| 創澤機器人 |
| CHUANGZE ROBOT |
《Hermes Agent從入門到精通》是由“花叔”編寫的一本實戰指南，旨在系統介紹由Nous Research于2026年2月開源的AI Agent框架——Hermes Agent。文檔的核心論點是，Hermes Agent并非又一個普通的Agent工具，而是個將“Harness Engineering”（韁繩工程）方法論產品化的、具備“自改進”能力的AI Agent。其核心特點是“出廠就帶韁繩”，即內建了自動化的學習循環、三層記憶系統、可自我進化的Skill系統，并支持通過MCP協議連接大量外部工具。文檔詳細闡述了Hermes的設計理念、核心機制、部署與配置方法、多個實戰應用場景，并將其與當前流行的OpenClaw和Claude Code進行了深度對比，指出三者并非替代關系，而是分別服務于“自主后臺+自改進”、“配置即行為”和“交互式編碼”等不同場景，共同構成了AI Agent的生態組合。文檔Z終引導讀者思考自改進Agent的技術邊界與倫理問題。
本章深入剖析了HermesZ核心的“學習循環”機制，這是一個由五個環節組成的、持續運轉的自我改進飛輪。環節一是“策劃記憶”，Agent在每輪對話后主動決定哪些信息值得存入SQLite數據庫并建立FTS5全文索引，而非被動存儲全部聊天歷史。環節二是“自主創建Skill”，當完成復雜任務后，Agent會自動將解決方案提煉成d立的markdown技能文件存儲起來。環節三是“Skill自改進”，根據用戶的使用反饋，Agent會自動回頭修改對應的Skill文件，優化其執行步驟。環節四是“FTS5跨會話召回”，通過全文搜索引擎，Agent能在新對話中按需檢索并加載相關的歷史記憶片段，而非全量加載。環節五是可選的“Honcho用戶建�！�，該系統能分析交互行為，推斷用戶深層的偏好、習慣與身份特征。文檔指出，此循環實現了Harness Engineering先驅Mitchell Hashimoto手動維護CLAUDE.md過程的自動化，使得Hermes能在與用戶的持續交互中“自己給自己編織韁繩”，且使用越頻繁，改進速度越快。
為解決AI智能體普遍存在的“金魚記憶”問題，Hermes設計了一套“三層記憶”系統。D一層是“會話記憶”，負責存儲每輪對話的具體內容，并通過FTS5實現按需檢索，確保上下文長度恒定且響應迅速。第二層是“持久記憶”，用于存儲從對話中提煉出的、跨會話持久的用戶狀態與偏好，如編碼風格、工作習慣等。第三層是“Skill記憶”，即以文件形式存儲的程序性記憶，記錄了“如何做事”的方法論。這三層分別對應認知科學中的情景記憶、語義記憶和程序性記憶，在任務中協同工作。此外，文檔介紹了可選的“Honcho”用戶建模系統，它能進行辯證分析，不僅記錄用戶所言，更能推斷其未明說的偏好甚至言行矛盾之處，從而構建更深入的用戶畫像。文檔Z后將Hermes的記憶系統與Claude Code的auto-memory進行了對比，指出前者在自動化、檢索效率和用戶建模方面更具優勢，同時也提醒用戶需定期審查和清理記憶，以防記憶污染或數據過時。
kill系統是Hermes能力的載體。每個Skill是一個存儲在特定目錄下的markdown文件，其來源包括框架自帶的40多個預置Skill、社區Hub以及Z重要的——Agent自主創建。Hermes的Skill遵循agentskills.io開放標準，這意味著其為Claude Code等工具編寫的Skill可以無縫遷移至Hermes使用。該系統Z突出的特性是“自改進”：當用戶對Skill的執行結果給出反饋時，Hermes不僅能調整當前輸出，還會自動回溯并修改對應的Skill文件本身，使得該技能在未來使用時能直接應用改進后的方案。這與OpenClaw主要依賴人工編寫和維護社區Skill的模式形成鮮明對比。文檔通過一個“GitHub每日摘要”的實例，演示了Agent如何從重復任務中自動提煉并持續優化一個Skill，從而實現能力的“自我進化”。文檔強調，清晰、具體的用戶反饋是驅動Skill良性自改進的關鍵前提。
為了使Agent能實際執行任務，Hermes內置了超過40個工具，涵蓋執行（終端、代碼沙箱）、信息（網頁搜索、瀏覽器自動化）、媒體（圖像理解與生成）、記憶（記憶與Skill管理）、協調（子Agent委派、多模型調度）五大類別。通過“Toolset”機制，用戶可以在配置文件中按需啟用工具組，這既是功能開關，也是重要的安全約束。為了連接更豐富的外部生態，Hermes支持“MCP”協議，可輕松接入GitHub、Jira、數據庫等6000多種外部應用，只需在配置中聲明對應的MCP Server即可。文檔特別介紹了強大的“子Agent委派”工具，它允許主Agent創建Z多3個擁有d立上下文和受限工具集的子Agent來并行執行任務，并通過“per-server工具過濾”來準確控制每個MCP Server暴露給Agent的工具權限，從而在提升效率的同時貫徹Z小權限安全原則。這些設計共同構成了Hermes強大而可控的行動能力。
文檔提供了三種部署Hermes Agent的方式。“本地安裝”Z為快捷，通過運行一鍵安裝腳本即可在5分鐘內完成環境搭建。“Docker安裝”則提供了更干凈的隔離環境，通過數據卷映射可持久化所有狀態�！�5美元VPS 24/7運行”是推薦的長期方案，用戶可以在低成本的云服務器上部署，并通過后續章節的消息網關實現隨時隨地的訪問。配置的核心是一個YAML文件，用戶需在其中指定模型提供商（如OpenRouter、Nous Portal、Ollama等）及API Key、選擇終端執行后端（本地、Docker或Serverless方案如Daytona），并可預先配置消息網關的Token。文檔特別指出，自2026年4月起，Anthropic已禁止第三方工具通過訂閱制訪問Claude，建議用戶優先考慮其他API渠道。每種安裝方式的常見問題與排查建議也在本章中給出。
在手冊的Z后，文檔回歸對Hermes核心特性——“自改進”的深層思考。它探討了自改進技術上的受控性（Skill文件可讀、記憶數據本地、工具權限沙箱化）與實際應用中可能因用戶疏于審計而產生的“失控”風險之間的矛盾。文檔對比了開源與閉源在信任模型上的差異：Hermes的MIT許可證賦予了用戶完全的審查與控制權，但要求用戶自身具備責任意識；而閉源商業服務則通過商業契約提供兜底保障。文檔認為，自改進Agent的天花板不在于技術，而在于“反饋信號”的質量。在沒有人類監督反饋的領域，Agent無法判斷改進方向是否正確。因此，完全自主的自改進可能在效率上L先，卻在方向性上存在風險。文檔Z終提出一系列開放性問題供讀者思考，并給出判斷：Z理想的狀態可能是人類專注于定義“做什么”和“不做什么”，而將“怎么做”的優化交由Agent在其設定的邊界內自主進行，這構成了另一種形式的“在循環之上”的監督。
 |
| 機器人底盤 Disinfection Robot 消毒機器人 講解機器人 迎賓機器人 移動機器人底盤 商用機器人 智能垃圾站 智能服務機器人 大屏機器人 霧化消毒機器人 展廳機器人 服務機器人底盤 具身智能教育機器人 智能配送機器人 導覽機器人 |
