Hermes 高级量化开发教程

用 a r harm's agent 给写的这个 p o c 主力价格监控系统呢，已经正式上线测试了， 这个系统呢主要是监控的是 p o c 价位，一二一三，一二一三呢，就代表的是这个地方是多空相争的一个价位啊，是非常重要的。 然后它的价格呢，都是实时的，现在是一二一一啊，用文化看的也是一二一一这个价格，现在今天下午呢，也是这个，呃，一波 下拉之后，然后今天晚上呢，一直多空在这相争，然后包括我这个信号解读已经都出来了，多空力量接近，然后不分伯仲，现在是 这个位置呢，是这个买盘和卖盘的一档行情啊，过两天呢我就再继续把它加上五档行情，现在呢就是一二一一这个位置挂了二百九十四啊，三百多单，这个买买的呢才挂了七百多单，也就说现在正好是空投开始发力了， 下边呢是这个，呃，整体的监控，也就是说，哎，这是这本来是多多，现在又是开始空啊，可以持续。这今天这个向的交煤呢，就是没有这个啊做的机会， 还有其他的呢，就是在这换合约啊，每个合约全都有，看一下棉花呢， 棉花今天晚上也是多空力量接近啊，呃，空投占多一点，空投占多力多一点，然后主动卖啊，大鱼主动买 也是在这个 pvc 价位，和这个和这个，嗯，当前价差不多，这个位置正好是也是多空想争夺的一个位置。

挑战，每天讲透一个 ai 知识点，今天是哈密斯技术经验与自我修正， open cloud、 cloud code 里面用这些文件去管理的，它是用 memory 这里做了区分啊，然后包括这个 cloud hub install， 它是用了这个，这对比啊，这两个组建啊，它们这管理方式是不太一样的， 你看这里面涉及到一些纠正啊，这个知识更新、最佳实践，等等，是吧？那我们可以来测试一下，比如说我是湖南人，喜欢吃辣， 来这个就是做一个记录，是吧？让它记住我是一个什么样的一个定位，哎，我的一个个人一个习惯啊，你看已更新，那这个大家可以在哪里看呢？就是你可以打开这个 web ui 啊， 这个地方有一个叫做记啊记，这里有个用户画像，你看用户画像里面就会记录你是湖南人，喜欢吃辣，对吧？然后他就偏好香菜香香辣风格，是给你记住了，然后你再可以跟他说啊，纠正纠正一下啊。 呃，我不不喜欢吃辣啊，因为容易上火啊，就是你可以不断地去纠正啊，纠正的话，然后它这个里就会触发这个 scale 的 一个调用，是吧？它就会不断地给你去记忆你当前的一个用户的一个实际情况 啊，这个就是纠正啊，自我发现问题，但这个过程是没有感知的。就是，呃，就是你，你在使用过程中是感受不到的，这个是 ai 啊，它自动会去处理这个事情啊，它会调用 skill 帮你去处理，然后大家看啊，你看我现在是喜欢吃辣，我刷新一下，我再去看一下这个对话， 我们来看一下这个记忆，大家看啊，会让人怕上火，不喜欢吃辣是吧？然后整个的一个逻辑是不是就变了，是吧？ 所以这个就是叫做自我认知啊，自我记忆啊，自我修正啊，他就会记住你这一个使用习惯，这样你是不是就更加智能化了，是吧？ 呃，那么这个用的一个场景，就是比如说我们要适合长期使用啊，就是你使用时间越长，效果就越明显啊，因为你跟他聊的越多， ai 就 认识你的一个情况就会越多，那这样的话他就会越聪明，是吧？在你看来就更懂你。 所以这里面啊，我们当 ai 理解偏杀的时候，你要直接指出偏好，有助于后续的一个记忆啊，就明显你会发现它理解出问题了，你就赶紧修正它，这样的话可以避免后面错的越多啊。所以这个是比较适合于沉淀个人习惯的， 比如说像一些写作风格、内容偏好、固定流程之类的，大家有这方面的一个场景需求的话，你可以考虑装一下这个技能啊，还挺实用的。

挑战每天讲透一个 ai 知识点，今天是哈密斯快速制作网页还是商务这种风格啊？包括他的一个目标用户，然后需要突出的重点内容我们需要说清楚， 然后我们也可以让他去帮我们去安装这个技能啊，去搜索，然后就是去安装，然后刚刚有给他提到过有设计一个活动报名页的一个落地页，是吧？然后整体风格是怎么样的啊？ 最终啊，这个是我跑出来的一个效果啊，我要生成一个就是这个题的词啊，整体风格现代专业、突出，报名入口在这里， 哎，但这个是不是啊？这个是那个个人的，这个说错了，这个是一个个人的技术博课啊，这个我没跑过，大家可以去跑一下，有一个活动报名的啊，这个跑起来可能会比较久一些， 这个是我生成的一个个人泊客的一个页面啊，大家可以看到一些代码的啊，你看右边是一个个人的一个简介是吧？然后的话这个左边的话就是这个一些啊，个人泊客的一些这个说明是吧，一些文章啊之类的 啊，这个是具体的一个效果，那这里面也给大家提几个建议啊，就是我们要去先去干嘛呢？就是要确认一下，就是页面他的一个目标是什么？要说清楚， 是展示转化还是汇报，不同目标对应的不同设计重点是不一样的，然后要明确风格的一个关键词，也是现代的、极简的、科技感的，还是品牌化的等等，要去适合先做演讲稿是吧？要把这个场景给它说清楚。好，大家看这个页面已经生成完了，我们来复制一下粘贴到这个 这个目录啊，我的生成文件里面粘贴一下，然后打开看一下啊，给大家看一下效果。 大家看这个就是生成出来的一个页面啊，个人的博客跟刚刚那个页面风格有点像，但是又有点不一样，是吧？你看这里面还加了一个这个效果，是吧？了解我啊，你看这里就他单独把它隐藏到这个里面去了， 上面是一个图片，是吧？然后这个是基本的一个情况，阅读文章等等啊，你看这个就很有设计感，是吧？现在生成的这个效果就是一般啊，基本上 点的就是那个设计感很差，是吧？你看现在用了这个 skill 之后，你会发现整个的一个页面，是吧？它这个效果就好了很多啊，包括你看它设计的这种设计感就很明显了，以前的话基本上是没有什么设计感可言的，就直接给你丢一个页面出来， 那现在啊，这个效果的话就会更加的明显，是吧？所以这个就是用了这个 scale 它的一个好处啊，就用了这个啊 font 做一个前端页面的一个设计，用了这个技能之后，它的效果就完全不一样了啊。

