橙皮书 Hermes Agent从入门到精通 第一个出厂就带缰绳的AI Agent Nous Research 开源框架实战指南 The Agent That Grows With You 关键词：自改进Agent·跨会话记忆·Skill系统·MCP·多平台 适合读者：想搭建个人AI Agent的开发者和AI爱好者 版本：v260407 花叔 公众号「花叔」·B站「AI进化论-花生」 本手册基于 Hermes Hermes Agent v0.7.0编写。AI工具迭代迅速，部分内容可能随版本更新而变化，请以官方文档为准。 目录 CONTENTS Part1: 概念 §01 不是又一个Agent：从Harness到Hermes §02 Hermes Agent全景：60秒看懂 Part 2: 核心机制 §03 学习循环：Agent自己给自己造缰绳 §04 三层记忆：从金鱼到老友 §05 Skill系统：会自我进化的能力 第一次对话：让Hermes认识你 §09 多平台接入：在哪都能找到它 §10 自定义Skill：教Hermes新技能 §11 MCP集成：连接你的工具栈 Part 4: 实战场景 §12 个人知识助手：跨会话记忆的威力 §13 开发自动化：代码审查到部署 §14 内容创作：从调研到成稿 §15 多Agent编排：让三匹马同时跑 Part 5: 深度思考 $ \§16 $ Hermes vs OpenClaw

## Manus AI: Agent应用的ChatGPT时刻 2025年3月 谢春生 SAC NO. S0570519080006 | SFC NO. BQZ938 岳铂雄 SAC NO. S0570122080138 ## 风险提示 技术落地不及预期；若AI等技术落地效果或商业化推进进度不及预期，可能导致应用类公司客单价提升不及预期； 宏观经济波动；若宏观经济出现波动，可能对各行业 收入增长节奏； • 本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。 • 参考报告：《Agent：通往AGI的核心基础》 Manus AI: 全球首个通用Agent Manus 是一个通用人工智能代理，它连接思想与行动：它不仅思考，还能交付成果。Manus 擅长处理工作和生活中的各种任务，在你休息时帮你完成一切。他们坚信并践行 use、deep research、coding agent 等概念就从产品特性变为了自然涌现的能力。把任务留给 Manus，把时间专注于更有创造性的工作，在任务过程中，可实时通过移动端查看任务执行状态，当你回来时，Manus 将呈现令人满意的结果。 ## Leave it to Manus Manus is a general AI agent that bridges minds and actions:

## Using ECC Workload Certificates ## (pilot-agent environmental variables) Jacob Delgado / Aspen Mesh ## I stioCon ## ECC workload certificates - In various environments, the need for x509 certificates ECC cryptography (using ECDSA P-256) to use this feature • Only ECDSA P-256 is supported ## pilot-agent environmental variables Disclaimer: Environmental variables and their use are considered experimental the ECC_SIGNATURE_ALGORITHM environmental variable on sidecar ejection to ECDSA for use by pilot-agent ☐ For gateways this environmental variable also must be set on installation/upgrade ## istioctl

1, stream: bool = False) -> requests.Response: headers = {"User-Agent": "Test Client"} pload = { "prompt": prompt, "n": import json import gradio as gr import requests def http_bot(prompt): headers = {"User-Agent": "vLLM Client"} pload = { "prompt": prompt, "stream": serve --model NousResearch/Hermes-2-Pro-Llama-3-8B \ --chat-template examples/tool_chat_template_hermes.jinja \ --enable-auto-tool-choice --tool-call-parser hermes """ import

