# 影片筆記：Hermes Agent 介紹與經驗分享｜卡內智能執行長暨 AI 架構師 - 鄭中嘉（Eric）｜日期：2026.07.25｜認真的 AI 讀書會

## 一句話總結

講者鄭中嘉（Eric）詳細介紹開源 AI Agent 工具 **Hermes Agent**，演示如何透過 Terminal 或 Discord 介面進行安裝與設定，並深入串接 Google Workspace（Gmail, Sheet, Drive）進行自動化行政任務（如郵件排程、記帳、照片去重）。同時探討了模型選擇策略（強烈推薦 OpenAI GPT-5.6 Luna）、成本效益分析，以及從雲端 API 轉向地端 GPU 部署的長期策略。

## 核心重點

1.  **Hermes Agent 核心特性**：
    *   開源 AI Agent 工具，支援多種 Gateway（Discord, Telegram, Mattermost, Terminal）。
    *   具備 **Memory**（對話歷史記憶，透過 `user.md` 與 `memory.md` 儲存）與 **Self-improving**（自我改進）機制。
    *   能根據任務生成客製化的 **Agent Skill**（包含 SOP），使用者可介入修正 SOP 以優化執行結果。

2.  **Google Workspace 串接實作**：
    *   需在 GCP (Google Cloud Platform) 建立專案，啟用 Sheets, Drive, Gmail API。
    *   建立 OAuth Client ID，設定同意畫面（Consent Screen）與測試使用者，完成授權流程以獲取 Token。
    *   應用案例包括：透過 Discord 語音/截圖排程 Gmail 郵件、語音記帳至 Google Sheet、利用 md5 checksum 進行 Google Drive 照片去重、自動重新命名 Meet 錄影檔。

3.  **模型選擇與成本效益**：
    *   講者強烈推薦 **OpenAI GPT-5.6 Luna** 模型，認為其在 Agentic 表現、上下文視窗（Context Window）及成本效益上優於 Gemini 3.5 Flash / 3.6 Flash。
    *   初期建議使用免費額度（如 Google AI Studio, Tavily, 11Labs TTS）進行測試。
    *   當 API 費用超過 50 萬台幣時，建議購買 96GB GPU 進行地端部署，以應對雲端服務中斷風險（如 503 Error）並降低長期成本。
    *   地端部署可考慮 Qwen 3.6 32B（講者口誤提及 Q1 3.6 A3B）。

4.  **多渠道串接與部署**：
    *   支援 Discord 串接，需透過 Developer Portal 建立 App、獲取 Bot Token、User ID 與 Channel ID，並利用 Thread 進行任務分流。
    *   支援 Windows, Mac, Linux 系統，依賴 Node.js, PlayWrite, Chromium。

## 詳細大綱

### 1. Hermes Agent 簡介與安裝
*   **簡介**：開源工具，支援多種 Gateway（Discord, Telegram, Mattermost, Terminal）。
*   **安裝流程**：
    *   透過 GitHub QuickInstall 安裝。
    *   環境依賴：Node.js, PlayWrite, Chromium。
    *   指令操作：`Hermes Setup`, `Gateway Setup`, `Setup Model`, `SessionsList`, `Reset`。
    *   支援系統：Windows, Mac, Linux。

### 2. 核心機制：Memory 與 Agent Skill
*   **Memory**：
    *   透過 `user.md` 與 `memory.md` 儲存使用者資訊與對話歷史。
*   **Agent Skill**：
    *   由 AI 自主生成或使用者手動建立。
    *   包含 SOP (Standard Operating Procedure)。
    *   **Self-improving**：使用者介入修正 SOP，優化 AI 執行結果（例如修正簡報排版、調整字幕高度）。

