# 影片筆記：渐进式驾驭Hermes：玩转日常与工作

## 一句話總結

講者分享從 2022 年開始探索 AI Agent 的選型歷程，最終選擇 **Hermis** 作為個人 AI 夥伴，並通過「深度調研」、「文檔建設流水線」及「Agent 改進 Agent」等場景，演示如何利用任務拆解與多 Profile 配置，實現從工具到自進化夥伴的漸進式升級。

## 核心重點

*   **選型歷程與 Hermis 優勢**：講者經歷了 OpenCloud（龍蝦）、Nanobot、PicoCloud、DFlow、OpenFarm 等多個平台，最終在 2026 年 3 月（講者口誤，疑為 2024 或 2025 年）選擇 **Hermis**。選擇理由包括上手快、具備自進化能力、技能庫豐富（預設 80-100 個技能），且能作為個人 AI 夥伴而非僅是企業級平台。
*   **核心應用場景**：
    1.  **內容生產**：通過「深度調研」技能生成報告、雙人播客及視頻；通過「文檔建設流水線」進行長文寫作與多輪審計。
    2.  **自動化開發**：定義 Coder、Reviewer 等 Agent 角色，實現自動拉取代碼、審計、創建 Issue、修復並提交 PR 的閉環。
    3.  **自進化（Agent 改進 Agent）**：利用 Agent 發現並修復自身代碼 Bug（如 Signal.py 中的路徑問題），形成正向飛輪。
*   **技術架構**：採用 **Hub and Spoke**（輪轂與輻條）架構，Agent Runtime 為 Hub，對接大模型、Skills、外部工具（如 Chromium 無頭瀏覽器）及 Memory。
*   **工作流方法論**：
    *   **漸進式展開**：Agent 能力取決於模型能力、上下文窗口及**任務拆解質量**。
    *   **操作原則**：先跑通，再優化，再沉澱，再服用。將大任務拆解為多層級，拆解越細輸出越穩定。
    *   **翻車處理**：遇到上下文過大或模型邊界時，應直接放棄結果重新拆解，而非無效修改。
*   **成本與配置策略**：利用多 Profile 配置，調度者（Default Agent）使用本地小模型（如 Qwen 27B/35B），執行者（如 Coder）使用高性能模型（如 GPT-4, DeepSeek V4 Flash Pro），以節省 Token 成本。

## 詳細大綱

### I. 個人 AI Agent 選型之路
*   **學習背景**：講者自稱「野生 AI 學習者」，2022 年開始接觸工業視覺與 NLP。
*   **技術演進與嘗試**：
    *   **OpenCloud（龍蝦）**：早期嘗試，能讀取電腦運行狀態（VSCode 等），但因隱私警覺卸載；後部署於 CVM 發現其能自動發布 GitHub Pages 靜態網頁。
    *   **其他嘗試**：Nanobot（港大項目，替代 OpenCloud）、PicoCloud（運行於電視盒子，用於情緒輔導/心理大師）、DFlow 2.0、OpenFarm、Cloud Code。
    *   **選擇 Hermis 的理由**：
        *   OpenCloud：全能但調試成本高、穩定性一般、養蝦成本高。
        *   Nanobot/PicoCloud：極簡派，天花板低。
        *   DFlow/OpenFarm：企業級多 Agent 平台，不適合個人。
        *   Cloud Code：強大但限於代碼場景。
        *   **Hermis**：上手快、自進化（越用越懂我）、技能庫豐富。

