本文详细介绍了 Hermes Agent 的安装、模型选择、use case 应用、Dashboard 使用技巧等强调其作为 24/7 持续工作的 AI 员工的特点。文章重点阐述了 Hermes 的本地透明记忆、长期会话召回、自主执行等核心功能并通过实际案例展示了其如何将 AI 从临时问答工具提升到“长期工作的数字同事”层级。此外还探讨了模型选择、消息平台配置、Kanban board 应用、self-improvement 等关键方面为读者提供了全面的 Hermes Agent 使用指南。一开头就把定位说得很重Hermes Agent 不是一个普通 AI 工具而是一个 24/7 持续工作的 AI 员工。不是刚用几天就来写教程。Hermes 已经被连续跑了几个月。所以这篇内容想讲的不只是“功能有什么”。而是怎么安装模型怎么选哪些 use case 真正值得用Dashboard 哪些地方 99% 的人其实都没用对什么才是 Hermes 真正的 edge安全问题到底怎么看如果把整篇文章浓缩成一句话我觉得它真正想表达的是Hermes 把 AI 从临时问答工具拉到了“长期工作的数字同事”这个层级。第一层Hermes 到底是什么Hermes 的定义非常明确它是 Nous Research 做的一个 247 autonomous AI employee。也就是你睡觉时也能工作会主动找和你目标相关的任务去做而且每个 session 都会比上一个 session 更聪明一点Hermes 和其他 agent 最大的差别主要在 3 个地方1Memory 完全在本地 Markdown 文件里不是在云端。不是黑盒。所有东西都存在你自己的电脑上。你可以读它改它删它这点非常关键。因为大多数“记忆型 agent”都让你相信系统记住了什么但你并不能真正检查。而 Hermes 的记忆层至少在形态上是透明的。2Self-improvement 是内置循环不是额外插件每完成一个任务都会回看什么做对了什么没做好下次怎么做更优然后它会把这些经验写回自己的 skills。也就是说改进不是靠你每次重新写 prompt。而是它把任务经验沉淀成下一次直接复用的工作方法。3Session recall 不只是上下文记忆而是可搜索的长期历史每次对话都会被记录下来。底层是FTS5 全文检索再加 LLM summarization所以你可以问我们 3 个月前聊过什么它真的能找出来。这一层很有价值。因为很多 agent 的“记忆”更多只是近程上下文延长而不是真正的长期可召回工作历史。第二层Hermes、OpenClaw、Claude Code 各自适合什么没有说 Hermes 是万能替代品而是把几个工具拆成不同工作类型。Hermes vs OpenClaw评价挺尖锐OpenClaw 变得臃肿、慢而且更新容易把原有 setup 搞坏。而 Hermes 更轻、更快、更新后不容易把环境打碎。单是“可靠性”这一点就足够成为现在切换的理由。除此之外还列了 Hermes 的一些额外优势Kanban 多 agentv0.12.0agents 从 board 认领任务、并行工作、卡住时交接Nous Portal内置 curated models166 个已追踪 skills87 bundled 79 optional20 消息平台Telegram、Discord、Slack、WhatsApp、Signal、Matrix、Teams 等Hermes vs Claude Code / Codex定位非常清楚Hermes 通用型 AI 员工 / Chief of StaffClaude Code / Codex 深度专注 coding session 工具也就是Hermes 适合日常事务研究文档表格电脑管理业务顾问原型搭建长期复盘和改进而 Claude Code / Codex 适合大规模复杂应用深度 vibe coding端到端测试两个窗口并排猛干的那种场景这个区分我觉得非常合理。Hermes 不是替代深度 coding agent而是负责把那些“不是需要你整个人坐进去盯着干”的工作吞掉。第三层安装本身很简单真正重要的是你后面怎么配置它安装命令给得很直接。Linux / macOS / WSL2curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.shWindows PowerShell 也有安装脚本。Android / Termux 也支持。安装后运行hermes它会走一次 quick setup引导你选模型选消息平台如果你电脑里已经有 OpenClaw它还会提供 memory import 选项。建议最好从干净状态开始。因为两个 agent 分开拥有自己的记忆和 skills通常比混在一起更好。第四层模型选择不是“越贵越好”而是任务匹配模型分成三档。1贵Claude Opus 4 / Sonnet 4适合复杂推理长 /goal 任务细腻写作business advisor 角色Claude 在“中途需要做判断”的任务上处理模糊性最好。如果要极致判断质量用 Opus。如果要更快、但保留 90% 体验用 Sonnet。缺点也很明确Anthropic 不再给 agent 用 OAuth所以得走 API key按 token 计费。重度用下来一个月可能就是几百美元。