每天早上8點,我讓同一個AI代理掃描HackerNews、arXiv和GitHub,找出3-4條真正重要的AI技術動態。連續7天,同一臺機器,同一個指令,我什么都沒改。
第1天它給我6條結果,2條是TechCrunch的灌水文章,1條是3周前的舊release。第7天?它自動過濾了"AI正在改變一切"這類廢話,學會了識別量化推理的技術深度,甚至開始給新聞打優先級標簽。
![]()
秘密藏在它的skill文件里。第1天只有12行,像個粗糙的草稿;第7天膨脹到60行,里面寫滿了它自己總結的規則:"跳過無技術細節的融資新聞""優先檢查發布日期""本地推理相關度權重×2"。
這就是Hermes Agent和其他框架的本質區別。LangChain、AutoGen、CrewAI——它們確實能干多步驟規劃、工具調用、并行執行。但你關掉終端,那個花了20分鐘摸清你數據結構的代理就忘得一干二凈。下次啟動,從零開始。
我們太癡迷于"AI能做什么",卻沒人問"AI能記住什么"。Hermes的答案是:它把經驗寫成可復用的技能文件,像程序員攢代碼片段一樣攢工作記憶。我的硬件很普通——Windows 11,GTX 1650,16GB內存,WSL2里一條命令就跑起來了。
安裝過程意外地干凈。沒有YAML地獄,沒有環境變量迷宮,curl一條腳本,hermes啟動,選個模型提供商(我用的OpenRouter+Nous Hermes),10秒內出第一條回復。
第1天的Telegram推送又長又亂,摘要只是標題的換皮復述。但每天運行后,skill文件都在追加新規則。到第3天,它開始給每條新聞打"高/中/低"技術價值評分;第5天,它學會了交叉驗證——如果一條新聞只在TechCrunch出現而HackerNews沉默,自動降級。
第7天的輸出已經不需要我二次篩選。格式固定為:標題→一句話核心→為什么重要→相關資源鏈接。它甚至給自己加了一條備注:"用戶更關心能跑在本地的方案,云端SOTA模型除非有突破性效率提升,否則降級處理。"
這個觀察是我沒教過的。它從我的反饋里推出來的——每次我跳過某類新聞,skill文件里就多一條負樣本規則。
這讓我重新理解"代理"這個詞。現在的AI代理像臨時工,每次雇傭都要重新培訓。Hermes的模式更像培養一個專屬助理,它在你看不見的時候默默整理工作手冊,越用越懂你的隱性偏好。
當然有限制。我的4GB顯存跑不了本地大模型,必須依賴OpenRouter的API。skill文件的格式是開放的YAML,但遷移到其他框架需要手動適配。而且7天還太短,不知道長期積累會不會出現規則沖突或膨脹失控。
但核心體驗已經清晰:同一個任務跑7天,代理從"執行指令"進化到"理解意圖"。這個變化不是我在prompt里engineered出來的,是它自己從重復勞動中提煉的。
開源社區有個老說法:好的工具應該像自行車,踩上去就會,越騎越順。Hermes Agent可能是第一個讓我感覺到"越騎越順"的AI框架——不是因為它初始性能最強,而是因為它真的在記住我怎么騎。
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.