挑战，每天讲透一个 ai 知识点，今天是哈密斯输出精品调研报告，点一下啊，就给它做一个授权，如果没有授权的话，这里面它会报错啊，这个是一个这个隐藏的一个点，大家需要知道用这个卡片授权啊， 我们设完权之后，他才会去执行这个 python 脚本，然后他才会去抓数据，拿到数据之后的话才会给我们反馈，所以整个的过程是他要用脚本去把结果跑出来，跑出来之后的话，然后再给我们一个反馈啊，所以这个整个过程的话可能会稍微有点慢啊，特别是第一次 执行这个命令的场景的话，他有时候这个会很慢啊，因为他要去装 python 环境，所以整个的过程会有点慢 啊。那我们现在这个我之前因为装过了，所以我相对来说会快一些啊，你看这个是他抓数据的一个来源，是吧？他就从这个地址里面去抓数据，所以整个流程的话会比较长啊，大家需要等待一下，那这里的话我们就不等了。 呃，然后是这个报告的格式，大家可以写清楚啊，什么结构啊？是吧？然后偏好呀，然后包括一些细节大家写清楚啊， 他的一个核心结论，关键图标，包括输出的这个结果，我们也可以做一个分析，然后给他提些问题，让他重新生成， 然后使用建议这一块就是我们要去明确啊，整个分析问题的一个逻辑啊，你要讲清楚回答什么专业问题啊？然后图标的形式什么样，避免一次提过多的一些要求啊？然后我们要去说明这个可信度。 呃，你看他这个网络，就他搜索的时候也会可能会遇到搜索被限制啊，就是一些啊，有些数据不太好爬啊，所以，但是他还可以尽可能的去搜索到一些信息啊，他可能是部分被拦截了，但是他只能根据已有的信息帮你去做处理啊，然后他说对报告内容做调整， 需要或者补充，你就直接回复。好的就可以了啊，给他做一个确认，让他继续去干活就完了。 你看他已经帮你生成好了，放在这个生成文件里面，看一下这个生成的文档在哪里啊？后续有需要调整的，将这个 发到对话。哎，他这个文件应该是还在生成啊，没生成完，他只是告诉我这个任务啊，在处理了，我看到已经发过了，哎，已经生成好了吗？看一下国内 ai 调研工具。 哎，他已经生成了吗？看一下这个时间啊，这生成啊，已经生成了， 但已经生成了。好，打开这个文件已经生成了，没有问题。 ok， 这个就是整个的一个逻辑。
粉丝1252获赞6483
相关视频
05:55查看AI文稿AI文稿这是我一个零开发基础零产品经验的普通人，用 ai 花了一周时间开发出的数据管理系统，它可以通过 c l i 工具加上大模型，实现自动抓取、自动分类以及自动优化。 想知道我是怎么做的？下面我就结合我自己的实践经验，从如何配置，如何使用、具体花费以及踩坑经验四方面讲清楚 ai agent 到底应该怎么用。 首先第一部分如何配置。让我们先对 ai agent 的 整个体系有一个基本的概念， ai agent 的 整体构成可以分成两大部分，第一部分是在前端呈现的 agent 本质，另外一部分是在后端使用的大模型的能力。常见的 agent 的 形态有 app 本地部署的应用，以及在聊天助手中使用的 agent 等等。 具体举个例子，比如说豆包、 deepsea、 opencloud、 小 龙虾以及 cloud code 和 codex agent 要想给你具体的呈现，是要结合后端的模型能力的。常见的模型国外的有 cloud code 用的 ops 四点七， openai 的 gpt 四点五，国内比较知名的有 deepsea v 四 pro、 智普的 jrm 五点一、呃 mini max 的 二点七。它们中间是通过 api 的 接口去进行对接，在使用的过程中需要消耗 tokens 来保证整个链路的运行。 有了这个概念之后，我们来了解一下如何快速配置。针对这两个不同的模块，其实它们都有云端和本地部署的两种模式。那这里边大模型我不推荐你本地部署，因为大模型的运行是需要你的电脑有一定的性能的，所以我更推荐你采用云端的方式。而且云端的方式更简单，你只需要注册相应模型的开放平台，获取到它的 api key 就 可以了。 再说 agent， 我 更推荐你采用云端服务器部署方式。为什么？第一个是便宜，那我就花了大概六十多块钱租了一个轻量级的服务器就能够运行。第二个就是不需要进行繁琐的配置，因为现在的服务器上面都有已经配置好的 agent 的 模型，你需要做的就是在前端沟通界面，比如说飞书、微信和 qq， 配置好，你就可以在这些里面去跟它保持一个二十四小时实时的沟通了。 那回来我们总结一下，如果你想拥有一个能够保持二十四小时运行专属于你自己的可成长的智能体的话，我推荐你使用云服务器部署的方式，部署 opencloud 或者是 harvest。 第二部分如何使用啊？大模型的使用其实是要消耗 talkin 的， talkin 呢？分成两种不同的计费类型，一部分是按量计费，另外一部分是 talkin plan。 如果你只是轻度使用的话，我建议你直接使用 deepsea 的 按量计费，因为它的性能现在属于是第一梯队，而且它的价格足够便宜。