目录
- Hermes Agent 白皮书 —— 养马从入门到精通
◦ 作者：鲲鹏Talk
▪ 2026年4月 · 第一版
◦ 完整目录
◦ 关于作者
◦ 版本说明
▪ 当前版本
▪ 更新日志
▪ 许可协议
◦ 这本书是写给谁的
▪ 第一类：AI Agent 小白入门者
▪ 第二类：开发者与技术爱好者
▪ 第三类：创业者与独立开发者
▪ 第四类：投研人员与行业分析师
▪ 第五类：企业用户与技术决策者
◦ 如何阅读本书
▪ 路线一：快速入门路线（预计 3-4 小时）
▪ 路线二：深度技术路线（预计 15-20 小时）
▪ 路线三：变现赚钱路线（预计 8-10 小时）
▪ 路线四：从 OpenClaw 迁移路线（预计 6-8 小时）
◦ 完整目录
◦ 导读：为什么要读这本书
2◦ 致谢
- 第一册：前言与概述
◦ 1. 为什么写这本白皮书
▪ 1.1 AI Agent 时代已来，但大多数人还在门外观望
▪ 1.2 市面上的教程碎片化严重，缺乏系统性
▪ 1.3 从”养虾”到”养马”的转变，需要一本完整指南
▪ 1.4 本书的定位：不是技术论文，是你的 AI 伙伴养成手册
▪ 1.5 这本书的独特之处
◦ 2. Hermes Agent 是什么——一句话说清楚
▪ 2.1 用最通俗的语言解释 Hermes Agent
▪ 2.2 它和 ChatGPT、Claude 等产品的区别
▪ 2.3 它和 AutoGPT、MetaGPT 等框架的区别
▪ 2.4 核心概念：会自我学习、自我进化的本地 AI 助手
◦ 3. 为什么选择 Hermes 而不是其他框架
▪ 3.1 2026 年 AI Agent 市场格局概览
▪ 3.2 Hermes 的五大核心优势
▪ 优势一：记忆自动归档
▪ 优势二：自主创建 Skill
▪ 优势三：技能自我进化
▪ 优势四：按需检索
▪ 优势五：用户建模
▪ 3.3 和 OpenClaw 的定位差异
▪ 3.4 适合什么样的人
◦ 4. 本书内容架构与阅读建议
▪ 4.1 全书 16 册概览
▪ 4.2 不同读者推荐的阅读路线
▪ 4.3 学习方法建议：边学边练、先跑通再深入
◦ 5. 开源社区与学习资源前瞻
▪ 5.1 官方资源快速导航
▪ 5.2 中文社区现状
▪ 5.3 如何参与贡献
◦ 6. 术语表与约定
▪ 6.1 本书常用术语解释
▪ 6.2 代码约定
▪ 6.3 符号约定
3◦ 本章小结
- 第二册：AI-Agent 行业全景
◦ 1. 什么是 AI Agent——从概念到落地
▪ 1.1 AI Agent 的学术定义与通俗理解
▪ 1.2 Agent 与传统 AI 工具的本质区别
▪ 1.3 感知-推理-行动-学习 闭环模型
▪ 1.4 Agent 的分类：单体 Agent、多 Agent 系统、自主 Agent
◦ 2. AI Agent 发展简史（2022-2026）
▪ 2.1 2022：ChatGPT 引爆大模型革命
▪ 2.2 2023：AutoGPT 掀起 Agent 热潮
▪ 2.3 2024：工具调用成熟、RAG 架构普及、Multi-Agent 系统涌现
▪ 2.4 2025：OpenClaw 横空出世、MCP 协议标准化、个人 AI 助手元年
▪ 2.5 2026：Hermes Agent 崛起、自学习 Agent 时代开启
▪ 2.6 每个阶段的关键项目分析小结
◦ 3. 2025-2026 AI Agent 行业格局
▪ 3.1 主流 Agent 框架全景图
▪ 3.2 详细对比表格
▪ 3.3 开源 vs 闭源、本地 vs 云端的趋势分析
◦ 4. 大模型底座的选择与影响
▪ 4.1 主流 LLM 对比
▪ 4.2 模型能力与 Agent 表现的关系
▪ 4.3 成本分析
▪ 4.4 开源模型 vs 闭源模型对 Agent 生态的影响
◦ 5. MCP 协议：Agent 世界的 USB-C
▪ 5.1 MCP 诞生背景与设计理念
▪ 5.2 MCP 如何统一工具调用标准
▪ 5.3 6000+ 服务的生态爆发
▪ 5.4 MCP 对 Hermes 和 OpenClaw 的不同意义
◦ 6. AI Agent 商业化与变现趋势
▪ 6.1 个人超级个体：AI 赋能单人创业
▪ 6.2 企业内部效率工具
▪ 6.3 开发者生态与技能市场
▪ 6.4 投研自动化、内容自动化等垂直领域
◦ 7. 中国 AI Agent 生态特色
▪ 7.1 国产大模型的崛起
4▪ 7.2 中文社区的特殊需求与玩法
▪ 7.3 本土化部署与合规考量
▪ 7.4 飞书、微信等国内平台的集成优势
◦ 8. 本章小结与展望
▪ 8.1 本章核心内容回顾
▪ 8.2 对 2026-2027 年的展望
▪ 8.3 给读者的行动建议
- 第三册：Hermes 诞生与演进
◦ 本章你将学到
◦ 1. Nous Research：Hermes 背后的公司
▪ 1.1 一家不走寻常路的 AI 公司
▪ 1.2 6500 万美元融资背后的故事
▪ 1.3 核心团队与技术实力
▪ 1.4 开源理念与商业模式的平衡
▪ 1.5 Nous 的其他产品线
◦ 2. “缰绳工程”（Harness Engineering）理念
▪ 2.1 什么是缰绳工程——用通俗的比喻解释
▪ 2.2 传统 Prompt Engineering 的局限性
▪ 2.3 缰绳工程的核心哲学
▪ 2.4 缰绳工程如何影响了 Hermes 的设计
◦ 3. OpenClaw 的成功与局限
▪ 3.1 OpenClaw 的诞生故事
▪ 3.2 OpenClaw 为什么能拿到 309k Stars
▪ 3.3 OpenClaw 的核心优势
▪ 3.4 OpenClaw 的痛点
▪ 3.5 “养虾”文化的形成
◦ 4. 从 OpenClaw 到 Hermes：进化之路
▪ 4.1 Hermes 解决了 OpenClaw 的哪些痛点
▪ 4.2 核心区别对比
▪ 4.3 为什么说 Hermes 是 OpenClaw 的”进阶版本”
▪ 4.4 数据迁移支持：一键迁移
▪ 4.5 “养马”文化的兴起
◦ 5. 两个月 104,791 Stars 的爆发之路
▪ 5.1 发布时间线与里程碑事件
▪ 5.2 社区反响与技术媒体评价
5▪ 5.3 与其他项目增长速度对比
▪ 5.4 为什么 Hermes 能如此快速增长
◦ 6. “养马” vs “养虾”：社区文化解读
▪ 6.1 命名隐喻的来历
▪ 6.2 两个社区的文化差异
▪ 6.3 从竞争到互补的关系演变
▪ 6.4 社区用语指南
◦ 7. Hermes 的版本演进与路线图
▪ 7.1 当前版本特性概览
▪ 7.2 已知的未来规划
▪ 7.3 社区呼声最高的功能请求
▪ 7.4 生态发展预测
◦ 本章小结
- 第四册：核心架构深度解析
◦ 本章你将学到
◦ 1. 架构总览：五层设计哲学
▪ 1.1 为什么要了解架构
▪ 1.2 五层架构概览
▪ 1.3 每层一句话总结
▪ 1.4 与传统 Agent 架构的对比
◦ 2. Layer 1: 入口与编排层（HermesCLI + GatewayRunner）
▪ 2.1 CLI 入口的设计理念
▪ 2.2 GatewayRunner 的作用
▪ 2.3 命令解析流程
▪ 2.4 多入口共存的设计选择
◦ 3. Layer 2: Agent 核心层（对话循环与预算机制）
▪ 3.1 同步对话循环的工作原理
▪ 3.2 预算机制：防止 Agent 失控的安全阀
▪ 3.3 Token 计数与成本控制
▪ 3.4 上下文窗口管理策略
▪ 3.5 错误恢复与重试机制
◦ 4. Layer 3: 工具与注册层（ToolRegistry 与自注册）
▪ 4.1 ToolRegistry 单例模式详解
▪ 4.2 工具自注册机制
▪ 4.3 47 个内置工具的分类架构
6▪ 4.4 工具调用的安全审批流程
▪ 4.5 自定义工具的扩展接口
◦ 5. Layer 4: 状态与持久化层（SQLite + MEMORY.md + Cron）
▪ 5.1 SQLite 数据库设计与 FTS5 全文索引
▪ 5.2 MEMORY.md 的结构与管理
▪ 5.3 USER.md 用户画像存储
▪ 5.4 Cron 定时任务调度器
▪ 5.5 数据备份与恢复策略
◦ 6. Layer 5: 平台适配层（15+ 平台、6 种终端后端）
