Hermes web ui 可以全家一起使用 🤳 只要设备在同一个 Wi-Fi / 局域网里，手机浏览器就可以访问服务所在设备的局域网 IP 加面板端口，直接打开 Hermes 面板进行操作。 不是用 localhost，因为 localhost 只代表当前设备自己；换成局域网 IP 后，同一网络下的手机、电脑都能访问，操作起来就像在手机端控制一样。局域网玩法真的很方便，懂了之后会发现很多东西都能这么用。

Hermes Web UI 已升级接入 Grok 4.3 视频模型。 现在，你可以在同一个面板中直接使用 Grok 4.3 生成图片 和视频，让多模态创作流程更集中、更顺畅 。 重点是完全免费的 - bro

龙虾的对手来了？我试了一下Hermes Agent 这几天推荐 Hermes Agent 的人突然多了起来。 我自己装了一个跑了两天，说说感受：确实还可以。不是那种「又颠覆了」的程度，但能明显感觉到它的设计思路跟龙虾不是一回事。 先说一下背景，Hermes Agent 是 Nous Research 今年 2 月底开源的 AI 智能体框架。 上线不到两个月，GitHub 星标冲到了三万多。社区里不少人把它称为 OpenClaw 上线以来，第一个真正意义上的竞争对手。 两个项目表面上很像，都是自托管的开源 Agent，都能接 Telegram、Discord、Slack、WhatsApp。都支持多模型切换，都走 MIT 协议。 但骨子里完全不同。 龙虾是网关，Hermes 是引擎 OpenClaw 的核心是一个 Gateway。网关守护进程，负责统一管理会话、路由消息、连接各种聊天平台。 你可以理解成一个调度中心，把所有聊天应用接到 AI Agent 上。 龙虾解决的核心问题是：怎么把消息送到 Agent Hermes 不太关心这个，它更在意的是：Agent 怎么变得越来越强 官方管这叫 closed learning loop，闭环学习循环。整个框架围绕的就是一件事——让 Agent 在使用过程中自我进化。 打个比方，龙虾是个多渠道助理操作系统，什么聊天工具都能接，生态丰富。 Hermes 是一个会自我迭代的执行引擎，刚开始没那么花哨，但越用越能打。 这是最根本的区别，后面所有差异都从这分叉出来。 会自己写技能的 Agent 我觉得这是 Hermes 最有意思的地方 当它完成一个复杂任务——通常涉及五次以上工具调用——它不是做完就算了。 它会把整个过程沉淀成一份结构化的技能文档，存成 Markdown 文件，放在 ~/.hermes/skills/ 目录下。 下次遇到类似任务？直接加载这份技能文档，不用从头解决。 更狠的是，这些技能在使用过程中会自我迭代。Agent 执行某个技能时发现了更好的方法，它会自动更新技能文档。不需要你手动维护。 Reddit 上有用户反馈，他的 Agent 在两小时内自动生成了三份技能文档。之后跑重复性研究任务，速度提升了 40%。 龙虾也有技能系统，但龙虾的 Skill 主要靠人手写，或者从 ClawHub 技能市场安装。Hermes 等于把「写技能」这件事也交给了 Agent 自己。 一个靠人喂，一个自己长。 我试用的时候确实感受到了，让它帮我查了几轮开源项目的信息，第二天让它做类似的事，它明显快了。 不用再教它「先去 GitHub 看 README，再去看 Issues」这种流程。它自己能记住了。 记忆体系：搜索引擎 vs 笔记本 两者都说自己有跨会话记忆。但实现方式差很多。 Hermes 的做法 用 SQLite 数据库配合 FTS5 全文检索，把所有历史对话存下来。需要调用时，先搜索再让模型做摘要，然后塞进上下文 不是把整段对话历史搬过去，Token 不会爆 记忆分两层： 常驻层：MEMORY.md 和 USER.md。存关键偏好和核心信息，每次对话都带上，相当于硬记忆。 检索层：全量历史在 SQLite 里，容量不限，按需调用，相当于一个私人搜索引擎。 龙虾的做法 工作区里的 Markdown 文件，memory.md 记生活细节，向量索引做语义检索。上下文压缩前会静默写入一次记忆，防止压缩丢信息。 简单类比：Hermes 给 Agent 装了个搜索引擎式的大脑。龙虾给了它一个笔记本。 搜索引擎查东西更精准，笔记本翻起来更直觉。但记忆量大了之后，搜索引擎的优势会越来越明显。 安全思路也不一样 Hermes 搞了一套五层纵深防御： 用户授权：白名单 + DM 配对 危险命令审批：rm -rf、chmod 777 这些高风险操作要人工确认。默认 60 秒没批准，自动拒绝 容器隔离：终端命令跑在 Docker 容器里，不在宿主机上裸跑 MCP 凭据过滤：隔离 MCP 子进程的环境变量，防凭据泄露 上下文注入扫描：检测项目文件里的 prompt injection 攻击 这套设计思路是「默认不信任，层层设卡」，龙虾那边更强调信任模型和配置审计 它有个 openclaw security audit 命令，一键扫描网关配置的安全隐患。思路不一样，但也不能说不好。 但龙虾在安全上的历史确实不太好看。今年 2 月曝出一批高危漏洞——CVE-2026-25253 是一键远程代码执行，点个链接就能接管你的机器。 ClawHub 技能市场还出了 ClawHavoc 攻击活动，恶意技能伪装成加密货币追踪器、YouTube 摘要工具，实际在偷浏览器会话和 API 密钥。 这不是小事。你的 Agent 跑在本地，权限很高。安全出了问题，搞不好整台电脑都交代了。 Hermes 的五层防御在架构层面想得更远。当然，有没有自己的坑还得等时间检验。但至少出发点比「先跑起来再说」靠谱。 选哪个？看你要什么 先说最实在的：如果你现在用的 Agent 已经顺手了，别换！换工具的迁移成本远比你想的高。 想要现成生态 → 龙虾 三十多万星标意味着教程多、插件多、问题容易搜到答案。ClawHub 上几千个 Skill 直接装。你想接 QQ、飞书、钉钉，社区里都有人踩过坑。 想要长期进化 → Hermes 它不是装好就一成不变的工具。用得越久，它对你的工作方式理解越深，技能库越厚。如果你是搞 AI 研究的，它还能生成训练轨迹、跑强化学习实验。内建了兼容 OpenAI API 的服务端，直接接 Open WebUI。 部署成本都不高，Hermes 跑在 5 美元一个月的 VPS 上就够。也支持 Docker 和各种 serverless 方案。 安装不复杂，参考官方文档就行： 两个项目我都装过。 龙虾像一个装了一堆 App 的手机。开箱即用，什么都能干，生态成熟。 Hermes 像一个会自己下载 App 的手机。刚开始没那么好用，但用着用着，它变成了你的形状。 喜欢折腾的，两个都试试。不喜欢折腾的，等 Hermes 社区再成熟一阵子再来看也不迟。 #AI# #AIAgent#

