呃，我当时问这个市场，我要让他帮我去追踪呃 openclo 相关的， 呃新闻动态，然后不管是他生态的变化还是版本的变化，然后呢？他就自己主动的把自己也加进去了，就某个 club 啊，说我说的是 open club 然后的 get up 的 变化，然后你按天跟踪，给我一个日包啊，让我了解这个新的动态，然后他就 自己把自己加进去了 open call 杠啊，某个 call 啊，然后自动的去跟去，这，这是一个非常可怕的事情。然后你不能说是商家主动的，因为在此时此刻这个时间段，大家其实还 不太会在商业化上去做投入，但是你可以看到一些系统上的提示词已经在直接的影响用户的使用了，就是可能某一天你去推你去，比如说你的性格去给你推荐，你可以理解为他就是个 plus 版的，贴身版的秦慧啊，然后他比秦慧还了解你，因为你所有的日常行为都在上面啊，如果说这个东西在云端，然后能够放在这个大厂商的手里啊，我觉得依旧是一个不被值得信任的形式啊。然后说回来啊，那个当前这个阶段，呃，如果你是呃 这个什么小白玩家，然后就是像我刚才的说的一样，推荐大家用，然后如果说你是哎呀这极客玩家，还是去玩 open call 啊，但其实大家也不用在乎，然后 ai 界就是 ai 应用这个行业，或者叫这个小圈子，有一个话就是你今天如果没学会的技术，可能以后你就不用学了啊，为什么？因为有大量的东西呃，就大量的厂商人开源项目会帮你把那些东西做的非常易用，非常的无感啊，让你呃无障碍的使用。然后之前我记得 啊，智能手机刚爆发的那会是乔布斯说的，还是谁说的？就是真正的科技是让你感受不到科技存在，我忘了谁说的这句话了，但是我觉得用到现在也是比较合适的，真正的智能是让你感受不到智能的存在啊，让你随时随地在 怎么说，再受益于他，然后又不必去呃思考他去是怎么样的运行乱七八糟的东西啊。然后对于未来我整体来讲还是怎么说呢，既悲观又乐观，乐观呢，肯定是生产力提升，对呃，大家还是有好处的，但是好处可能会很久以后，十年二十年之后， 短期一定会 ai 有 很强的冲击，包括，呃，最近 astrographic， 然后再说的他的 misso 啊，叫 misso 吧啊，那个新的模型多多多少多少强大，那个只是个开始 啊，你可以看到今年下半年到明年上半年，海外的甭管是 g p t 五还是说 jimmy 四啊，还是说 grog 啊，一定都会出对标，这个就是 这个级别的模型，然后国内估计啊，千问啊，豆包啊， deepsea 啊，然后还有这些司小龙的场上也都会很快的跟上这个级别的模型。当然你会发现你手头的活，只要你用电脑能够端到端，做完的事情 ai 都能给你干了 啊。然后干不了呢，往往是因为你手里的数据实在太烂了啊，然后可能这碎一点那碎一点，只要你有结构化的输入输出，中间的过程他完全可以帮你搞定啊，对未来的职业会是一个很大的冲击。然后至于 大家要怎么去面对，我觉得最好的方法就是你找一个事情，然后也让 ai 帮你做啊，这是最好的方法啊，用反用比知道它的原理更重要啊。这就是今天的龙虾的一个闲散的分享吧， 然后也可能是近期关于 ai 选型方面最后一次分享了，然后其他的选择题暂时没想好，如果说大家有什么想了解的可以在底下留言我。呃，知道的话我会再做一些新的选择题啊。
10魔方信息场
03:41查看AI文稿AI文稿哎，我不太建议去折腾 her miss agent 和 open claw。 总结一下最近用爱马仕和 open claw 小 龙虾的这个体验吧。 open claw 呢，我觉得最大问题呢，还是在这个失忆的问题上。我我经常碰到的问题是晚上啊，晚上十一点十二点，我比较上头的时候 就是跟他在聊或者是去调试他，我十一点五十几分说的事情，我在十二点零三分或者十二点十三分左右再去跟他继续聊的时候，他就失忆了，他就问我，哎，你好，牛哥，你要聊什么事情？或者是我引用了前面那条信息，他还是 问我说，你要聊什么事情，你可以把详细情况告诉我吗？所以我就很无语。然后呢，每次到那个点啊，我就真的发生了好几次，我被 open clock 给气坏了。