▪ 6.1 平台适配器的设计模式
▪ 6.2 6 种终端后端的选择与配置
▪ 6.3 消息格式转换与统一接口
▪ 6.4 平台特性的处理
- Telegram 适配器 → 直接发送 Markdown
- 微信适配器 → 转换为纯文本（或图文消息）
- 飞书适配器 → 转换为富文本卡片
◦ 7. 自学习闭环：Hermes 的灵魂
▪ 7.1 完整闭环流程详解：执行 → 评估 → 创建 → 改进
▪ 7.2 触发条件详解
▪ 7.3 技能的四个信任等级
▪ 7.4 Skill 自动生成的算法逻辑
▪ 7.5 技能进化的版本管理
▪ 7.6 社区实测数据：重复任务成功率提升 30%+
▪ 7.7 与强化学习的类比
◦ 8. 记忆系统架构：四层温度模型
▪ 8.1 热记忆（即时）：当前会话上下文
▪ 8.2 温记忆（持久）：MEMORY.md + USER.md
▪ 8.3 冷记忆（检索）：SQLite + FTS5 + LLM 摘要
▪ 8.4 外部记忆（扩展）：Honcho、Mem0 等 8 种
▪ 8.5 记忆的生命周期管理
▪ 8.6 隐私保护：纯本地存储的安全优势
◦ 9. Honcho 用户建模模块
▪ 9.1 Honcho 是什么
▪ 9.2 行为模式推导机制
▪ 9.3 工作习惯分析
7▪ 9.4 自适应回复风格调整
▪ 9.5 配置与调优
◦ 10. 安全架构
▪ 10.1 命令审批机制
▪ 10.2 沙箱执行环境
▪ 10.3 API Key 安全存储
▪ 10.4 权限最小化原则
▪ 10.5 与 OpenClaw 分级沙箱的对比
◦ 11. 性能与可扩展性
▪ 11.1 Python 轻量架构的优势
▪ 11.2 资源占用基准
▪ 11.3 并发处理能力
▪ 11.4 大规模记忆数据的性能表现
▪ 11.5 扩展方向：插件机制、模块化拆分
◦ 12. 系统设计哲学总结
▪ 12.1 简单优于复杂
▪ 12.2 本地优先，隐私至上
▪ 12.3 自动化一切可自动化的事
▪ 12.4 越用越聪明，而不是越用越笨
▪ 12.5 对开发者友好的可扩展设计
◦ 本章小结
- 第五册：安装部署全攻略 —— 保姆级部署指南，让 Hermes 在你的机器上跑起来
◦ 1. 安装前的准备工作
▪ 1.1 系统要求总览
▪ 最低配置要求
▪ 推荐配置
▪ 类比理解
▪ 1.2 网络环境检查与代理配置
▪ 网络连通性自检
▪ 国内用户的代理配置指南
▪ npm/yarn 镜像源配置
▪ 1.3 必备前置软件清单
▪ 前置软件总览
▪ Python 3.11+ 的安装与验证
▪ Node.js v22+ 的安装与验证
8▪ Git 的安装与验证
▪ 1.4 安装前自检清单（Checklist）
▪ 硬件与环境检查
▪ 软件检查
▪ 权限检查
▪ 国内用户额外检查
▪ 信息准备
◦ 2. 方式一：本地常规部署（推荐小白起步）
▪ 2.1 macOS 安装全流程
▪ 第一步：安装或更新 Homebrew
▪ 第二步：安装 Python 3.11
▪ 进阶：使用 pyenv 管理 Python 版本（强烈推荐）
▪ 第三步：安装 Node.js v22
▪ 第四步：安装 Git
▪ 第五步：运行 Hermes 一键安装脚本
▪ 第六步：验证安装
▪ 2.2 Linux 安装全流程（Ubuntu 22.04 为例）
▪ 第一步：系统更新与依赖安装
▪ 第二步：安装 Python 3.11
▪ 第三步：安装 pyenv（推荐）
▪ 第四步：安装 Node.js v22
▪ 第五步：运行 Hermes 安装脚本
▪ 第六步：验证安装
▪ 2.3 Windows WSL2 安装全流程
▪ 第一步：安装 WSL2
▪ 第二步：配置 Ubuntu 22.04
▪ 第三步：在 WSL 中安装 Hermes
▪ 第四步：Windows 文件系统访问与权限处理
◦ 3. 方式二：Docker 容器化部署
▪ 3.1 Docker Desktop 安装
▪ macOS 安装 Docker Desktop
▪ Windows 安装 Docker Desktop
▪ Linux 安装 Docker Desktop
▪ 3.2 拉取 Hermes 官方镜像
9▪ 3.3 容器运行与数据持久化
▪ 基础运行命令
▪ 数据持久化详解
▪ 3.4 Docker Compose 方式（适合多服务编排）
▪ 3.5 容器管理常用命令
▪ 3.6 容器化的优缺点分析
▪ 优点
▪ 缺点
◦ 4. 方式三：VPS 云服务器部署
▪ 4.1 推荐 VPS 提供商
▪ 海外 VPS 推荐
▪ 国内云服务器推荐
▪ 4.2 服务器选型指南
▪ 4.3 SSH 连接与安全配置
▪ 首次连接服务器
▪ 基础安全配置
▪ 4.4 在 VPS 上安装 Hermes
▪ 4.5 后台运行配置
▪ 方式一：screen（最简单）
▪ 方式二：tmux（功能更强大）
▪ 4.6 域名绑定与反向代理（可选）
▪ 前提条件
▪ 安装和配置 Nginx
▪ 4.7 自动启动配置（systemd）
▪ 日志轮转配置（防止日志占满磁盘）
◦ 5. 方式四：无服务器部署（进阶）
▪ 5.1 Modal 部署方式
▪ 准备工作
▪ 部署 Hermes 到 Modal
▪ 5.2 Daytona 部署方式
▪ 准备工作
▪ 创建 Hermes 开发环境
▪ 5.3 适用场景与成本分析
▪ 各种部署方式的成本对比
▪ 选择建议
10◦ 6. ~/.hermes/ 目录结构详解
▪ 6.1 完整目录树
▪ 6.2 每个文件和文件夹的用途详解
▪ config.yaml —— 主配置文件
▪ SOUL.md —— Agent 人设定义
▪ MEMORY.md —— 全局记忆文件
▪ USER.md —— 用户信息文件
▪ skills/ 目录
▪ cron/ 目录
▪ database/ 目录
▪ logs/ 目录
▪ 6.3 目录结构总结表
◦ 7. 运行状态自检与排障
▪ 7.1 hermes version 版本检查
▪ 7.2 hermes doctor 系统诊断详解
▪ 每个检查项说明
▪ 7.3 常见错误与解决方案
▪ 问题 1：Python 版本冲突
▪ 问题 2：Node.js 版本不对
▪ 问题 3：网络连接失败 / GitHub 无法访问
▪ 问题 4：权限问题（Permission Denied）
▪ 问题 5：依赖安装失败
▪ 问题 6：API Key 配置错误（Provider error: invalid key）
▪ 问题 7：端口占用
▪ 问题 8：磁盘空间不足
▪ 问题 9：数据库损坏
▪ 问题 10：Hermes 命令找不到（Command not found）
▪ 问题 11：Windows 上提示 “bad interpreter”（未使用 WSL2）
▪ 问题 12：WSL2 中文件权限混乱
▪ 问题 12：Docker 容器无法访问主机文件
▪ 问题 13：定时任务不执行
▪ 问题 14：代理配置导致国内服务访问慢
▪ 问题 15：升级后配置不兼容
11◦ 8. 安装后的基本配置
▪ 8.1 初次运行 Quick Setup 向导详解
▪ 步骤 1：选择语言
▪ 步骤 2：选择 LLM 后端
▪ 步骤 3：输入 API Key
▪ 步骤 4：选择默认模型
▪ 步骤 5：配置分层模型（可选）
▪ 步骤 6：完成配置
▪ 8.2 配置完成后的额外优化
▪ 8.3 环境变量配置
▪ 常用环境变量
▪ 永久设置环境变量
▪ 8.3 代理/镜像源配置（国内用户必看）
▪ pip 国内镜像源
▪ npm 国内镜像源
▪ GitHub 加速
▪ LLM API 国内直连优化
▪ 8.4 性能调优与资源限制
▪ 数据库性能优化
▪ 内存使用控制
▪ 并发任务限制
◦ 9. 卸载与重装
▪ 9.1 完整卸载步骤
▪ 步骤 1：备份数据（强烈建议）
▪ 步骤 2：卸载 Hermes 包
▪ 步骤 3：删除数据目录
▪ 步骤 4：清理残留
▪ 9.2 数据备份与恢复
▪ 自动备份脚本
▪ 恢复备份
▪ 9.3 版本升级方法
▪ 通过 pip 升级
▪ 通过 Git 升级（如果从源码安装）
▪ 通过 Docker 升级
▪ 升级前检查
12◦ 本章小结
