我是如何使用Hermes的
内容提要
作者长期使用Hermes Agent作为本地AI助手CLI，通过Telegram交互，能操作电脑、查告警、回飞书消息、看市场、写代码和博客。它支持技能系统和记忆系统，可自动执行任务。作者认为其价值在于能行动而非仅聊天，但复杂推理仍需更强模型。
延伸解读
行动力是核心价值
作者强调，Hermes 与普通聊天 AI 的最大区别在于能直接操作电脑、调用 API、读写文件。这种“行动力”让日常运维、信息查询等任务从手动复制粘贴转变为自然语言指令，大幅提升效率。但文章也指出，复杂推理和过多工具调用仍是短板，说明当前 AI 助手更适合执行明确、流程化的任务，而非高难度决策。
模型选择需权衡速度与能力
作者在实践中发现，模型选择不能只看速度。日常告警检查、消息回复等简单任务用快速模型（如 deepseek-v4-flash）足够，但复杂推理（如多步代码重构）需要更强模型（如 Claude）。这提醒用户，应根据任务复杂度灵活切换模型，而非追求单一最优解。
脚本与 Agent 的合理分工
作者提到，数据采集等稳定性要求高的任务，用脚本（no_agent=True）比 Agent 更可靠，因为模型输出格式不稳定、API 可能超时。因此，他将数据采集交给脚本，Agent 只负责格式化输出。这种“脚本+Agent”的组合模式，既保证了稳定性，又保留了灵活性，是实际部署中的实用经验。
记忆系统提升长期价值
Hermes 的记忆系统（内置记忆 + 外部后端）能自动积累工作记录、环境配置等信息，并通过会话搜索快速检索。作者将每日飞书工作回顾存入 OpenViking，形成可追溯的知识库，便于周报总结和问题回溯。这表明，AI 助手的价值不仅在于即时响应，更在于长期的知识沉淀与复用。
Q&A
Hermes Agent是什么？它和ChatGPT这类聊天工具有什么本质区别？
Hermes Agent是一个本地AI助手CLI，通过Telegram交互，能直接操作电脑，执行文件读写、代码编写、服务器检查、API调用等任务。与ChatGPT最大的区别是它能真正采取行动，比如你说“帮我查一下告警”，它会自己查询Grafana、分析PromQL并返回结果，而不是仅仅聊天。
如何安装和配置Hermes Agent？
安装很简单，运行一条命令：curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash。安装后可直接运行hermes开始聊天。若要长期后台运行并连接Telegram，可安装为网关服务：hermes gateway install 和 hermes gateway start。配置主要分三部分：模型、渠道和工具。模型可选用Claude Sonnet或deepseek-v4-flash等；渠道可配置Telegram（填入bot token和Telegram ID）；工具方面，内置几十个工具，也可通过MCP服务器扩展，如Grafana MCP和数据库MCP。
作者每天用Hermes做哪些事情？
作者每天主要用Hermes做以下事情：1. 检查告警，每天早上让Hermes从Alertmanager拉取告警列表并分析优先级；2. 回复飞书消息，通过lark-cli操作飞书，自动回复同事问题；3. 查看市场行情，定时任务每天早上6点发送“宁波晨报”到Telegram，包含天气、金价、A股指数、油价等；4. 编写和修改代码，遇到bug时让Hermes排查并修复；5. 撰写博客文章，让Hermes根据博客格式写初稿；6. 管理定时任务，如每日工作回顾、聊天记录归档等。
Hermes的技能系统是什么？它是如何工作的？
Hermes的技能系统允许用户将复杂操作保存为“技能手册”，下次遇到类似问题时自动加载并执行。例如，作者写了一个“Grafana告警检查”技能，记录了Alertmanager URL、告警分组规则、关心的告警类型和分析偏好。之后每次说“检查告警”，Hermes就会加载该技能，按作者习惯的方式检查和分析，无需重复描述。技能会随着时间积累，修复新坑后可以立即编写技能，下次自动避免。
Hermes的记忆系统有哪些组成部分？如何配置？
Hermes的记忆系统包括内置记忆（MEMORY.md + USER.md）和外部记忆后端（如OpenViking）。内置记忆自动加载，包含用户画像和助手笔记；外部记忆后端可存储更多信息，并自动提取事实、实体和事件。配置方法：内置记忆默认开启，要切换外部后端运行hermes memory setup，选择后端并填写服务地址。此外，还有会话历史搜索功能，可直接搜索过去的对话。
作者在使用Hermes时遇到了哪些坑？有什么经验教训？
作者遇到的主要坑有：1. 模型选择不能只看速度，deepseek-v4-flash虽然快，但复杂推理能力不如Claude，需要按场景切换模型；2. 脚本比Agent更稳定，某些定时任务最初让Agent实时抓取数据，但输出格式不稳定、API超时，后来改为用Python脚本（no_agent=True）采集数据，Agent只负责格式化。经验教训是：没有完美的模型，只有适合的模型；数据采集用脚本更可靠。
作者对AI助手的核心观点是什么？
作者认为AI助手的好坏不取决于模型强弱，而在于与用户的结合程度。能行动比模型强弱更重要，如果模型不能操作电脑、查看数据库、回复飞书消息，那它只是一个更智能的聊天框。Hermes对作者来说是一个“能行动的AI”，但也不是万能的，长推理链和过多工具调用仍是短板。
