KeyFrame內部研究專用

這可能是最適合新手入門的開源 AI Agent:Hermes Desktop 全面解析

李哈利AI·6月8日週一·14 min中文

三句話摘要

Hermes Agent Desktop APP 的完整設置和功能使用指南。 Hermes Agent Desktop APP 透過直觀界面和細緻配置,使任何用戶都能輕鬆構建個性化的多模型、多平台 AI 工作流系統。 Desktop APP 相比終端機操作大幅降低使用門檻,特別適合初學者,講者稱其為「和最新 AI Agent 互動的最強方式」。它整合多個大模型、消息平台和自動化工具,徹底改變了過往龍蝦類工具的使用體驗。

重點整理

重點
  • 1

    Desktop APP 相比終端機操作大幅降低使用門檻,特別適合初學者,講者稱其為「和最新 AI Agent 互動的最強方式」。它整合多個大模型、消息平台和自動化工具,徹底改變了過往龍蝦類工具的使用體驗。

  • 2

    架構採模組化設計,用戶可根據實際需求啟用或禁用 Skills 和 Tools,避免浪費 Token 和上下文窗口。講者建議關閉不常用的功能(如 iMessage、Apple Notes),保留實際工作所需的功能。

  • 3

    模型選擇靈活且細緻化,主模型可設為 Claude 或 GPT,但針對特定任務(如圖片分析)可臨時切換至更專長的模型(如 ChatGPT 或 Gemini),實現成本與性能的最優平衡。

  • 4

    多平台消息集成和遠程執行能力強大,用戶可在手機 Telegram 上遠程操作,或配置 Remote Gateway 讓電腦關機時 Cron Jobs 仍在服務器執行,實現全天候自動化工作流。

實用技巧與重點

乾貨
  • 下載安裝
  • 官方網站下載 APP(需驗證官方網址,防釣魚連結)
  • 支援系統:macOS、Windows
  • 模型連接
  • 支援模型:ChatGPT、Claude、Gemini、DeepSeek 等
  • 推薦配置:主模型 Claude 4.8 或 GPT 5.5;圖片分析用 ChatGPT 5.5;視頻生成用 Gemini
  • 消息平台集成
  • 支援平台:Telegram、Discord、Slack、WhatsApp、微信公眾號、QQ Bot、飛書、Line
  • Telegram 連接步驟
  • Bot Father 建立新 Bot → 複製 API Key → 粘貼到 Gateway 設置 → 輸入 Telegram User ID(可自動獲取)
  • Skills 與 Tools
  • 預設 Skills:iMessage、Apple Notes、Apple Reminder 等(建議關閉不用的功能)
  • 可用 Tools:Cron Jobs、Code Execution、Image Generation、Video Generation、API 集成、MCP
  • Settings 主要配置項
  • Appearance:顏色主題(如 Mono 暗色)
  • Model Selection:主模型與任務特定模型
  • Chat Style:對話風格選擇
  • Memory Compression Threshold:建議設為 0.5
  • Gateway:Local(需電腦開啟)或 Remote(服務器執行)
  • API Keys:安全粘貼,避免對話框外洩
  • Cron Jobs 設置
  • 指定任務名稱、提示詞、觸發頻率(每天、每周、每小時、每 15 分鐘)
  • 消息送達方式:Desktop、Telegram、Email
  • 應用場景:每天早上爬取新聞、定時檢查 Email 等

結論

結論

Hermes Agent Desktop APP 透過直觀界面和細緻配置,使任何用戶都能輕鬆構建個性化的多模型、多平台 AI 工作流系統。

完整解析

詳細

Hermes Agent 最近推出官方 Desktop APP,相比過去需要在終端機中操作的方式,大幅簡化了使用流程。講者強調這是與最新 AI Agent 互動的「最強方式」,對從初學者到專業用戶都具有重要價值。

下載與初始設置 用戶需從官方網站下載 APP,講者特別警示要確認網址的正當性,因為市場上存在許多釣魚連結會誘導下載包含後門的惡意軟體。下載後直接安裝,支援 macOS 和 Windows。安裝完成後,APP 會要求連接至一個大模型(ChatGPT、Claude、Gemini 等),完成連接即可開始使用。進入 APP 後的界面設計簡潔,左側為 Section 列表,中央為對話區域。

配置最佳化 講者建議首先進入 Settings 進行初始配置。在外觀方面,可選擇色彩主題(講者偏好 Mono 暗色主題)。在模型選擇方面,可設定主模型和為特定任務分配專用模型。例如,講者設置主模型為 Claude 4.8 和 GPT 5.5,但當進行圖片分析時會自動切換至 ChatGPT 5.5(其圖片識別能力更強),平時則保持使用主模型。這種分層設計能夠在保持效率的同時優化成本。

消息平台整合 該 APP 一大亮點是支援多個消息平台集成(Telegram、Discord、Slack、WhatsApp、微信公眾號、QQ Bot、飛書、Line 等)。以 Telegram 為例,用戶需在 Telegram 中找到 Bot Father 建立新的 Bot,複製獲得的 API Key,粘貼至 APP 的 Gateway 設置,再輸入自己的 Telegram User ID(可通過 APP 自動獲取)。連接完成後,用戶即可在手機 Telegram 中遠程操作 Hermes Agent,實現隨時隨地的交互。

Skills 和 Tools 管理 APP 預設安裝了多個 Skills(如 iMessage、Apple Notes 等),講者建議關閉不常用的功能以節省 Token 消耗和上下文窗口。Tools 功能包括 Cron Jobs(定時任務觸發器)、Code Execution、Image Generation 和 Video Generation 等。用戶可根據需求啟用不同的工具,例如選用 ChatGPT 生成圖片或 Gemini 生成視頻。

自動化工作流與遠程執行 Cron Jobs 功能允許用戶設置定時工作流。例如可設定每天早上自動爬取新聞或定時檢查 Email。設置時需指定任務名稱、提示詞、觸發頻率(每天、每周、每小時、每 15 分鐘等)、消息送達方式(Desktop、Telegram、Email)和執行時間。若將 Gateway 配置為 Remote(遠程),即使電腦關機,定時任務仍能在服務器上執行,實現 24 小時自動化。

安全性與進階配置 在安全方面,APP 提供了改進的 API Key 管理機制。與過去直接在對話框告訴大模型 API Key 的不安全方式不同,新 APP 允許用戶在 Settings 中直接粘貼 API Key,避免敏感信息暴露。Memory 設置中,講者建議將 Compression Threshold 設為 0.5 以獲得更好的對話效果。整體架構通過模組化設計、靈活的模型分配和強大的自動化功能,為用戶提供了完整的 AI Agent 生態系統。

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

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。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。