- 第六册：基础使用入门 —— 从零开始，掌握 Hermes 的日常操作
◦ 1. 首次运行：Quick Setup 向导
▪ 1.1 启动 hermes 命令
▪ 1.2 向导每一步的详细说明
▪ 步骤 1：欢迎界面
▪ 步骤 2：选择界面语言
▪ 步骤 3：选择 LLM 后端
▪ 模型选择策略详解
▪ 步骤 4：获取和输入 API Key
▪ 步骤 5：选择默认模型
▪ 步骤 6：配置完成
▪ 1.3 配置完成后的验证测试
◦ 2. 对话模式详解
▪ 2.1 基本对话入门
▪ 2.2 多轮对话的上下文管理
▪ 2.3 对话中使用工具
▪ 2.4 对话中的高效提问技巧
▪ 2.5 对话历史的存储与检索
▪ 2.5 退出与恢复对话
◦ 3. 常用命令速查大全
▪ 3.1 hermes（开启对话）
▪ 3.2 hermes chat 相关命令
▪ 3.3 hermes model（模型管理）
▪ 3.4 hermes tools（工具配置）
▪ 3.5 hermes gateway（消息网关）
▪ 3.6 hermes setup（重新配置）
▪ 3.7 hermes doctor（系统诊断）
▪ 3.8 hermes status（状态查看）
▪ 3.9 hermes migrate（数据迁移）
▪ 3.10 hermes skills（技能管理）
▪ 3.11 hermes cron（定时任务）
▪ 3.12 其他常用命令
◦ 4. 斜杠命令系统
▪ 4.1 /help 帮助
13▪ 4.2 /model 切换模型
▪ 4.3 /memory 查看记忆
▪ 4.4 /skills 管理技能
▪ 4.5 /compact 压缩上下文
▪ 4.6 /clear 清除上下文
▪ 4.7 /export 导出对话
▪ 4.8 其他斜杠命令
◦ 5. 模型接入与切换
▪ 5.1 支持的 LLM 提供者完整列表
▪ 5.2 各提供者的接入方法
▪ Nous Portal（官方统一订阅）
▪ OpenAI（GPT-5 / GPT-4o / o1）
▪ Anthropic（Claude 3.5 Sonnet / Opus）
▪ DeepSeek
▪ Kimi（Moonshot）
▪ OpenRouter（一 Key 多用）
▪ 本地模型（Ollama）
▪ 其他国产模型
▪ 5.3 hermes model 命令详解
▪ 5.4 模型切换的实际效果对比
▪ 5.5 模型选择建议（按任务类型推荐）
▪ 5.6 模型费用监控与预算管理
▪ 实时费用查看
▪ 设置月度预算预警
▪ 费用优化 checklist
◦ 6. 分层模型配置（省钱秘笈）
▪ 6.1 config.yaml 模型配置详解
▪ 6.2 核心逻辑用强模型、基础执行用便宜模型
▪ 6.3 Fallback 链机制详解
▪ 6.4 实测成本降低 50%-70% 的配置方案
▪ 6.5 不同预算的推荐配置
◦ 7. SOUL.md 人设配置
▪ 7.1 什么是 SOUL.md
▪ 7.2 编写有效的 SOUL.md（模板 + 示例）
14▪ 7.3 不同场景的人设配置
▪ 场景 1：投研分析师
▪ 场景 2：编程助手
▪ 场景 3：写作助手
▪ 场景 4：客服助手
▪ 7.4 让 Agent 自动更新 SOUL.md 的方法
▪ 7.5 常见人设配置错误与纠正
▪ 错误 1：写得太多太杂
▪ 错误 2：指令互相矛盾
▪ 错误 3：过度限制
▪ 错误 4：不写「身份」部分
▪ 7.6 SOUL.md 的调试与验证技巧
▪ 验证 SOUL.md 是否生效
▪ 常见问题和修复
▪ SOUL.md 迭代优化法
◦ 8. 第一个实战练习
▪ 练习 1：让 Hermes 帮你搜索和总结一篇新闻
▪ 练习 2：让 Hermes 帮你写一段代码
▪ 9.4 更多常见误区
▪ 误区 4：忽视 SOUL.md 的作用
▪ 误区 5：所有任务都用最强模型
▪ 误区 6：不及时清理对话历史
▪ 误区 7：在公共环境中暴露 API Key
▪ 误区 8：不信任工具执行的安全提示
▪ 9.5 最佳实践清单（10 条）
◦ 官方入门工作流示例
▪ 工作流 1：笔记本编程助手（审计仓库死代码）
▪ 工作流 2：$5 VPS 上的 Telegram 机器人
◦ 本章小结
- 第七册：三层记忆系统详解
◦ 1. 为什么记忆系统是 Hermes 的核心竞争力
▪ 1.1 Agent 没有记忆会怎样——上下文爆炸的痛苦
▪ 1.2 传统 Agent 的记忆方案及其局限
▪ 1.3 Hermes 记忆系统的设计哲学：让 AI 像人一样记忆
▪ 1.4 三层记忆 vs 传统方案的优势对比
15◦ 2. 总览：四层温度记忆模型
▪ 2.1 热记忆（即时）—— 当前会话上下文
▪ 2.2 温记忆（持久）—— MEMORY.md + USER.md
▪ 2.3 冷记忆（检索）—— SQLite + FTS5 + LLM 摘要
▪ 2.4 外部记忆（扩展）—— Honcho、Mem0 等
▪ 2.5 各层的容量、速度、成本对比表
▪ 2.6 类比：就像人的短期记忆、长期记忆、笔记本、图书馆
◦ 3. 第一层：会话记忆（热记忆）
▪ 3.1 会话上下文的工作原理
▪ 3.2 Token 窗口管理策略
▪ 3.3 /compact 命令：智能压缩上下文
▪ 3.4 上下文溢出时的处理机制
▪ 3.5 最佳实践：如何让单次会话效率最高
◦ 4. 第二层：持久记忆（温记忆）
▪ 4.1 MEMORY.md 文件详解
▪ 4.1.1 文件结构与格式
▪ 4.1.2 自动写入机制
▪ 4.1.3 手动编辑方法
▪ 4.1.4 容量限制（~2200字符）与管理策略
▪ 4.1.5 实际 MEMORY.md 示例
▪ 4.2 USER.md 文件详解
▪ 4.2.1 用户画像的自动建模
▪ 4.2.2 记录哪些信息
▪ 4.2.3 容量限制（~1375字符）
▪ 4.2.4 如何查看和编辑
▪ 4.2.5 实际 USER.md 示例
▪ 4.3 持久记忆的读取时机与优先级
◦ 5. 第三层：检索记忆（冷记忆）
▪ 5.1 SQLite 数据库架构详解
▪ 5.1.1 表结构设计
▪ 5.1.2 存储的数据类型
▪ 5.1.3 数据量增长估算
▪ 5.2 FTS5 全文索引
▪ 5.2.1 什么是 FTS5（通俗解释）
▪ 5.2.2 索引建立过程
16▪ 5.2.3 检索速度与效果
▪ 5.2.4 与传统全文搜索的对比
▪ 5.3 按需检索机制
▪ 5.3.1 新对话时不再全量加载
▪ 5.3.2 根据当前话题智能检索
▪ 5.3.3 只提取相关片段
▪ 5.3.4 API 调用成本大幅降低
▪ 5.4 LLM 摘要生成
▪ 5.4.1 自动生成会话摘要
▪ 5.4.2 摘要的存储与索引
▪ 5.4.3 摘要质量的影响因素
◦ 6. 外部记忆扩展
▪ 6.1 Honcho 模块详解
▪ 6.1.1 Honcho 的设计理念
▪ 6.1.2 行为模式推导机制
▪ 6.1.3 安装与配置方法
- 3. 重启 Hermes
- 4. 重启 Hermes
◦ 6.4 其他 5 种外部记忆方案
◦ 6.5 选择建议：什么场景用什么方案
◦ 7. 记忆管理实战
▪ 7.1 /memory 命令系列详解
▪ /memory show —— 查看当前记忆状态
▪ /memory add —— 手动添加记忆
▪ /memory remove —— 删除记忆
▪ /memory edit —— 编辑记忆
▪ /memory search —— 搜索记忆
▪ /memory export —— 导出记忆
▪ /memory import —— 导入记忆
▪ /memory compact —— 压缩记忆文件
▪ /memory clear —— 清空记忆
▪ 7.2 查看当前记忆状态
▪ 7.3 手动添加/删除/修改记忆
▪ 7.4 记忆搜索与检索
▪ 7.5 记忆导出与备份
17▪ 7.6 记忆清理与维护
▪ 7.7 定期维护建议
◦ 8. SOUL.md 深度配置
▪ 8.1 SOUL.md 与记忆系统的关系
▪ 8.2 高效 SOUL.md 模板大全
▪ 模板一：投研助手
▪ 模板二：编程助手
▪ 模板三：写作助手
▪ 模板四：客服助手
▪ 模板五：个人助理
▪ 8.3 让 Agent 自动优化 SOUL.md 的技巧