### 3. Google Workspace 串接實作
*   **GCP 設定**：
    *   建立 GCP 專案。
    *   啟用 API：Sheets, Drive, Gmail。
*   **OAuth 流程**：
    *   建立 OAuth Client ID。
    *   設定同意畫面（Consent Screen）與測試使用者（Test Users）。
    *   生成授權連結，使用者授權後回傳 Token。
*   **應用案例**：
    *   **Gmail**：透過 Discord 截圖與語音指令排程郵件（例如 8 點郵件）。
    *   **Google Sheet**：語音記帳，將自然語言轉為結構化資料（例如 90 塊記帳）。
    *   **Google Drive**：
        *   **照片去重**：利用 md5 checksum 檢查重複檔案，將重複檔案移動至刪除資料夾（案例：900 多張照片，27 組重複，37 張重複照片）。
        *   **影片管理**：自動重新命名 Meet Recording 並移動至目標資料夾（案例：5 頁通影片，檔名格式 YYYMMDD HHMMSS）。

### 4. Discord 串接與互動
*   **設定流程**：
    *   使用 `Hermes Gateway Setup`。
    *   在 Discord Developer Portal 建立 App。
    *   獲取 Bot Token、User ID 與 Channel ID。
    *   開啟 Intents。
    *   安裝至伺服器（Guild Installation）。
*   **互動方式**：
    *   利用 Thread 進行任務分流與管理。
    *   支援截圖與語音指令。

### 5. 模型選擇與成本效益分析
*   **模型比較**：
    *   **OpenAI**：推薦 GPT-5.6 Luna，對比 GPT-5.4 Mini。
    *   **Google**：Gemini 3.5 Flash, 3.6 Flash。
    *   **其他**：Anthropic, Entropic Cloud（疑點）。
*   **優勢分析**：
    *   Luna 在 Agentic 情境下的表現較佳。
    *   Context Window：100萬 vs 272K（講者指出介面顯示 272K 但實際計價分水嶺可能不同）。
    *   計價方式與速率限制（Rate Limit）：OpenAI Tier 1 與 Tier 5 的 TPM (Token Per Minute) 與 RPM (Request Per Minute) 差異。
*   **免費/低成本設定**：
    *   Google AI Studio API Key 與額度限制。
    *   Tavily 網頁搜尋功能設定。
    *   11Labs TTS (Text-to-Speech) 功能設定。
    *   使用 Codex 進行預設選項執行。

### 6. 部署策略：雲端 API vs. 地端 GPU
*   **初期建議**：使用免費額度測試 Agentic 行為。
*   **訂閱建議**：GPT Plus 訂閱 vs. 直接購買 API Key。
*   **地端部署門檻**：
    *   當 API 費用超過 50 萬台幣時，考慮購買 96GB GPU。
    *   推薦地端模型：Qwen 3.6 32B（講者口誤提及 Q1 3.6 A3B）。
*   **風險管理**：
    *   雲端服務中斷風險案例（503 Error）。
    *   地端部署可應對雲端服務中斷風險。

### 7. 結尾與交流
*   分享 LinkedIn、Facebook、IG 及官網資訊。
*   講者姓名：鄭中嘉（Eric）。
*   公司：卡內智能（Carnegie Smart）。
*   寵物暱稱：Milu。
*   官方網站：Eric's Nest。