如果你是打算长久的运行一个项目，而且每天有大量的跟 agent 的 交互沟通，包括代买咖啡等等，我建议你去使用 tokun 的 方案，推荐的模型有 智普的 g l m 五点一，偏开发方向的我还有比较便宜的 mini max 的 二点七，当然你也可以组合使用。你像我就是用的 deepseek 的 v 四 pro， 加上 mini max 的 二点七，需要复杂逻辑设计的话，我会用 deepseek 而比较简单的一些文艺的处理，我会用 mini max， 下一步就是装修你自己的 a 阵的智能体，像 openclaw 和 hermes 在 部署完成之后都有一些自带的 skill 和插件。但是如果你想真正使用好，你其实是要对它们进行一定的改装的。我 觉得几个需要聚焦的改装点，一个是长期记忆，因为 agent 经常会忘记上下文，或者是新建对话，之后他会忘记上一次对话到底具体是什么内容。第二部分是搜索能力，我推荐你去看一看微软的 playwrite。 那 第三部分是开发能力，我用的是这个 skill， 它会在开发的时候遵循一定的规则和逻辑，能够帮助你有效控制整个开发的过程。 第四个就是多模态能力，那你可以理解为一个模型，它其实可以有文字、图片、视频、音频的处理能力，那支持一个以上的这种模型，它其实就可以称作为一个多模态模型。第二部分总结一下，先选择一个适合你自己的大模型以及计费模式，再去 agent 里面把它的基础能力去做一个提升，你就能够比较顺畅的运行一个属于你自己的 agent 了。 那第三部分我们再来看一下花费，如果你采用的是刚才云端部署的模式，其实它的费用是非常低的，那一个云端的切换级服务器一年可能也就几十块钱，我甚至花了六十左右。然后就是模型的费用，如果你是按量计费的话，我可以给你看一下我 deepsea 的 消耗， 前面几天我都在不断的试错去调试 agent 的 能力，所以它的消耗会比较多，一天可能几十块钱，那现在稳定下来之后，一天大概也就是不到十块钱左右的，那当然这是一个非常重度使用，我每天可能大概有十几个小时都在跟他交流的 情况，如果你是一个清动使用，一天可能也就几块钱就够了。采用 talkin plan 的 这种形式的话，一个月大概也就是几十到一百不等。所以总结一下，如果你采用是一个云端部署的 a 阵，再加上国内的模型的话，那一个月大概也就是几十块钱左右，我觉得这个价格和它的能力对比是非常值的。那第四部分我来讲一下这个过程里面踩的坑和我的经验吗？这个真的是非常非常重要啊。 首先经验，第一个我觉得不要把它当成一个能够伴随你成长，帮你解决问题的伙伴， 你喂给他的所有的数据，他其实是能够有一定的存储和记忆的能力的，他会慢慢的一点点熟悉你，知道你的做事的方法和逻辑是什么。第二 个就是你要让他去解决你身边最需要或者是最频繁出现的一个问题，你像我日常去进行运营的时候，会有很多的省钱和羊毛的信息，那这些信息没有地方去记录和存储，那我的问题就是希望 ai 能够帮我解决自动存储的这一步， 你有这么一个具体的目标的时候，你才能够更好的去跟他沟通，就是你在跟 ai 沟通的时候一定要具备结构化思维，你要去关注他处理的过程到底是怎么去运作的，然后踩的坑。第一个最重要的就是 ai， 他 不是万能的， 他也是会犯错的，甚至他是会骗人和说谎的，这不是我说的，你看看我跟他的沟通记录，这是他自己承认的，他为了去达成自己的目标，他其实会选择一个最小的路径，这个最小的路径里面包括去跟你撒谎说他自己解决了。所以为什么就是 ai 其实是健忘的， 它的上下文的读取和新对话的建立，其实都会忘掉之前一些东西。然后第三个最大的坑就是一定要做好备份管理，包括了 agent 的 本身以及你开发的所有的项目， 你可以让它自己生成一个 dpo e 的 md 文档，如果发生了一个不可回述的问题的话，你可以用这个 dpo e 的 文档在服务器上重新再部署。那第二个就是你开发的代码，你一定要做好版本管理，因为 ai 有 可能在修改的过程中直接就把你之前的所有文件全部覆盖掉， 你就没有办法再去回到上一个版本去回数了。而以上就是我从如何配置，如何使用，具体花费以及踩坑经验四个方面分享的 agent 的 使用实操，那我的思考是 ai 不 像之前的原宇宙这些概念，它是真正能够进行生产力核心的这么一种新的模式。 我的建议是尽早的去抢占这个入口，去了解它，去实践它，让它去解决你的问题，让它陪着你一起成长。那如果你对 ai 和省钱感兴趣，也欢迎关注我，让我们一起共同成长。
125扣薅薅