然后呢，是 hermes agent， 他的这个技能封装啊，做的还不错，每次我们 呃聊完一个调试或者是做一些想法的时候，他能把它最后封装成 skill， 他 下次能复用，但是他也是存在这个失忆问题，虽然他的失忆笔 open call 好 一些，但是呢，嗯，应该是上下文压缩的这件事情，他就是会把一部分比较关键的信息，比如说可能这个做，做完这个工作流可能有二十个关键点，他可能会就丢失掉四个这个关键点，比如过个一两天的时候，我重新回来调用这个东西的时候， 他就局部失忆了，所以很烦。然后呢，我这两个 a 阵容呢，我都外接了那个叫 man palace， 生化危机女主角推荐的那个，我接完之后呢，就是我其实也没感觉到好有很多啊， 那该失忆的还在失忆，该记不住的还是记不住，所以我觉得这个解决方案还是不咋 ok 啊。然后，呃，大家说的那个项链，用项链的那个数据库来储存， 我是没接上啊，因为我用这个 manpalace， 我 觉得是免费版嘛，先接上用我看看怎么样？呃，反正我觉得不尽如人意，我最近又把这个 obsidian 也接进来了，我看了那个就是 capace 大 神做那个，嗯， obsidian 的 那个知识库系统，其实它就是一个本地的外接的一个记忆系统，然后我觉得目前来讲的话效果还不错。我做了这么样一件事情啊，我现在主力用 hmse， 然后呢， 让他把 capacity 大 神的这个知识库 wiki l m l l m wiki 系统，再加上还有那个 y c 的 g brain， 还有呃， 这个 obsidian 一 起全接进来，揉到一套系统里面去做我的一个黄金组合系统。啊，那这样用下来的话，关于我自己的一个知识库搭建，我想到什么，我立马就跟这个后面谁一直记录一下，我现在想到有什么事，叭叭叭叭叭，自己的心得体验全部记下来发给他，他立马就能沉淀到 obsidian 里面。 然后呢，呃，我同事呢，在电脑端去查阅调用，再加上梦境报告，他会去帮我去进一步的去沉淀自己，去反思，去，去优化，去关于我这知识库内容还能提炼出哪些点，他每天都会去做这个事情， 我每天新加进去新的知识，晚上呢，他就会去做这样的一个沉淀，一个反思啊。所以目前下来我觉得这个 opc 点的这一套外界系统其实用起来是蛮不错的，推荐大家去使用啊。 最后最后我再总结一下，如果大家真的是新手小白这一类的话，哎，我不太建议去折腾 hermes agent 和 open call， 真的 太费时间了。过去我从应该是从二月底三月份开始玩这两个东西， 到现在我应该百分之七十到八十以上的时间都是在折腾怎么去修复它们，怎么去让它不报错。如果真正是有这种商业逻辑需求的话，还是再等等，先让这些更新的 技术迭代的东西让他再飞一会，让子弹再飞一会。我觉得等到下半年吧，如果是真的想用成熟商业产品的话，下半年可以换成牛奶，这样子大家的效率就会提升更多。
02:20查看AI文稿AI文稿五月九号最新的消息就是 hermes 爱马仕呢，登顶了 openroute 全球应用当天的应用调用量的榜首，首次呢超越了 openroute。 五月九号的排名来看的话， hermes agent 是 两百七十一币， openroute 两百四十五币，第三呢是 color code， 一 百四十九币，第四呢是 cloud code， 七十九点二币。到了 cloud code 呢，可能它的调用呢，不是通过 openroute 来调用的。 hermes 呢，其实增速是很快的，一个月前呢，它的日调用量呢，已经超过了我们 目前 hymes 的 累计的投放量呢，是在六点三七万亿。 hymes 本月的调用排名前五的模型呢，分别是小米的 miimo v two pro， mini max， 二点七， namamoto 三 super， 英伟达的模型。 接下来的 step， 三点五， flash 和腾讯的本源三 review。 从这数据来看的话，哦，感觉绝大部分的调用量还是来自国内的玩家。 hymes 呢，是继 openclaw 之后呢，第二个走红的开源智能体。与 openclaw 相比呢，它的主要优势是可成长性， 它具备十九计和精准的记忆能，并搭载了完整的自我学习的机制。这个逻辑是什么意思呢？我可以分享一下。 hermes 呢，它其实在任务的过程中呢，是不断地记录自己的 projector， 就是 它的 a 帧交互的轨迹，那在轨迹过程中呢，如果出错，或者如果是任务中断，都会把错误信息反馈给调度 a 帧，调 a 帧呢，不断地去优化提示词，让任务呢固化， 下一次再遇到类似的问题时候呢，会更快地解决问题。