▪ 8.4 SOUL.md 的版本管理
◦ 9. 隐私与安全
▪ 9.1 纯本地存储的安全优势
▪ 9.2 数据加密选项
- 设置环境变量
◦ 9.3 敏感信息过滤机制
◦ 9.4 数据备份加密方案
◦ 9.5 与云端记忆方案的隐私对比
◦ 10. 高级配置与调优
▪ 10.1 记忆相关 config.yaml 参数详解
▪ 10.2 记忆保留策略调整
▪ 10.3 检索精度 vs 召回率的平衡
▪ 10.4 大数据量下的性能优化
▪ 10.5 hermes status 查看记忆统计
◦ 11. 常见问题与排障
▪ 11.1 记忆不生效？
▪ 11.2 记忆太多太杂？
▪ 11.3 检索结果不准确？
▪ 11.4 数据库损坏修复
▪ 11.5 迁移时记忆丢失？
◦ 本章小结
- 第八册：技能系统完全指南
◦ 1. 技能系统：让 Hermes 从”聊天机器”变成”全能助手”
▪ 1.1 什么是 Skill（技能）
18▪ 1.2 Skill 与传统 Prompt 模板的区别
▪ 1.3 技能系统是 Hermes 最实用的功能
▪ 1.4 技能系统的三大特点：自动创建、自我进化、跨平台复用
◦ 2. 技能的内部结构
▪ 2.1 Skill 文件格式详解（Markdown）
▪ 2.2 一个完整 Skill 文件的剖析
▪ Step 5: Save (Optional)
◦ Error Handling
◦ Notes
◦ Example Input
◦ Example Output
- AI News Summary (2026-04-21)
◦ Overview
▪ 触发条件区（Trigger Conditions）
▪ 执行步骤区（Execution Steps）
▪ 注意事项区（Notes / Error Handling）
▪ 示例输入输出区（Example Input/Output）
▪ 2.3 技能文件存储位置：~/.hermes/skills/
▪ 2.4 技能的命名规范
◦ 3. 自动技能创建：Hermes 的独门绝技
▪ 3.1 触发条件详解
▪ 3.2 创建过程详解（从任务执行到 Skill 生成）
▪ 3.3 自动提炼的算法逻辑
▪ 3.4 实际案例演示（5 个完整案例）
▪ 案例 1：抓取新闻并总结
▪ 案例 2：代码重构工作流
▪ 案例 3：数据分析报告生成
▪ 案例 4：多语言翻译校对
▪ 案例 5：自动化部署脚本
◦ 4. 技能自我进化
▪ 4.1 进化触发机制
▪ 4.2 版本管理与变更记录
▪ 4.3 用户反馈驱动的改进
▪ 4.4 社区实测：1-2 周后重复任务成功率提升 30%+
▪ 4.5 如何加速技能进化
19◦ 5. 手动创建技能
▪ 5.1 为什么有时需要手动创建
▪ 5.2 手动创建的完整教程
▪ 5.3 Skill 文件模板大全
▪ 模板一：数据提取与转换
▪ 模板二：API 测试与验证
▪ 模板三：文档生成
▪ 模板四：安全扫描与审计
▪ 模板五：会议纪要与行动项提取
- Meeting Notes: ()
◦ Attendees
◦ Key Discussion Points
◦ Decisions Made
◦ Action Items
◦ Open Questions / Blockers
▪ 5.4 编写高质量 Skill 的 10 个技巧
▪ 5.5 测试与验证技能
◦ 6. 技能管理命令大全
▪ 6.1 hermes skills list —— 查看所有技能
▪ 6.2 hermes skills show —— 查看技能详情
▪ 6.3 hermes skills edit —— 编辑技能
▪ 6.4 hermes skills delete —— 删除技能
▪ 6.5 hermes skills export —— 导出技能
▪ 6.6 hermes skills import —— 导入技能
▪ 6.7 其他实用命令
◦ 7. Skills Hub 与社区技能
▪ 7.1 官方 Skills Hub（agentskills.io 兼容）
▪ 7.2 四个信任等级体系
▪ 7.3 浏览与搜索社区技能
▪ 7.4 一键安装社区技能
▪ 7.5 技能质量评估方法
▪ 7.6 推荐的 Top 20 社区技能
▪ 7.7 推荐首装的 5 个技能
▪ 推荐 1：LLM Wiki（内置）
▪ 推荐 2：Gstack（可信）
20▪ 推荐 3：OpenAI Utils（可信）
▪ 推荐 4：Manim（官方）
▪ 推荐 5：Security Audit（官方）
▪ 7.8 如何贡献自己的技能
◦ 8. 跨平台技能复用
▪ 8.1 从 Claude Code 迁移技能
▪ 8.2 从 Cursor 迁移技能
▪ 8.3 从 OpenClaw 迁移技能
▪ 8.4 技能格式兼容性说明
▪ 8.5 迁移后的调整与优化
◦ 9. 出厂预装技能详解
▪ 9.1 74 个内置技能分类总览
▪ 9.2 44 个官方可选技能介绍
▪ 9.3 重点技能详解（15 个最实用的）
▪ 1. LLM Wiki（内置）
▪ 2. Code Review（内置）
▪ 3. Web Search（内置）
▪ 4. Git Workflow（内置）
▪ 5. File Organize（内置）
▪ 6. Debug Helper（内置）
▪ 7. Markdown Format（内置）
▪ 8. Summarize（内置）
▪ 9. API Doc Generator（官方可选）
▪ 10. Data Pipeline（官方可选）
▪ 11. Test Automation（官方可选）
▪ 12. Docker Deploy（官方可选）
▪ 13. Nginx Config（官方可选）
▪ 14. SQL Optimizer（官方可选）
▪ 15. Changelog Generator（社区）
▪ 9.4 技能组合推荐（按使用场景）
◦ 10. 高阶技能开发
▪ 10.1 复合技能（一个技能调用多个子技能）
▪ 10.2 条件分支技能
▪ 10.3 带参数的技能模板
▪ 10.4 技能的错误处理
21▪ 10.5 技能的性能优化
◦ 11. 技能系统最佳实践
▪ 11.1 技能命名规范
▪ 11.2 技能分类管理
▪ 11.3 定期审计与清理
▪ 11.4 团队共享技能库的建立
▪ 11.5 技能文档化建议
◦ 本章小结
- 第九册：47 个内置工具全解 —— Hermes Agent 的瑞士军刀使用手册
◦ 1. 工具系统总览：Agent 的「手脚」是如何长出来的
▪ 1.1 什么是 Hermes 工具（Tool）
▪ 1.2 工具与技能（Skill）的区别
▪ 1.3 ToolRegistry 单例模式与自注册机制
▪ 核心组件：ToolRegistry
▪ 自注册机制：装饰器魔法
▪ 1.4 工具调用的安全审批流程
▪ 危险等级分类
▪ 审批界面长什么样
▪ 配置审批策略
▪ 1.5 hermes tools 命令使用
▪ 本章小结
◦ 2. 第一类：文件系统工具 —— Agent 的「文件管家」
▪ 2.1 read_file —— 读取文件内容
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 常见场景
▪ 注意事项
▪ 2.2 write_file —— 写入/创建文件
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 常见场景
▪ 注意事项
22▪ 2.3 edit_file —— 编辑文件（差异替换）
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 常见场景
▪ 注意事项
▪ 2.4 list_directory —— 列出目录内容
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 常见场景
▪ 注意事项
▪ 2.5 search_files —— 搜索文件（grep 风格）
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 搜索语法速查表
▪ 注意事项
▪ 2.6 file_info —— 获取文件元信息
