呐，这就叫做专业

昨天发推吐槽了下 Hermes，想不到被创始人 TK 关注了， 然后私聊了具体情况，今天就开 issue 解决了，这效率，没话说 我想我有必要重新安装，不进行迁移，重新试一试了

有娃 vs 没娃

有娃： 早上5点被小儿子闹醒，喝奶洗漱，在床上陪玩（我再眯一会，顺便被他玩） 6点40起床，给女儿和老婆准备早餐，洗奶瓶洗奶嘴收拾被褥，打开洗衣机，继续陪玩，期间打开电脑，准备上班内容，看看有什么单子要做 7点，叫女儿起床，开始吃饭，防止小儿子闹事 8点，送女儿上学回来，晾衣服，收拾碗筷，把小儿子交给老婆，回到电脑前发会呆准备上班 -------- 没娃： 醒了，缠绵会，起床，跑步，吃饭，上班

Versun
听说 Hermes 最近迭代了很多，稳定了很多，下午我让openclaw 去安装 hermes，还挺顺利，有惊无险，先用几天看看分享下整个对话过程https://t.co/bxCvMGBGJ2
Original

再次卸载了 Hermes Agent，太傻了，和 OpenClaw 比差的不是一点两点，严重怀疑那些吹它聪明的人，有没有深入用过？我的版本号：V0.11.0

 

列举下我遇到的主要问题：

  1. 工具调用不灵活，一个方案行不通就会一直尝试，而不是换一个方案，容易一条路走到黑
  2. 上下文管理非常糟糕，只要超出模型上下文，基本就是重开，没有任何之前会话的记忆
  3. 对于子代理的管理也非常糟糕，不会审查/核实子代理返回的结果
  4. 无法同时处理多条信息，或者说处理的不够优雅
  5. 对于自己的配置文件不熟悉，哪些能改哪些不能改，比我还陌生
  6. 系统提示词和模型的调教上和 OpenClaw 比还有非常大的差距

 

这几天的使用感受甚至还不如我几个月前用 Pi-Agent 的体验好

除了升级丝滑、响应快以外，没有任何优点。

完。

 

AI 工具会不会变成炮灰，重要吗？

今天下午微信群里在聊 Hermes 和 OpenClaw。 有个群友说了一句挺有代表性的话：这些工具本质上都是过渡性的炮灰产品。大模型迟早会把这些能力自己集成掉，应用层工具不会有什么位置。 我觉得他说得没错。 但也只对了一半。 这些工具当然是实验性的，甚至很多现在看起来很热闹的东西，过半年可能就没人用了。AI 时代的工具淘汰速度太快了，今天刚搭好的工作流，明天模型一更新，可能就直接原地报废。...

昨天在给我的 Hermes Agent 添加 ShareThis.Chat 技能时，踩了一个坑

 

Hermes 有一层安全机制：它会自动扫描所有工具输出，把看起来像 token、密钥的字符串脱敏

 

这本来是好事，防止敏感信息泄露。但问题是，ShareThis.Chat 创建分享后会返回一个管理 token，而这个 token 需要保存到本地，结果 Hermes 一脱敏，终端里看到的 token 就变成了类似 RAkGuW...hWOL 这种不完整字符串，保存下来当然也就不能用了

 

解决方法也很土：不要依赖终端输出

 

因为被脱敏的是“输出层”，所以直接让 Hermes 把 API 原始响应写入文件。文件系统里的内容不会被这层安全机制改写，本地再从文件里读 token

 

有点脱裤子放屁，但没办法

 

所以我也顺手更新了 ShareThis.Chat 的 skill 文档，明确告诉 Agent：

• 先把 API 响应写入本地文件
• 不要从终端输出或日志里复制 token
• 因为你看到的 token 很可能已经是脱敏后的残缺版本

 

看来以后写 skill，不能只考虑 API 怎么调用，还得考虑 Agent 平台可能特有的机制破坏了流程

Cursor 最近是在冲业绩，准备卖个好价钱吗？

在推上疯狂送 $10,000 credits，单单就中文区，我就看到不止5个博主了

希望也能送我一份，我肯定不负众望，疯狂用😆

ShareThis.Chat 上线啦

我的第四个 AI 工具出炉啦：https://ShareThis.Chat 它的功能很简单：将 AI 对话一键转为精美可分享的页面 比如这个范例：https://sharethis.chat/s/example ----- 使用方法其实就是一个 Skill 技能，让你的 Agent 学习下就行了： 你只需要把 https://sharethis.chat/SKILL.md 丢给你的...

模型编程性能测试-娱乐版

添加了 Claude Opus 4.7 模型，使用的是 ZenMux 的 api 排名超越了 GPT 5.4，位列第二名 报告链接：https://coding-model-comparison.versun.me/ ⚠️ 防杠补丁：本测试纯属娱乐，非专业，题目仅是一道简单的单页面力导向图，仅针对当前提示词和模型版本有效，博主无任何厂商立场

零成本搞定本地AI语音生成+识别+克隆

想不到现在的语音模型已经这么强了！以前用 ElevenLabs 的 API 总是舍不得放开用，更别提自由克隆音色了。

直到昨天，我抱着试一试的心态，在自己那台 M1 + 16G 内存的老 Mac mini 上部署了 Qwen3-TTS。结果出乎意料——不仅运行极其丝滑，输出质量也相当惊艳！虽然它目前主打的不是直接克隆，但完全能根据提示词精准生成并稳定保持你想要的音色，可玩性极高，我配置到小龙虾上，每天给我读日报，体感很不错

独乐乐不如众乐乐，今天就来给大家简单复盘一下这个极简的部署过程