这个逻辑呢，就是 hermes 主打的逻辑。 hermes 它跟 color code 呢，其实超越了很多的 ai 代码助手，主要是 color code， 现在呢，可以发现呢， ai 在 作为代码助手的边界呢，正在被通用的 a 阵所侵蚀，就原来呢些代码大部分都是工程师或者是有开发需求的非开发人员，而现在通过实体呢，把这些内容呢，都类化了，所有的岗位呢，都可以使用 openclaw， 赫尼斯这样的产品。我稍微补充几个趋势的观察，今年呢，很大的一个趋势就是个人助力， 前有 openclaw， 后有赫尼斯，而且呢，它的增速都很快的，原来我们认为 openclaw 它的调量已经足够大了，没想到赫尼斯这么快就超越。就像我刚刚分享的， 其实这一波的增长呢，主要是把 ai 从编程的领域跨界的发展到各行各业，因为 agent 呢，其实是更懂人化了，更有长期记忆了，更主动了，也更有个性化了。当然目前从钓鱼模型的数据来看的话，国产模型占比是比较高的，一方面国产模型价格是比较便宜，另外一方面呢，目前国内的用户对于无论是 openclaw 还是 hemi 都是更热情的，这 商业模式的实现呢，还需要一点时间呢，去酝酿和进一步的优化。第三呢，就可以看出呢，开源呢，其实是个非常好的实现用户 adoption 提升以及应用生态的自我进化的一个机会，无论是 openclaw 和 hems， 都充分地发挥了开源的市场价值。
192杨博士说AI
03:20查看AI文稿AI文稿大家有没有关注到最近又新出了一个 hermes agent agent 真是又卷起来了。一个月前我记得大家还在疯狂的养龙虾，然后最近 hermes 又火了，那 hermes 到底比龙虾有哪些进步？今天这一条来讲讲我自己的真实体验。大家有没有发现现在很多 ai 工具好用呢？是很好用， 但是他的记性不太好，就像你之前已经跟他说过的一些事情，或者是提过的要求，他转头就又忘了。这就好像你在带一个非常聪明但是记性很不好的助理，他有能力反应也很快，但是你总是得反反复复去提醒他和修整他， 在这个过程里其实就是会增加很多很多的无形沟通成本。那我最近在体验呵沫子的时候，我就发现他有真正的在解决和关心这个问题。我们不说那些非常复杂的技术的用语，我就分享两个我最深的体会。第一个，他已经从会干活 变成了会长经验。之前龙虾那一波最让大家兴奋的就是 ai， 它终于开始能够帮你干活了，能够自己去执行任务。那 hermes 更进一步的地方是它不光能执行任务，还能在执行的过程当中自我改进。举个例子，比如你要让它执行一个任务， 然后他执行的你不是那么满意，你就给他一些修正反馈的建议，在这个过程当中，他就会把你给过他的反馈，以及你用过的这种复杂流程自动提炼成他的 feel， 下次再遇到同样的情况时候，他就能够直接调用。 第二个感受就是他的记忆能力真的被放到一个很核心的位置，不会让你觉得每一次都是要从头开始，因为他会去搜索你过去的对话，保留那些持续的记忆，然后慢慢形成对你的了解，这就会让你在体验上面感觉很轻松， 减少了很多的沟通成本。我觉得这个变化对律师其实会很有共鸣，就像我们平时在带律师助理的时候，很多时候我们并不怕助理他们犯错，但我们最怕的是他在同一个地方反复犯错，以及他没有自我复盘和迁移的能力。 就是你已经讲过了，也给过反馈，教过方法了，结果下一次还是一样。那么这种时候让人最焦虑和最头疼的就并不是那个事情做得好不好的本身，而是你不知道你到底还要再教多少次才能够做好。我觉得之前的 ai 就 有点像这样子， 那哈姆斯相比之前的龙虾就更像那种，只要你给过它反馈，它就能够从这些反馈当中去沉淀，去总结经验，然后下一次再遇到同样的情况，它就不会再犯错，它就会有迁移的能力。 这样的 a 卷的用起来是不是就会觉得顺手轻松多了？哈姆斯的这一个进步，其实也跟最近大家热议的哈尼斯驾驭工程非常有关， 就是现在的 ai 工具，它比拼的已经并不只是某个单一的你说模型能力强不强，聪不聪明，而是要考虑 一个整体的能力，整套的系统工程，比如说像它的记忆，它的反馈，它的环境这些等等。我觉得律师们还是可以去体验一下 hermes， 并不是为了去追热点，而是我们越早去了解一个新的工具，你就能够越快的判断他适不适合进入到你的法律业务的场景，以及在法律业务场景我们有没有什么可以去学习和融合的，这才是我们看新工具真正的意义。