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 常见场景
▪ 注意事项
▪ 文件系统工具组合实战
▪ 本章小结
◦ 3. 第二类：代码执行工具 —— Agent 的「编译器」和「解释器」
▪ 3.1 execute_python —— 执行 Python 代码
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 常见场景
▪ 注意事项
▪ 3.2 execute_shell —— 执行 Shell 命令
▪ 功能说明
23▪ 参数详解
▪ 使用示例
▪ 安全机制详解
▪ 常见场景
▪ 3.3 execute_javascript —— 执行 JavaScript
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 注意事项
▪ 3.4 sandbox_run —— 沙箱环境执行
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 沙箱限制说明
▪ 本章小结
◦ 4. 第三类：Web 交互工具 —— Agent 的「浏览器」和「网络接口」
▪ 4.1 web_search —— 网络搜索
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 搜索语法速查表
▪ 注意事项
▪ 4.2 web_extract —— 提取网页内容
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 注意事项
▪ 4.3 web_browse —— 浏览器控制
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 操作类型详解
▪ 注意事项
▪ 4.4 web_screenshot —— 网页截图
▪ 功能说明
24▪ 参数详解
▪ 使用示例
▪ 4.5 http_request —— HTTP 请求
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 认证方式示例
▪ 注意事项
▪ 4.6 rss_fetch —— RSS 订阅获取
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 4.7 api_call —— 通用 API 调用
▪ 功能说明
▪ 内置适配器
▪ 参数详解
▪ 使用示例
▪ 4.8 web_monitor —— 网页变化监控
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 注意事项
▪ 本章小结
◦ 5. 第四类：终端命令工具 —— Agent 的「系统管理员」套装
▪ 5.1 run_command —— 运行系统命令
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 白名单配置
▪ 注意事项
▪ 5.2 background_task —— 后台任务管理
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 注意事项
25▪ 5.3 process_list —— 进程列表
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 5.4 kill_process —— 终止进程
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 信号说明
▪ 5.5 system_info —— 系统信息获取
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 注意事项
▪ 本章小结
◦ 6. 第五类：记忆管理工具 —— Agent 的「笔记本」和「档案馆」
▪ 6.1 memory_read —— 读取记忆
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 注意事项
▪ 6.2 memory_write —— 写入记忆
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 注意事项
▪ 6.3 memory_update —— 更新记忆
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 6.4 memory_delete —— 删除记忆
▪ 功能说明
▪ 参数详解
▪ 使用示例
26▪ 6.5 memory_search —— 搜索历史记忆
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ FTS5 全文索引查询语法
▪ 6.6 session_search —— 搜索历史会话
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 本章小结
◦ 7. 第六类：技能管理工具 —— Agent 的「技能学院」管理员
▪ 7.1 skill_create —— 创建技能
▪ 功能说明
▪ 参数详解
▪ 使用示例
◦ 示例
▪ 7.2 skill_read —— 查看技能
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 7.3 skill_update —— 更新技能
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 7.4 skill_delete —— 删除技能
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 7.5 skill_list —— 列出所有技能
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 7.6 skill_install —— 从 Hub 安装技能
▪ 功能说明
▪ 参数详解
27▪ 使用示例
▪ 信任等级说明
▪ 本章小结
◦ 8. 第七类：代理委托工具 —— 多 Agent 协作的「调度中心」
▪ 8.1 delegate_task —— 委托子任务
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 任务拆分原则
▪ 8.2 agent_spawn —— 创建子 Agent
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 8.3 agent_communicate —— Agent 间通信
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 8.4 agent_status —— 查看子 Agent 状态
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 8.5 agent_terminate —— 终止子 Agent
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 多 Agent 并发限制说明
▪ 本章小结
◦ 9. 其他辅助工具 —— Agent 的「百宝箱」
▪ 9.1 clipboard —— 剪贴板操作
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 常见场景
▪ 注意事项
28▪ 9.2 notification —— 发送通知
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 平台支持
▪ 9.3 schedule_task —— 定时任务创建
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ Cron 表达式速查
▪ 注意事项
▪ 9.4 image_analyze —— 图像分析