评论区经常有这三量化机构的高手说我讲的太业余，不懂量化。我想说，你说的太对了，因为我从来不是讲的机构那一套好吧， a 量化交易，普通人和机构走的根本就是两条路，就像是两条平行线一样。今天我把这件事一次性讲清楚，咱们普通交易者用 ai 做量化交易这条路的 底层逻辑是什么？先说机构这条路，咱们拿换方量化参考一下。樱花二号上线，投资十个亿砸了一万张 a e 百香卡，什么概念？当年国内拥有超过一万张卡的公司总共不超过五家，除开换方，剩下的全是 b、 a、 t 这样的互联网大站，来到数据累计就超过了十个 p p， 几十个数据员每天都在更新。二零一六年第一份深度学习深层的交易创维就已经上线了， openai 当时才刚刚成立一年， check g p t 还要等六年才会出现换方的 ai 那 时候已经在自动下单了， ai 在 里面是嵌进流速线的一个模块，模型只是这台庞大机器的一个零件而已。 你今天就算把换方那套量化交易的代码完整的部署在你电脑上，根本就跑不起来好吧。最后就是机构高频交易的服务器是直接托管在交易所的机房的，就是为了抢那几毫。 机构的 ai 量化赚钱的底层逻辑基本可以归为一个词，套利。不同市场之间的加差套利，买卖盘之间的加差套利。订单部微观结构里捕捉到的秒级套利 单比利润很小很小，可能只有几分钱甚至几厘钱。 ai 在 里面干的就是从海量数据里识别到极小的加差，然后让系统以最快速度去抓。所以机构需要的是什么？更快的速度，更多的数据，更强的算力和更低的延迟？ 它的整个体系是为了把极小的优势反复放大。你用上了 deepsea， 不 代表你就和患方在一个量级，这两件事压根 就不可能是一回事。我猜测很多小伙伴其实有意识到，这个 gap 机构那套肯定是咱们玩不起的，我们抄一个价值总归吧，是不是可以买几张卡， 一点数据，租个服务器，跑 ai 加策略，赚个零头？咱们也可以吧。但是我要告诉你，这条路是根本行不通的，为什么？因为机构的那套生意不是规模可以缩小的生意一旦缩小整个数学模型，它就崩溃了。这不是赚少一点的问题，是压根赚不到的问题。 它不是一台可以缩小尺寸的机器，它是一台只有在这个尺寸下才能运转的机器。所以对于咱们普通个人交易者，必须走完全相反的逻辑。孙子兵法有一句话， 避时而积蓄，机构根本看不上的是那种一年只出现几十次单比，利润够厚，需要综合判断的关键机会。但是对咱们普通人来讲，这才是全部， 是把每次出手的胜率和确定性做到足够高。你需要的是一套能让你在关键时刻看清楚判断对执行文的 ai 量化交易系统，这才是 ai 量化真正能帮到咱们普通人的底层逻辑。回顾我之前的时间视频，一直也是围绕这几天在讲，上期讲信息链上游，目标就是想办法让 ai 看到比你单独看 k 线更完整的市场。上下文解决的是 信息层的问题。资金流信号那一期本质是让 ai 在 本该唤醒的时候才被唤醒，不是二十四小时乱看市场解决的是信号层的问题，用 skill 去解决执行偏差那一期是让 ai 在 高确定性场景下不漂移，把 复杂任务拆成有 checkpoint 的 多步骤流程，把 ai 的 不确定性锁在每一个阶段内部，解决的是执行层的问题。 这三件事机构可能并不在乎，它们本身就是在新西兰的最上游。执行系统是工业级别的，流程是写在代码里的。对咱普通来说，每一件事都是真实交易的痛点。喷子们，这才是我想表达的。分享一下我自己搭建 ai 量化交易系统的方法论。这里我强烈建议大家去了解现在 ai 智能体领域最前沿的构建概念。 harness。 这个理念是 asteroid 和 open air 在 去年底到今年这一段智能体框架八八七反复在讲的一个核心议题。 asteroid 在 cloud code 的 官方文档里直接说 cloud code sdk 就是 the agent harness that powers cloud code， open air。 the codex 团队也在用同样的说法，把 agent 和 harness 等同看待，像 open cloud 或者 hermes agents 也都是遵循这个逻辑在构建。 harness 到底是什么？简单说就是以大模型为核心， 让其从一个无状态的问答器变成一个能稳定工作的智能体的那一整套的工程化基础设施。它包括智能体循环工具、系统、上下文管理、状态持久化、错误处理、沙箱和全线机制。有一个关键点，它类似不是像 m c p 那 样的协议，它代表的是工程方向。这东西和大件链链化交易有关系吗？有点懵对不对？ 记住，我们要搭的是一个稳定的 ai 量化系统，传统量化工具核心是规则、指标、预值、信号回测， ai 在 里面要么不存在，要么打辅助。而 ai 量化交易系统核心是 ai 智能体，本身是做决策、调度数据、协调任务的大脑， 所有指标信号执行都是围绕这个大脑搭出来的。而你只要意识到这些核心问题需要解决，就会发现一件非常重要的事，这每一项恰好都对应着哈密斯设计理念里面的核心。主键主动调用工具看市场，对应的是哈密斯的工具体系， 拆唤醒，拆唤醒，对应哈密斯的智能体循环触发机制调度多种能力做不同的事，对应哈密斯的多智能体协调，每一项都不是换一个更聪明的模型可以解决的。我自己的结论是，一个稳定的 ai 量化系统，本质上就是一套围绕交易场景设计的哈密斯，这是一个需要全盘考虑的工程化问题， 分享两个我时间的哈密斯的过程件，看看是否可以帮到各位。首先是我在前两个月构建工具全智能体 high priority 的 时候，助理指 智能体调度上下文如何有效隔离的问题。因为本身工具功能越来越多以后，内部已经演化出了多个智能体，分别负责写策略、配信号、做归音、复盘。我一开始让每个智能体跟主绘画都共享上下文，导致稍微复杂的任务跑下来，主上下文里塞满了智能体执行的细节，上下文创很快就会爆。 后来我重构成 happy i， 只负责把任务交给智能体，智能体自己跑，自己的循环用自己的上下文跑完只会传一个结构化结果，不再进入主 智能体的上下文。这就是 house 里面的多智能体编排加上下文管理的交叉点子，上下文必须和主上下文隔离，不然主智能体永远跑不长。第二个时间就是处理有效记忆点提取的问题。 house 是 鼓励状态持久化和长期记忆的，这也是 astrobic open i 最近反复强调的个性化维度。记忆提取不该按时间机械的阶段， 而是应该让步行自己在压缩的时候决定这段对话哪些是值得记住的，这样目前基本可以做到，把我的交易偏好、占用指标、风险承担力和过去的策略选择 都可以结构化纯净长期计。目前用下来，内部这个智能体呢，是越来越懂我了，还有更多的实践经验，这里咱们就不赘述了啊，已经讲了有点多了，哈密斯这套智能体设计架构，对于想认真构建 ai 教育系统的朋友，目前是最完整的工程方法论了。讲了这么多，咱们搜一下，并不是想把大家拉进哈密斯这些技术细节里面去，技术只是工具， 真正决定你能不能在 ai 量化交易这条链路上走下去的，始终是你定位和位置，你站在哪条路上，比你拥有什么模型、什么架构和什么策略要重要很多。机构有机构的战场，咱们普通交易者有自己的根据地，而 ai 之所以对我们有意义， 不是它能让我们变成机构，是它能够让我们在自己这条路上做得比赤手空拳更稳一点。讲了这么多，希望今天的分享对各位有帮助，记得点赞关注。

