-
群友推荐“Hermes 担任大脑 + Codex 负责手脚”的双 Agent 协同架构实践
群友推荐将 Hermes 作为中枢负责任务规划、记忆管理、消息平台进度汇报与 Skill 迭代，Codex 专注代码编写和端到端测试。
-
群友分享：Hermes多模型路由策略：日常任务接Mimo与GLM，复杂决策与架构设计切换至Claude/Codex接Opus 4.7与GPT 5.5。
群友实测对比多款模型后发现：Opus 4.7在任务执行效率上表现最佳。建议根据任务复杂度进行动态路由：常规交互使用Mimo v2.5pro和GLM 5.1以平衡成本与速度，涉及深度决策或系统架构设计时，则调用Claude与Codex接入Opus 4.7和GPT 5.5以提升输出质量。
-
解决Hermes模型知识截止年份滞后的问题，可通过接入互联网搜索API实现。
模型回答年份停留在训练数据截止期属正常现象。可申请第三方免费搜索服务API，如tavily，将其配置至Hermes的联网搜索功能中，即可让模型实时获取最新信息，无需频繁更换底层模型。
-
国产麒麟系统可通过Docker方式安装运行Hermes。
针对国产操作系统的部署问题，确认只要底层为Linux环境即可支持。若原生安装遇到系统限制或依赖冲突，可通过Docker容器化部署作为标准替代方案，确保在国产化环境中稳定运行。
-
东方财富旗下金融AI技能包“妙想Skills”发布
东方财富旗下金融AI技能包“妙想Skills”正式发布。该产品内置了大量开箱即用的专业金融领域技能。并在底层原生集成了高频更新的机构级金融数据库MCP。
-
量化数据源对比：Tushare积分制付费，AKShare免费但定位不同
大模型直接调用金融数据易产生幻觉，建议接入专业数据源。全量A股历史数据可选Tushare Pro（；AKShare免费但稳定性差，更适合宏观另类因子而非行情替代。Qlib是AI量化建模框架，可与上述数据源配合使用。
-
外置记忆系统推荐：Honcho 是一套开源的 AI 原生记忆后端，通过"辩证推理"持续分析用户偏好与行为模式，构建动态用户画像。
社区方案 elkimek/honcho-self-hosted 提供一键脚本，依赖 Docker + PostgreSQL + pgvector + Redis，需 Ubuntu 22.04+、6GB RAM，约3分钟完成。之后 hermes memory setup 指向本地实例即可。
-
免费搜索API体验不佳时，可改用SearXNG自建或公开实例以节省额度。
免费搜索引擎API常出现响应差或额度消耗快的问题。推荐部署SearXNG自建搜索引擎，或直接使用网上公开的实例作为替代方案。该方案能有效节省API调用额度，但需注意使用公开实例可能存在查询记录留存的风险。
-
LiteLLM 网关的 Token 消耗统计比 Hermes 内置计算更精准。
在需要精确展示消耗数据时，推荐使用 LiteLLM 作为统一网关。其 Token 计数机制更为准确，且支持多 Profile 统一管理与调用链追踪，可替代频繁切换本地配置的操作。
-
WSL环境下浏览器接管技能调通经验及CDP方案踩坑记录
在Windows WSL中成功配置浏览器接管技能。实测发现直接使用CDP协议易报错且常触发反爬风控，而模拟鼠标操作方案效率低且消耗Token较多。推荐尝试阿里开源的PageAgent作为替代方案，可提升自动化效率并规避部分风控问题。
-
飞书流式卡片插件 V3.3.0 发布，支持多 Profile 隔离与 DeepSeek 思维链兼容
该插件采用 sidecar-only 架构，支持单服务多 Profile 进程内隔离、多 Bot 路由绑定及群聊分流。新增表格超限保护避免 11310 错误，并兼容 DeepSeek 思维链标签过滤。插件具备故障隔离机制，sidecar 不可用时自动降级为原生文本输出，保障服务连续性。
-
使用Hermes结合本地模型与技能蒸馏进行小说创作，可有效通过平台AI检测。
通过为Hermes配置本地大模型（如千问3.6 35B），并蒸馏先进闭源模型的逻辑思维，可大幅提升长文本生成质量。该方案在小说连载场景中表现稳定，且经技能蒸馏后的输出能有效通过主流内容平台的AI检测机制。
-
RTX 50系显卡运行本地大模型的显存优化与量化配置建议。
在5070 Ti等50系显卡上部署模型时，建议根据实际显存大小选择对应的量化版本。可nvfp4量化格式专为50系Blackwell架构原生支持，在Linux、WSL2等vLLM可用环境下均可使用，能显著压缩模型体积并提升加载效率。
-
中文社区日报 MCP 与 RSS 订阅功能已开发完成，后续将根据负载情况逐步上线。
Hermes Agent 中文社区已实现日报 MCP 及 RSS 订阅功能。目前因接口调用压力较大暂未开放，后续将根据负载情况逐步上线。
-
可通过 Termux 在安卓手机部署 Hermes
可通过 Termux 在安卓手机部署 Hermes，建议设备内存 4GB 以上。 实测在安卓端安装 Termux 后可直接运行 Hermes。该方案适合移动端调试或轻量级场景，需注意设备内存门槛，目前实际业务落地场景仍在探索中。
-
可通过已配置的智能体辅助安装，并实现跨智能体协同控制。
安装初期可借助 Workbuddy，Openclaw 等智能体自动完成 Hermes 的环境配置。部署完成后，Hermes 可作为主控节点指挥运行在 Windows 桌面的 OpenClaw 等执行本地程序调用，有效弥补 WSL 环境直接调取桌面应用的限制。
-
云服务器部署适合纯问答场景，自动化操作需本地部署。
云端环境无法直接访问或操作用户本地电脑文件与软件，仅能完成文本交互。若目标是实现本地文件处理、软件自动化等流程，推荐采用本地部署方案。
-
记忆文件膨胀与 Skill 自动创建的处理策略
memory.md记录冗余信息属正常现象，建议仅保留核心记忆，将详细内容指针存放于hindsight或外部笔记软件，并可设计联想记忆机制控制上下文大小。Skill 频繁自动创建无需手动清理，Hermes新版本内置 Curator 机制会随时间自动处理，重点应放在核心 Skill 的迭代优化上。 扫码加入 Hermes Agent 中文社区微信群