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 注意事项
▪ 9.5 audio_transcribe —— 音频转文字
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 模型选择指南
▪ 9.6 text_transform —— 文本转换
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 支持的操作类型
▪ 9.7 calculator —— 计算器
▪ 功能说明
▪ 参数详解
▪ 使用示例
▪ 支持的运算符和函数
▪ 本章小结
◦ 10. 工具组合实战案例 —— 从「会用工具」到「善用工具」
▪ 案例 1：自动化投研报告（web_search + web_extract + write_file + delegate_task）
▪ 场景描述
29▪ 工具调用链
▪ 完整的子 Agent A 内部调用链
▪ 输出示例
▪ 案例 2：代码审计流水线（read_file + search_files + execute_python + skill_create）
▪ 场景描述
▪ 工具调用链
▪ 审计报告示例
▪ 案例 3：网站监控 + 通知（web_monitor + notification + schedule_task）
▪ 场景描述
▪ 工具调用链
▪ 监控告警示例
▪ 每日报告示例
▪ 案例 4：多 Agent 研究团队（agent_spawn + delegate_task + memory_write）
▪ 场景描述
▪ 工具调用链
▪ 输出说明
▪ 本章小结
◦ 11. 工具开发与扩展 —— 打造你的专属工具
▪ 11.1 自定义工具的开发方法
▪ 完整示例：开发一个「生成二维码」工具
▪ 工具类结构详解
▪ ToolResult 结构
▪ 11.2 工具注册机制详解
▪ 装饰器注册（推荐）
▪ 手动注册
▪ 配置文件注册
▪ 注册优先级
▪ 11.3 MCP 协议工具扩展
▪ 什么是 MCP
▪ 使用 MCP 扩展示例
▪ 11.4 社区工具贡献指南
▪ 贡献到 Skills Hub
▪ 工具贡献检查清单
▪ 审核标准
▪ 本章小结
30◦ 12. 工具使用最佳实践 —— 从新手到高手的进阶之路
▪ 12.1 安全第一：敏感命令必须审批
▪ 原则 1：默认不信任
▪ 原则 2：最小权限原则
▪ 原则 3：审计日志
▪ 12.2 组合优于单打：多工具配合
▪ 反模式：单打独斗
▪ 正模式：工具链配合
▪ 常用工具链组合
▪ 12.3 成本意识：减少不必要的 API 调用
▪ 成本优化技巧
▪ 成本监控
▪ 12.4 错误处理：工具调用失败的应对
▪ 错误类型和处理策略
▪ 在自定义工具中实现错误处理
▪ 12.5 常见工具使用误区（10 个）
▪ 误区 1：用 write_file 做所有文件修改
▪ 误区 2：忽视 offset 和 limit，读取超大文件
▪ 误区 3：在 execute_shell 中拼接用户输入
▪ 误区 4：重复安装相同的 Python 包
▪ 误区 5：用 web_search 查询本地知识
▪ 误区 6：创建太多监控任务不清理
▪ 误区 7：忽略工具的返回值
▪ 误区 8：过度使用 execute_shell 做简单的事情
▪ 误区 9：不备份就修改重要文件
▪ 误区 10：创建 Agent 后不终止，造成资源泄漏
▪ 12.6 调试工具问题的技巧
▪ 步骤 1：隔离测试
▪ 步骤 2：检查参数
▪ 步骤 3：查看日志
▪ 步骤 4：最小复现
▪ 步骤 5：检查环境
▪ 本章小结
◦ 结语：工具是手段，解决问题才是目的
31· 第十册：多平台接入实战
◦ 1. 为什么需要多平台接入
▪ 1.1 从”只在电脑前用”到”随时随地指挥”
▪ 1.2 消息网关的设计理念
▪ 1.3 15+ 平台一览与分类
◦ 2. Gateway 架构与基础配置
▪ 2.1 hermes gateway 命令详解
▪ 2.2 hermes gateway setup 交互式配置
▪ 2.3 Gateway 的工作原理
▪ 2.3.1 整体架构图
▪ 2.3.2 消息流转的完整流程
▪ 2.4 config.yaml 中的 gateway 配置项
▪ 2.5 多平台同时接入的配置方法
▪ 2.6 本章小结
◦ 3. Telegram 接入（最流行，详细教程）
▪ 3.1 创建 Telegram Bot（@BotFather 全流程）
▪ 3.2 获取 Bot Token
▪ 3.3 获取数字用户 ID（@userinfobot）
▪ 3.4 配置 Hermes
▪ 3.5 启动网关与测试
▪ 3.6 安全配置：允许列表（Allowlist）详解
▪ 为什么必须设置 Allowlist？
▪ Allowlist 配置详解
▪ 3.7 群组中使用 Bot
▪ 把 Bot 加到群组
▪ 群组权限配置
▪ 触发机制
▪ 3.8 富文本消息、文件传输、语音消息
▪ 富文本消息
▪ 文件传输
▪ 语音消息
▪ 3.9 常见问题排障（10个）
▪ 问题1：Bot 完全没有响应
▪ 问题2：可以收到消息但发不出去
▪ 问题3：群组里 Bot 不响应
32▪ 问题4：中文消息显示乱码
▪ 问题5：文件上传失败
▪ 问题6：Webhook 模式收不到消息
▪ 问题7：Polling 模式频繁断线
▪ 问题8：AI 回复很慢
▪ 问题9：Token 泄露了怎么办
▪ 问题10：如何查看 Bot 的 webhook 信息
◦ 4. 飞书接入（国内最方便）
▪ 4.1 飞书企业自建应用创建流程
▪ 4.2 App ID 和 App Secret 获取
▪ 4.3 hermes gateway setup 选飞书
▪ 4.4 事件订阅配置
▪ 4.5 权限设置（最小权限原则）
▪ 4.6 消息卡片与富文本
▪ 4.7 常见问题排障
▪ 问题1：事件订阅验证失败
▪ 问题2：消息能收到但发不出去
▪ 问题3：用户 ID 找不到
▪ 问题4：应用在群里收不到消息
▪ 问题5：企业管理员不审批怎么办
◦ 5. 微信接入
▪ 5.1 企业微信自建应用接入教程
▪ 5.2 微信公众号接入方式
▪ 5.3 个人微信接入方案（第三方桥接）
▪ 5.4 限制与注意事项
◦ 6. Discord 接入
▪ 6.1 Discord Bot 创建流程
▪ 6.2 Token 获取与权限配置
▪ 6.3 频道管理与权限
◦ 7. 其他平台接入
▪ 7.1 Slack 接入
▪ 7.2 WhatsApp 接入
▪ 7.3 Signal 接入
▪ 7.4 Email 接入
▪ 7.5 SMS 接入
33▪ 7.6 Matrix 接入
▪ 7.7 Mattermost 接入
▪ 7.8 Home Assistant 接入
◦ 8. 编辑器集成
▪ 8.1 VS Code 集成（ACP 协议）
▪ 安装扩展
▪ 配置连接
▪ 使用方式
▪ 8.2 Zed 编辑器集成
▪ 8.3 JetBrains IDE 集成
◦ 9. 语音交互
▪ 9.1 语音输入/输出配置
▪ 9.2 支持的语音后端
▪ 9.3 语音交互最佳实践
◦ 10. 多平台协同使用
▪ 10.1 同一 Hermes 实例多平台同时接入
▪ 10.2 上下文和记忆在平台间同步
▪ 10.3 实战案例：手机 Telegram → 电脑执行 → 飞书汇报
◦ 11. 安全与运维
▪ 11.1 Token/Key 安全管理
▪ 11.2 访问控制与白名单
▪ 11.3 网关进程管理
- 第十一册：MCP 协议与自动化
◦ 1. MCP 协议：Agent 世界的 USB-C
▪ 1.1 什么是 Model Context Protocol（MCP）
▪ 1.2 MCP 诞生背景（Anthropic 提出）
▪ 1.3 设计理念与核心概念
▪ 1.4 与传统 API 调用的区别
◦ 2. MCP 架构详解
▪ 2.1 客户端-服务器模型
▪ 2.2 stdio vs HTTP/SSE 两种连接方式
▪ stdio 模式（标准输入输出）
▪ HTTP/SSE 模式
▪ 2.3 消息格式与协议规范
▪ 请求（Request）
34▪ 响应（Response）
▪ 通知（Notification）