04:54查看AI文稿AI文稿在上一集讲解了 hermes desktop 的 桌面工作台体验。本集进入一个更关键的能力， profile profile 不是 多开几个聊天窗口，而是给 hermes 创建长期稳定的 ai 角色。 每个 profile 都可以拥有自己的 soul 记忆技能、工作目录和模型偏好。比如要做一个 ai 会议纪要助手的发布页，就会同时出现产品策划、前端工程增长文案和审核要求。 这种复杂任务最容易出问题的地方就是不同角色的判断混在一起。 profile 的 作用就是把这些角色边界固定下来，减少上下文串台。 这里把原来的单人做页面，改造成一个产品发布小队。 product planner 负责用户画像、价值主张和页面模块。 frontend maker 负责把结构落成可运行页面。 growth editor 负责标题描述和转化文案。 review guard 负责事实检查、风险提示和表达边界。主 agent 都不亲自做完所有事，而是拆任务收结果做最终判断。创建 profiler 的 思路很简单，先命名角色，再写清职责 命令。上方的中文注示就是每个角色的用途，先创建 product planner， 再创建 frontend maker， 然后创建 graph editor 和 review guard， 最后用 hermes profile lists 检查角色列表。这里最重要的不是命令本身，而是明知要表达职责。 创建完角色以后，不要急着马上开聊，先确定他负责什么，不负责什么，输出什么格式，以及遇到冲突时按什么原则取舍。 solo 是 profile 的 角色说明书， 第一写身份，这个角色到底是谁，服务什么场景？第二写职责，他负责哪些结果，不负责哪些判断。 第三写原则，遇到冲突时怎么取舍？第四写交付标准，最后必须给什么格式文件或检查清单。第五写禁区，哪些判断不能做，哪些能力不能碰，哪些信息必须标记待确认。 so 写得越清楚， profile 的 行为就越稳定。 product planner 的 so 要把它定义成产品发布策划，他负责把模糊想法收敛成目标用户核心卖点、页面模块和开发。 brief 原则写成先清楚再好看，先验证用户价值，再扩展创意表达。禁区也要写明不编造市场数据，不替工程角色决定实现细节，这样他输出的不是一堆灵感，而是可以交给下一棒的结构化 brief friendmaker 的 so 要把它限定在前端工程角色， 他接收 product planner 的 brief， 然后输出文件结构、组建、拆分状态流、交互逻辑和必要代码。原则是优先附用现有项目风格，少做无关重构。禁区是不要改产品定位，也不要替文案角色写夸张营销语。它的交付标准应该很工程化， 能运行、能检查、能说明缺口。 growth editor 负责表达，而不是负责实现它的 so 笔要写清楚输出标题、复标题、卖点按钮、文案发布描述和 ab 版本。原则是表达可以锋利，但必须保留事实边界。禁区是不能承诺无法验证的效果， 也不能修改工程代码。这个角色适合在产品结构出来以后专门提升信息密度和转化表达。 review guard 是 最后的审核首位， 他的 so 要写成检查事实风险和权限边界，而不是继续创作内容。职责包括标记夸张、表达、缺失证据、高风险能力以及需要人工确认的点，原则是先保护可信度，再追求转化率。 禁区也要明确，不直接改最终产物，只输出问题清单和修改建议。运行时可以先进入 product planner， 比如让他为 ai 会议机要助手设计发布页方案，要求他输出目标用户三条核心卖点，页面结构，以及给 fronten maker 的 开发。 brief。 这个输出不是最终成品，而是下一棒的清晰输入。主 agent 收到 brief 后再分发给 frontend maker 和 growth editor， 最后让 review guard 检查事实风险和表达边界。 profile 还可以做配置隔离。 比如 frontend maker 可以 使用更偏代码的模型，它自己的环境，文件里放密钥，自己的 config 里指定 provider 和 model。 技能也按职责选择。策划角色可以偏调研和结构化输出，前端角色可以偏代码调试和文件操作， 不要把所有技能默认塞给每个角色，多角色不是越多越好。真正稳定的做法是，主 agents 负责拆任务和汇总， profile 负责局部专业输出，每个 profile 只给当前任务需要的工具， 尤其不要默认打开。高风险能力，刚开始三到四个角色就够了，等职责稳定，产出可预测，再继续扩展新的 profile。 这一集我们把 hermes profile 了，角色隔离 so 写法，命令势力和多角色写作讲完了， 如果你想继续看 hermes agent 的 完整系列，可以关注我，我会继续分享更多 agent 的 工具和工作流内容，我们下集见。
640小勉