440Sunny的法律AI探索
05:02查看AI文稿AI文稿在全球最大的这个 ai 大 模型调用平台，就是 open router 上，也就是大家都说的这个大模型超市上发生一件应用标志性的事件就是 hermes 这个 agent， 也就是咱们之前常说的这个叫爱马仕，它的调用量已经正式超过了长期霸榜的 open claw 就 龙虾。所以这个事一发生，我后台很多人就私信我 说他俩到底差在哪？我们作为一个小白，或者是一个非常普通的小团队，他应该用哪个 agent 比较适合我们？所以呢，我今天就赶紧过来从普通人小团队的实际角度来聊聊这个话题，争取呢给你一份儿选用的指南。 首先咱先看一下一些最新的数据，咱先了解一下五月九号，也就是前几天，爱马仕的单用掉用量就一下冲到了两千七百一十亿，透看每天 龙虾呢是两千四百五十亿，爱马仕就正式登顶第一名了，这是九号的事情。但是呢，这个其实并不是偶然，因为从九号到现在这几天，他是一直每天都保持领先的，现在已经是全球最火的开源 ai 智能体了。就这爱马仕， 那为啥这爱马仕能够后来者居上呢？我仔细想了想，我认为原因就三点，我来分别说一下， 第一个，我觉得爱马仕他其实更像一个会成长的一个私人助理，爱马仕用起来就主打一个，你越用啊越懂你，你每次呢让他干活，他会主动的记下来，比如说你的一些习惯偏好，常用的一些步骤，甚至把成功的操作就自动打包成技能。 下次呢，再遇到这种类似的任务，类似的要求的时候呢，他就能够直接附用，不用你反复教他，所以咱用着比较省心。 但龙虾其实更像一个万能的遥控器，如果你擅长 diy 的 话，用龙虾是更嗨的，它能够连接一切的工具，各种平台，但显然它的记忆力，也就是上下文的能力很弱，所以呢，基本靠配置文件，它用完了就会忘，每次呢都要重新来定义这个 workflow， 就 工作流， 这第一个原因他不够懂你。第二个上手难度其实也差别很大，大部分是小白用户，对于咱们小白来讲的友好度完全不在一个层次上，因为爱马仕他可能是更加的继承度很高的一个 agent， 一 句话的指令，他就能全程的自动化搞定了。比如说，你帮我整理一下上周销售数据，算汇算，汇总出报表， 它自己就能把这个东西做各种的任务，拆解编排，自己调用工具，并且自己生成报表，你基本上就不用再做过多的参与了。 但龙虾就不行了，龙虾其实它给你了很多 diy 的 空间，比如说你自己可以搭流程些 configuration， 也能装一些 skills。 虽然呢，它生态非常成熟，插件也多， skill 也多，但对于那些真的小白来讲，文科生，呵呵，其实门槛显然是很高的，也容易翻车。很多人呢，装完发现我的虾怎么装完了，反而用起来更更更不顺畅了。 这第三个我觉得其实是最关键的记忆和进化的能力的问题，因为呢，这个是爱马仕的其实他的核心的一个杀手锏，因为爱马仕这个套系统在设计的时候就自己建设了三层的记忆系统，临时绘画记忆、跨绘画的持久记忆以及可附用的技能记忆， 每十五轮对话，他就能够自动反思，也就是把之前的一些 session 数据重新拿过来进行，这个数据的偏好就越用，会让你感觉他越聪明了。 但龙虾就不一样了，他其实他的文件记记忆，也就是是一种纯追加的模式，用久了，你的记忆的这些文件就特别大，查找起来特困难，需要你人手工把你的记忆文件加载进来才行 啊，显然就不够智能，不够灵活。好了，那接下来这俩他的优劣势我说完了，那咱们这俩 a 阵，他咱们这种小白普通团队到底该怎么选呢？ 大家来听我说一下。我觉得如果你是这个个人用户，职场白领，文科生，自媒体人，不想折腾技术的，只想就通过一句话让 ai 自动干活，而且呢，希望他越用越懂你，越高效的这类的甩手掌柜的类型的，我觉得那肯定选爱马仕是最好的， 而且爱马仕其实因为它越用越懂你，相对来讲它还是节约 token 的 便宜一些。但如果你是这种小团队创业公司，需要不同的人要共用 ai 分 工协助的，而且呢，你也有一些 ai 的 一些所谓的编程的基础，而且愿意花时间在配置大流程上， 越能希望能做出一些复杂的工作流的，也就是更加偏向于弊端企业侧的这种需求。