▪ 2.4 工具声明与调用流程
◦ 3. Hermes 中的 MCP 配置
▪ 3.1 config.yaml 中的 mcp_servers 配置
▪ 3.2 stdio 和 HTTP/SSE 模式示例
▪ stdio 模式完整示例
▪ HTTP/SSE 模式完整示例
▪ 3.3 allowed_tools 权限控制
▪ 3.4 多个 MCP Server 并存
◦ 4. 实战：接入 GitHub
▪ 4.1 完整配置
▪ 4.2 Token 获取
▪ 4.3 安全配置
▪ 4.4 使用示例
◦ 5. 实战：接入 Notion
▪ 5.1 Notion Integration 创建
▪ 5.2 API Key 配置
▪ 5.3 MCP 配置
▪ 5.4 使用场景
◦ 6. 实战：接入更多服务
▪ 6.1 Linear（项目管理）
▪ 6.2 Figma（设计协作）
▪ 6.3 Slack（团队沟通）
▪ 6.4 Google Calendar（日程管理）
▪ 6.5 Google Drive（文件存储）
▪ 6.6 PostgreSQL/MySQL（数据库）
◦ 7. 6000+ MCP 服务生态
▪ 7.1 按分类浏览
▪ 7.2 热门 Top 20
▪ 7.3 安全评估
◦ 8. Cron 定时任务系统
▪ 8.1 ~/.hermes/cron/tasks.yaml 配置详解
▪ 8.2 Cron 表达式语法（详细带示例）
35▪ 8.3 定时任务模板
▪ 模板1：每日新闻摘要
▪ 模板2：每日/周/月报告
▪ 模板3：系统监控告警
▪ 模板4：社交媒体内容发布
▪ 模板5：竞品监控
▪ 8.4 hermes cron 命令详解
▪ 8.5 调试技巧
◦ 9. 多 Agent 编排
▪ 9.1 delegate_task 机制
▪ 9.2 最多 3 子 Agent 并行
▪ 9.3 实战案例：投研/内容/代码审查流水线
▪ 案例1：AI 投研流水线
▪ 案例2：内容工厂流水线
▪ 案例3：代码审查流水线
◦ 10. 自动化流水线设计
▪ 10.1 MCP + Cron + 多 Agent 组合
▪ 10.2 全自动 AI 投研流水线示例
▪ 10.3 全自动内容工厂示例
▪ 10.4 错误处理与告警
◦ 11. 安全与合规
▪ 11.1 权限最小化
▪ 11.2 敏感数据处理
▪ 11.3 Rate Limit 与成本控制
▪ 11.4 审计日志
- 第十二册：高阶玩法与实战案例
◦ 1. 高阶玩法总览
▪ 1.1 从入门到高阶的进阶路线图
▪ 1.2 高阶玩家的典型工作流
▪ 1.3 本章实战案例的阅读方法
◦ 2. 沙箱配置与安全调优
▪ 2.1 执行环境的安全分级
▪ 2.2 沙箱（Sandbox）配置详解
▪ 2.3 命令审批机制的自定义
▪ 2.4 信任级别设置
36▪ 2.5 生产环境安全清单
▪ 2.6 案例：安全地运行未知代码
◦ 3. 语音交互高阶玩法
▪ 3.1 语音输入（STT）高级配置
▪ 3.2 语音输出（TTS）高级配置
▪ 3.3 多语言语音支持
▪ 3.4 语音触发工作流
▪ 3.5 车载/穿戴设备场景
▪ 3.6 案例：纯语音驱动的投研助手
◦ 4. 实战案例：AI 投研流水线
▪ 4.1 需求分析：每日自动追踪 AI/Web3 热点
▪ 4.2 整体架构设计（MCP + Cron + 多Agent）
▪ 4.3 数据源配置（Hacker News、GitHub Trending、Twitter/X、Reddit）
▪ 4.4 数据清洗与分析 Agent
▪ 4.5 报告生成与格式化
▪ 4.6 推送到 Telegram/飞书
▪ 4.7 完整配置代码
▪ 4.8 成本分析（每日运行约 $0.1-0.5）
▪ 4.9 优化建议
◦ 5. 实战案例：内容自动化工厂
▪ 5.1 需求分析：自动生成社交媒体内容
▪ 5.2 选题 Agent（热点追踪）
▪ 5.3 写作 Agent（内容生成）
▪ 5.4 审校 Agent（质量把控）
▪ 5.5 多平台分发（公众号、小红书、抖音文案）
▪ 5.6 定时调度配置
▪ 5.7 案例：日更 5 篇 AI 快讯的配置方案
◦ 6. 实战案例：代码质量守护者
▪ 6.1 需求分析：自动化代码审查与安全扫描
▪ 6.2 Git Hook 集成
▪ 6.3 PR 自动审查工作流
▪ 6.4 安全漏洞扫描
▪ 6.5 代码质量报告生成
▪ 6.6 CI/CD 集成方案
▪ 6.7 案例：开源项目的自动化质量门禁
37◦ 7. 实战案例：个人知识管理系统
▪ 7.1 需求分析：打造第二大脑
▪ 7.2 信息收集自动化（RSS、邮件、书签）
▪ 7.3 智能分类与标签
▪ 7.4 知识图谱构建
▪ 7.5 定期回顾与总结
▪ 7.6 与 Notion/Obsidian 集成
▪ 7.7 案例：研究人员的文献管理助手
◦ 8. 实战案例：客服机器人
▪ 8.1 需求分析：7x24 智能客服
▪ 8.2 知识库构建
▪ 8.3 多轮对话管理
▪ 8.4 人机转接机制
▪ 8.5 满意度收集
▪ 8.6 多渠道部署（网站、微信、Telegram）
▪ 8.7 案例：小型电商的客服解决方案
◦ 9. 实战案例：数据监控与告警
▪ 9.1 需求分析：实时监控关键指标
▪ 9.2 网站可用性监控
▪ 9.3 价格变动追踪
▪ 9.4 竞品动态追踪
▪ 9.5 异常检测与告警
▪ 9.6 案例：加密货币价格监控 + Telegram 告警
◦ 10. 企业级应用场景
▪ 10.1 企业内部知识库助手
▪ 10.2 数据库查询助手（接入公司 DB）
▪ 10.3 项目管理自动化（接入 Linear/Jira）
▪ 10.4 会议纪要自动生成
▪ 10.5 企业安全与合规考量
▪ 10.6 多用户共享实例配置
◦ 11. 高阶技巧合集
▪ 11.1 技巧1：模型热切换（不同任务用不同模型）
▪ 11.2 技巧2：记忆压缩与归档策略
▪ 11.3 技巧3：技能链式调用
▪ 11.4 技巧4：并行任务加速
38▪ 11.5 技巧5：自定义工具开发
▪ 11.6 技巧6：Webhook 集成
▪ 11.7 技巧7：日志分析与调试
▪ 11.8 技巧8：性能监控与优化
◦ 本章小结
- 第十三册：OpenClaw 对比与迁移
◦ 1. 为什么需要一章专门对比
▪ 1.1 “养虾”和”养马”的选择之困
▪ 1.2 两个项目的社区规模与增长数据
▪ 1.3 本章的客观立场声明
◦ 2. 项目背景对比
▪ 2.1 OpenClaw：独立开发者的杰作
▪ 2.2 Hermes：研究机构的专业之作
▪ 2.3 开源协议对比（MIT vs MIT）
▪ 2.4 商业模式对比
◦ 3. 12 维度深度对比表
▪ 3.1 维度一：主语言/技术栈
▪ 3.2 维度二：架构设计
▪ 3.3 维度三：学习能力
▪ 3.4 维度四：记忆系统
▪ 3.5 维度五：工具生态
▪ 3.6 维度六：平台支持
▪ 3.7 维度七：安全体系
▪ 3.8 维度八：移动应用
▪ 3.9 维度九：模型支持
▪ 3.10 维度十：部署方式
▪ 3.11 维度十一：成本
▪ 3.12 维度十二：社区规模
◦ 4. 核心差异深度分析
▪ 4.1 自学习 vs 手动配置：这是最根本的差异
▪ 4.2 有界记忆 vs 模块化记忆：设计哲学的不同
▪ 4.3 Python vs TypeScript：生态选择的影响
▪ 4.4 轻量 vs 全能：两种架构路线
▪ 4.5 Harness Engineering vs Unix Philosophy
39◦ 5. 社区对比
▪ 5.1 官方定位：四个工具，四种角色
▪ 5.2 社区文化差异
▪ 5.3 中文社区活跃度对比
▪ 5.4 社区贡献模式对比
▪ 5.5 大多数高级用户同时使用 Hermes + Claude Code（叠加而非竞争）
◦ 6. 选型决策指南
▪ 6.1 场景化推荐（详细的决策树）
▪ 6.2 不同预算下的选择
▪ 6.3 不同技术背景下的选择
◦ 7. 从 OpenClaw 迁移到 Hermes
▪ 7.1 迁移前评估清单
▪ 7.2 hermes migrate openclaw 命令详解
▪ 7.3 迁移过程详细步骤
▪ 7.4 自动迁移支持的内容（技能、配置、历史）