2中档GPT-5.5适合coding tasksprototyping预算敏感型的 daily driverGPT-5.5 才真正让 GPT 系列在 agent 里开始有用了。而且如果你已经有 ChatGPT $20/月订阅使用弹性通常比 Anthropic 更好。建议很实用如果你刚开始玩 Hermes就先从这里起步。先看哪些任务真的需要升级到 Claude。3更便宜Qwen 3.7 Max / Grok / Nous Portal其中Qwen 3.7 Max适合长时间 autonomous tasks据说能连续跑 35 小时、1000 tool calls 不丢上下文Grok如果你已经是 SuperGrok 用户尤其适合和 X 相关任务Nous Portal$20/月官方 curated models一张账单少管 API keys给出了一个 quick reference 图。而切模型很简单hermes model这点也重要。因为说明 Hermes 把模型切换做成了运行期操作而不是 setup-level 决策。第五层消息平台别想太多先上 Telegram建议异常明确先用 Telegram。原因是 Telegram 是少数真的还在持续为 AI agent 提供原生土壤的平台Topicsagent-to-agent communication新功能迭代免费配置方式也不复杂用 BotFather 拿 token填进 Hermes完成大概五分钟。当然它也支持 20 平台。但态度是不要一开始就分心搞一堆 surface。先把最顺手、生态最友好的入口跑起来。第六层第一天最该做的 3 件事这部分很实用。Hermes onboarding 总结成 3 步。Step 1先告诉 Hermes 你是谁建议第一条消息就把这些信息讲清楚NameWhat I doWhat I’m buildingMy goalsHow I work这样这些信息会进入 memory。之后 Hermes 所有主动做的事都会被这些目标过滤。如果跳过这一步它就是在盲飞。Step 2立刻设一个 cron job甚至给了一个很有意思的例子让 Hermes 每天凌晨 2 点给自己排一个任务去做一个能帮你更接近目标的 micro app / UI / system节省时间、提高效率或者干脆单纯让你开心意思其实很清楚你要尽快体验到“agent 在你不盯着时自己工作”的感觉。否则 Hermes 很容易被你又用回一个普通聊天机器人。Step 3学会 /goal说得很明确/goal 是 Hermes 最强命令。它会把 Hermes 从 reactive chatbot 直接变成 background worker。核心命令包括/goal [description]/goal status/goal pause/goal resume/goal clear/subgoal [text]这一层其实就是把“任务”从单轮对话升级成持续执行的 objective。第七层Dashboard 为什么 99% 的人都没用对运行hermes dashboard浏览器会打开localhost:9119。但强调绝大多数人打开 dashboard 后都没抓住重点。真正第一眼应该去看的是 Skills tab。因为在那里你才能看到 Hermes 真正学会了什么。Models tab可视化切模型不用回终端。不同 profile 还能配不同模型。Cron tab看所有计划任务。手动配置时比纯文字命令更精细。Skills tab这是价值核心。你可以看到Hermes 学到的每个 skillMarkdown 内容本身哪些开、哪些关一个被长期使用的 agent通常会长出 150 skills。这意味着它不仅会做事而且已经学会了你的具体工作方式。建议一上来就打开这些browser automationcomputer useimage generationvideo generationPlugins tab额外能力入口比如browser-usefirecrawlcomputer-use各类 API key 集成Profiles tab这其实就是 multi-agent 入口。一个 profile 一个 Hermes agent。每个 agent 有自己的 memory自己的 skills自己的 model建议你可以按角色来配Chief of StaffHead of ContentResearch AgentDevOps Engineer然后同时运行。这已经很像一个 mini org chart 了。第八层Kanban board 才是 multi-agent 真正落地的地方特别强调了 Kanban board 的用法。建议每天早上把 to-do list 里那些 AI 能处理的任务全丢进Triage。然后你去做早餐。系统会自动1. Hermes 从 Triage 拿任务2. 拆成 subtasks3. 移到 To-Do4. 分配给 sub-agents5. 并行执行等你早餐回来待办已经做掉一半。这个场景其实就是理想状态AI 不只是“回答问题”。而是接管了任务流本身。第九层Use Cases——Hermes 最适合用来做什么列了不少 use case我挑最有代表性的说。