那我觉得龙虾吧，选龙虾，因为它给你的 diy 的 空间会更大，你能够拿它来搭出来更多符合你业务工作场景的这种这种应用，虽然它搭起来会费点时间。 好了，这个时候一定会有一些人就提出问题来了，那如果我既想要个人意用，又要团队协助怎么办呢？其实现在网上也不少人在分享，他们其实就是日常主力，个人用就用爱马仕，复杂流程的团队协助就交给龙虾啊，两个正面来配合一下， 其实也是一个蛮好的方式。所以说这也啥说明了， ai 智能体的时代，其实没有那些所谓最好的，包打天下的 a 针的啥都能干，只有那些更适合你的。好了，我们希望每个人都能找到适合自己的 a 针。今天就话题聊到这，欢迎对这个话题感兴趣的朋友们小创交流，拜拜！
41王得金#蘑菇云
01:39查看AI文稿AI文稿小龙虾还没学会，又来了一个爱马仕，难怪有人说只要你 ai 学的足够慢，就不用学了。那前两天还在吹小龙虾，今天又开始说爱马仕要干掉 open cloud。 那 我从 ai 产品经理的角度讲一句，这个判断典型是技术视角，不是产品视角。那你以为这两是在竞争？讲真的，这从一开始就理解错了。 hermes 在 解决什么？它解决的是 ai 能不能持续地净化沉淀能力。 opencloud 在 解决什么？它解决的是 ai 能不能稳定地执行交付结果。那这两个问题呢？根本不是一个层级。讲得更直白一点， hermes 更像在探索怎么做。那 opencloud 呢？更像在保证一定做对一个偏进化，一个偏交付， 企业买单的是哪一个？短期一定是稳定交付。你但凡做过 tob 的 项目，就知道企业上线 ai 不 看这三点，基本走不远。 能不能控风险？能不能付现结果？出问题能不能回滚？那 hammer 现在的问题是什么？ skill 自动生成，但质量不稳定？路径不完全可解释，错误可能被持续附用在当前工程能力下，这会带来什么？更容易放大不可控的风险？反过来看， openclaw 流程是设计过的， 执行路径是可追踪的，每一步都能验证。你说它灵活吗？不一定，但它有一个关键的优势，就是可以上。所以你现在在看这两 hammer 解决的是 ai 能不能越来越强。 openclaw 解决的是 ai 能不能成为系统的一部分， 不是替代关系就是分层关系。那未来很现实，大多数企业一定是会先上 open cloud， 再考虑要不要叠加 herman， 那 顺序不能反反呢？项目大概率会翻车。 那最后我只说一句，你现在和 ai 产品经理的差距，很多时候不是能力问题，是信息差。那我这边整理了一份某个大厂在用的 ai 产品经理学习文档，里面把整个 ai 产品的研发流程、大模型未来的发展方向，还有现在 ai 产品真正存在的问题都讲得比较清楚，需要的安排。
609AI产品果果姐
03:39查看AI文稿AI文稿龙虾这事翻篇了，不用学了，但有个新的东西你得知道，叫 hermes， 圈里人呢，管它叫爱马仕，一上线就爆了。很多人看到第一反应啊，就是怎么又来一个，不就是能装本地能接工具，能替代龙虾吗？如果啊，你只是把它当成是龙虾的平替啊，那我劝你先别用，因为你根本没有用。对， 今天这条视频呢，我们不念参数，只聊一件事，为什么龙虾火的轰轰烈烈又凉的悄无声息？而 hermes 正在重新定义什么叫 ai 搭档。先说龙虾这玩意，其实我挺服气的，因为它是第一个把 ai 那 扇门踹开的东西， 也是第一次让普通人意识到， ai 不是 只会聊天的对话框，它能接管你的电脑，打开浏览器，操控文件，真正做到在替你干活。但是啊，问题也出在这门呢，是踹开了，但大部分人进不去啊。 安装堪比修摩托车，二十四小时开机的电脑命令行 apikey， 普通人 根本就是折腾半天装不上，三天两头还得崩，版本一更新，配置就全废了。有人吐槽，一个月有一半的时间是在修龙虾， 更致命的是，它太费偷坑了，复杂的任务交给他还没完成啊，账单先干爆了。所以，龙虾粮不是 a i a 整的，赛道不行哦，是它根本没有打算跨过即刻和普通人之间的那道红沟。 而 hermes 恰恰踩中了龙虾所有的反方向。它第一件事情就是干得很聪明，不折腾了，打开浏览器就能用。但如果您只是看到了好装好用，那你可能还没有完全懂它。 用了一段时间，我大概明白一件事啊，龙虾是让你拥有一个工具箱，而 hermes 是 让你养出一个数字员工。 