## 工具 / 模型 / 名詞整理

*   **Hermes Agent** (愛馬仕)：開源 AI Agent 工具。
*   **Google Workspace**：
    *   Gmail
    *   Google Calendar
    *   Google Sheet
    *   Google Drive
    *   Google Meet
*   **Gateway / 互動介面**：
    *   Discord
    *   Telegram
    *   Mattermost
    *   Terminal / Powershell
    *   TUI (Terminal User Interface)
*   **開發與基礎設施**：
    *   GitHub
    *   Node.js
    *   PlayWrite
    *   Chromium
    *   Google Cloud Platform (GCP) / Google Cloud Console
    *   OAuth Client ID
    *   Bot Token
    *   User ID
    *   Channel ID
    *   Thread
    *   Developer Portal
    *   Guild Installation / Guild Install
    *   Intents
*   **AI 模型與供應商 (Inference Model)**：
    *   OpenAI
        *   GPT 3.5 Flash
        *   GPT 5.6 (Luna)
        *   GPT 5.4 mini
        *   GPT Plus
    *   Anthropic
    *   Google
        *   Gemini (3.5 Flash, 3.6 Flash)
        *   Luna, Terra, Soul (5.6 系列模型)
    *   Entropic Cloud
    *   Qwen 3.6 32B (講者口誤提及 Q1 3.6 A3B)
*   **第三方服務**：
    *   ElevenLabs (TTS Provider)
    *   Tavily (網頁搜尋工具)
    *   Google AI Studio
    *   Codex
*   **技術術語**：
    *   md5 checksum
    *   Agent Skill
    *   SOP (Standard Operating Procedure)
    *   Token
    *   JSON
    *   .md (Markdown)
    *   Max Iteration
    *   Rate Limit (速率限制)
    *   TPM (Token Per Minute)
    *   RPM (Request Per Minute)
    *   Credit Tier (信用等級/配額等級)
    *   Agentic Benchmark
    *   Context Window
    *   403, 429, 503 (HTTP 狀態碼)

## 操作流程整理

### 1. Hermes Agent 安裝與基礎設定
1.  透過 GitHub QuickInstall 安裝 Hermes Agent。
2.  確保環境已安裝 Node.js, PlayWrite, Chromium。
3.  執行 `Hermes Setup` 進行基礎設定。
4.  執行 `Setup Model` 選擇模型供應商（Anthropic, OpenAI, Google 等）。
5.  執行 `Gateway Setup` 設定互動介面（Discord, Terminal 等）。
6.  使用 `SessionsList` 列出聊天室，`Reset` 回到聊天室。

### 2. Google Workspace 串接流程
1.  登入 Google Cloud Console (GCP)。
2.  建立新專案。
3.  在 Library 中啟用 Sheets, Drive, Gmail API。
4.  在 Credentials 中建立 OAuth Client ID。
5.  設定同意畫面（Consent Screen）與測試使用者（Authorized Test Users）。
6.  生成授權連結，使用者點擊授權。
7.  獲取回傳的 Token 並配置至 Hermes Agent。

### 3. Discord 串接流程
1.  執行 `Hermes Gateway Setup`。
2.  前往 Discord Developer Portal。
3.  建立新 App。
4.  獲取 Bot Token。
5.  開啟 Intents。
6.  獲取 User ID 與 Channel ID。
7.  執行 Guild Installation 將 Bot 安裝至伺服器。
8.  利用 Thread 進行任務分流。

### 4. 應用任務執行案例
*   **郵件排程**：在 Discord 發送截圖或語音指令，Agent 透過 Gmail API 排程郵件。
*   **記帳**：在 Discord 發送語音指令，Agent 將內容轉為結構化資料並寫入 Google Sheet。
*   **照片去重**：
    1.  Agent 掃描 Google Drive 照片。
    2.  計算 md5 checksum。
    3.  識別重複檔案（例如 27 組重複）。
    4.  將重複檔案移動至刪除資料夾。
*   **影片管理**：
    1.  Agent 掃描 Meet Recording。
    2.  根據 YYYMMDD HHMMSS 格式重新命名檔案。
    3.  移動至目標資料夾。

### 5. 模型選擇與部署決策
1.  **初期測試**：使用 Google AI Studio 免費額度、Tavily 搜尋、11Labs TTS 進行測試。
2.  **模型評估**：比較 OpenAI GPT-5.6 Luna 與 Gemini 3.5/3.6 Flash 在 Agentic 表現、Context Window 及成本上的差異。
3.  **成本監控**：監控 API 費用。
4.  **部署決策**：
    *   若費用低於 50 萬台幣，持續使用雲端 API。
    *   若費用超過 50 萬台幣，評估購買 96GB GPU 進行地端部署。
    *   地端部署可考慮 Qwen 3.6 32B 模型。

