# 影片筆記：Hermes Agent 小白别花冤枉钱！这套模型配置就够了

## 一句話總結

針對 Hermes Agent 新手，建議採用「DeepSeek V4 Flash 作為主模型」搭配「阿里百煉千問 3.6-Flash 作為視覺補位」的低成本配置方案，利用各家雲廠商免費額度與 DeepSeek 的高緩存命中率，將日常 Agent 使用成本降至極低（單輪對話可能不到一分錢），同時區分 Flash 與 Pro 版本的適用場景。

## 核心重點

1.  **低成本核心策略**：
    *   主模型推薦使用 **DeepSeek V4 Flash**，因其價格極低且 V4 版本優化緩存策略，命中率可達 90% 以上。
    *   透過命中緩存，輸入成本可低至約 0.02 元人民幣 / 百萬 Token，日常使用每天僅需幾元錢。
    *   對比國外模型（GPT、Claude、Gemini），DeepSeek 在中文語境下具備價格與洞察力優勢。

2.  **多模態（圖片識別）補位方案**：
    *   針對 DeepSeek V4 Flash 缺乏多模態能力（僅支援 OCR 文字提取）的問題，建議搭配 **阿里百煉（Bailian）的千問 3.6-Flash**（或更便宜的 3.5-Flash）。
    *   利用阿里、騰訊、字節火山方舟等平台的免費推理額度（50 萬 -100 萬 Token），實現視覺分析功能（如識別無文字圖片、桌面佈局）。
    *   單張圖片識別成本約 0.004 元人民幣。

3.  **Flash 與 Pro 版本差異**：
    *   **Flash 版本**：指令遵循能力強、速度快、便宜、穩定，適合大多數 Agent 場景（Tool Use、執行任務），被比喻為「一線執行者」。
    *   **Pro 版本**：思考能力強、推理鏈重，適合需要深度思考、系統框架搭建的複雜任務，但存在「過度思考」（Overthinking）風險，可能將推理結果誤認為規則導致結果跑偏。
    *   **建議**：日常預設為 Flash，遇到複雜任務時可通過 `/model` 命令或口語指令切換至 Pro。

4.  **操作流程**：
    *   在 DeepSeek 官網創建 API Key，於 Hermes Agent 終端設置為 Default Model。
    *   在阿里百煉創建 API Key，於 Hermes Agent Dashboard 將 Vision 模型設為 Custom，填入千問模型配置。
    *   若配置錯誤，可通過 `/reset` 重新配置。

## 詳細大綱

### 一、 配置背景與核心理念
*   **受眾對象**：剛開始使用 Hermes Agent 的新手或小白用戶。
*   **核心目標**：以較低成本（甚至免費）先上車體驗，避免一上來就投入高昂成本（如 GPT Pro 或 Gemini 高級版）。
*   **主要痛點**：官方 QuickStart 中模型選擇繁多，用戶容易迷失，且擔心開銷。
*   **解決方案初心**：不希望用戶花冤枉錢，提倡先跑起來再評估好用與否。

### 二、 主模型選擇：DeepSeek V4 Flash
*   **選擇理由**：
    *   **價格極低**：相比 GPT、Claude 等國外模型便宜幾十倍。
    *   **緩存策略優化**：V4 版本優化緩存策略，命中率高達 90% 以上。
    *   **成本結構**：
        *   輸入（未命中緩存）：約 1 元人民幣 / 百萬 Token。
        *   輸入（命中緩存）：約 0.02 元人民幣 / 百萬 Token。
        *   輸出：約 2 元人民幣 / 百萬 Token。
    *   **實際消耗案例**：講者展示一天消耗約 1.47 元人民幣，日常使用每天僅幾元錢。
*   **對比國外模型**：
    *   GPT-5.5 輸入價格約 5 美元（約合人民幣 34 倍於 DeepSeek）。
    *   Claude Sonnet 輸入約 3 美元，Opus 約 5 美元。
    *   Kimi 輸入 6.5 元，輸出 27 元。
    *   DeepSeek 在中文語境下洞察力被認為優於 GPT、Claude、Gemini。