兄弟们，40个有用的GitHub仓库，强烈建议收藏起来！ 1. public-apis — 免费API合集 2. build-your-own-x — 边做边学 3. developer-roadmap — 学任何技术 4. free-programming-books — 免费书籍 5. system-design-primer — 掌握系统设计 6. coding-interview-university — 自学计算机 7. the-art-of-command-line — 精通终端 8. project-based-learning — 项目式学习 9. you-dont-know-js — 深入学JavaScript 10. the-book-of-secret-knowledge — 黑客资源 11. tech-interview-handbook — 面试通关 12. awesome-selfhosted — 自建应用 13. javascript-algorithms — 可视化算法 14. 30-seconds-of-code — 实用代码片段 15. gitignore — 各语言模板 16. ollama — 本地运行AI模型 17. langchain — 快速构建AI应用 18. n8n — AI自动化工作流 19. openclaw — 本地AI助手 20. dify — 可视化创建AI代理 21. langflow — 拖拽式AI管道 22. mem0 — AI代理记忆层 23. browser-use — AI控制浏览器 24. ruflo — Claude代理编排 25. crewai — 多代理AI团队 26. hermes-agent — 开源AI代理 27. markitdown — 文件转Markdown 28. maigret — 3000+网站OSINT 29. open-webui — 自建ChatGPT界面 30. aider — 终端AI编程助手 31. agency-agents — 完整AI代理机构 32. tradingagents — 交易多代理框架 33. browserbase-skills — Claude网页SDK 34. autogen — 微软多代理框架 35. metagpt — AI代理软件公司 36. lobe-hub — 可视化多代理平台 37. huggingface-transformers — 现代AI基础 38. cocoindex — 长文本代理引擎 39. freeCodeCamp — 免费编程学习 40. stable-diffusion-webui — 本地AI画图

