我给Hermes配了4个Agent,真正有用的是这些事
导读:本文详细分享了作者使用 Hermes Agent 多智能体系统的几周经验,强调先从个人日常任务和生活痛点出发确定 AI 用途,而不是盲目追求技术。
作者将AI视为助手,用于处理重复性工作,如技术研究摘要、健康资讯搜索、饮水提醒和姿势调整,同时推荐记录一周活动以发现自动化机会。同时文章也介绍了低成本配置方案,包括本地 Qwen 模型、OpenRouter 免费模型、Nous Portal 订阅和 ChatGPT Plus,突出通过不同智能体分离研究与执行任务来优化效率。
作者介绍@vmiss33(vmiss),独立技术分析师与企业架构师,电气工程师,AI基础设施专家,VCDX-236 认证持有者。专注分享多智能体系统与 Hermes Agent 实战经验。
过去几周,我一直在给 Hermes Agent 跑一套多 Agent 配置。说实话,我花了一段时间才摸到现在这个状态。OpenClaw 最热的时候,我也跟风装了,盯着它看了一个小时,然后再也没打开过。为什么?因为我不知道该拿它做什么。我看着 X 时间线上大家聊得热火朝天,又是各种新东西,又是 Mac Mini 狂热潮,自己坐在那里一头雾水,但我确实很想参与进去。
当你问“你用 AI Agent 做什么?”时,很多人会回答“什么都做”“全都做”或者“写代码”。我自己也给过类似答案。今天,我想把一些入门思路讲清楚:到底可以从哪些事情开始用 Hermes Agent,怎样才能真正用出价值。我会结合一些自己的奇怪用法,给你几个可以直接上手的例子。
如何判断 Hermes Agent 该用来做什么
我对 AI 的个人理念是,把 AI 当成我的助手。我不用它替代我的思考,而是让它把我指向正确方向。我会让它做苦活,然后由我验证,再继续推进。对于自动化任务,我只会让 AI 自动化并执行那些我已经知道该怎么做的事情。这是我的个人原则,你的情况可能会因为工作方式不同而不同。
所以,个人 AI Agent 到底应该用来做什么?这是我们都会问的问题。
我发现一个非常有用的方法,是先把自己一天里做过的事情写下来,然后认真看一遍那张清单。之后,我又继续补充,把这个清单扩展了一周左右。
我会问自己:“哪些事情花了很多时间?”以及“哪些事情我必须做,但对我的工作流价值不高?”
先列出这张清单,然后开始用 Hermes 试。
更生活化的部分
还可以问自己另一个问题:“你日常生活里有哪些麻烦?”这里先别急着想该在本地硬件上跑哪个模型,可以转向更柔软、更生活化的东西,也就是真正影响你作为一个人的生活质量的事情。有没有哪些事你总是忘记做?有没有哪些事你不得不处理,但它们只是让生活变得更难?
当我这样问自己时,又想出了几个非常有用的点子。
经过一些头脑风暴后,我就开始动手了。
我的 Agent 小队
当然,我一开始就没有只用一个 Agent,而是直接上了一组。Hermes 一个很棒的地方在于,你可以配置不同 profile,每个 profile 使用不同的 provider 和模型,并且随时在 TUI 里轻松切换模型。我喜欢折腾,所以这点对我来说非常加分,可以并排比较不同模型的响应方式。
下面是我当前 Agent 小队的拆解,以及它们现在使用的 provider 和模型。我通过 Hermes TUI 和 Telegram 来访问它们。
技术研究 Agent
通常,我会给这个 Agent 一个主题,让它写一份带引用的研究简报。对我来说,引用非常关键,因为我想自己去读学术论文和源材料。比如,我曾用这个 Agent 帮我学习如何做模型量化。我没有让 Agent 直接替我做量化,而是让它教我怎么自己做。
这个 Agent 目前使用 Nous Portal 上的 MiniMax M2.7,不过过去我也让它用过其他模型和 provider,比如 NVIDIA NIM 上的模型。
技术任务管家 Agent
我用这个 Agent 来给 Hermes 构建 skills。昨天,我还让它完成了所有 Agent 的 TUI 定制。这基本上就是我的万能 Agent。
这个 Agent 目前通过我的 ChatGPT Plus Codex 订阅使用 GPT 5.5,不是 API。我很可能会继续让这个 Agent 使用 GPT 5.5,同时准备一个备用方案,以防什么时候配额用完。
关于技术类 Agent 补充一句:之前为了测试大量模型和 provider,我曾经把它们混着用。但接下来我大概会继续保持现在这种分工,一个负责研究,另一个负责执行。
生活方式 Agent
冒着被吐槽的风险说一句,我有一个 Agent 的工作是在一天中的特定时间提醒我喝水。荒唐吗?是的。改变巨大吗?绝对是。写到这里时,我觉得接下来还要让它提醒我检查坐姿(过去六个月我一直在努力修复多年伏案工作造成的问题),以及提醒我起来活动。它会通过 Telegram 给我发消息提醒。
这个 Agent 通过 OpenRouter 运行,使用一个免费模型:NVIDIA Nemotron 3 Super。