▪ 7.5 需要手动调整的部分
▪ 7.6 迁移后验证
▪ 7.7 常见迁移问题与解决方案（10个）
▪ 7.8 迁移后的优化建议
◦ 8. 从其他框架迁移
▪ 8.1 从 AutoGPT 迁移
▪ 8.2 从 MetaGPT 迁移
▪ 8.3 从 CrewAI 迁移
▪ 8.4 通用迁移思路
◦ 9. 两者共存方案
▪ 9.1 同时使用 Hermes + OpenClaw 的场景
▪ 9.2 数据互通方案
▪ 9.3 最佳实践
◦ 10. 本章小结
- 第十四章：Hermes Agent 九大变现路径
◦ 1. AI Agent 时代的个体变现机遇
▪ 1.1 为什么 AI Agent 是个体搞钱的最佳工具？
▪ 1.2 “超级个体”的概念与 Hermes 的关系
▪ 1.3 变现的底层逻辑：用 AI 放大你的时间价值
▪ 1.4 九条路径总览与难度/收入预估表
40◦ 2. 路径一：代安装与排障服务
▪ 2.1 市场分析：大量小白不会安装
▪ 2.2 接单渠道
▪ 闲鱼
▪ 小红书
▪ 淘宝
▪ 知识星球
▪ 2.3 服务流程标准化
▪ 2.4 定价策略
▪ 2.5 如何用 Hermes 自动生成排障指南
▪ 2.6 月收入预估：兼职 2000-5000 元
▪ 2.7 实操案例与客户反馈模板
◦ 3. 路径二：工作流定制开发
▪ 3.1 目标客户
▪ 3.2 常见需求类型
▪ 数据抓取类
▪ 报表自动化类
▪ 客服自动化类
▪ 监控告警类
▪ 3.3 定价策略
▪ 3.4 开发流程与交付标准
▪ 3.5 如何展示案例获取客户
▪ 3.6 月收入预估：5000-20000 元
▪ 3.7 实操案例：为电商团队搭建竞品监控
◦ 4. 路径三：技能包销售
▪ 4.1 什么是技能包
▪ 4.2 虚拟产品零成本、无限复制
▪ 4.3 热门技能包方向
▪ 投研分析类
▪ 写作辅助类
▪ 编程开发类
▪ 数据分析类
▪ 办公效率类
▪ 4.4 销售渠道
▪ 小红书
41▪ 闲鱼
▪ 独立站
▪ 知识星球/小册
▪ 4.5 定价策略
▪ 4.6 技能包的包装与营销
▪ 4.7 月收入预估：1000-10000 元
▪ 4.8 实操案例：投研技能包的制作与销售
◦ 5. 路径四：自动化内容账号
▪ 5.1 核心思路
▪ 5.2 适合的平台
▪ 5.3 内容方向选择
▪ 5.4 自动化流水线配置
▪ 5.5 流量变现方式
▪ 平台流量分成
▪ 广告合作
▪ 带货/分销
▪ 引流到私域
▪ 5.6 合规注意事项
▪ 5.7 月收入预估：2000-50000 元
▪ 5.8 实操案例：日更 AI 快讯公众号
◦ 6. 路径五：付费数据社群
▪ 6.1 核心卖点
▪ 6.2 适合的领域
▪ 6.3 数据源配置与监控方案
▪ 6.4 社群运营与管理
▪ 6.5 定价策略
▪ 6.6 用 Hermes 自动化社群内容推送
▪ 6.7 月收入预估：5000-100000 元
▪ 6.8 实操案例：AI/Web3 投研社群
◦ 7. 路径六：技能分发赚提成
▪ 7.1 Skills Hub 的分成机制
▪ 7.2 如何开发高质量技能
▪ 7.3 技能的推广策略
▪ 7.4 按调用次数分成的收入模型
▪ 7.5 月收入预估：500-5000 元
42▪ 7.6 实操案例
◦ 8. 路径七：自动化任务脚本
▪ 8.1 适合个人的自动化场景
▪ 打折监控
▪ 抢购助手
▪ 数据采集
▪ 生活服务
▪ 社交自动化
▪ 8.2 脚本开发与部署
▪ 8.3 定价与销售
▪ 8.4 月收入预估：1000-5000 元
◦ 9. 路径八：企业内部工具开发
▪ 9.1 企业需求分析
▪ 9.2 接入公司数据库/代码库的方案
▪ 9.3 安全与合规
▪ 9.4 定价策略
▪ 9.5 外包项目获取渠道
▪ 9.6 月收入预估：10000-50000 元
▪ 9.7 实操案例
◦ 10. 路径九：培训与社群陪跑
▪ 10.1 课程内容设计
▪ 10.2 教学形式
▪ 10.3 定价策略
▪ 10.4 长期答疑的价值
▪ 10.5 用 Hermes 辅助教学
▪ 10.6 月收入预估：5000-50000 元
▪ 10.7 实操案例
◦ 11. 变现路径组合策略
▪ 11.1 初级组合：安装服务 + 技能包
▪ 11.2 中级组合：工作流定制 + 培训
▪ 11.3 高级组合：数据社群 + 企业开发
▪ 11.4 时间分配建议
▪ 11.5 从副业到全职的过渡策略
◦ 12. 变现避坑指南
▪ 12.1 常见失败原因
43▪ 12.2 版权与合规问题
▪ 12.3 客户关系管理
▪ 12.4 持续学习的重要性
◦ 本章小结
- 第十五章：Hermes 社区生态与资源
◦ 1. Hermes 社区全景
▪ 1.1 社区规模与活跃度
▪ 1.2 核心贡献者与维护团队
▪ 1.3 社区文化与价值观
◦ 2. 官方资源大全
▪ 2.1 GitHub 仓库
▪ 2.2 官方英文文档
▪ 2.3 中文社区文档
▪ 2.4 官方技能商店
▪ 2.5 Hermes Atlas（生态地图）
▪ 2.6 Awesome 资源列表
▪ 2.7 橙皮书（花叔）
▪ 2.8 Release Notes 与 Changelog
◦ 3. 中文社区资源
▪ 3.1 中文文档站
▪ 3.2 微信群与飞书群
▪ 3.3 知乎专栏与文章
▪ 3.4 B站教程视频
▪ 3.5 小红书教程
▪ 3.6 公众号推荐
◦ 4. 学习路径推荐
▪ 4.1 路径一：零基础快速入门（1-3 天）
▪ 4.2 路径二：系统性学习（1-2 周）
▪ 4.3 路径三：深度技术研究（1 个月）
▪ 4.4 路径四：从 OpenClaw 迁移（1-3 天）
◦ 5. 社区参与指南
▪ 5.1 如何提 Issue
▪ 5.2 如何提交 PR
▪ 5.3 如何贡献技能
▪ 5.4 如何参与文档翻译
44▪ 5.5 社区行为准则
◦ 6. 生态项目推荐
▪ 6.1 记忆扩展类
▪ 6.2 工具增强类
▪ 6.3 平台集成类
▪ 6.4 开发工具类
▪ 6.5 监控运维类
◦ 7. 常见问题总汇（FAQ）
▪ 7.1 安装相关（5 问）
▪ 7.2 使用相关（5 问）
▪ 7.3 模型相关（5 问）
▪ 7.4 技能相关（5 问）
▪ 7.5 其他（5 问）
◦ 本章小结
- 第十六章：未来展望与总结
◦ 1. AI Agent 行业趋势展望
▪ 1.1 2026 下半年到 2027 年的发展预测
▪ 1.2 自学习 Agent 将成为主流
▪ 1.3 模型成本持续下降的影响
▪ 1.4 MCP 协议成为行业标准
▪ 1.5 多 Agent 协作系统的成熟
◦ 2. Hermes Agent 路线图
▪ 2.1 已知的官方规划
▪ 2.2 社区呼声最高的功能
▪ 2.3 可能的发展方向
▪ 更强的自学习能力
▪ 更多平台支持
▪ 企业级功能
▪ 移动端支持
▪ 本地模型优化
◦ 3. “养马”文化的未来
▪ 3.1 从个人助手到数字分身
▪ 3.2 Agent 与 Agent 的协作生态
▪ 3.3 社区驱动的创新
▪ 3.4 中国开发者的机遇
45◦ 4. 给不同读者的建议
▪ 4.1 给小白：现在就开始，不要等”完美时机”
▪ 4.2 给开发者：拥抱 Agent 开发范式
▪ 4.3 给创业者：寻找 Agent 原生的商业模式
▪ 4.4 给投研人员：把 Hermes 当作你的研究助手
▪ 4.5 给企业管理者：评估 Agent 的 ROI
◦ 5. 写在最后
▪ 5.1 回顾本书的核心要点
▪ 5.2 AI Agent 不是取代人，而是赋能人
▪ 5.3 “Stay lazy, stay early”
▪ 5.4 感谢读者
▪ 5.5 期待反馈
◦ 6. 附录
▪ 附录 A：完整命令参考表
▪ 附录 B：config.yaml 完整参数参考
▪ 附录 C：推荐阅读书单
▪ 附录 D：相关论文与研究
▪ 附录 E：本书更新日志
◦ 7. 完结语
▪ 鲲鹏Talk 的寄语
▪ 全平台联系方式
▪ 白皮书系列预告
▪ 最后的话
◦ 关于本书
◦ 适合谁读
◦ 四条推荐阅读路线
▪ 路线一：快速入门路线（3-4 小时）
▪ 路线二：深度技术路线（15-20 小时）
▪ 路线三：变现赚钱路线（8-10 小时）
▪ 路线四：从 OpenClaw 迁移路线（6-8 小时）