Hermes 全网程序员又集体进化了！ 智能多源搜索，像素世界桥接、AIOps 运维军团、Web 指挥平台、macOS 原生桌面……全网程序员把 Hermes 玩成了下一代 Agent 搜索大脑 + 元宇宙居民 + 生产值班官 + 军团指挥部 + Mac 神器。宝藏收藏： 1️⃣ hermes-web-search-plus （ 10 引擎智能路由 + 质量报告 + 研究模式 + 缓存回退。 “搜索终于会动脑了”实锤！ 2️⃣ hermes-miniverse（ 像素世界桥接：Agent 住进 Miniverse，实时状态 + 跨 Agent 聊天。 太 meta 了，像素小人版 Hermes 上线😂 3️⃣ RunbookHermes（ Hermes-native AIOps：证据收集 + 审批门 + runbook 自学习。 生产事故值班军团就位！ 4️⃣ provision-core（ Vue 3 Web 管理平台：任务板 + 工具 + email 全可视化。 Agent 军团中央指挥部实锤！ 5️⃣ scarf（ macOS 原生 GUI，多窗口 + SSH 远程管服务器。 CLI 玩具进化成 Mac 桌面神器！ // 为什么这些新进化体这么炸？ 这些项目全部已验证公开开放，共同点：全吃 Hermes 底层循环当 DNA，社区再疯狂补搜索大脑、像素元宇宙、AIOps 军团、Web 指挥部、Mac 原生界面……生态卷速肉眼可见。

行业调研要翻几十篇报告、整理数据、写结论——累不累？我现在15分钟搞定。 用Hermes的web_search+delegate_task组合做行业调研：派一个子Agent搜行业报告和最新新闻，第二个子Agent爬关键数据（市场规模、增长率、头部玩家），第三个子Agent做竞品分析对比。全部并行执行，15分钟出初稿。 关键技巧：每个子Agent的goal里写"只返回数据，不写结论"——结论留给自己做，Agent只做信息收集。这样既快又准，还避免幻觉结论污染你的判断。 对比：Claude Code的web搜索需要手动写MCP配置，而且不支持子Agent并行搜索。我给Claude Code做同样的事，花了40分钟配置MCP，然后还是只能单路串行搜。OpenClaw的Agent协作概念很强，但并行搜索这个场景实操下来配置复杂度高了一倍，而且文档缺步骤。 Hermes一条delegate_task搞定多路并行调研。目前我还没看到第二个Agent把"并行调研"做到这个完成度的。 调研最怕的不是信息不够，是信息太多无从下手。Agent的价值不是"替你做判断"，是"先把所有相关事实摆在你面前"。Hermes的并行子Agent模式让调研效率从"小时级"变成"分钟级"。跟Claude Code比，Hermes胜在并行和多源能力；跟OpenClaw比，Hermes胜在配置简单一步到位。听我的：调研类任务一定要用delegate_task，把搜索→整理→分析拆成三个并行流，最后自己汇总判断。 🔗 #HermesAgent# #市场调研# #效率工具# #DELEGATE#