Hong Cheung 
我如何設定 Hermes Agent
我的做法是讓它運行在我透過 Hetzner1 自行架設的 VPS 伺服器上。並用 Telegram 作為閘道，讓我在手機上與我的 GPT 對話。我當時使用的是 OpenRouter Owl Alpha 模型，它當時免費，且有 1M token 的上限。這對任何用途來說都相當足夠。
長期記憶與參考資料
我也設定了 MCP-Memory，用來將記憶儲存在 VPS 本機上，這樣我每次開始新的工作階段時就不需要重複說明。另外還有 MCP-Local-Rag，用於我必須為問題提供參考的本地書籍收藏。它涵蓋商業、健康、科學等主題。
Hermes Agent 的最佳使用情境（對我而言）
學習語言
我發現對我來說最好的使用情境是用它來學習語言。運作方式是：我建立了一個名為 Fiona 的語言學習代理。每次工作階段，當我以「Hey Fiona」開頭時，它就會把所有語言學習技能與情境載入到該工作階段中，讓我們知道接下來要做什麼。
至於語言的部分，我一直在學西班牙語和日語。這個工作流程中的語言學習，大多只是我用 GPT 設定好的單字與釋義配對測驗。
為我的目標語言尋找單字
我請它到 github 尋找並下載這兩種語言的 csv/md 檔案，並將它們分類到本地資料夾 /vocabs/Spanish 等之中。我會依程度將這些檔案命名為 N1-N5 和 A1-C2。所以我會有 N1.csv、A1.md——是混合的檔案類型。
測驗
我為 Fiona 設定了一條規則：每次問我目標語言中 5 個單字的釋義，而每次答錯，它就會把這個單字我答錯了幾次寫進另一個 wrong-N1.csv 檔案中。至於答對的，我會修改原始檔案，在該列加 1 分。分數越高，出現在測驗中的機率就越低。所以，測驗的單字是隨機的，但又是為我最佳化的。
單字複習挑戰
這是我覺得很有用的東西。我設定了一些 cronjob，讓它每天自動在一天中傳送測驗給我。通常我會在早上 8 點左右、工作休息時間收到兩份測驗。11 點、午餐休息前再收到兩份。睡前再收到兩份，理想上是晚上 8 點。
用它來學習語言的整體體驗
我會說是好壞參半。可能是我的設定不夠精確，或者是依賴 LLM 反覆自行處理事情本身就不夠穩定。除了有時它確實能帶來還算不錯的「照我說的做」體驗之外，它有時會出現幻覺，並偏離軌道去執行各種奇怪的 bash。這讓整體體驗不那麼愉快。
其他使用情境
我試過單純用它來聊天。你知道的，就是擁有一個記得我一切、並為我量身打造答案的個人助理，把我所有的抱負、習慣和處境都考慮進去。但到頭來，它永遠無法取代真人來進行有價值的對話。你不知道你不知道的事。我可以把它設定成我想要的樣子，而我相信這就是它的缺點。
這就像人們試圖把 GPT 當作 AI 伴侶，他們可以把它設定成自己想要的樣子。這太過理想化，而且缺少了核心的人性元素，例如情緒、他們自己的願景、他們對你的感受、人與人之間的連結等等。所以，像朋友一樣和 GPT 聊天，真的不會順利。我不需要一個回音室或永遠的安慰者。我想聽的是真實生活中的經驗。
話雖如此，我發現 GPT 或 AI 唯一還算有用的方式，就是單純把它當作搜尋引擎。大概就是這樣。網頁上不再有廣告，也不用點來點去。而且我比較喜歡從文字開始。
Hermes Agent 的替代方案（不是 OpenClaw）
有趣的是，我發現使用 OpenCode，或任何程式設計 IDE——那些為 AI 程式設計而打造的工具——整體來說比 Hermes Agent 更有用。
它們與 Hermes Agent 的主要差別在於，它們大多是以專案為範圍。意思是它們只能在你所宣告的每個專案的那個資料夾內運作。但另一方面，預設情況下，要充分發揮 Hermes Agent / OpenClaw 的威力，你通常會給它們完整權限，這意味著它們可以、也會搞亂你機器上的其他檔案和設定。
程式設計 IDE，每個代理一個新資料夾，這就是我現在的工作方式。我現在讓語言學習代理只在該資料夾內運作，投資研究員與顧問則只在另一個資料夾內運作。它們各自有不同的一套規則與防護措施。我可以輕鬆在它們之間切換，處理不同主題，並直接調整檔案本身，而不是使用 Hermes Agent。
結論
Hermes Agent 聽起來很有創新性，也許確實如此。但我總覺得它過度設計，只為了滿足一個並非真正必要的需求。因為當我某次用它來學習語言時，我心想，唉，到這個地步我乾脆自己打造一個單字卡應用程式，資源消耗會更少，而且最重要的是非常穩定。
但誰知道呢，也許有一天 Hermes Agent 會運行在機器人裡，而 Hermes Agent 會成為機器人作業系統。考慮到 Nvidia 在推出內建 Hermes Agent 的新 AI 電腦時對它的大力推動。
但就目前而言，我已經把它解除安裝，並繼續在日常使用 OpenCode 和 KiloCode，而這一直很好。
喔，我也因為隱私考量開始使用付費模型了。
