檢索結果 HermesAgent
HermesAgent 貼吧
一個關鍵字就是一個貼吧，路徑全站唯一。
用戶
未找到
包含 HermesAgent 的搜尋結果
看项目/看代币/看赛道——信息分散在Twitter、新闻站、链上数据——你翻得过来吗？
Hermes的多源搜索能力是这个场景的核心武器。我一条指令让Agent同时搜Twitter（用opentwitter MCP）、新闻（用opennews MCP）、链上数据（用 API），然后汇总成一个"项目速览"——团队背景、融资情况、社区活跃度、链上数据指标、市场情绪。整个过程30秒，比自己翻了2小时还全。
关键参数：用has_coin=true过滤只有币相关的新闻，用min_likes过滤低质量推文。
对比：Claude Code完全做不了这个——它没有多源数据接入能力，只能靠你手动喂信息。OpenClaw理论上能接，但每个源都要单独配MCP，文档还缺。Hermes是唯一把多源搜索做成"一句话搞定"的Agent。
信息搜集能力是衡量Agent实用性的黄金标准。一个Agent能同时搜Twitter+新闻+链上数据，跟只能搜一个源比，完全是两个物种。
如果你靠信息差赚钱（投资/创业/研究），Hermes是当前唯一能同时覆盖多源的Agent。opennews覆盖84个新闻源，opentwitter有完整搜索API，再加自定义API接入——三源合一，30秒出结论。OpenClaw的MCP支持面窄，Claude Code压根不走这个方向。我不是说Hermes完美，但在"信息搜集"这个场景下，它目前没有对手。
🔗
#HermesAgent# #信息搜集# #链上分析# #研究效率#
顯示更多
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#
顯示更多
Hermes 底层一抖，全网程序员又集体进化了！
Drawio 智能绘图，AI 写作痕迹重写、跨平台技能大礼包、ACP 多 Agent 编排、官方通用记忆层……全网程序员把 Hermes 玩成了下一代 Agent 画师 + 真人写手 + 方法论宝库 + 协同军团 + 懂你大脑：
1️⃣ drawio-skill（
自然语言直接生成流程图/架构图/思维导图。
“终于不用手动拖框框”实锤了！
2️⃣ avoid-ai-writing（
自动审计+重写，消除 AI 写作痕迹。
内容党/SEO 直接起飞😂
3️⃣ wondelai/skills（
250+ 跨平台高质量 skill 礼包，Claude Code 兼容。
开箱即用方法论宝库！
4️⃣ hermes-agent-acp-skill（
ACP 风格多 Agent 委托+协同+安全控制。
生产级流水线军团上线！
5️⃣ mem0（
官方通用记忆层，profile/search/conclude 工具全支持。
记忆从“存”进化到“真懂你”！
//
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，社区再疯狂补绘图、写作净化、跨平台 skill、多 Agent 编排、通用记忆…… 生态卷速肉眼可见！
顯示更多
Hermes Agent @NousResearch 昨天上线了官方仪表盘
不仅可以统计token 用量，还支持中文！
运行 'hermes dashboard' 升级最新版！
今天 Hermes Agent 登上全球榜单第一
这不仅仅是一份排名，它代表着开源社区、开发者、贡献者和每一个真实用户共同推动出来的结果
同时也很开心看到 @OpenRouter 上越来越多 AI Agent 项目被更多人看见。
CLI、Personal Agents、自动化工作流，整个生态正在进入真正爆发阶段。
恭喜 @NousResearch @Teknium 也恭喜所有还在坚持做产品、做开源、做创新的人。
未来才刚刚开始
顯示更多
在 Hermes Agent 上配套 DeepSeek V4 Pro 模型，链上安全分析能力已经很令我满意了…三笔近期的攻击，复杂度从中等到普通到简单。mark 下。
顯示更多
写了一个 8 篇的hermes-agent源码解剖系列，配了大量手绘风技术插图：
1️⃣ 全景图 — 架构分层、代码规模、定位分析
2️⃣ Agent 核心循环
3️⃣ Tool Registry
4️⃣ 多 Provider 适配
5️⃣ 上下文压缩
6️⃣ 消息网关
7️⃣ Memory 与 RL 训练
8️⃣ 三方对比 — Hermes Agent vs OpenClaw vs Claude Code
和之前写的 Claude Code 源码解剖是姐妹篇。一个 TypeScript 写的Agent，一个 Python 写的Agent。
链接：
Github：
顯示更多
经过半个月每天真实的链上攻击验证，我用 Hermes Agent 分别与 DeepSeek V4 Pro/GLM 5.1/GPT 5.5 组合，加上 的 Harness 经验，打造了 3 个完全独立的 Agents，效果都挺不错了。
链上分析工作实现初级自由😊
我的心得是：目前 Harness 经验最关键，其次是不错的模型，再次是不错的框架。
继续折腾，将相关工作先一个个实现初级自由。
顯示更多
在 Hermes Agent 上配套 DeepSeek V4 Pro 模型，链上安全分析能力已经很令我满意了…三笔近期的攻击，复杂度从中等到普通到简单。mark 下。
顯示更多
有了中美几大优秀大模型的助力，加上 Hermes Agent/OpenClaw 等优秀的开源 Agent 框架及对应的 Harness Engineering（驾驭工程），现在“捉虫”及“救火”的效率高太多了。这放在一两年前，真不敢想象。
对未来持续保持积极的学习心态，AI 进化实在太快。
顯示更多
ds4 是 Redis 创始人 Antirez 专门为 DeepSeek v4 Flash 写的本地推理引擎，给 OpenClaw / Hermes Agent 一个免费的本地大脑！
👉
但是我不配，128G RAM，哪位朋友帮忙试试效果？
顯示更多
🚨 OPEN SOURCE AI IS LITERALLY UNSTOPPABLE 🚨
The legendary founder of Redis (Antirez) just dropped ds4 - a custom native inference engine built specifically for DeepSeek v4 Flash
This is earth shattering! Here is why:
DeepSeek v4 Flash is a quasi-frontier model with a massive 1M context window
You can now run it LOCALLY on a 128GB Mac using specialized 2-bit quantization
The architecture is reimagined—he moved the KV cache from RAM directly to the SSD disk! 🤯
We already know DeepSeek v4 Flash is insanely good for agentic loops - Now you don't even need the cloud to run it
Closed-source labs are burning tens of billions on massive GPU clusters while single brilliant developers are running frontier-level AI on laptops!
They told us open-source would be worthless against trillion-dollar monopolies
Instead, pure hacker culture + incredible open-weight models are completely rewriting the rules
Open Source will ALWAYS win 💕
顯示更多