1Daily Tutor给它一个 YouTube 视频它读 transcript然后每天早上 8 点提醒你一个概念再 quiz 你这类 use case 本质上是在利用transcript retrievalcronmemoryrecurring delivery2Computer Administrator如果你在所有设备上装了 TailscaleHermes 就能跨机器操作。比如把我 Mac Studio 上的某个文件拿出来丢到 MacBook Pro 上这种 use case 特别适合把 Hermes 变成你的跨设备文件和环境协调员。3Session Recall问上个月我们聊过哪些 business ideas它可以直接从历史里挖回来。这是很多 agent 根本做不到的。4X Content Workflow with xurl提到一个很有代表性的 workflow让 Hermes 早晚各做一次研究最新 AI agent 讨论对照你的内容风格检查之前发过的主题起草 thread打分 virality合格才通过 xurl 发布这就把内容生产变成了 recurring content system。5Mission Control你甚至可以让 Hermes 给你直接搭一个自己的 dashboard内容 pipelinememory wikiartifacts docs page这已经不只是执行任务而是在替你造 interface。6Prototype Builder在健身房想到个 idea直接在 Telegram 发给我做一个 landing page prototype回头一个小时后回来原型已经在 localhost 跑好了。7Business Advisor和 ChatGPT 不同的是Hermes 给建议时会带着你的业务背景你的目标你的约束所以它不是 generic framework advice而是针对你自己的情境。8Overnight /goal Runs睡前给一个复杂目标competitor researchpricing / feature / content / team size / recent news输出结构化 markdown 文档早上起来直接收结果。9Multi-Agent Org Chart最后把多 agent 组织方式讲得很具体Chief of Staff协调其他 agents早上 7 点做 morning briefHead of Research监控 X、跟踪竞争对手、出 intelligence briefHead of Content基于研究简报产出内容最后你只读一个汇总。这其实就是“AI 组织图”的雏形。第十层Self-Improvement 才是 Hermes 真正的 edge最看重的其实不是上面那些 use case。而是 self-improvement loop。这个循环是1. 你给 Hermes 一个任务2. 它执行3. 完成后它复盘什么有效、什么无效、最佳路径是什么4. 它把经验存成 skill 到~/.hermes/skills/5. 下次遇到同类任务直接调用 skill总结很有力量你纠正它一次它以后就不再犯这个错。跑上 6 个月之后Hermes 会比人类助理更了解你的工作方式你喜欢什么格式哪些工具最适合你的流程什么语气该用在哪些场景哪些捷径能走、哪些不能走而这些 skills 又全都是透明 Markdown 文件。所以它的学习过程是可检查、可编辑的。这确实是很多 agent 系统目前还没真正做好的部分。最后一层安全问题看法其实很直接对 Hermes 的安全焦虑持相对“去神秘化”的态度。基础用法下安全风险被夸大了。因为 Hermes 本质上只会做你让它做的事。你让它做 presentation它不会自己打开你照片文件夹。真正灾难性的安全事故大多来自你自己给了灾难性指令。所以建议反而很朴素保持常识对 destructive prompts 先看一眼再回车在 soul.md 写清楚底线比如“没有明确确认绝不转钱”而不是为了“更安全”去额外搞单独 iCloud 账号单独 Google 账号VPS他甚至吐槽不少 AI YouTuber 推荐 VPS其实是赞助内容他的结论是个人用法下把它装在主力机上带着常识使用就够了。如果出问题就直接把 Hermes 文件夹丢给 Claude Code / Codex 让它修。我的看法这篇最重要的不是 Hermes 的功能列表而是它展示了一种“让 agent 长期工作”的结构这篇文章表面上是在讲 Hermes。但它真正有价值的地方是它把“长期型 agent”该具备的结构讲得很完整本地透明记忆长期会话召回/goal 驱动的自主执行cron 驱动的持续任务profiles 形成多 agent 角色分工Kanban 驱动任务流skills 驱动经验沉淀self-improvement 驱动真正复利也就是说真正让一个 agent 像“AI 员工”的不是它某次回答多聪明。而是它是否能在一段时间里越来越懂你、越来越会做、越来越少重复犯错。Hermes 想做的恰恰是这一层。最后一句如果你现在对 AI 的使用方式还主要停留在打开一个聊天框问一句收一个答案关掉那 Hermes 这类系统真正提供的不是“更强的聊天能力”。而是一种新的工作关系你不是在用一个工具。你是在训练、调度、观察并逐步培养一个会持续工作的数字同事。而这才是这篇指南最值得看的地方。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取