挑战，每天讲透一个 ai 知识点，今天是 tommy 文件管理视觉的一些能力，你看它通过这个扫描图片啊，它有有的不一定能检测出来啊， 你看这个里面一点 pdf， 这个就是没没识别出来的，然后二点 pdf 识别出来是关于 dsp 格式模板，然后三点 pdf 是 识别出来了，格式四技巧，那它有一个有时候识别不出来啊。 嗯，你看他这个里面提到了这个是纯图片型的 pdf， 然后导出的话，嗯，无法直接识别，他要我们去告诉他，你就直接跟他说。嗯，这个我也不知道， 我也不知道是什么主题，请换个方案来识别吧。 现在还他还是把这个文件啊，就需要改什么名字给你列出来啊。但是的话他没改啊，我们可以看一下，他这里面是没改的， 所以他会去使用不同的方案去分析啊，一个方案搞不定的话，他会用比如说用 ocr 的 方式去分析，但这个可能耗时就比较久了，反正他最终会给你一个这个结果啊，你可以让他不断的去跑，尝试其他方案，最终给到你下面这个接口啊。那么这个接口的话， 大家看你看你没找出来这个是诶，未犯指令级确认无啊。那我就让他就是确认吧，比如说叫做立即执行，然后让他执行一下，把这个名字给他改一下， 他会按照这个格式规范去改啊，你看原文件名一二三，你看现在是不是帮你改了，你现在他换了方案之后立马就改了，是吧？ 这个是不是就很精准了啊？这个日期加上主题是不是就改完了？他用的是 ocr 识别，所以一个方案跑不通，报错的时候，大家可以尝试另外一个方案啊，会更加准确一些。然后这里这个分析结果是我用这个嗯， hms 他的一个微博 ui 去跑出来的啊，大家也可以把这个工具啊，前面给大家讲过怎么来安装，也可以在这个里面去对话，也都是 ok 的 啊。我建议大家还是集成到我们常用的这个对话工具啊，就是这个聊天软件里面去，它会更加方便一些啊， 所以我们后面就主要用这些啊，这个办公的这个通讯工具给大家来演示啊，这个的话有时候会有一些 bug 啊，因为这个工具更新也比较频繁啊，但是里面有一些功能，我们等一下可以用这个里面来看一下， ok。