## 值得注意的限制或風險

1.  **模型版本與名稱不確定性**：
    *   講者多次提及 "GPT 5.6"、"GPT 5.4 mini"、"Luna/Terra/Soul" 等模型名稱，目前 OpenAI 主流模型為 GPT-4 系列或 GPT-3.5，這些名稱可能為內部代號、聽寫錯誤或未來版本預測，需查證。
    *   "Entropic Cloud" 可能為 Anthropic 或其他雲端服務商的聽寫錯誤。
    *   "ChurchP" 可能為 Google 或 Gemini 的聽寫錯誤。
    *   "Germany 3.5 Flash" 可能為 Gemini 1.5 Flash 或 GPT 3.5 Turbo 的聽寫錯誤。
    *   "Q1 3.6 A3B" 可能為 Qwen 3.6 32B 的聽寫錯誤。
2.  **API 速率限制與服務中斷**：
    *   OpenAI Tier 1 與 Tier 5 有不同的 TPM 與 RPM 限制。
    *   雲端服務可能出現 503 Error，地端部署可作為應對方案。
3.  **Context Window 計價與顯示差異**：
    *   講者指出介面顯示 272K Context Window，但實際計價分水嶺可能為 100萬，需查證官方文件。
4.  **OAuth 授權流程複雜性**：
    *   需手動設定 GCP 專案、OAuth Client ID、同意畫面與測試使用者，流程較為繁瑣。
5.  **Agent Skill 依賴 SOP 品質**：
    *   Agent 的執行結果高度依賴 SOP 的品質，使用者需具備修正 SOP 的能力以優化結果。

## 逐字稿辨識疑點

*   **模型名稱/供應商名稱**：
    *   "Entropic Cloud"：疑為 Anthropic 或其他雲端服務商的聽寫錯誤。
    *   "ChurchP"：疑為 Google 或 Gemini 的聽寫錯誤。
    *   "GPT 5.6"、"GPT 5.4 mini"、"5.6 Luna/Terra/Soul"：目前 OpenAI 主流模型版本為 GPT-4 系列或 GPT-3.5，"GPT 5.x" 或特定名稱 "Luna/Terra/Soul" 可能為講者口誤、內部代號或聽寫錯誤，需查證。
    *   "Germany 3.5 Flash"：疑為 Gemini 1.5 Flash 或 GPT 3.5 Turbo 的聽寫錯誤。
    *   "Q1 3.6 A3B"：疑為 Qwen 3.6 32B 的聽寫錯誤。
    *   "arysnet.com"：疑為品牌名稱或網址的聽寫錯誤（可能為 Carnegie 相關或特定品牌）。
    *   "check sound"：用於比對照片重複，疑為 checksum 或 md5 checksum 的聽寫錯誤。
    *   "OOS of the client"：疑為 OAuth Client 的聽寫錯誤。
    *   "concent screen"：疑為 Consent Screen 的聽寫錯誤。
    *   "audience" 中的 "test user"：語法稍顯奇怪，疑為 Authorized Test Users 或相關設定。
    *   "Agent Steel"：應為 Agent Skill 的聽寫錯誤。
    *   "TY" 或 "Terminal User Interface"：可能指代 Hermes 的終端介面。
    *   "Eric's Nest"：官方網站名稱。
    *   "Milu"：愛馬仕的寵物/暱稱。
    *   "宇翔"：講者姓名或特定人名。
    *   "Carnegie Smart" (卡內智能)：簡報品牌。
    *   "Tabulu"：視覺化工具。
    *   "11Lab"：應為 ElevenLabs。
    *   "Powershare"：應為 PowerShell。
    *   "QuickInstall"：安裝方式。
    *   "SessionsList"：列出聊天室的指令。
    *   "ermess-rescent"：應為 hermes-recent 或類似指令。
    *   "ermess-update"：應為 hermes-update 或類似指令。
    *   "Hermes Setup"：設定指令。
    *   "Gateway Setup