生活方式 / 研究 Agent
我长期受一种慢性健康问题困扰,是 MCAS 的一种变体,也伴随严重食物过敏。我用这个 Agent 在网上搜索相关研究和新闻,也会让它处理一些很简单的事情,比如“唉,今晚该做什么晚饭”,因为我吃的每一餐都要自己做。很简单的用法包括:给它一组菜谱,让它从里面选一个;或者给它一组我想用的食材,让它给我一些做法灵感。因为有些日子我真的只会想:天啊,怎么又要做饭了。
信不信由你,这个 Agent 跑在一个本地模型上,用的是我一台随机游戏本里的 8GB RTX 4070 显卡。Hermes Agent 通过无线网络访问它。我会说,这个 Agent 反而最让我“惊讶”,因为我是在一个很小的本地模型上跑它。我用的是一个 Qwen 3.5 9B 量化模型,64k 上下文。
Provider / 模型
我有一个个人任务:尽可能便宜地做这件事,甚至便宜到可能有点坑自己。我见过太多我称之为恐怖故事的案例,有人直接接 Anthropic API,一天花掉几百美元。不了,谢谢。
下面是我目前使用的一些模型和 provider。
关于 Provider / 模型 / 成本的说明
很多个人 Agent AI 的关键,在于知道哪个模型能完成你需要的事情。这件事有一定个人化和主观性,经常需要一些试错。许多 provider 都在补贴成本,或者在模型发布时免费提供模型。很多免费模型确实有一些取舍,比如速度,但价格摆在那里。
我也构建了一些 skills。如果我想继续研究当前哪些模型便宜或免费,就会直接让 Agent 给我展示 Nous Portal / OpenRouter 的最新价格。
OpenRouter,免费模型
我充值了 10 美元额度,虽然实际上并不会用它,但这样免费模型每天可以有 1,000 次请求,每分钟 20 次请求。完全免费的账户每天只有 50 次请求,很快就会用完。我目前在这里首选的免费模型是 nvidia/nemotron-3-super-120b-a12b:free。
Nous Portal,每月 10 美元订阅
我买了 Nous Portal 每月 10 美元的订阅来做实验,目前效果不错。因为它是基于 API 的订阅,所以我用得比较克制,不过它也包含 tool calling。现在我用的是 MiniMax M2.7。
本地模型
我的本地设备一般般,但效果出乎意料地好。我用一台带 NVIDIA RTX 4070 的笔记本,它有 8GB VRAM,并用 llama.cpp 提供 64k 上下文服务。现在我最喜欢的小模型是一个 Qwen 3.5 9B 量化模型,不过我也喜欢试一些随机的 distilled 和 abliterated 模型。
说实话,这套配置运行得很好。我也在 16GB RAM 的 M1 MacBook 上跑过同一个模型。你会惊讶于手头现有设备能在本地跑起什么。每个人都应该试试。LMStudio 是最容易上手的方式,而且现在你可以很方便地从 Hermes 连接到它。
ChatGPT Plus 订阅,每月 20 美元
通过我的订阅连接并使用 GPT 5.5,效果非常好,而且我还没遇到任何配额问题。我是一两天前才这么做的,现在想不通为什么等了这么久。这几乎是无瑕的。
NVIDIA NIM,免费模型
如果你打开 https://build.nvidia.com/models[1],会看到相当多模型都是免费的。注册一个账户,就能拿到 API key。这是接触一大批模型、感受它们“手感”的好办法。
通过 DeepSeek API 使用 DeepSeek v4
我还没试过这个,但 Twitter 上很多人都建议我试试 DeepSeek v4 API。它现在的价格非常惊人,到五月底都有 75% 折扣(还记得我前面提到的补贴吗?)。
开始使用 Hermes Agent
如果你刚开始,正在纠结 AI Agent 到底能做什么,我希望这篇文章能给你一些头脑风暴的方向,也让你看到,不用花很多钱,就能很快、很轻松地开始。
我见过人们使用 Agent 时最大的错误,是一开始就盯着技术栈,而不是从问题出发。你不需要先搞一堆 3090 才能开始(当然,如果你能弄到,那也可以)。
先做起来。
从你的生活开始。从你的工作流开始。从你的摩擦点开始。然后围绕这些点构建 Agent。
这才是它真正变得有用的地方。
参考阅读
Agent架构关键变化:Harness正在成为新后端
明星开源项目,为什么开始离开 GitHub?
300万人在存的Claude提示词
别再把上下文当聊天记录
References
- https://build.nvidia.com/models: https://build.nvidia.com/models
如果你也在关注 AI 应用如何真正落地到生产环境,2026.6.26 - 6.27 GIAC 深圳站值得关注。这次大会会集中讨论智能应用开发、架构演进,以及来自一线实践的经验与案例。
识别二维码可申请大会体验门票,点击阅读原文了解大会详细议程。