### 三、 多模態能力補位方案
*   **問題現狀**：DeepSeek V4 Flash 目前官方無多模態能力，無法識別無文字圖片（僅支援 OCR 文字提取）。
*   **解決方案**：在 DeepSeek Flash 基礎上，接入一個支援圖片理解的多模態模型作為補位。
*   **推薦模型**：阿里百煉（Bailian）的千問 3.6-Flash（或更便宜的 3.5-Flash）。
*   **優勢**：
    *   雲廠商（阿里、騰訊、字節等）提供免費推理額度（如 50 萬 -100 萬 Token）。
    *   支援視覺分析，能識別無文字圖片（如機械鍵盤、桌面佈局等）。
*   **配置流程**：
    1.  在阿里百煉創建 API Key。
    2.  在 Hermes Agent Dashboard 中，將 Vision 模型設為 Custom。
    3.  輸入千問 3.6-Flash 的 API Key 及配置信息。
    4.  若配置錯誤（如誤配為 VL Plus），可通過 `/reset` 或重新發送指令修正。

### 四、 成本估算與免費額度利用
*   **文本對話成本**：
    *   利用緩存後，單輪對話成本極低（約 0.004 元人民幣或更低）。
    *   20 輪對話約 1.6 元人民幣。
*   **圖片識別成本**：
    *   假設一張圖片消耗 3000 Token。
    *   千問 3.6-Flash 價格約 1.44 元 / 百萬 Token。
    *   單張圖片成本約 0.004 元人民幣。
*   **免費額度策略**：
    *   充分利用阿里、騰訊、字節火山方舟等平台的免費額度。
    *   建議先耗盡免費額度，再考慮付費或切換模型。

### 五、 DeepSeek Flash 與 Pro 的效果對比
*   **Flash 版本特點**：
    *   指令遵循能力強，像一線執行者，按具體指令執行，不易出錯。
    *   速度快、便宜、穩定。
    *   適合大多數 Agent 場景（Tool Use、執行任務）。
*   **Pro 版本特點**：
    *   思考能力強，推理鏈重，喜歡自我延伸。
    *   存在「過度思考」（Overthinking）風險，可能將推理結果誤認為規則，導致結果跑偏。
    *   適合需要深度思考、系統框架搭建、複雜邏輯梳理的場景。
*   **切換建議**：
    *   日常使用預設為 Flash。
    *   遇到複雜任務時，可通過 `/model` 命令或口語指令主動切換至 Pro。

### 六、 實操演示步驟
1.  **配置主模型**：
    *   進入 DeepSeek 官網 API 開放平台創建 API Key。
    *   在 Hermes Agent 終端輸入 `Hermes Model`。
    *   選擇 DeepSeek V4 Flash，輸入 API Key 並保存。
    *   確認 Default Model 設為 DeepSeek V4 Flash。
2.  **測試主模型**：
    *   發起新會話，確認模型為 DeepSeek V4 Flash。
    *   測試文字對話功能。
3.  **配置多模態補位**：
    *   在阿里百煉創建 API Key。
    *   在 Hermes Agent Dashboard 中，找到 Vision 模型設置。
    *   將 Vision 設為 Custom，填入千問 3.6-Flash 的 API Key 和配置參數。
    *   若配置失敗，通過 `/reset` 重新配置。
4.  **最終測試**：
    *   發送無文字圖片，確認模型能識別內容（如桌面佈局）。
    *   使用 `/usage` 查看消耗情況。

## 工具 / 模型 / 名詞整理

*   **Hermes Agent**：影片討論的核心 Agent 框架。
*   **DeepSeek**：
    *   **DeepSeek V4 Flash**：推薦的主模型。
    *   **DeepSeek V4 Pro**：對比模型，適合深度思考。
    *   **DeepSeek-VL Flash**：阿里百煉中提及的視覺模型選項。
*   **GPT-5.5**：作為價格對比參考。
*   **Claude**：
    *   **Claude Sonnet**：價格對比參考。
    *   **Claude Opus**：高價模型參考。
*   **Gemini**：作為價格對比參考。
*   **Kimi**：作為價格對比參考。
*   **阿里百煉（Bailian）**：提供千問模型及 API 服務的平台。
*   **千問 3.6-Flash**：推薦的多模態補位模型。
*   **千問 3.5-Flash**：成本更低的替代選項。
*   **騰訊混元**：提及的支援免費額度的雲廠商模型。
*   **字節豆包**：提及的支援免費額度的雲廠商模型。
*   **火山方舟**：字節跳動旗下的 AI 平台，提及支援免費推理額度。
*   **知識星球**：講者開設的社群平台，名稱為「帥真 AI 实战圈」。