大家好，今天我来讲讲我最近在使用 harmas 制作游戏中呢，遇到的一些炸裂的问题啊，掉的一些坑。因为上期我也讲过关于模型搭建这一块呢，我是用 deepsea 当做主大脑，然后 cloud 是 高级工程师，其他模型呢就是市场调研员， 这就是我现在在用的制作游戏的流程，并且游戏的框架啊，我也制作完成了，但是呢，我遇到的问题就在这里， 因为 deep sec 的 大脑过于跳脱，所以常常在向 cloud 发送文件的时候会进行修改，然后还不听我的指挥。并且还有一个特别主要的原因， dbic 在 调用模型的时候，不是直接跑在本机里面，而是跑在接口服务商的沙箱里，我这里就叫通道，但是呢，这个通道内存又很小，我要传输的文件又很大， cloud 每次调取里面的文件都会导致通道不稳定，并且还会经常超时 啊，然后因为通道不稳定崩了两次，我的文件就丢了两次，所以我非常无奈的将 debit 换成了 cloud。 但是中转的 cloud 呢，又不是很稳定，还经常会断， 这就是我这两天遇到的炸裂的问题。如果这期视频对你有帮助，我们下期见，御姐优。

今天这篇 eiffelwebase 开发日记，讲的是前端多语言国际化，它不是简单把中文翻成英文，而是一次技术架构选择。所以我先把背景说清楚再讲最后为什么选这套方案。 早期为了赶进度， eiffelwebase 前端有很多文案是直接写在代码里的。这有一个现实好处，你把界面截图发给 ai， 它搜中文关键词就能很快找到对应代码。但现在产品初期形态已经固定，继续印编码下去，后面改动会越来越麻烦。 在技术选型上，最终我们选的是国际化核心库加它的 rect 绑定，核心原因不是它最重，而是它最平衡，能按命名空间拆文件，也能动态加载。对现有 rect、 vita and design 技术站来说，接入成本比较低， 真正的架构核心是翻译文件就近归属到功能模块。传统做法是把全站翻译都塞到 publiciles 里的一个大劫业，业务一多，冲突和上下文爆炸都会出现。我们改成每个功能模块自己维护翻译文件，文件名固定为简体中文和英文两套， 但翻译文件分散以后必须有门禁，否则很快会散掉。我们加了国际化卫生检查脚本，检查件名，重复文案文件结构，还有没有被引用的件。这一步一开始会暴露很多历史问题，但它是把技术债从暗处拉到明处。 第二个关键决策是统一语言标识协议。历史上后端又散落着另一套写法，还混着各种简写。最后我们决定全仓只保留简体中文和英文两种标准标识，入口处负责兼容历史值。 迁移里第一个坑是路由配置的翻译时机，如果模块加载时就执行翻译，资源还没一步加载完成，某个路由建名就可能被当成兜底文案固化下来。修复方式很简单，路由配置只存建名，组建渲染时再实时翻译。 第二个坑更有代表性， ai 批量迁移文案时，很容易生成无异异替，比如接口件一零六表单标签期看起来能通过语法检查，但长期看完全不可维护。所以提示此里必须把禁止无异命名写成应约束，不能只当建议。 最后，我们的策略不是让 ai 一 口气自动迁移全站，而是先把规则立住，再逐步清理历史遗留。 ai 可以 快速铲除，但合并权必须在人手里，而且版本控制要能随时回退。 最终落地的方案就是就近拆分，严格门禁，统一语言标识协议。我们完成了核心区域约一千九百处中文硬编码迁移，并把翻译文件按归属模块分散维护。这套方案对 ai 辅助开发尤其重要，文件更小，建明更规范， ai 更容易附用已有文案，而不是幻想一堆新词。

