KeyFrame內部研究專用

Hermes Agent 保姆級教學來了!最安全的 AI 私人助理造成 OpanClaw 大規模棄養潮,用過就回不去了!

PAPAYA 電腦教室·6月14日週日·27 min中文

三句話摘要

Hermes 是 Nous Research 推出的開源 AI 助理,支援本機或雲端部署,透過 Telegram 操控,具備持久記憶、自我學習、子代理並行與多工具串接能力。 Hermes 的真正價值不在於聊天,而在於它把持久記憶、並行子代理、自動化排程與多服務串接整合成一套可自架的個人 AI 工作流,讓任何人都能以低成本建立一個真正長期陪伴、越用越懂你的數位助理。 1. 分層記憶讓 AI 成為真正的個人助理

重點整理

重點
  • 1

    1. 分層記憶讓 AI 成為真正的個人助理

  • 2

    Hermes 以三個 Markdown 檔案管理記憶:User.md 存放用戶個人資料與偏好、Memory.md 記錄工作經驗與心得、Soul.md 定義 AI 的名字與人格。即便開啟全新對話,這些記憶依然保留,解決了 ChatGPT 長對話易失憶的問題。

  • 3

    2. OpenRouter 提供彈性的 AI 模型切換

  • 4

    相較於 ChatGPT 固定月費,OpenRouter 採儲值制,可隨時從清單切換 Deepseek、GPT 等數十種模型,並顯示各模型費用,讓用戶依任務性質選擇成本最低或品質最佳的模型。

  • 5

    3. Subagent 並行處理大幅提升效率

  • 6

    Hermes 可將複雜任務拆分給多個子代理同步執行,例如同時調查三個電商平台的抽成與上架流程,最後自動彙整成 HTML 儀表板,將原本需要半天的功課壓縮至數分鐘。

  • 7

    4. Skills 系統將重複流程標準化並自動累積

  • 8

    用戶可自行建立 Skills(SOP 腳本),也可從官方目錄安裝現成 Skills。每次 Hermes 完成新任務,會自動將摸索出的方式儲存為 Skill,下次遇到相似任務時執行更快。Hermes 內建超過 70 個 Skills。

實用技巧與重點

乾貨
  • 平台與工具
  • 雲端部署平台:Hostinger(推薦馬來西亞機房節點,連線速度較快)
  • AI 模型路由:OpenRouter(儲值制,支援 Deepseek、GPT 等多款模型)
  • 網頁搜尋增強:Tavily(專為 AI 助理設計的網頁擷取服務,免費帳號可用)
  • 圖片/影片生成:FAL.ai(支援 GPT Image 2、Seedance 2.0)
  • 通訊整合:Telegram(透過 BotFather 建立 Bot,設定授權 ID 防止外人存取)
  • 外部服務串接:Google Gmail、Google Calendar、Google Drive、Google Docs、Notion
  • 具體指令與流程
  • 雲端設定:終端機輸入 `hermes setup` → Quick Setup → 選 AI 供應商
  • 切換模型:`su hermes` → `hermes model` → 選 OpenRouter → 貼入 API Key
  • 設定工具:`hermes tools` → 選第 4 項 Reconfigure → 選 web search / image generation / video generation
  • 本機語音:`hermes gateway setup` 完成 Telegram 綁定;Telegram 輸入 `/voice` 啟用語音模式
  • 新對話:輸入 `/new`;清空記錄:滑鼠右鍵 → Clear History
  • Notion 串接:終端機輸入 `echo` 開頭指令將金鑰寫入設定檔,重啟系統生效
  • 費用參考
  • Hostinger 入門方案:依綁約時長,月費隨合約拉長遞減;可選單月方案先試用
  • OpenRouter / FAL.ai:儲值 10 美元作為起始本金,按實際用量扣款
  • 記憶與備份
  • 自動記憶壓縮:對話量累積到一定程度時自動壓縮,不遺失早期重點
  • 建議排程:每天凌晨 3 點自動備份所有資料為壓縮檔,上傳至 Google Drive
  • 安全防護:Hostinger 後台「安全」分頁可設防火牆規則並啟用

結論

結論

Hermes 的真正價值不在於聊天,而在於它把持久記憶、並行子代理、自動化排程與多服務串接整合成一套可自架的個人 AI 工作流,讓任何人都能以低成本建立一個真正長期陪伴、越用越懂你的數位助理。

完整解析

詳細

Hermes 是由 Nous Research 團隊開發的開源 AI 助理框架,定位為可長時間在背景獨立運作的個人代理,而非單純的問答工具。它與 ChatGPT 或 Claude 最大的差異在於四項核心設計:常駐待命、自我學習、分層持久記憶,以及內建安全審查(遇到刪除檔案等高風險指令時會先暫停詢問確認)。這讓 Hermes 更接近「數位分身」而非「聊天機器人」。

部署上有兩條路。安裝在本機幾乎零成本,且躲在家用網路後方被入侵風險低,但需承受電腦關機或斷電造成服務中斷的問題。雲端伺服器(如 Hostinger)則能 24 小時穩定在線,且 AI 助理不會直接接觸用戶電腦上的私人文件。為顧及隱私,本機安裝時建議在系統設定中單獨建立一個「一般用戶(非管理員)」帳號專門給 Hermes 使用。安裝完成後,透過終端機執行 `hermes setup` 進行快速設定,選定 AI 模型供應商(如 OpenAI、OpenRouter)並完成 OAuth 授權,再透過 Telegram BotFather 建立一個專屬 Bot,設定允許對話的用戶 ID,即可用 Telegram 作為日常操控介面,並以 `/voice` 指令切換語音模式,方便外出時免打字互動。

記憶系統是 Hermes 的核心競爭力。用戶第一次向 Hermes 自我介紹後,相關資料會自動寫入 User.md(個人檔案卡)、Memory.md(工作筆記本)與 Soul.md(AI 人格設定)。即使開啟全新對話,這三個檔案的內容依然存在,AI 不會忘記你的偏好與交辦的事項。用戶也可以隨時請 Hermes 列出、修改或刪除特定記憶。在 AI 模型方面,若不想固定繳納 ChatGPT 月費,可改接 OpenRouter,以儲值制按量付費,並能在 Deepseek、GPT 等數十款模型之間自由切換,甚至可以指定不同任務使用不同模型,兼顧品質與成本。

功能擴充方面,Hermes 支援串接 Tavily 提供的多來源即時網頁搜尋、FAL.ai 的圖片與影片生成(支援 Seedance 2.0 等熱門模型)、Google 全家桶(Gmail、Calendar、Drive、Docs)以及 Notion。Google 串接需在 Google Cloud 建立專案、啟用對應 API、設定 OAuth 憑證並將自己加入測試用戶;Notion 串接則透過一行 echo 指令將 API 金鑰寫入系統設定檔。Skills 系統讓重複性工作流程可被預先定義成 SOP 腳本,例如收到收據照片時自動裁切、OCR 辨識並填入 Google 試算表;Subagent 則讓 Hermes 可以同時派出多個子代理並行調查不同平台或執行不同任務,最後彙整成單一報告或儀表板。排程功能可設定每日固定時段推送晨報、日文單字,或自動備份資料到雲端硬碟,確保即使主機故障,技能與記憶也能從備份中完整還原。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。