以前我们用它，本质上是临时工，有事情啊就叫一声，没事情呢，就让它一边待着。嘴上是说我在用 ai， 但实际上呢，它还是一个高级搜索框。龙虾再强，也还没有完全逃出这个逻辑，你每次都能都得要把步骤拆碎了喂给它。第一步怎么样？第二步怎么样？出错了再怎么样， 他像一个记忆力只有七秒的高级实习生，能力是强的，但是也一刻都离不开你。而 hermes 要做的，是让 ai 工具变成资产，怎么变呢？就是自动化，你给他派个活儿，做完之后，他不会拍拍屁股否认，而是在后台悄悄写复盘笔记。刚才卡哪部了，哪部能够优化，下次怎么做更省头？肯 这些经验会被它沉淀成是一张技能卡。第二次，你再提类似需求，它直接调用经验库，又快又省，甚至还会开始预判你的偏好。这就是它和龙虾最本质的区别。龙虾是你教它， hermes 是 它自己学， 那就有人问了，我等最好最省心的 ai 出来了再用，那不是更好吗？那我劝你啊，放弃一步到位的幻想。龙虾火的时候，一堆人冲进去， 龙虾凉了，一堆人又觉得 a i a 真的 是个伪概念，这种追涨杀跌的心态，永远养不出真正替你干活的东西。就像学数学啊，你连加减乘除都不想学，想着我直接学高等数学，这个可能吗？ ai 也是一样的，你今天不去折腾，不去试错，不去积累一加一等于二的经验，那么等到三年、五年后，别人已经养出一个可以独挡一面的数字分身了，你连最基础的部署指令可能都还听不懂。 如果你用过龙虾，那就不用犹豫了，直接迁移到 hermes， 让 cloud 帮你部署，把以前的配置拼一过来，十分钟就搞定。但如果你没用过，那更简单，直接从 hermes 开始，省掉修龙虾的那条弯路。 最后说一句啊，别把他当工具用，把他当成是一个搭档培养他，用的越久，他就越懂你。你养的就不是一个对话框了，而是另一个自己。好啦，今天就到这，这里是小井说，我是小井，一个喜欢把复杂东西讲明白的科技观察者，有启发的话点个赞告诉我，下期见！
112小瑾说
01:23查看AI文稿AI文稿你以为 hemi's agent 火是因为他更聪明？那我直接告诉你，不是他火，是因为他第一次开始算个系统了。那说实话，现在百分之九十的人看 agent 还停留在一个非常初级的认知，觉得就是这工具自动执行。但你要是这么理解，你连 agent 的 门都没进， 直接给你一句本质的总结， hermes 在 解决的不是能不能做事儿，而是能不能稳定地把一件复杂的事儿做完。那 hermes 到底在干嘛？第一，任务拆解，拆步骤，排顺序，持续执行，从聊天变成流程。第二，工具编排， 多个工具串起来跑，从调动能力变成系统能力。第三，执行控制中断怎么办？出错怎么回？滚？状态怎么记？那一句话总结，以前 agent 是 会干活，现在开始变成干活不出事儿，那这个东西早就有了。为什么最近才火？ 三个原因，因为模型能力上来了，工具生态起来了，工程框架成熟了，所以现在才第一次出现一个信号， agent 开始有机会进业务系统了。但是我也给你泼个冷水，别神话 hems， 他 现在的问题依然很现实，成本高，不稳定，不可控。而且最关键的一句，你记住，企业不是怕 agent 不 聪明，企业是怕他出事儿。 最后呢？说实话，真正拉开差距的，从来不是你会不会用工具，而是你有没有一整套系统的认知。我这边把二零二六年进阶大模型的最新路线已经整理好了，是大厂资深算法工程师内部在用的一套体系，里面包含了模型原理、产品落地，完整的思维框架，基本上是从听懂一点到真正能做项目的那条路，需要的可以看一下。
157AI大模型果果姐
03:41查看AI文稿AI文稿我之前用 open klo 做口播视频的自动剪辑，用了几次之后真的想骂人，钱花了我不少，产出的内容是什么？垃圾弱智？你可能觉得我在夸张，你用 open klo 剪过一条口播吗？你试试就知道什么叫垃圾弱智了。 我讲一下我现在的工作流哈，我每次录完口播原始素材十几分钟，里面全是停顿、口误重复。我平时看视频的偏好是不喜欢听废话，所以我自己的视频你会发现，别说废话，连气口呢，能去掉的我都会去掉，力求让你听到最干的干货内容。 为了做到这一点，我花了不少功夫。我以前在剪映里一针一针的找断点，一条三分钟的视频，出剪要四十分钟， 太麻烦了。