挑战，每天讲透一个 ai 知识点，今天是 comis 控制面板啊，然后的话就是，哎，大家还可以什么呢？就是我们可以去装一个控制面板啊，这个当然这个不用装啊，这个是官方内置的，我们直接输入这个 comis dashboard 啊，回车，这个就是这个官方给大家提供的一个控制面板啊，就是相当于这个管理这个医保盘啊，就是包括他使用的一些 token 啊，然后在目前调用的一些情况呀，是吧？ 但是这个里面的话啊，首先它会要去装一个安装啊，你看它要去 build 的 一个 web ui 啊，所以这个里面它也是相当于装了一个这个 前端的一个页面服务的啊，有了这个之后的话，大家才能看到那个 dashboard 啊，所以这个是我们需要注意的。然后装完之后啊，大家可以通过以下几个方式去给它启动，首先是它默认端口的话是九幺幺九啊， 当然大家也可以去改窗端口，这个都 ok 的 啊，但是这个需要注意一下啊，我们输入这个 hermes dashboard 启动之后的话，它只能本地去访问啊，也就只支持幺二七点零点零点幺，对，就你本地的 ip 去访问， 其他这个 ip 的 话是访问不了的啊，如果大家要访问的话怎么办呢？你可以加一个参数啊，叫杠杠 host， 零点零点零啊，就是这个就是共享模式啊，就是所有的这个网络都可以来访问，允许所有 ip 来访问啊，但是这个的话其实是不太建议的，因为我们这个 hermes 主要是内部用的啊，就内部调试用的， 对外的话，其实啊会有那个安全风险吗？因为里面有各种各样的模型配置啊，一些密钥啊之类的，是吧？包括一些公司的内部的一些数据啊，有一些对话保存在上面，所以我们一般是不对外的啊，开通这个只是为了方便自己测试用， 因为你装的那个机器的话，他可能不是这个有桌面的，是吧？他是个服务器端，所以我们希望啊，就是因为他默认启动，他是不需要浏览器的啊，就他没有那个浏览器，所以我们要用这个命令啊，就大家把这几个加好之后， 首先允许任意 ip 访问，然后不打开浏览器，然后以这个非安全模式去运行，这样的话大家就可以用 ip 地址加端口的方式去访问到你，比如我现在这个你这里有个服务器，是吧？你看他启动完之后，他会默认打开一个浏览器，此时啊，此时大家只能通过这个当前服务器的那个 当前本地的 ip 啊去访问，因为我这个服务器啊，它可能没有图形化界面的，所以我这个它也没法访问，是吧？大家访问有几种方式啊？大家可以通过 s s h 的 方式去代理去访问啊，或者是啊，你要那个机器上面装了桌面的，你才能访问，那这种情况怎么办呢？那我们把它关掉， 大家可以用这种方式把这个命令复制过来，然后回车，有了这个之后的话，我们就可以用本机的这个 ip 啊去访问了，这样的话会非常方便啊， 所以我们等它运行完，然后在这个里面啊，我我那台服务器的 ip 是 幺九二点幺六八点一点幺二七啊，然后加上这个端口，那我就能访问到这个控制台了啊，在这里面我们先等它跑完。 但是如果大家是基于这个 windows 本地部署的是吧？本地部署的话啊，如果是你的 ip 不 一样的话，你还是得那个，如果大家用的是 mac 系统是当前 ip 的 话，你可以不配这个， 你直接在本地啊，直接用 locost 啊，或者幺二七点零点幺就访就可以。我说的这个场景是大家弄了一台服务器，在服务器上面部署了这个 hermes agent， 但是你想本地或者是外网来访问的话，你就要把这个配上，不然的话它只能本地啊，就那个服务器本地去访问，所以这个是需要注意的啊， 我们看一下啊，有了这个大家可以可以看到这个 ip 有 变化，刚刚是这个，这个地址是只能本地访问，现在变成了零点零点零点零啊，说明我们外网 ip 也能访问啊，接下来我们就输入它的一个 ip 地址啊，我看一下，点开这个 直接复制这个地址啊，接下来大家就可以看到啊，这么一个页面，呃，这个 hermes agent 呢，就是它的一个仪表盘啊，你看这个里面可以看到哪些东西呢？就是我当前聊过的绘画啊，就我们之前我测试这个 hermes 啊，跟它发生过的一些对话 啊，有各种有标题的，又没有标题的，还有掉一些技能跟它对话的，然后包括一些分析啊，就是这个 hermes 它当前的用量，比如说我用到 deepsea v 四的这个模型啊，调用了多少次啊大家，这个大家看一看就可以啊， 而日制的话基本上有问题的时候再来看啊，就是你会发现，哎，他这个模型的话使用的时候老是报错啊，或者说一些老是没有反应。那大家可以去看一下这个日制啊，包括你看一些 errors， 你 看到底是哪里这个有问题啊？所以说这个里面的话，就是我们可以看到啊，整个的一个逻辑是什么呢？就是 我们要找一些这个 token 啊，是吧？然后以及这个使用啊。哎，如果大家遇到问题的话，你可以关注一下这个报错啊， 就是如果他响应很慢或者很久的话，基本上会有些报错出来，所以这个东西是给大家排查问题用的啊。正常情况下我们这是不需要关注这个的，因为我们跟 hermes 对 话的话，他也会把错误给输出出来，但是有些情况下如。

之前体验了移动端原生应用的 web coding， 近期用 ai 开发了一个安卓原生应用。说实话， ai 现在的编程能力有点超出我的预期，整个项目的代码百分之九十以上都是由 ai 完成的。 虽然项目整体逻辑不算很难，但移动端 markdown 的 渲染性能优化确实是有点难度的。结果 ai 的 表现超出预期。 u i 使用 google stitch 平台引导 ai 进行界面设计，按照 hermes 官网的风格设计了明暗两套主题，视觉效果还是比较符合我的审美的。 这个 app 的 能力是建立在与局域网内 hermes 的 通讯之上，应用通过 ip 地址端口及 api key 和 hermes 建立连接。由于 hermes 默认不开起 api 服务，需通过文档修改配置或直接和它对话来激活 api server 和 gateway。 受限于 hermes 目前提供的 a p i app 的 功能比较简单， agent 页面显示 hermes 的 运行状态和信息，设置页面可以更改主题、 切换聊天接口， 并支持显示或隐藏工具调用的底层信息。支持对 joe 部进行暂停、恢复、触发及删除等操作。 chat 页面支持文本及附件和 hermes 对 话，并实时保存聊天记录， 实现并深度优化了 markdown 的 渲染，能够显示图片、表格、代码快等复杂的结构。 总的来说，这次 vip 定的体验让我感受到了 ai 在 应用开发领域的巨大潜力，后面会使用 ai 实现更多实用的功能。