Hermes Agent 实战指南：从临时问答工具到长期工作的数字同事（收藏版）
本文详细介绍了 Hermes Agent 的安装、模型选择、use case 应用、Dashboard 使用技巧等强调其作为 24/7 持续工作的 AI 员工的特点。文章重点阐述了 Hermes 的本地透明记忆、长期会话召回、自主执行等核心功能并通过实际案例展示了其如何将 AI 从临时问答工具提升到“长期工作的数字同事”层级。此外还探讨了模型选择、消息平台配置、Kanban board 应用、self-improvement 等关键方面为读者提供了全面的 Hermes Agent 使用指南。一开头就把定位说得很重Hermes Agent 不是一个普通 AI 工具而是一个 24/7 持续工作的 AI 员工。不是刚用几天就来写教程。Hermes 已经被连续跑了几个月。所以这篇内容想讲的不只是“功能有什么”。而是怎么安装模型怎么选哪些 use case 真正值得用Dashboard 哪些地方 99% 的人其实都没用对什么才是 Hermes 真正的 edge安全问题到底怎么看如果把整篇文章浓缩成一句话我觉得它真正想表达的是Hermes 把 AI 从临时问答工具拉到了“长期工作的数字同事”这个层级。第一层Hermes 到底是什么Hermes 的定义非常明确它是 Nous Research 做的一个 247 autonomous AI employee。也就是你睡觉时也能工作会主动找和你目标相关的任务去做而且每个 session 都会比上一个 session 更聪明一点Hermes 和其他 agent 最大的差别主要在 3 个地方1Memory 完全在本地 Markdown 文件里不是在云端。不是黑盒。所有东西都存在你自己的电脑上。你可以读它改它删它这点非常关键。因为大多数“记忆型 agent”都让你相信系统记住了什么但你并不能真正检查。而 Hermes 的记忆层至少在形态上是透明的。2Self-improvement 是内置循环不是额外插件每完成一个任务都会回看什么做对了什么没做好下次怎么做更优然后它会把这些经验写回自己的 skills。也就是说改进不是靠你每次重新写 prompt。而是它把任务经验沉淀成下一次直接复用的工作方法。3Session recall 不只是上下文记忆而是可搜索的长期历史每次对话都会被记录下来。底层是FTS5 全文检索再加 LLM summarization所以你可以问我们 3 个月前聊过什么它真的能找出来。这一层很有价值。因为很多 agent 的“记忆”更多只是近程上下文延长而不是真正的长期可召回工作历史。第二层Hermes、OpenClaw、Claude Code 各自适合什么没有说 Hermes 是万能替代品而是把几个工具拆成不同工作类型。Hermes vs OpenClaw评价挺尖锐OpenClaw 变得臃肿、慢而且更新容易把原有 setup 搞坏。而 Hermes 更轻、更快、更新后不容易把环境打碎。单是“可靠性”这一点就足够成为现在切换的理由。除此之外还列了 Hermes 的一些额外优势Kanban 多 agentv0.12.0agents 从 board 认领任务、并行工作、卡住时交接Nous Portal内置 curated models166 个已追踪 skills87 bundled 79 optional20 消息平台Telegram、Discord、Slack、WhatsApp、Signal、Matrix、Teams 等Hermes vs Claude Code / Codex定位非常清楚Hermes 通用型 AI 员工 / Chief of StaffClaude Code / Codex 深度专注 coding session 工具也就是Hermes 适合日常事务研究文档表格电脑管理业务顾问原型搭建长期复盘和改进而 Claude Code / Codex 适合大规模复杂应用深度 vibe coding端到端测试两个窗口并排猛干的那种场景这个区分我觉得非常合理。Hermes 不是替代深度 coding agent而是负责把那些“不是需要你整个人坐进去盯着干”的工作吞掉。第三层安装本身很简单真正重要的是你后面怎么配置它安装命令给得很直接。Linux / macOS / WSL2curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.shWindows PowerShell 也有安装脚本。Android / Termux 也支持。安装后运行hermes它会走一次 quick setup引导你选模型选消息平台如果你电脑里已经有 OpenClaw它还会提供 memory import 选项。建议最好从干净状态开始。因为两个 agent 分开拥有自己的记忆和 skills通常比混在一起更好。第四层模型选择不是“越贵越好”而是任务匹配模型分成三档。1贵Claude Opus 4 / Sonnet 4适合复杂推理长 /goal 任务细腻写作business advisor 角色Claude 在“中途需要做判断”的任务上处理模糊性最好。如果要极致判断质量用 Opus。如果要更快、但保留 90% 体验用 Sonnet。缺点也很明确Anthropic 不再给 agent 用 OAuth所以得走 API key按 token 计费。重度用下来一个月可能就是几百美元。