### II. Hermis 的核心能力與應用場景
*   **Aha Moment（頓悟時刻）**：
    *   輸入「馬斯克太空 AI 數據中心」文章鏈接，指令生成雙人對話播客，自動生成約 10 分鐘音頻。
    *   進一步指令生成 5 分鐘技術視頻（使用 Remotion）。
    *   結論：內容輸出變為可能，邏輯與內容生成能力強大，美學需優化。
*   **Agent 協作與自動化開發**：
    *   定義 Agent Profile（Coder, Product Manager, Reviewer）。
    *   流程：Reviewer 自動拉取 GitHub 代碼 -> 審計問題 -> 創建 Issue -> 全棧 Coder 修復 -> 自動提交 PR。
    *   應用於文檔建設流水線。
*   **文檔建設流水線（Document Superpowers）**：
    *   流程：收集材料 -> 關鍵字腦力風暴（循環問答） -> 生成寫作規劃與調研報告 -> 執行寫作 -> 四輪審計（邏輯、論據、流暢度、潤色）。
    *   特點：支持並行寫作（多 Sub-agent），最後進行流暢度審查。
    *   自適應能力：自動判斷文章類型（如小紅書/公眾號），簡化流程。
*   **深度調研技能（Deep Research）**：
    *   根據主題關鍵字挖掘行業定位、競品、技術棧、痛點、供應鏈等。
    *   演示：對「中國實現轉型關鍵在於系統性修正」文章調研，生成結構化報告並發布至 GitHub Pages。
*   **Agent 改進 Agent（自我修復）**：
    *   案例：安裝 Opera Super Powers 技能後，Hermis 自動發現自身代碼（Signal.py）中的路徑與危險模式問題。
    *   行動：自動創建 Issue、修復代碼、創建 PR 並合併。
    *   意義：實現了用 Agent 改進 Agent 的馬農型任務自動化。

### III. 技術架構與工具對比
*   **架構解釋**：
    *   **Hub and Spoke 架構**：Agent Runtime 為 Hub，對接大模型、Skills、外部工具（如 Chromium 無頭瀏覽器）、Memory 等 Spoke。
*   **與 Code Buddy 的區別**：
    *   本質相似，但接入界面不同（Hermis 通過 IM 端接入）。
    *   技術層面：兩者都基於 Agent Runtime。
    *   擴展性：可通過長鏈接將 Code Buddy 對接至微信，模擬 Hermis 的使用體驗。

### IV. AI 角色的昇華與工作流方法論
*   **三個層次**：
    1.  **工具層**：執行具體任務。
    2.  **流程層**：與 AI 共同構建並優化工作流。
    3.  **認知層**：引導 AI 輸出高於普通人的認知，或讓 AI 學習用戶個人習慣。
*   **自進化案例**：從 V1 版本的人工觸發升級為讓 Hermes 自動優化流程（插入圖片、統一格式、增加 Hardgate），形成自進化閉環。
*   **漸進式展開與任務拆解**：
    *   **核心公式**：Agent 能力 = 模型能力 + 上下文窗口 + **任務拆解質量**。
    *   **操作原則**：先跑通，再優化，再沉澱，再服用。
    *   **四個層級**：調起技能 -> 加入個人化訴求成為自己的技能 -> 讓 Agent 實踐並改進技能 -> 自進化閉環。
    *   **PPT 製作案例**：正面教材為先生成粗框架（Markdown），再討論修改細節，最後自動化生成 PPT；反面教材為直接要求寫完整內容，導致內容空洞。
*   **翻車經驗與應對策略**：
    *   **常見原因**：上下文過大（如 12MB PDF 直接總結）、模型能力邊界、上下文遺忘。
    *   **處理流程**：直接放棄當前結果重新開始 -> 反思失敗原因重新拆解任務 -> 確保拆解粒度適合模型能力。
*   **Token 節省與配置策略**：
    *   **多 Profile 配置**：Default Agent（調度者）使用本地小模型（Qwen 27B/35B），執行者（如 Coder）使用高性能模型（GPT-4, DeepSeek V4 Flash Pro）。
    *   **其他節省方式**：利用提示詞緩存命中（Prompt Caching），長期保留關注特定事項的 Session。
    *   **建議**：早期應優先關注「把事情落定」，而非過度關注性價比。