给大家看一下，这是我昨天晚上直播的时候，用赫密斯 a 检测，大概花了一个多小时，最后是修改成了一个那个用户管理的一个平台， 有仪表盘，有用户管理模块，可以新增用户，修改用户，然后包括有角色管理、 权限管理、审计，日制系统设置，这些主要是通过昨天包括使用了一些 honda 旗舰第二零框架，加上一些 u i u x 的 skill， 最后生成出来的效果， 但呢还有一些可能会有一些 bug， 这个我都还没有仔细去测。然后大概总结一下，用哈尼萨典尼尼写这种 稍微简单一点的 demo 是 ok 没有问题的，但是如果你会涉及到一些复杂的问题的话， 可能就需要使用 code x 或者 code 这些专业的编程 id 一 了。 嗯，再就是像使用小龙虾或者是哈密斯啊 agent 这些他所消耗的 token 要相对于 colocode 这些来说的话，他会多一些。 所以说大家的话，如果说想使用编程的话，最好还是用 colocode 或者 code x， 像小龙虾， hermes agent 这些它可以做编程辅助，但是你如果完全想用它去编程的话，最好还是慎重考虑一下。大家如果有什么好的想法，欢迎在评论区里面留言。

挑战，每天讲透一个 ai 知识点，今天是 promise scale 搭建与运行，跟他说啊，这就是我的完整对话记录，你就让他直接输出就完了啊。 但他这个里面你看其实也帮你总结出来了啊，参会人员是吧？是不是按照咱们的一个格式，你看他这里面就提到这就这两个人在对话，所以他参会人员就这两个人，他的议题第三季度新品发布会啊，然后决定这只提到了场地，是吧？财务提醒，因为没有涉及到财务关键词，所以没办法触发这个合规检查 啊，这个就是我们比如说这个会机啊，就这么简单啊。然后第二个场景就是比较啊，这个比较多的一个绘画啊， 来看第二个场景，就这时候需要用到财务相关的内容，因为接下来咱们要测试的这个会议纪要里面的话，涉及到一些预算啊，一些这个财务相关的一些内容，所以当你把这个会议纪要给它弄进去之后的话，它的内容的话就不一样了啊，复制一下，在这里面再试一下。 好，这里内容有点多，大家稍微要等一下 啊，你看这个时候的话，它就多了一个东西啊，我们可以对比一下，大家看之前是没有涉及到财务提醒的，你看现在多了一个财务提醒，就是因为这对话里面提到了预算，是吧？那这个涉及到预算，这个财务提醒怎么来的呢？大家回忆一下我们之前讲的这个 reference， 在这个里面有个 reference 叫知识库公司财务手册里面这里就提到了一些费用相关的一些描述，有这个里面啊，本次涉及到八万元预算支出处罚合规要求检查啊，就是有一个检查，根据公司财务手册第五章第一条，第五章第一条是提到了这个商务宴请 啊，第五章第一条看下第五章第一条是个预算申请要求，嗯，需要提前十四个工作日走 o a 的 一个审批啊，你看提前十四个工作日走 o a 的 一个审批，是不是引用了这个 咱们整个的一个公司的一个财务管理的一个制度，是吧？参考里面的内容请你回答的啊，这个是有具体的依据的，包括从这个财务金额等等的，是吧？ 那这个是给你一些财务提醒啊，告诉你应该要去做这个流程啊，这个就是智能化的一个这个会议资料的一个整理啊，因为大家可能光顾着给 ai， 就是 让他做总结，但是里面那些关键的一些点， 一些风险点，如果说你也想让他总结出来的话，你得给他一个知识点，就公司的一些制度文档，把这个给他参考进去才可以啊啊，然后接下来啊，还有一个场景叫做上传，是吧？那我们这错了，最后一个啊，那么第三个场景就是我们要测试一下脚本的一个调用啊，我让他去上传 我们整个的一个汇集啊，上传到服务器里面去，但那个脚本我不是真的上传，我只是写了一个测试的一个输出模拟上传啊啊，接下来我们就把这段啊，把这段题的词整个的一个对话啊，除了总结，然后我还要去上传调用脚本来复制一下这个里面 啊，这个内容有点多啊，可能会就稍微慢一点了，这个大家稍微等待一下，那这里面不是有个 script 吗？这 script 就是 一个 python 脚本， 那这个 python 脚本的话主要就是去执行一个函数啊，这个函数的话就是模拟上传文档啊，这个是一个伪代码啊，没有真实上传，只是输入了一些日期说要上传，那这里面我们是为了主要为了让它方便可以调用成功啊， 你看这个财务提醒也有，现在上传结果也有上传到上传成功了，然后文件大小也给你输出出来了。访问地址啊，这假设公司有这么一个云文档的一个地址，是不是就上传成功了啊？你看是为在这里也提示了这个 upload 当前是模拟脚本啊，未知性真实网络请求。如果说有实际的服务器的话，我们可以调整一下这个脚本。 ok， 这个就是我们整个搭建 skill 的 一个流程啊，所以大家需要知道整个的一个 skill 点， md 的 一个目录结构啊，它这里面可以写哪些内容啊？首先是 这个名称描述版本是吧？包括知识的一个平台啊，包括原数据，我们还可以带一些 hermes 的 一些特特定的一些数据集进去啊，一些参数，大家可以以这种方式去传递。 好，所以说我们可以在 scale 里面做一些平台的限制，做一些条件的一些设置，是吧？然后还可以去加载一些安全的一些密钥啊，因为这个 scale 里面可能会要去调用一些工具嘛，比如说做剪辑，做一些这个查询一些天气啊等等的，那他就可能要去填一些密钥之类的， 那么 hammers 只能在技能被本地加载的时候啊，去输入，就是他不会在对话里面去索索取这个密钥啊，所以这里面我们需要去注意一下，就是 要做一个加密处理啊，要保存这个密钥的一个安全性啊，不要出现一些泄露的一些情况。 ok， 这个就是一些 scale 的 一些基础规范啊，那 scale 里面还可以写各种各样的内容，比如说做一些这个其他的一些研究啊，是吧？我们都可以按照特定的一个规范去写啊， 比如说我们这个这个 scale 里面可以写多个啊，就是这个是一个 scale 啊，这个是多个啊，这是第一个 scale， 这是第二个，然后第三个等等，我们可以写很多 scale， 那 这是每个 scale 下面的话，哎，我们还可以去建不同的子 scale 啊，就这个是一个层级。 ok， 就是 它可以分类建子文件夹的，这样的， 包括我们也可以配一些外部的 skill 啊，也就是他不一定要把这个 skill 放到他的那个 skill 目录里面去，他也可以配置这个外置的一个目录啊，就把它挂载，就相当于我们可以指定一个 skill 的 一个目录去做一个加载 啊，然后这个里面我们还可以针对这个 agent 做一些自管理啊，就是 skill 里面我们可以做一些，刚刚给大家演示了一个搜索 skill， 是 吧？包括创建啊、编辑啊等等的都是 ok 的。