02:09查看AI文稿AI文稿真是瞎搞啊， ai 又一次震惊到了我，又又又又一次，大家看一下现在是几点？一点五十六，我让 ai 给我把我之前做的一个半成品让他给我优化了一下，从今天晚上的八点多到现在， 虽然说经历了大概有，我看一下六七个小时吧，差不多吧。啊？经历了这么长时间，但是呢，他把这个产品真的是给我优化出来了， 那产品是什么？我就不展示了，我只是给大家看过一眼就行了。这挺复杂的一个东西啊，就是一个电商，电商里面要用的东西，本身我只是让他做一个报表功能就可以了，后来我发现我把很多问题抛给他以后，他自己给我提意见， 给我说应该怎么去优化，应该怎么做，你想把它做成产品级，或者说是你自己用，分别给了一些建议，我基本上把它的建议都采纳了，做的特别好，特别精细， 就是已经超乎我的想象了。我上上上上一个视频，我提到了说做了一个那个叫什么的，呃，我给大家看一下，做了一个理发店的，一个一个一个一个东西啊，就是这个理发店的这个，我觉得这个跟刚才这个这个比起来 简直就是小巫见大巫，这里边牵扯到了很多什么表格呀，字段的映射呀，呃，包括里边的一些计算逻辑啊，呃，包括我还把之前做好的一个小工具给他直接嵌套进来了，就没有怎么改嵌套进来，然后只是把呃界面的颜色调整了一下， 真的是太太真经了，真的就是整个这几个小时下来，这几个小时下来以后 基本上就是一直在迭代，一直在迭代，然后偶尔会遇到迭代了以后发现一些小问题，呃，然后我就让他再修复一下，然后又接着迭代， 真的是很好很好。我觉得这个东西写出来以后，首先我自己是做电商的，我觉得这东西做出来以后对我的工作效率会提升很大很大。如果你还没有开始用 ai， 今天凑巧刷到我这个视频了，我的建议是赶紧用起来，不管你是什么行业的， 不管你是什么行业，只要你每天都能接触到电脑的话，赶紧用起来，一定要用起来。听我的，以后你会来感谢我的。
00:51查看AI文稿AI文稿兄弟们都整上 hermes 了没有？国内呢，叫爱马仕。现在呀，不养虾改养马了，这是什么呢？最近啊，有个超越小龙虾的一个新产品，一款能陪你成长的 ai 智能体。 那与普通的 ai 不 同的是啊，它具备自我学习闭环，能在完成复杂任务后自动总结经验，生成新技能，并跨绘画记住对话的偏好。它的速度呢，非常快啊，有问必答，真正的自我进化，聊得越久呢，越好用。 而且呢，我们团队已经把原文件给下载下来了，全部整理到这个非书文档里了。你看 hermes 的 零基础保姆级部署与实操， s o p， 从硬件到环境配置，再到详细的部署流程，如何接入模型和历史数据迁移，如何调试对话， 进阶的有如何接入通信软件。重点是呢，下面还有十大应用场景，也给大家总结好了啊，需要这个文档说一下，免费分享给你。
00:52查看AI文稿AI文稿openclaw 时代已经结束了， hermes agent 才是真正的智能体。 hermes agent 最强大的在于它的自我进化能力，它不是一个死板的任务执行器，而是一个会左脚踩右脚上天的养成系 ai。 它会自动阅读执行记录，自己找问题，自己总结经验，甚至自己迭代自己。它运行的越久就越会工作，专属于你的技能也就越强。 反观 openclaw， 它是可以帮你发资料，一边自我纠错精，有解决复杂问题的能力。 如果 open globe 搜索网页信息时遇到报错，它就直接卸载了 hermes agent， 它会自己写一段新的抓取代码，自己测试，自己付款，自己进化。部署也很简单，不用绑定电脑，一条命就能装上五美元的 vps， 就 能跑 上下文，再也不会报了。它会自动压缩清理废话，只留关键信息，长期用也不卡，不崩不丢任务。别再把 ai 当提现木偶了，去见证一下真正的归机觉醒吧。
835AI小马达
01:12查看AI文稿AI文稿hermes web ui 更新到 v 零点六点零了，这次改动挺大的，主要是多用户这块，之前的版本基本就是个人工具，自己用没问题，但团队协助就抓瞎了。零点六点零加了账号隔离， profile 隔离， 权限收口这些东西， sessions， models， usage， campaign 这些功能现在都跟着账号和 profile 走了，不再是局共享媒体相关的 skills 也改了 server token， 只用来访问媒体端点， phonecodex x a i 这类凭证直接从当前 profile 读取， 这样不同用户不同环境之间就不会串了。聊天这块也有变化，单聊和群聊都会自动带上当前 profile skills 可以 通过 exhermit profile 这个 hider 知道该用哪个身份跑。还有个实用的改动， delegate task 的 子任务进度现在能实时显示在聊天里，从开始到完成每一步都看得见长，任务终于不是黑盒了。另外加了一些运维命令， 停止 abort 的 状态，清理登录 ip 所清理默认登录重置都是企业环境里迟早会碰到的问题。零点五点三五算是单用户版的终点，从零点六点零开始， hermes 明显是要往多人协助的方向走了。
126Agent 123