1, stream: bool = False) -> requests.Response: headers = {"User-Agent": "Test Client"} pload = { "prompt": prompt, "n": import json import gradio as gr import requests def http_bot(prompt): headers = {"User-Agent": "vLLM Client"} pload = { "prompt": prompt, "stream": serve --model NousResearch/Hermes-2-Pro-Llama-3-8B \ --chat-template examples/tool_chat_template_hermes.jinja \ --enable-auto-tool-choice --tool-call-parser hermes """ import

``` ```python n: int = 1, stream: bool = False) -> requests.Response: headers = {"User-Agent": "Test Client"} pload = { "prompt": prompt, "n": n, import json import gradio as gr import requests def http_bot(prompt): headers = {"User-Agent": "vLLM Client"} pload = { "prompt": prompt, "stream": serve --model NousResearch/Hermes-2-Pro-Llama-3-8B \ --chat-template examples/tool_chat_template_hermes.jinja \ --enable-auto-tool-choice --tool-call-parser hermes """ import

1, stream: bool = False) -> requests.Response: headers = {"User-Agent": "Test Client"} pload = { "prompt": prompt, "n": import json import gradio as gr import requests def http_bot(prompt): headers = {"User-Agent": "vLLM Client"} pload = { "prompt": prompt, "stream": serve --model NousResearch/Hermes-2-Pro-Llama-3-8B \ --chat-template examples/tool_chat_template_hermes.jinja \ --enable-auto-tool-choice --tool-call-parser hermes """ import

1, stream: bool = False) -> requests.Response: headers = {"User-Agent": "Test Client"} pload = { "prompt": prompt, "n": import json import gradio as gr import requests def http_bot(prompt): headers = {"User-Agent": "vLLM Client"} pload = { "prompt": prompt, "stream": serve --model NousResearch/Hermes-2-Pro-Llama-3-8B \ --chat-template examples/tool_chat_template_hermes.jinja \ --enable-auto-tool-choice --tool-call-parser hermes """ import

模型跑起来只是第一步。接下来，让它真正为你工作。 为什么要接入Agent 模型跑起来了，能聊天，能回答问题。但说实话，拿本地模型当聊天机器人，有点浪费。 聊天这件事，云端模型做得更好。Claude、GPT、Gemini的在线版，对话质量还是比本地模型强不少。 本地模型真正有意义的用法是：当你自己的私有AI后端。 比如处理本地文档、辅助写代码、分析数据、自动化工作流。这些任务交给一个本地跑的Agent，不花钱，不传数据，随时可用。 OpenClaw是什么 OpenClaw是一个开源的AI Agent框架。逻辑很直接： 你给它一个OpenAI兼容的API地址 $ \rightarrow $它通过这个API调用模型 $ \rightarrow $帮你执行任务。 把本地Ollama或llama.cpp跑的Gemma4接进去，你就有了一个免费的、私有的、跑在自己电脑上的AI Agent。模型开源，框架开源，整条链路零API费用。 三条接入路径 cpp提供的都是标准的OpenAI兼容API。所以任何支持这个格式的工具都能接入你的本地Gemma4： 工具 类型 接入方式 OpenClaw AI Agent框架 Settings中修改API endpoint Hermes 本地AI助手 配置OpenAI兼容API Open Code AI编程助手 设置base_url指向本地 Continue.dev IDE插件 config

基于Go构建海量作业作业平台 袁帅 villager bilibili/基础架构部/SRE/平台工程组/资深开发工程师 作业平台简介 01 作业平台的挑战 02 B站作业平台Job的介绍 03 Job设计实现：Agent/Worker 作业执行和上报 04 Job设计实现：Scheduler 作业调度 05 Job设计实现：ApiServer 鉴权+数据处理 06 Job设计实现：其他技术难点和细节 07 总结展望 海外业务，作业日志，指标采集等回源IDC同样棘手 运维复杂 作业平台组件升级维护成本太高 ’ alt=‘OCR图片’/> 第三部分 B站作业平台Job介绍 作业平台（Job）是一套基于作业平台Agent/SSH双模式，提供基础操作的原子平台；具备上万台机器并发处理能力，除了支持脚本执行、文件分发、定时任务等一系列基础运维场景以外，还支持通过流程调度能力将零碎的单个任务组装成一个自动化作业流程；而 作业分为作业模板和执行实例，两者是一对多的关系 B站作业平台支持原生SSH协议，扩展 Agent模式 跨OS操作系统支持，同时针对高危命令实时检测并阻拦 ’ alt=‘OCR图片’/> B站作业平台Job介绍 2023 多机房作业架构 多机房部署，作业平台进行多机房作业调度，从而实现机房多活 2021.02 基于 Agent/SSH双模式混合架构 相对独立的Agent，大大解决了机房内海量运维作业并发执行的场景 2018