上期我们给 hermes 装了四个进阶 skill， 就 已经开始变得不太一样了。如果你想让 hermes 真正自动进化，那这期四个 skill 一个都不能少。第五个， control interface 控制台 skill， 可以 看终端文件、定时任务、 投屏用量，还能做权限控制，是可以被监控、调度管理的长期运行系统。第六个 skill factory 最有 hermes 味道的 skill， 会观察重复出现且成功的流程，自动沉淀成新的技能，然后帮你生成 skill， 越用越懂你。第七个， maestro 多 agent 指挥官 skill 适合更复杂的开发任务， the agent 负责调研，一个负责实现，一个负责 review， 一个负责验证。 maestro 负责保存任务状态，结构化记忆交接上下文检查验证结果 解决。当 ai 不 止一个的时候，怎么让它们协作？第八个 workspace hermes 的 web 工作台 skill、 聊天终端记忆 skills 都放到一个界面里，重点不是好看，而是把 hermes 变成真正可操作的 ai 工作台。这八个 skill 可以 分成四层， superpowers 让 hermes 有 工程方法论。 g stack， hermes 有 团队角色分工、 wiki 和 atlus 让 hermes 理解自己， 理解生态。 control interface skill factory maestro workspace 让 hermes 能被管理，能制造 skill， 能多 agent 协助。所以 hermes 的 进阶路线是把它从聊天工具升级成一套会记忆、会执行、会复盘、会进化的 ai 操作系统，训练出一个越来越懂自己的 ai 工程团队。

对龙虾炒股这个话题非常感兴趣，今天我们就来分享一下如何让你的龙虾接入 a 股的数据，实现二十四小时的分析。当然策略得你自己定哦，简单的只需要两步，第一步，登录 qrus 的 官网 来粘贴它官网的一句话就好了，把这句话丢给你的龙虾，第二步就完成了，你的龙虾就可以接入全球的金融数据了。是不是很简单？那我带大家走一遍。这个是 qrusai 的 官网， 当下还可以邀请奖励，我们只需要复制官网这句话，复制之后打开你的龙虾，我们丢给他就好了，这是我丢给他的这句话，你可以看到它安装完成就是安好了 q r s ai 的 skill， 那 这个 skill 能帮你干啥呢？它可以帮你接入全球的金融数据。 给大家简单看一下效果吧，这里有两千多位群友已经在体验了，你不仅可以做个股的一些分析，你还可以分析板块轮动，大盘走势，资金流向等等的，而且不仅支持 a 股，还有美股、港股等等的信息。 对，然后最好你自己体验一下，安装方法也非常简单，我们下期再会。

昨天创建了团队，今天给我团队成员配置工具，比的是投资经理。今天给他创建一个金融短报 skill， 每天早晨八点把短报内容推送给我微信里面，第一步输出简报内容，第二步，输入标注数据来源。 第三部分投资经理点评。