## 工具 / 模型 / 名詞整理

*   **Hermis**：講者主要使用的 AI Agent 框架/平台。
*   **OpenCloud**：講者早期嘗試的平台，被稱為「龍蝦」。
*   **Nanobot**：港大項目，用於替代 OpenCloud。
*   **PicoCloud**：運行於電視盒子的輕量級應用，用於情緒輔導。
*   **DFlow / DFlow 2.0**：企業級多 Agent 平台。
*   **OpenFarm**：企業級多 Agent 平台。
*   **Cloud Code**：強大但限於代碼場景的工具。
*   **Code Buddy**：講者口誤為 CodeBody、CodeBud 的代碼助手工具。
*   **Autogen**：早期嘗試的框架。
*   **LangGraph**：講者口誤為 long graph。
*   **MCP**：提及的技術標準。
*   **Skill Hub**：騰訊雲技能站。
*   **Cloud Hub**：字節技能站。
*   **Remotion**：用於生成視頻的工具。
*   **Opera Super Powers**：代碼技能框架。
*   **Telegram**：通訊工具。
*   **VSCode**：開發環境。
*   **GitHub / GitHub Pages**：代碼託管與靜態網頁發布平台。
*   **CVM**：騰訊雲雲虛擬機。
*   **Signal.py**：講者提到的代碼文件。
*   **Chrome / Chromium**：無頭瀏覽器。
*   **LM Studio**：本地部署小模型的推薦工具。
*   **OpenOlama**：講者口誤為 Ollama 的本地部署工具。
*   **DeepSeek V4 / Flash Pro**：高性能模型。
*   **GM5.1**：講者提及的模型（疑點）。
*   **Qwen 27B / Qwen 35B**：講者提及的可用於調度角色的小模型（聽似 Qianwen）。
*   **Android Capacity**：講者提到的特定項目或技能名稱（疑點）。
*   **Document Superpowers**：講者開發的技能名稱。
*   **CodeMaggie**：講者提到的機器人名稱。
*   **SuperPowers**：被 CodeMaggie 調用的功能或技能集。
*   **WorkBody**：提及的 IDE 環境。
*   **Git / Git倉**：用於存儲知識庫和代碼倉庫。
*   **企業微信機器人**：用於接收手機錄音轉錄的文檔。
*   **WikiHermis**：提及的 Wiki 相關內容（疑點）。
*   **MACDOWN / Markdown**：文件格式。
*   **Hub and Spoke**：架構名稱，講者口誤為 hoop spoke。
*   **Hardgate**：技術術語，講者口誤為硬閘。
*   **Socratic Questioning**：蘇格拉底式提問，講者口誤為 Sue Socrates。

## 操作流程整理

### 1. 深度調研與內容生產流程
1.  輸入主題關鍵字或文章鏈接（如「馬斯克太空 AI 數據中心」）。
2.  調用「深度調研」技能，挖掘行業定位、競品、技術棧、痛點、供應鏈等。
3.  生成結構化報告。
4.  （可選）生成雙人對話播客音頻（約 10 分鐘）。
5.  （可選）生成技術視頻介紹（使用 Remotion，約 5 分鐘）。
6.  發布至 GitHub Pages。

### 2. 文檔建設流水線（長文寫作）
1.  **收集材料**：輸入參考材料。
2.  **腦力風暴**：基於關鍵字與材料進行循環問答，一次一個問題。
3.  **規劃與報告**：生成寫作規劃與調研報告。
4.  **執行寫作**：
    *   支持並行寫作（多 Sub-agent）。
    *   根據文章類型（如小紅書/公眾號）自適應簡化流程。
5.  **四輪審計**：
    *   邏輯審計。
    *   論據審計。
    *   流暢度審計。
    *   潤色審計。
6.  **最終審查**：確保上下文連貫。