## 操作流程整理

1.  **準備工作**：
    *   前往 DeepSeek 官網 API 開放平台創建 API Key。
    *   前往阿里百煉（Bailian）創建 API Key。
2.  **配置主模型（DeepSeek V4 Flash）**：
    *   在 Hermes Agent 終端輸入指令 `Hermes Model`。
    *   選擇 DeepSeek V4 Flash。
    *   輸入 DeepSeek API Key 並保存。
    *   確認 Default Model 設為 DeepSeek V4 Flash。
3.  **配置視覺補位模型（千問 3.6-Flash）**：
    *   在 Hermes Agent Dashboard 中，找到 Vision 模型設置。
    *   將 Vision 模型設為 Custom。
    *   填入千問 3.6-Flash 的 API Key 及相關配置參數。
    *   *注意*：若配置錯誤（如誤配為 VL Plus），可通過 `/reset` 指令重新配置。
4.  **測試與驗證**：
    *   發起新會話，確認模型顯示為 DeepSeek V4 Flash。
    *   進行文字對話測試。
    *   發送無文字圖片（如桌面佈局、機械鍵盤），確認模型能識別內容。
    *   使用 `/usage` 指令查看實際消耗情況。

## 值得注意的限制或風險

1.  **DeepSeek V4 Flash 的多模態限制**：該模型目前官方無多模態能力，無法識別無文字圖片，僅支援 OCR 文字提取，因此必須搭配其他多模態模型使用。
2.  **Pro 版本的過度思考風險**：使用 Pro 版本時，模型可能因推理鏈過重而產生「過度思考」（Overthinking），將推理結果誤認為規則，導致結果跑偏。
3.  **免費額度的消耗**：雖然雲廠商提供免費推理額度，但用戶應注意額度限制，建議先耗盡免費額度再考慮付費或切換模型。
4.  **配置錯誤風險**：在配置 Vision 模型時，若參數填寫錯誤（如誤配為 VL Plus），可能導致功能異常，需透過 `/reset` 修正。

## 逐字稿辨識疑點

*   **Hermes Model**：逐字稿中多次出現此詞，疑為 Hermes Agent 中的特定指令或設置界面名稱，需查證是否為正確指令。
*   **recode**：在選擇 DeepSeek 直聯 API 時，講者提到「DeepSeek v3 recode」，疑為口誤或聽寫錯誤，實際可能指代某個具體的 API 端點或版本標識。
*   **梁胜良、文风、风仙圣仙刻**：講者感謝名單中的名字，聽起來較為模糊或可能存在諧音/錯字，需查證具體人名。
*   **FaceboOK**：講者提到「在 FaceboOK 上面用」，疑為口誤，實際應指 Facebook 或其他平台，但需查證是否指特定社群。
*   **V4 Flash**：講者多次強調「V4 Flash」，但 DeepSeek 官方命名習慣通常為「V3」或「Plus/Pro」，需查證 DeepSeek 是否確實發布了名為「V4 Flash」的模型，或為講者自稱/口誤。
*   **千问 3.7**：講者提到「最新可能有到千问 3.7」，需查證千問模型當前最新版本號。
*   **1.44元100 万**：講者計算圖片成本時提到「1.44元100 万」，疑為價格單位描述，需查證千問 3.6-Flash 的實際定價單位。
*   **333333**：講者計算圖片成本時除數為「333333」，疑為口誤或聽寫錯誤，實際可能為 3000 或其他數字。
*   **想便宜**：講者提到 Pro 版本「越想越便宜」，疑為口誤，實際語境應為「越想越偏」或類似含義。

## 可延伸追問

1.  DeepSeek V4 Flash 的緩存命中率 90% 以上是否為穩定數據，還是特定場景下的測試結果？
2.  阿里百煉千問 3.6-Flash 的免費額度具體包含哪些限制（如 QPS、每日上限等）？
3.  若同時使用多個雲廠商的免費額度，Hermes Agent 是否支援自動切換或負載平衡？
4.  DeepSeek V4 Flash 與 V3 版本在實際 Agent 任務中的具體性能差異為何？
5.  如何監控 Hermes Agent 的實際 Token 消耗，以確保成本控制在預期範圍內？