我现在的存储方案是，调 f f m p e g。 做静音检测，自动把所有的停顿都标记出来，切成片段，然后 cloud code 拿到片段列表和文字稿，判断哪些流哪些扔。最后呢？ bash 调 f f m p e g。 自动拼接输出成品， 十几分钟的素材两分钟就做出来，出剪视频非常好用。那问题来了，同样这件事， open klo 之前是怎么干的？我给你打个比方，你去饭店点了一碗蛋炒饭，正常厨师怎么做呢？ 起锅、烧油，打蛋，下饭、翻炒，每一步都清清楚楚。但 open klo 的 做法是，把米、蛋、油、盐全都扔进一个黑盒子里，按一个按钮 告诉你， ai 帮你炒好了，出来的东西能不能吃呢？有时候能，但你想多放点盐，对不起，你得把整个盒子拆了重新配。具体到剪辑视频这件事， open klo 有 三个我忍不了的问题。 第一个是它连切割点都要用 ai 判断，基因检测这种事呢，就是看波形有没有低于预值，纯数学计算，它非要过一遍大模型。 这就像你让一个大学教授帮你数一下桌子上有几个苹果，杀鸡用牛刀，有时候呢，他还会数错。第二个是不可控，我想把静音预值从零点八秒改成零点五秒，在我的方案里，哈，改一个数字三秒钟的事。 在 openclose 里呢，我得进流程编辑器，找到那个节点，点开配置面板，翻三层菜单。这就像你想调一下空调温度，结果得把整面墙拆了才能够到遥控器。第三个是最致命的，它没有中间产物。 我的方案每一步都有输出、切割点、列表、片段清单、 ai 的 决策记录、最终剪辑指令。任何一步出问题呢，我三秒钟就能定位 openclose 呢， 一个黑盒进去一个，结果出来，出了问题，你只能对着屏幕发呆。这就像你开车，导航走错了路，但导航不告诉你在哪个路口走错的，只说重新规划路线，你连复盘的机会都没有。 归根结底呢，剪口播视频这件事儿，百分之九十是确定性操作，检测、静音标接、时间、戳切、片段、拼接、输出，这些活交给 ai 就是 浪费。真正需要 ai 的 只有一步，理解内容、语境，决定取舍。 我的方案就是把这一步精准交给 cloud code， 其余全是 base 和 ffmpg， 每一步都透明可控可回数。 open klo 的 问题呢，是他假设你什么都不会，所以呢，什么都帮你做，但你是程序员，你会写脚本，他在帮你解决一个你根本没有的问题，还顺便制造了三个新问题， ai 该出现的地方只有一个，那就是流程跑到一个需要想一想的岔路口，其余的地方呢？确定性的活就该用确定性的工具干，你说对不对？
17橙光-程序员自救
02:10查看AI文稿AI文稿最近啊，龙虾退热了， hermes 又出来了，也就爱马仕新的智能体软件，之前呢是养虾，现在呢变成了养马，无论是养虾还是养马，我觉得对于普通人来讲， 对于技术小白用户来讲，还是有非常深的技术门槛。我倒是建议对于普通用户来讲，选择大厂的一些产品，类似腾讯的 workbody 字节的扣子，这些产品呢，一键安装可以快速的应用起来，不像原生的小龙虾或者 hermes， 安装部署配置一直到你能够完全使用，有一个漫长的过程，而且有很多专业术语，对于小白用户也是非常有挑战性的，你需要去学习，整个这个学习的成本还是非常高的。对于普通用户来讲，搞不清楚传统的 ai 大 模型， 也就是网页版的大模型和现在最火的这些智能体差异在哪呢？通常说的网页版的这些大模型，比如说 豆包文心千问 kimi 进行对话应用的一种场景，这种方式我相信能够满足普通用户绝大多数日常生活当中的需求，但是如果你有更复杂的一些应用的话，那还是需要安装智能体类的软件。 两者最大的区别，网页版的大模型只是想告诉你想法，让你去做，而智能体最大的区别就是他不仅有大脑去思考，还帮你做出结果给你。第二点区别就是网页版他没有权限去操控你的电脑， 而智能体他恰恰因为你的授权，他直接可以访问你本地电脑的权限，所以就可以去做很多代替你人去在电脑上操作的一些事情， 比如说替你去发邮件，替你去网页解锁相应的信息，替你发短信，甚至还可以替你发微信。授权越多，它可以代替人做的事情就越多。我们拿一个文档修改的例子来讲，传统的网页版大模型，它只能 帮你修改完文件，让你去手工保存到电脑上，把相应生成的内容复制，然后再粘贴到你对应的文档或者邮件，或者你需要的应用当中。而智能体可以按照你的需求自动完成你所需要的指令。