2中档GPT-5.5适合coding tasksprototyping预算敏感型的 daily driverGPT-5.5 才真正让 GPT 系列在 agent 里开始有用了。而且如果你已经有 ChatGPT $20/月订阅使用弹性通常比 Anthropic 更好。建议很实用如果你刚开始玩 Hermes就先从这里起步。先看哪些任务真的需要升级到 Claude。3更便宜Qwen 3.7 Max / Grok / Nous Portal其中Qwen 3.7 Max适合长时间 autonomous tasks据说能连续跑 35 小时、1000 tool calls 不丢上下文Grok如果你已经是 SuperGrok 用户尤其适合和 X 相关任务Nous Portal$20/月官方 curated models一张账单少管 API keys给出了一个 quick reference 图。而切模型很简单hermes model这点也重要。因为说明 Hermes 把模型切换做成了运行期操作而不是 setup-level 决策。第五层消息平台别想太多先上 Telegram建议异常明确先用 Telegram。原因是 Telegram 是少数真的还在持续为 AI agent 提供原生土壤的平台Topicsagent-to-agent communication新功能迭代免费配置方式也不复杂用 BotFather 拿 token填进 Hermes完成大概五分钟。当然它也支持 20 平台。但态度是不要一开始就分心搞一堆 surface。先把最顺手、生态最友好的入口跑起来。第六层第一天最该做的 3 件事这部分很实用。Hermes onboarding 总结成 3 步。Step 1先告诉 Hermes 你是谁建议第一条消息就把这些信息讲清楚NameWhat I doWhat I’m buildingMy goalsHow I work这样这些信息会进入 memory。之后 Hermes 所有主动做的事都会被这些目标过滤。如果跳过这一步它就是在盲飞。Step 2立刻设一个 cron job甚至给了一个很有意思的例子让 Hermes 每天凌晨 2 点给自己排一个任务去做一个能帮你更接近目标的 micro app / UI / system节省时间、提高效率或者干脆单纯让你开心意思其实很清楚你要尽快体验到“agent 在你不盯着时自己工作”的感觉。否则 Hermes 很容易被你又用回一个普通聊天机器人。Step 3学会 /goal说得很明确/goal 是 Hermes 最强命令。它会把 Hermes 从 reactive chatbot 直接变成 background worker。核心命令包括/goal [description]/goal status/goal pause/goal resume/goal clear/subgoal [text]这一层其实就是把“任务”从单轮对话升级成持续执行的 objective。第七层Dashboard 为什么 99% 的人都没用对运行hermes dashboard浏览器会打开localhost:9119。但强调绝大多数人打开 dashboard 后都没抓住重点。真正第一眼应该去看的是 Skills tab。因为在那里你才能看到 Hermes 真正学会了什么。Models tab可视化切模型不用回终端。不同 profile 还能配不同模型。Cron tab看所有计划任务。手动配置时比纯文字命令更精细。Skills tab这是价值核心。你可以看到Hermes 学到的每个 skillMarkdown 内容本身哪些开、哪些关一个被长期使用的 agent通常会长出 150 skills。这意味着它不仅会做事而且已经学会了你的具体工作方式。建议一上来就打开这些browser automationcomputer useimage generationvideo generationPlugins tab额外能力入口比如browser-usefirecrawlcomputer-use各类 API key 集成Profiles tab这其实就是 multi-agent 入口。一个 profile 一个 Hermes agent。每个 agent 有自己的 memory自己的 skills自己的 model建议你可以按角色来配Chief of StaffHead of ContentResearch AgentDevOps Engineer然后同时运行。这已经很像一个 mini org chart 了。第八层Kanban board 才是 multi-agent 真正落地的地方特别强调了 Kanban board 的用法。建议每天早上把 to-do list 里那些 AI 能处理的任务全丢进Triage。然后你去做早餐。系统会自动1. Hermes 从 Triage 拿任务2. 拆成 subtasks3. 移到 To-Do4. 分配给 sub-agents5. 并行执行等你早餐回来待办已经做掉一半。这个场景其实就是理想状态AI 不只是“回答问题”。而是接管了任务流本身。第九层Use Cases——Hermes 最适合用来做什么列了不少 use case我挑最有代表性的说。