01:23查看AI文稿AI文稿大家好，承接上期我们这次用两个 skill 来分别生成 ppt 和视频，它们分别是 garden gun skills 和 ppt。 gun master 第一次给 hermes， 他 会用默认安装的 powerpoint skill 来做， 做完后我们安装一个 ppt 缸， master 的 skill 重新生成一份，对比看一下。接下来我们用 garden 缸 skills 这个技能来生成视频。 在做的过程中顺便提一下， ppt 生成工具还有很多，每个工具自带的模板也不同，要想生成的 ppt 更美观，逻辑和结构更清晰， 需要内容和 skill 的 配合。后面我们可以说一系列提升办公效率的内容输出更有档次的 ppt 等。 garden 杠 skills 生成的视频其实是 html 的 ppt 文件，可以连续播放，跟开头的一样，很多博主做讲解 skill 的 视频就是 html 视频做的 这种不用额外花钱，不像做慢剧那种。好了，下期我们探讨下如何自动发布内容，感谢大家的观看。
11Agent循迹
02:17查看AI文稿AI文稿如果你装好 hermes 以后，只是问一句答一句，让它总结一下，那其实有点浪费。更好的用法是把它当成个人需求雷达。你每天看到一个开源项目，一篇文章，一个产品页，或者群里有人吐槽，麻烦 不要先收藏，也不要只让他概括大意，直接丢给何美子，让他给你三个结果，一句话判断保存路径。下一步验证。第一步，先判断这条线索是什么类型。如果是开源项目，就看他解决什么问题，谁在用问题去你有没有真实痛点，最近还更不更新。 如果是文章或课程，就不要做权威总结，而是问，这对我找需求、做产品、做独立开发有什么用？ 如果是群聊，就不要总结大家聊了什么，而是找五类信号，求推荐，吐槽麻烦愿意付费，有长求想自动化普通总结是在问大家说了什么，需求分析是在问这里有没有机会。第二步，把有价值的内容写进知识库， 知识库不是收藏家，他应该留下判断依据，这条信息为什么有用，和我有什么关系，以后怎么继续用？ 第三步，把需求线索放进需求词，不要只写一个标题，至少留下用户场景、原始信号、痛点，现有解决方式、最小可行版本可以怎么做，以及下一步怎么验证。第四步，重复跑顺 以后，再沉淀成技能流程，比如分析开源项目，整理文章，扫描群聊需求以后不用写长提示词，一句话就能触发固定流程。 最后再考虑定时任务，先手动跑顺，再固定格式，最后才定时执行。不然自动化出来的可能只是一堆没用的信息，还有一个边界，一定要记住， 读资料、查证、写知识库、跑本地脚本可以让智能体主动做，但公开发布、删文件、改账号、花钱调用服务代表你做决定必须先确认。 你可以先从一句话开始，看懂这个链接，判断对我有没有用，有价值就写进知识库。每天重复这个动作， hermes 就 不只是聊天框，而会慢慢变成你的需求雷达。
01:43查看AI文稿AI文稿兄弟们， horus agent 来了！ open 可乐的这种时代感觉快要过去了。 open 可乐时代呢，本质上还是执行型的一个 ai， 发邮件、抓新闻、跑流程顺的时候确实好用，但问题是，一旦网页报错，任务中断，环境变化就很容易直接卡住。 但是 hermes agent 完全不一样啊，它真正强的不是简单执行，而是自我进化。它会自动地去读取执行记录，自己找问题，自己总结经验，甚至自己迭代。自己牛不牛， 不是说任务做完就结束了，而是做完以后啊，他还会变得更好做。比如 open call 抓网页出错，那么可能当场就停了。但 hermes agent 呢，会先分析哪里出问题， 再自己写新的抓取方案，然后自己测试，自己纠错。那么他还会调用纸袋里，一边查资料，一边修正路径。 所以哈，它不是一个死板的任务执行器，而是一个你越跑越懂，你越用越强的养成型 ai。 更关键的是啊，它还能自动压缩上下文， 清理无效信息，只保留关键的内容，长期运行呢，也不容易爆，上下文不容易丢，任务部署呢，也没有那么复杂哈，一条命令就能够装，普通的 vps 啊，就能跑。 所以接下来呢，真正值得关注的，不是谁更会执行命令，而是谁更能自己成长。所以，不要再把 ai 当做提现木偶了。 harness agent 呢，代表的才是智能体真正开始进化的方向。
00:37查看AI文稿AI文稿很多商家做内容最头疼的不是没有产品，而是不会把产品做成好看的图。现在你只需要准备产品照片、产品名称、核心卖点、价格信息， 再写一句详细提示词，交给惠智赫米斯自动处理， ai 就 能根据不同品类自动生成对应风格的产品图，哪里不满意就直接说，它会继续优化。餐饮店要发新品，服装店要做上新 手，工艺品要突出质感，水果店要做促销活动。每个行业都需要一张能让顾客停下来的产品图。对商家来说，让产品先被看见，让内容更快发出去，是普通商家真正需要的高效经营方式。