你有没有想过，只要你动动嘴，提个需求，就有一整个 ai 开发军团？注意啊，是七乘二十四小时全年无休地为你干活！听着是不是有点天方夜谭？ 但今天咱们就要揭秘一下，怎么用 hermes 和 kimi 这两个大杀器，从零开始，组建一支完全属于你自己的 ai 战队，来，我们直接开讲！ 对，你真的没听错，就像这儿说的，你就当个老板提要求就行，剩下的所有事， ai 智能体们自己就能协调搞定。是不是觉得这简直是科幻电影里的情节？但我要告诉你，这已经不是科幻了，它就是现实！ 而且啊，这支 ai 军团能干的，可绝对不是什么小打小闹的活儿。你听听这个流程，从一开始的市场调研，到正儿八经的写出产品需求文档，也就是我们常说的 p r d， 再到后面设计技术架构，吭哧吭哧写代码儿，最后还要做完完整整的测试验收。 你想想，整个软件开发的完整生命周期，从头到尾全都是 ai 自动化的。那说了这么多，这支 ai 军团，它到底能做出个什么东西来呢？ 结果可以说相当惊艳。一个功能完备的电商竞品价格监控系统，你想想，它自动抓价格，监控库存生成趋势图，甚至价格一有大波动，还能立刻通过飞鼠给你发预警。 而最牛的是什么呢？这一切都是 ai 团队自己一晚上就搭完的，全程几乎零人工干预好，那实现一切这一切的魔法到底是什么呢？其实秘密武器很简单，就两个核心，一个是 hermes agent， 另一个就是 kimi 的 k 六点六大模型。 这两者是什么关系呢？咱们可以这么理解， hermes agent， 他 就像是整个军团的总指挥，或者说一个特别厉害的项目经理。他的任务就是搭好架子，分派工作，保证手下每个 ai 都明明白白自己的活儿。 那 kimi k 二点六模型呢？他就是每个 ai 背后那个真正干活的超级大脑，负责具体去思考，去执行那些专业的任务。 哎，那你可能会问了，为啥非北师 kimi k 刀七点儿六呢？这么说吧，让一大堆 i i 一 起干活儿，这个场景其实是极端复杂的，对大模型的要求高到离谱， 你看 kimi 有 几大绝活儿？第一，它有个超长的上下文窗口，就就好比记性特别好，聊几十轮都不会失忆，忘了前面说过啥。第二，稳定性超高，再复杂的任务它也能扛住，不会干到一半儿就掉链子。 最后，他调用各种工具，想文件啊，搜索啊用的特别溜，而且还专门为写代码优化过。所以你说他是不是这支 ai 军团最靠谱最强大的大脑？ 听到这，你是不是觉得，哇，这也太复杂了吧，我肯定搞不定。先别急着下结论，接下来咱们就用一个特别清晰的四步走蓝图，手把手带你搭建自己的 ai 军团，你很快就会发现，这个门槛真的比你想象的要低的多。 你看，整个过程就这么几步，非常直接。第一步，一行命令，先把 hermes 框架装好。第二步，花几分钟搞定基础配置。第三步，这是最关键的，就是给你的 ai 团队设定不同的角色档案。 最后一步，把它连上飞书，这样你就能随时发号施令，等着收报告了。 咱们来重点说说这个第三步，创建档案。这个 profile 的 核心思想是什么呢？其实就是给每个 ai 角色都建立一个独立的身份。 这不就跟咱们开公司一样吗？要设立不同的岗位，比如产品经理、程序员、测试员，每个岗位都有自己明确的职责，谁干什么清清楚楚。 你快看这个团队配置。我的天，这不就是一个活托托的互联网公司研发部门吗？有负责权局的总管， 下面带着市场总监、产品总监，还有架构总监、开发总监和测试总监。你看这个分工多明确，每个人都管自己那一摊事。专业 好，现在团队是有了，但问题来了，这些 ai 角色之间到底是怎么沟通合作的？我跟你说，这可绝对不是几个程序之间简单地互相调用一下 api 就 完事了。接下来咱们就来深入扒一扒它背后珍重的黑科技是什么。 首先，第一个核心组建就是我们刚才说的档案，也就是 profiles， 你 就把它想成公司里的一个一个部门，市场部、产品部、研发部，每个部门都有自己独立的办公室和工作区，大家各干各的，互不干扰，这就保证了角色的专业和独立。 第二个组建叫网关 getaway， 这个是干嘛的呢？它就等于公司的总前台，或者说是公司的对外窗口，所有从外面来的信息，比如说你从飞书发过来的新任务，都得先经过它。同样，公司内部有什么事要对外通知，也得通过它发出去。 而接下来这个是重中之重，叫做 hongchong， 一个共享的知识库，你可以把它理解成是全公司的共享网盘或者中央服务器。 所有 ai 干完的活儿，什么市场报告啊，产品文档啊，代码儿，全都存到这里面。这样一来，团队里任何其他成员随时需要，随时就能去调取，这才是实现无缝写作的真正核心。所以你看啊，一个完整的任务是怎么跑起来的？ 你老板通过飞书发来一个需求，首先前台 getaway 接到任务转给总管，总管把任务细节写到共享知识库哼筹里，然后通过 getaway 通知市场总监，喂，有活儿了， 市场总监立刻去知识库里看任务，干完活儿把报告也写进去，再通知总管。总管一看，哦，市场调研搞定了，马上再去通知产品总监。 这个流程就这么一环扣一环的往下走，直到最后一个完整的产品交付到你手上，整个过程就像一条高度智能化的全自动流水线。 所以说，我们今天聊的这套东西，它已经不仅仅是一个技术工质那么简单了，它可能真的在预示着一种全新的工作模式马上就要到来了。 连这套系统的作者都说，当他看着这些 ai 自己在那忙活写作的时候，真真切切的有一种一人公司的感觉。 你想象一下，在这个模式里，你就是那个出点子定方向的 ceo， 而你手下是一整个 ai 军团，他们是你最忠诚也最高效的执行团队。 这种新旧模式的差别有多大，咱们对比一下就知道了。过去全都是靠人来交接，中间各种等待，各种扯皮，又慢又容易出错。而现在呢，这是一个七八二四小时从不休息的全自动工作流，所有环节都是无缝衔接的， 这带来的效率和可能性的提升，我说实话，绝对是指数级的。那么我们总结一下，这套方案能成功的秘诀到底是什么？ 其实就是一个公式，你记住了一个好的多智能体框架，再加上一个真正能打硬仗，能扛住超长任务的大模型。在这儿， hermes 扮演了那个完美的协调者角色，而 kimi 呢，就是那个超强的执行者，这两者强强联合，才是真正的核心竞争力。 这就让我们忍不住去想啊，未来的工作模式会不会真的就变成这样了？你是唯一的那个老板，那个决策者， 而你指挥的是一支由无数 ai 组成的庞大军团，帮你去实现脑里所有的奇思妙想。你觉得这个未来有多远？嗯，可能比我们任何人想象的都要近得多。

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。