220Lei 哥
04:20查看AI文稿AI文稿养龙虾热潮还没退，爱马仕又冒出来了，后台私信呢，快问，爆了！ hermes 到底是啥？能替代 open crawl 吗？我该选哪个？今天呢，我就用大白话给你讲讲这俩 ai 工具的区别，让你少走点弯路啊。首先要搞懂 hermes 和 open crawl 到底是啥。 hermes 呢？不是爱马仕包包啊，是美国开原实验室啊，牛思 reece 搞的一个 ai 智能体，他们给自己的定位是呢， there isn't the redgrass video。 翻译一下，就是以你共同成长的助手啊，大家一定好好体会这句话。 这个是和小龙虾最本质的差异。举个例子，你可以把 hermes 理解成一个优秀的新员工，一开始呢，啥也不懂，但每次完成任务后，会主动的复盘，哪里做得好，哪里踩了坑，下次怎么改进？然后呢，把这些经验变成自己的技能，永久的保存下来， 下次再遇到类似的任务呢，他直接用之前的经验，越做越快，越做越好。 open core 呢，是去年底爆火的本地 ai 智能体，图标呢，像龙虾，所以大家管它叫小龙虾，核心定位是能真正动手干活的 ai 执行引擎。 哎，你可以把它理解成一个功能超全的工具箱，里面有螺丝、刀、扳手、电钻等等，二点六万个工具。哎，你需要啥功能呢，就装啥工具。 但是，但是啊，这是重点，他不会自己创造新工具，所有技能都得你手动安装或者编辑。哎，这么说啊，可能还不是很直观，举三个你天天能用的例子啊，对比一下他俩都能做啥就清晰了。给大家三秒钟时间啊，看这张表格， 三二一啊，好了啊， hermes 为啥能火呢？它解决了 open crawl 的 三个核心痛点。 第一个，记忆与记忆的问题。 open curl 每次对话都是从零开始，你上次教他的片号做过的设置，下次全忘了。 hermes 有 永久记忆，能记住你的习惯、工作流程，甚至你的写作风格， 真正做到一次交会终身受用。二呢，技能方的问题。 oppo core 需要你手动找技能装技能，遇到新任务呢，就得重新配置。 pro max 能自动生成技能，每次完成任务后自动提炼有效的步骤，变成可服用的技能模板，相当于自己给自己装插件。 三、学习成本高的问题。 opencarlo 适合爱折腾的，即刻啊，普通人得学怎么装技能写配置。 hermes 上手简单，你只要告诉他做什么，不用管怎么做，他会自己摸索最优的路径。哎，越用越省心啊。打个比方， hermes 像一个从实习生慢慢成长为部门主管的优秀员工。一开始呢，能力有限，但是通过不断的学习，能独立解决复杂问题，还能主动优化流程。 open core 就 像一个拥有二点六万个兼职员工的中介公司，哎，你需要啥人才呢，就找他要，随叫随到。但每个员工只能干特定的活，不会主动成长。哎，这就有一个关键的问题了，就是 hermes 能代替 open core 吗？先说结论啊，我的判断呢，短期不能，但能互补三个原因， 一、技能生态差距。 open core 有 二点六万的社区技能，覆盖办公、编程、运维等几乎所有的场景啊。 hermes 呢是刚火，技能库还在积累阶段。 二、本地部署的优势。 open core 主打的就是本地优先，数据不出境啊，适合政企单位。还有这个注重隐私的用户， hermes 虽然也支持本地部署，但生态还没那么完善。 三、定制化能力，欧盟可傲允许你深度定制工作流，适合有特殊需求的集客和团队啊。 hermes 更偏向于傻瓜式的操作，定制化空间有限啊。我举几个适合用 hermes 替代欧盟可傲的场景啊。日常办公，写报告、做表格、整理资料。 hermes 是 越用越顺手，不用你反复的教 内容创作、写文案、做短视频脚本，它能记住你的风格，自动优化内容，长期应物。比如你每天收集行业新闻，每周做数据汇总，赫曼兹能自动调整策略，比 open crawl 更省心。 最后总结一下， hermes 和 open crawl 不是 谁替代谁的关系，而是各有所长，互相补充的关系。 ai 工具的核心是帮你解决问题，不是让你学新技术。不管是 hermes 还是 open crawl， 能帮你省时间、提效率，多赚钱的就是好工具。我是雷哥，陪你一起看懂 ai！
164雷哥白话AI