03:50查看AI文稿AI文稿今天跟大家分享一个用 ai 智能体爱马仕来去提炼词库全自动的一个流程，那么话我就找了一个这个耳机的一个产品好了。之之前大家也知道啊，我搭的一个这个关键的词库，但是搭建词库的时候呢，我需要先下载一堆的表格，所以这里面需要花费我一些时间， 好，我想把这一步也省了是吧，以后我就先把这个呃，这这是我开发的工具，先让这个爱马仕先他去学习一下，他理解我的逻辑， 接着呢我再把他 m c p 给配进去，那么他也能自动去帮我配好这 m c p 好 了，现在我就问他那你能不能根据我给你配 m c p 以后呢跟我的这工具我就直接就简单的甩几个 a 省给你，你就帮我去干活啊，他就说可以实现， 我就立马就开干了。第一个呢我就偷点懒啊，我说我就丢三个 s 给你，你帮我分析好了。幸好我之前有给他约定一个条件，就是说我的任务如果超出那个啊就是花费的一个额度，就说你如果觉得是浪费钱，你就先要问一下我要不要暂停，好了他就开始跟我执行。执行是吧， 前面都跑挺顺畅的。确实他能把。呃按照我要求能提炼出这么多的流量池啊，流量集中啊，以后再往下拓子拓子是吧，以后系统否定， 哎，都执行的非常的顺畅，接着呢就开始出爆了，呵，出问题在哪里呢？就说如果说他这么做他也觉得他流程很混乱，然后耗费我 tokens， 然后他就开始去去停下来了，然后我就问他你还在工作吗？他就说 在工作，但是呢很耗费 tokens， 哎，这就我之前给他的约定，爱马仕有记忆功能了，好，再往下呢就是开始去跑，呃，他就给我一个解决方案，他说要不话你就是一次性做还是去怎么去操作？我就说先暂停一下， 这个时候我去看看我那个花那个 tik tok 的 账单，一看吓一跳，哇，就这么简简单单跑了一下，花了两块七。如果说我之前没有给他那条呃寄的指令，说你超额的话要先暂停，再询问我要不继续， 有可能我跑下来话可能就几十块钱就浪费掉了。所以呢，我后面我就就让他去给我做个评估，你这个任务你给我耗了多少资源，比如掉多少 m c p 的 资源，然后呢，你后面的这些推广费用我自己知道了。如果说 我之前没有这个操作啊，就比如你用别的工具，他有可能他就没有这个记忆功能，会被被忽略掉了。所以爱马仕的好处就是你告诉他 你之前你喜欢什么，然后你给他约定一个条件，他他能记住，以后呢，他就是会帮你做执行，那么这一次呢，我就会去做一个改良。这改良呢，就是因为 通过上一轮我的测试就发现到，如果我这么简单的给他三个 a 省让他搭词库对吧？那他就可能就会跑出五十个词库。好，我有前面的经验，那么接下我再去去改良，那我在迭代时候告诉他这三个关键词里面的话，你帮我找到 十个关键词就可以了，但是这个十个拓词的这个关键词呢，他是呢就最好啊，就不要超过这个啊，就是不要，就是就是要超过一万的搜索量了， 因为搜索量很低，你去拓词其实意义不大的，所以我们就还是想要找到竞品，他流量比较大的一些关键词，我就省掉了，我去自己想关键词，接着让他再帮我拓词，再整理一套的词库，这样子呢，我在广告里面就更加省钱嘛。就是，所以呢，我就就重新再把流程再梳理一下给到他， 虽然你们再去用这个 ai 的 时候，一定要去先把自己业务流程梳理清楚以后先给他一些，哎，就是基础一些约束， 接着呢，你去测试时候发现问题要及时改正，这样子呢，你才能够非常高效的来去用啊，我们些 ai 智能体来去提效，同时呢又能帮助我们的工作，又能节省更多的成本，那这样子才是我们想要的嘛。所以呢，大家如果说还有别的坑啊，你也可以就讨论出来，以后我们一起来交流进步。
00:58查看AI文稿AI文稿ai 你 为什么没有办法变现？大部分人学了很多工具啊，也听了很多课，但是呢，他就是用 ai 赚不到一分钱，这是为什么？第一个就是你缺乏变现的场景， 我打个比方，你用 ai 生成视频，这不算是场景。但是如果你可以用 ai 生成视频做成漫剧，或者是帮实体商家生成带货视频，或者是帮电商生成产品的介绍，这就是场景。 第二个方面呢，就是大家总是以为你必须要学完了才能动手，实际上不是这样，先去干，先动手，你只有在干的过程中，你才会发现问题，然后解决问题。你干一个小时比得上你学一百个小时？第三个方面呢，非常中肯的跟大家 共享一个信息差。你做服务不如做产品，因为你做服务永远有天花板，但是你做产品，他就有可复利性，而且可以产生税后收入。
37点力中国
00:22查看AI文稿AI文稿ai box 应用实力之 hermes 知识库问答联网对比截图秒懂 z n a box 本地大模型与三 d 渲染算力单元 motor 架构三十二千兆 h b m 二一万零二百四十个扩展核心一千两百八十个 tensor 核心，最高两百五十万亿次半精度算力这锐二十余年三年质保，全国联保，终身免费技术支持。
04:52查看AI文稿AI文稿大家好，今天这期我们用一台真实的 hermes 媒体服务器，讲清楚多 agent 部署到底应该怎么落地。 先说最容易踩的坑，多 agent 不是 多开几个窗口，也不是把同一个任务同时丢给更多模型。真正可运营的部署要把角色、状态、交接和失败边界都产品化。接下来我会用当前这台一 零点、二零点、三点二零零上的 hermes 服务 c l i profile、 gateway 和素材流水线拆成一套可以敷用的部署方法。 第一层是角色隔离， hermes 的 profile 不是 装饰性的名字，它代表一个可以单独配置、单独运行、单独承担职责的部署单元。这里可以看到 default 正在承接网关，而 media edit、 medium、 material media publish 是 不同的专业角色。这样的拆法有两个好处， 第一，任务进来时知道应该交给谁。