KeyFrame內部研究專用

龍蝦涼了!會不斷進化的 AI Agent|Hermes Agent 完整安裝教學

Wilson威爾森實驗室·4月11日週六·12 min中文

三句話摘要

從零部署 Ermes Agent 到 VPS 並透過 Telegram 控制,附 OpenCloud 一鍵遷移示範。 Ermes Agent 的核心價值在於「自我成長」,搭配一鍵遷移與自動依賴安裝,讓原本在 OpenCloud 累積的工具與記憶可零成本平移,同時獲得更高的執行穩定性與自動化深度。 Ermes 與 OpenCloud 設計哲學根本不同:OpenCloud 以 Gateway 為核心、Skills 由人工維護;Ermes 則從每次任務自動提取經驗、自動生成 Skills,跑越久越聰明,無需手動維護。

重點整理

重點
  • 1

    Ermes 與 OpenCloud 設計哲學根本不同:OpenCloud 以 Gateway 為核心、Skills 由人工維護;Ermes 則從每次任務自動提取經驗、自動生成 Skills,跑越久越聰明,無需手動維護。

  • 2

    V0.8.0 三大核心升級:背景任務自動推送通知(Telegram/Discord)、對話中即時切換模型並自動備援、自我修復五種工具呼叫失敗模式,讓執行穩定性大幅提升。

  • 3

    遷移成本極低:安裝精靈啟動後選擇匯入,Ermes 會自動複製 OpenCloud 的所有工具、Skills 與部分設定,記憶也一併遷移,舊有人格與應對風格幾乎無縫延續。

  • 4

    適用族群有別:需要高度手動控制、已有大量 TypeScript 生態的用戶適合留在 OpenCloud;追求自動化、快速上手、模型切換靈活的用戶更適合 Ermes。

實用技巧與重點

乾貨
  • GitHub Stars:54,000(截至影片製作時)
  • 當前版本:V0.8.0(Intelligence Release)
  • 開發方:News Research,2026 年 2 月開源
  • OpenCloud 開發者:Peter Sandberg(奧地利),後加入 OpenAI,專案移交社群基金會
  • 自動安裝依賴:Python 3.1、Node.js、FFmpeg
  • 示範模型:Minimax M2.7
  • 通知平台:Telegram、Discord
  • 遷移指令:官方提供一鍵從 OpenCloud 遷移的指令(Setup Wizard 中選 Y 匯入)
  • Telegram 設定流程:BotFather → `/newbot` → 取得 Token → `ermesGatewaySetup` 貼入 Token 與 User ID
  • 新功能亮點:Google AI Studio 原生支援、危險指令一鍵授權按鈕、LLM Wiki 知識庫 Skill
  • 部署方式:VPS + SSH,Git 版本需確認(示範版本 2.43)

結論

結論

Ermes Agent 的核心價值在於「自我成長」,搭配一鍵遷移與自動依賴安裝,讓原本在 OpenCloud 累積的工具與記憶可零成本平移,同時獲得更高的執行穩定性與自動化深度。

完整解析

詳細

Ermes Agent 是一個由法國團隊 News Research 於 2026 年 2 月獨立開源的 AI Agent 框架,與奧地利開發者 Peter Sandberg 所做的 OpenCloud 是完全不同的兩個專案。兩者雖然功能領域重疊,但設計哲學截然不同:OpenCloud 以中央 Gateway 管控所有 Agent 路由,Skills 需要開發者手動撰寫與維護;Ermes 則採自學習架構,每次任務執行後自動提取經驗並生成 Skills,系統會隨使用時間持續進化,不需要人工介入維護。

最新的 V0.8.0「Intelligence Release」帶來三項關鍵升級。首先是背景任務通知機制,用戶下達耗時指令後可繼續做其他事,任務完成時 Ermes 會自動推送通知到 Telegram 或 Discord。其次是即時模型切換與自動備援,當主要模型掛掉時系統自動切換備用模型且不中斷對話,解決了 OpenCloud 使用者常見的卡頓痛點。第三是工具呼叫自我優化,Ermes 自行整理並修復了五種工具呼叫失敗的模式,大幅提升執行穩定性。此外,V0.8.0 還支援 Google AI Studio 原生資源、Telegram/Discord 按鈕切換模型、危險指令一鍵授權,以及 LLM Wiki 知識庫 Skill 等進階功能。

影片核心示範了完整的部署流程。講者透過 SSH 連入 VPS 後,確認 Git 版本(2.43),接著執行官方提供的一鍵安裝指令,安裝精靈會自動安裝 Python 3.1、Node.js、FFmpeg 等所有依賴,完全免手動配置。安裝過程中,精靈詢問是否要從 OpenCloud 匯入現有設定,選擇 Y 後,系統便自動複製所有工具清單、Skills,連同 OpenCloud 的記憶與對話風格一併遷移,整個過程「一鍵滑順」,幾乎感覺不到換了系統。

Telegram 串接部分,講者在 BotFather 建立新 Bot(命名為 Wilson Ermes Agent),取得 Token 後回到 VPS 執行 `ermesGatewaySetup`,貼入 Token 與 Telegram User ID,重啟 Gateway 即完成綁定。測試時 Bot 立即回應,並因記憶從 OpenCloud 遷移,第一句話便報上之前設定的身份與工作範疇,示範了記憶連續性的實際效果。講者建議,若追求自動化、快速上手、模型切換靈活,Ermes 是比 OpenCloud 更深一階的選擇;若已深度投入 TypeScript 生態或需高度手動控制,OpenCloud 依然適用。

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。