### 3. 自動化開發與審計流程
1.  **定義角色**：設置 Coder, Product Manager, Reviewer 等 Agent Profile。
2.  **審計與問題發現**：Reviewer 自動拉取 GitHub 代碼，審計問題並創建 Issue。
3.  **修復與提交**：全棧 Coder 修復問題，自動提交 PR。
4.  **合併**：自動合併 PR。
5.  **自進化**：Agent 發現自身代碼 Bug（如 Signal.py 中的路徑問題），自動創建 Issue、修復代碼、創建 PR 並合併。

### 4. PPT 製作流程（正面教材）
1.  由 AI 生成粗框架（Markdown）。
2.  與 AI 討論修改細節。
3.  由 AI 自動化生成 PPT。

### 5. 翻車處理標準流程
1.  直接放棄當前結果，重新開始。
2.  反思失敗原因（上下文過大、模型邊界等）。
3.  重新拆解任務，確保粒度適合模型能力。
4.  重新執行。

## 值得注意的限制或風險

*   **上下文窗口限制**：丟入過大文件（如 12MB PDF）直接總結會導致爆掉，需先進行切分。
*   **模型能力邊界**：小模型（如本地部署的 LM Studio, OpenOlama）適合簡單任務，大任務仍需大模型。
*   **上下文遺忘**：長對話中可能遺忘前文。
*   **內容空洞風險**：直接要求 AI 寫完整內容（如 PPT 完整內容）易導致內容空洞、套話多，需多次修改。
*   **隱私風險**：早期 OpenCloud 能讀取電腦運行狀態（VSCode 等項目），引發隱私警覺。
*   **美學限制**：自動生成的視頻或音頻在美學上可能需要人工優化。

## 逐字稿辨識疑點

*   **Hermis / 龍蝦 / 羊 / Hermes**：講者主要稱呼為「Hermis」，但多次口誤或聽寫錯誤為「龍蝦」（因 OpenCloud 被稱為龍蝦？或 Hermis 的別稱？）、「羊」（如「養蝦」、「養蝦的」、「羊马可」）、「Hermes」。根據上下文，核心討論對象應為 **Hermis**。
*   **OpenCloud / OpenCloud**：講者提及 2022 年 11 月 Peter Steinberg 在 GitHub 發布的項目，並稱其為「OpenCloud」或「龍蝦」。實際上該項目可能為 **OpenClaw** 或類似名稱，但講者口誤為 OpenCloud。
*   **CodeBody / CodeBud / CodeBud**：講者指代的代碼助手工具，實際可能為 **Code Buddy** 或 **Cursor** 等，但講者口誤頻繁。
*   **26 年 / 2026 年**：講者多次提及「26 年 1 月」、「26 年 3 月」，結合上下文（2022 年開始學習，去年 11 月發布 OpenCloud），時間線應為 **2024 年或 2025 年**，講者口誤將年份說成 2026。
*   **清亮云 / 清亮云**：講者提及「如果有清亮云...部署之路更輕鬆」，疑點為 **清雲** 或 **騰訊雲** 的口誤。
*   **意理大師**：講者提及在電視盒子上運行 PicoCloud 做「意理大師」，疑點為 **心理大師** 或 **情緒輔導** 的口誤。
*   **路眼**：講者提及「路眼」，疑點為 **路演** 的口誤。
*   **BB / 必病**：講者提及「東亞生產方式的 BB」及「東亞生產方式必病」，疑點為 **弊病** 的口誤。
*   **AIV**：講者提及「AIV 很嚴重」，疑點為 **AI** 的口誤。
*   **Anthropec / Boris**：講者提及「Anthropec 的大神啊，Boris 啊」，疑點為特定人名或術語，無法確證，保留原樣。
*   **馬農牛馬**：講者自創或聽來的詞彙，指代自動化任務，保留原樣。
*   **煙云十六聲**：講者提到的寫作話題，疑點為遊戲名稱 **燕雲十六聲** 的口誤。
*   **CAE 仿制軟件**：講者提及「CAE 仿制軟件上雲」，疑點為 **CAE 仿真軟件** 的口誤。
*   **缺審 / 技能**：講者多次將「Skill」聽寫或口誤為