第二，出问题时知道不该碰谁。不要让一个万能 profile 同时负责入口素材剪辑和发布，否则多 agent 很 快就会变成职责混乱。 第二层是入口边界，网关服务负责实时消息入口，它应该像交通塔一样稳定运行，其他角色不应该随手抢这个职责，也不应该在牌照时被一起重启。正式运维时，先看 gateway service pid system 状态，再判断是不是只处理入口层。 如果只是素材 walk 卡住就不要动 gateway。 如果只是发布复合慢了也不要动消息入口越稳定，后面的专业 agent 才能安全替换。 第三层是共享气约，多 agent 最怕的是各做各的，最后没有一致状态。看办簿的意义就是把任务组塞完成分派和复合变成持久状态， agent 可以 换工作气约不能丢。一个 worker 离开以后，另一个 worker 要能从 board 继续无到目标，输入当前状态剩余风险和验收条件，这样并行才不是聊天记录里的临时写作，而是可恢复的任务系统。 把这三层合起来看结构就清楚了。一个对外入口，多条专业职责线，一个共享状态层。 这样的拓扑比简单堆 agent 更可维护，因为每个故障都能回到明确边界上。定位入口负责接收和路由， profile 负责专业执行， 钢板或项目状态负责长期记忆和交接。设计拓扑时不要只问能不能跑起来，还要问重启谁暂停谁复合谁谁拥有最终状态。 最佳实践的第一条是安全可观测状态命令很有用，但它也可能显示 provide key 认证文件、私有 id 或内部路径。正式运维和视频素材都必须先脱敏，再进入截图报告和审篇流程。 这里的原则是，状态要可见，秘密不能可见。能公开的是服务是否运行， profile 是 否分离队列是否有任务。不能公开的是 token、 私有绘画、原始配置和未处理的日式细节。 第二条是交接前置正视片或正视任务，都不应该从主题直接跳到全量执行。先写 brief， 明确观众承诺和边界，再写素材需求说明每个 shot 需要什么证据，再采集截图、录屏图示和 motion prototype， 最后做 contact sheet， 让人先看方向，只有素材方向被确认才进入远端。 lingest 配音时间线和渲染这个顺序能避免最浪费的情况。渲染通过了，但画面像模板或者证据根本支撑不了结论。 第三条是重启边界，看到问题时不要第一反应就是重启整个系统，先判断是 white 位 profile、 捆绑素材包、渲染器还是外部网络， 哪个边界出问题就指处理哪个边界。多 agent 部署最怕用大局重启掩盖局部问题，因为内会把状态队列和正在工作的角色一起打断。 正确做法是先定位再隔离再恢复，最后把处理结果写回共享状态。最后给一个部署检查清单， profile 是 否按职责分离， getaway 是 否是唯一入口，刊报是否是共享状态， start 是 否已经脱敏， restart 是 否有明确范围，素材或产物是否经过 review。 每一项都不是形式主义，而是在问这个系统能不能长期运行，只要其中一项说不清，多 agent 就 可能在压力下退回到临时写作。六项都说清楚才算进入可运营状态。 多 agent 的 价值不是同时跑更多助手，而是让每个助手在正确边界里协助。入口清楚，职责清楚，状态清楚，交接清楚，失败边界也清楚，这才是 hermes agent 多 agent 部署的最佳实践。 最后记住一句话，先把系统设计成可以交接，可以复合，可以局部恢复，再去扩大 worker 数量，边界清楚，协助才可靠。
72小海同学
06:59查看AI文稿AI文稿我现在在用 ai 的 方式做产品，我是这么用的，提供大家一些参考。常规在做产品的过程中，我们需要去做需求调研， 需求调研它有个非常关键的一个步骤，我们是不管是 to b 还是 to c 的 时候，特别是你在做一个新产品的时候，是需要去做线下的一个实体，一对一的一个调研，那这也是有一套逻辑跟方法的，那这是一个科学体系里面的一部分的内容， 讲这就是他，我就把这个里面他的核心干要讲一下，如果是 tob， 你 要考虑是用户数，那就是要超过三十，可分成三类的用户，这些用户进入一对一的一个反弹，这个反弹当然环境要非常好，那么你需要去引导，是让对方放下戒备心，特别是 刚开始的时候，还有特别是别人跟你不熟的这些用户的时候，这里你要把他问清楚几个核心的问题。首先就是说是你的目标用户吗？那目标用户在这个需求上是不是是他的需求是十分紧迫的吗？那紧迫，那么他们愿意相信你吗？你 等等，就是等等这些诸如此类的这些问题，那你通过这一套的方法把它给它了解清楚和清楚之后，那你就可以把这个产品给它继续往前推进一步，需要需要点你就完成了，就可以继续往前推进了。那我们在做线上产品的时候，同步还有一个当我们产品有了一定的用户，有了一定的流量时候，比如说 我们在面向一个城市的，我们有十万的目，十万的用户群的时候，那么它的日活达到几万的时候，它其实有一定的数据量，就比如说我们我们是一个产品面向 某一个区域，它有上百万的用户，那么它的日活已经达到了二三十万了。