1Daily Tutor给它一个 YouTube 视频它读 transcript然后每天早上 8 点提醒你一个概念再 quiz 你这类 use case 本质上是在利用transcript retrievalcronmemoryrecurring delivery2Computer Administrator如果你在所有设备上装了 TailscaleHermes 就能跨机器操作。比如把我 Mac Studio 上的某个文件拿出来丢到 MacBook Pro 上这种 use case 特别适合把 Hermes 变成你的跨设备文件和环境协调员。3Session Recall问上个月我们聊过哪些 business ideas它可以直接从历史里挖回来。这是很多 agent 根本做不到的。4X Content Workflow with xurl提到一个很有代表性的 workflow让 Hermes 早晚各做一次研究最新 AI agent 讨论对照你的内容风格检查之前发过的主题起草 thread打分 virality合格才通过 xurl 发布这就把内容生产变成了 recurring content system。5Mission Control你甚至可以让 Hermes 给你直接搭一个自己的 dashboard内容 pipelinememory wikiartifacts docs page这已经不只是执行任务而是在替你造 interface。6Prototype Builder在健身房想到个 idea直接在 Telegram 发给我做一个 landing page prototype回头一个小时后回来原型已经在 localhost 跑好了。7Business Advisor和 ChatGPT 不同的是Hermes 给建议时会带着你的业务背景你的目标你的约束所以它不是 generic framework advice而是针对你自己的情境。8Overnight /goal Runs睡前给一个复杂目标competitor researchpricing / feature / content / team size / recent news输出结构化 markdown 文档早上起来直接收结果。9Multi-Agent Org Chart最后把多 agent 组织方式讲得很具体Chief of Staff协调其他 agents早上 7 点做 morning briefHead of Research监控 X、跟踪竞争对手、出 intelligence briefHead of Content基于研究简报产出内容最后你只读一个汇总。这其实就是“AI 组织图”的雏形。第十层Self-Improvement 才是 Hermes 真正的 edge最看重的其实不是上面那些 use case。而是 self-improvement loop。这个循环是1. 你给 Hermes 一个任务2. 它执行3. 完成后它复盘什么有效、什么无效、最佳路径是什么4. 它把经验存成 skill 到~/.hermes/skills/5. 下次遇到同类任务直接调用 skill总结很有力量你纠正它一次它以后就不再犯这个错。跑上 6 个月之后Hermes 会比人类助理更了解你的工作方式你喜欢什么格式哪些工具最适合你的流程什么语气该用在哪些场景哪些捷径能走、哪些不能走而这些 skills 又全都是透明 Markdown 文件。所以它的学习过程是可检查、可编辑的。这确实是很多 agent 系统目前还没真正做好的部分。最后一层安全问题看法其实很直接对 Hermes 的安全焦虑持相对“去神秘化”的态度。基础用法下安全风险被夸大了。因为 Hermes 本质上只会做你让它做的事。你让它做 presentation它不会自己打开你照片文件夹。真正灾难性的安全事故大多来自你自己给了灾难性指令。所以建议反而很朴素保持常识对 destructive prompts 先看一眼再回车在 soul.md 写清楚底线比如“没有明确确认绝不转钱”而不是为了“更安全”去额外搞单独 iCloud 账号单独 Google 账号VPS他甚至吐槽不少 AI YouTuber 推荐 VPS其实是赞助内容他的结论是个人用法下把它装在主力机上带着常识使用就够了。如果出问题就直接把 Hermes 文件夹丢给 Claude Code / Codex 让它修。我的看法这篇最重要的不是 Hermes 的功能列表而是它展示了一种“让 agent 长期工作”的结构这篇文章表面上是在讲 Hermes。但它真正有价值的地方是它把“长期型 agent”该具备的结构讲得很完整本地透明记忆长期会话召回/goal 驱动的自主执行cron 驱动的持续任务profiles 形成多 agent 角色分工Kanban 驱动任务流skills 驱动经验沉淀self-improvement 驱动真正复利也就是说真正让一个 agent 像“AI 员工”的不是它某次回答多聪明。而是它是否能在一段时间里越来越懂你、越来越会做、越来越少重复犯错。Hermes 想做的恰恰是这一层。最后一句如果你现在对 AI 的使用方式还主要停留在打开一个聊天框问一句收一个答案关掉那 Hermes 这类系统真正提供的不是“更强的聊天能力”。而是一种新的工作关系你不是在用一个工具。你是在训练、调度、观察并逐步培养一个会持续工作的数字同事。而这才是这篇指南最值得看的地方。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取