这样的一个产品的时候，那其实我们就已经有了一定的数据能力了，那这样的数据能力的时候，我们就可以通过线上，可以通过工具，通过数据化分析去可以得到一些近的一些的 去抓住用户群的。就不同的，他在对同一个产品上不同的诉求，就针对不同一个痛点上不同的痛点诉求， 那特别是数据来源越大的时候，那么你的这个数据就会越来越精准了。但而且谁的用户跟你的产品它的结合度，它它的绑定度越来越深，它越来越离不开你，它用的是用的频次越来越多，用的是， 那么它就会你得到的东西也就会越来越精准。那现在 ai 它有一个非常好的好处，就是说有一些东西我们还是避免不了的。就像我们去做一些新产品的时候，我们还是要去做一些用户调研， 特别是特别关键的这个产品的时候，那如果是已经做了一部，那你在那么是这样的一个情况的时候，那在 ai 对 于我们来说，我们不管是通过用 openclop 还是 是爱马仕的那样的智能体，那它其实本质上都是 ai， 因为它后面都是需要就 openclaw 还是 cos 这样的一个多智能体的这个能力，它背后都是大圆模型，那它本质上就是一套一套 ai 精，非常复杂精确的一套 ai 系统。那通过他们来帮我们做的时候，在这个点上的时候，我们去把握用户诉求，用户需求的时候，一个是在分析用户型的一个需求的时候，我们可以分析得更加的一个全面，不仅仅是说我们关起门来，而且我们可以打开门来去去分析。 我自己讲的当然打开门了。一分析它是两层含义，它不是说我们真的把这个东西给它拿出去，就跟外面人就随便去讲，不是这个意思，因为我们看我们可以让我们可以跟他去对话，我们也可以让他用的单元模型可以去接 强的单元模型，像 greenhouse， 我 们可以去接 cloud， 虽然 cloud 在 呃迷上它是 block、 open cloud 或者是 greenhouse 这样的工具去往它们，但本身都是可以的， 那你用它官方也可以买，因为它官方贵一点。那如果说我们搭好了一个自己的一个本地的 ai 是 ai 模型，再加上有高二的四点六 o oops 这样更强力的这个单元模型，因为它是对接 m c p 协议，所以它能够知道，就是说是现在最 是这是发生的一些东西和事情，所以他能去做一些分析的，那我们就可以跟他去做这样的交互，就让他来反向对我们进行提问，来启发，来启发我们。并且至于我们的一个想法，我们把它可以扔过去，让他来帮我们去做一些更好的一个分析跟总结， 那这样你有了一个至于本地的一个小模型，再加一个非常强力的一个模型能力。 cloud 的 四点六 ops 这样子其实你是绝大多数是属于关什么来去少数去去去去去去沟通的，那这样沟通的方式就会有很多种的， 你可以让他站在各种各样的人的扮演的角色的角度上去来跟你进行反馈，跟你进去互动，跟你去沟通，这个只是一个层面，还有个非常关键的层面，我们可以怎么样？我们可以让 你要什么说，让他去帮我们做一些更好的一些更深度的一些分析，提供我们的一些更深层次的一些思考。产品里面经常会讲到我们要问问题，要问到问问到挖到，要挖到第五层，也就是那个非常有名的本田的 它的车厂里面的这个五个问题，它们本田的本田工厂里面的的五个问题，那这个是非常关键的。所以我们在用这个的时候，我们就可以非常的清晰，让 ai， 让这样大圆模型 基于我们自己的这个能力，我们其实可以做得非常的好。就算我们不能，你没有这个，你不愿意去搭本地的小模型，那也可以就直接用你的 hymms， 或者用你的 openclaw， 直接连到 claw 的 四点 opsh， 因为它反正有 mcp 协议，它知道事实 真实发生的一些事情嘛，它针对我们东西它可以做更多的一些分析和进行一些的一些事情嘛？针对我们东西它可以做更多的一些分析和进行一些专业的说。在说我的 就我的产品三堂课也是这么三堂，第一个是 ai 时代下产品专家，第二个是 ai 时代下的市场营销专家，第三是 ai 时代下的产品驱动增长专家。那么目前上线的是第一堂课就是 ai 时代下的产品专家，那他讲了三个产品。第一个产品就是说 通过你的产品从一个概念层面到最终的产品，这可以是模拟模糊了到最终上线，它通过每通过一个一个的大阶段，那么这些大阶段大概经过七个大阶段，那每个阶段里面它会拆分成不同的这个技能，那这些技能最终形成一个体系， 这个是以这个差不多是无效的。第二就是说我们你有很多的东西，包括你自己的一些工作上的一些工具，以及你在做一些想法、一些试验，你可以通过 ai 编辑基于软件工程的思维和逻辑，让你的软件让你这个产品可以上线，这样子出来之后你后期要去做调整，它的文件性、附附用性、扩展性，这些鲁班性会十分强。第三你需要去基于微软卡或或者是微软这样的 多智能体去做一些深度、一些定制，包括一些安全层面的，包括你的业务层面的。那你要去做站工程这些很多东西的时候你可以同步，那至于有些时候它是至于 ai 扩顶去做一些少一些改动，但有一些是不需要的，你需要可以用到前面讲的那些东西。
2产品工坊
