<rss xmlns:atom="http://www.w3.org/2005/Atom" version="2.0">
  <channel>
    <title>Agent - 标签 - cfanzp学习笔记</title>
    <link>https://cfanzp008.github.io/tags/agent/</link>
    <description>Agent - 标签 - cfanzp学习笔记</description>
    <generator>Hugo -- gohugo.io</generator><language>zh-CN</language><managingEditor>cfan.zp@qq.com (cfanzp)</managingEditor>
      <webMaster>cfan.zp@qq.com (cfanzp)</webMaster><lastBuildDate>Wed, 08 Apr 2026 13:43:55 &#43;0800</lastBuildDate><atom:link href="https://cfanzp008.github.io/tags/agent/" rel="self" type="application/rss+xml" /><item>
  <title>Hermes Agent：会自我进化的 AI 智能体</title>
  <link>https://cfanzp008.github.io/hermes-agent-introduction/</link>
  <pubDate>Wed, 08 Apr 2026 13:43:55 &#43;0800</pubDate>
  <author>作者</author>
  <guid>https://cfanzp008.github.io/hermes-agent-introduction/</guid>
  <description><![CDATA[Hermes Agent：会自我进化的 AI 智能体 引言 在人工智能快速发展的今天，AI 智能体（Agent）已经成为技术领域的热门话题。大多数 AI 智能体本质上只是「带有额外步骤的聊天机器人」——你与它们对话，它们忘记一切，下次重新开始。然而，Hermes Agent 采取了不同的方式，它致力于打造一个「与你共同成长的智能体」。
Hermes Agent 是由 Nous Research 开发的开源 AI 智能体，核心理念是「The agent that grows with you」（与你共同成长的智能体）。该项目在 GitHub 上已获得 33,000+ 颗星，是当前最受欢迎的自进化 AI 智能体之一。
什么是 Hermes Agent Hermes Agent 是一个功能强大的开源 autonomous AI agent，采用 MIT 许可证发布。与传统聊天机器人不同，它具有以下核心特性：
长期记忆：跨会话记住重要信息，自动保存学习到的知识 自我进化：从成功和失败中学习，逐渐适应用户的习惯和偏好 多平台运行：支持本地运行（保护隐私）、Ollama 部署、云端 API 调用 完全开源：社区活跃，持续迭代更新 核心功能详解 1. 持久记忆系统 Hermes Agent 拥有先进的持久记忆系统，通过 MEMORY.md 和 USER.md 文件保存用户偏好、项目信息和学习到的知识。这种有边界的、精心管理的记忆能够跨会话持久化，让 Agent 记住你的偏好、项目和环境设置。
2. 上下文文件 Hermes Agent 能够自动发现和加载项目上下文文件，包括：
.hermes.md AGENTS.md CLAUDE.md SOUL.md .cursorrules 这些文件会塑造 Agent 在项目中的行为方式，让它更好地理解你的项目规范和需求。]]></description>
</item>
<item>
  <title>Hermes Agent 深度用法指南：自我进化的 AI 智能体完全手册</title>
  <link>https://cfanzp008.github.io/hermes-agent-usage-guide/</link>
  <pubDate>Wed, 08 Apr 2026 13:19:33 &#43;0800</pubDate>
  <author>作者</author>
  <guid>https://cfanzp008.github.io/hermes-agent-usage-guide/</guid>
  <description><![CDATA[Hermes Agent 深度用法指南：自我进化的 AI 智能体完全手册 背景简介 Hermes Agent 是由 Nous Research 开发的开源 AI 智能体，被称为&quot;会成长的智能体&quot;（The agent that grows with you）。截至目前，其 GitHub 仓库已获得超过 33000 颗星，是当前最受欢迎的自进化 AI 智能体之一。
与传统的 AI 助手不同，Hermes Agent 具备：
内置学习循环：从经验中创建 Skills，持续自我改进 持久记忆：跨会话记住重要信息，建立用户模型 多平台运行：本地、SSH、Docker、云端皆可运行 完全开源：MIT 许可证，社区活跃 思维导图：Hermes Agent 核心架构 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 ┌─────────────────────────────────────────┐ │ Hermes Agent 核心架构 │ └─────────────────────────────────────────┘ │ ┌─────────────────────────────────┼─────────────────────────────────┐ │ │ │ ▼ ▼ ▼ ┌─────────────────────┐ ┌─────────────────────┐ ┌─────────────────────┐ │ 运行模式 │ │ 核心系统 │ │ 接入平台 │ │ │ │ │ │ │ └─────────────────────┘ └─────────────────────┘ └─────────────────────┘ │ │ │ ├─CLI 终端 ├─Skills 系统 ├─Telegram ├─Gateway 网关 ├─Memory 记忆 ├─Discord ├─本地运行 ├─MCP 集成 ├─Slack ├─SSH 远程 ├─工具集 ├─WhatsApp └─Docker/云端 ├─计划任务 └─Email │ ▼ ┌─────────────────────────────────┐ │ 模型支持 │ ├─────────────────────────────────┤ │ • Nous Portal │ │ • OpenRouter (200+ 模型) │ │ • OpenAI / Anthropic │ │ • Kimi / MiniMax / GLM │ │ • 本地 Ollama │ └─────────────────────────────────┘ 安装与配置 快速安装 1 2 3 4 5 6 7 8 # 一键安装（Linux/macOS/WSL2） curl -fsSL https://raw.]]></description>
</item>
<item>
  <title>last30days：AI 驱动的全网研究技能</title>
  <link>https://cfanzp008.github.io/last30days-skill-introduction/</link>
  <pubDate>Sun, 05 Apr 2026 00:20:00 &#43;0800</pubDate>
  <author>作者</author>
  <guid>https://cfanzp008.github.io/last30days-skill-introduction/</guid>
  <description><![CDATA[last30days：AI 驱动的全网研究技能 什么是 last30days last30days 是一个 AI Agent 技能，专门用于在多个平台进行深度研究并合成有根据的总结。该项目在 GitHub 上已获得 18,100+ 颗星，是 AI 研究工具领域的热门开源项目。
核心理念 跨平台研究：同时搜索 Reddit、X (Twitter)、YouTube、Hacker News、Polymarket 等平台 智能合成：将分散的信息整合为结构化的总结报告 有据可查：所有结论都基于真实数据，而非主观猜测 实时更新：获取最近 30 天的最新信息 支持的平台 平台 用途 Reddit 社区讨论、热门话题 X (Twitter) 实时动态、专家观点 YouTube 视频内容、教程 Hacker News 技术讨论、创业热点 Polymarket 预测市场、趋势分析 Web Search 通用搜索补充 核心功能 1. 智能研究 输入任意主题 自动在多个平台搜索相关信息 过滤噪音，提取关键信息 2. 趋势分析 识别热门话题 分析讨论趋势 预测未来走向 3. 多维度总结 技术角度分析 社区反馈汇总 市场情绪评估 4. 证据溯源 引用来源链接 数据可验证 避免虚假信息 安装配置 前置要求 Python 3.8+ Claude Code 或兼容的 AI 助手 API 密钥（根据使用的平台） 安装步骤 1 2 3 4 5 6 7 8 # 克隆仓库 git clone https://github.]]></description>
</item>
<item>
  <title>Learn Claude Code：从零理解 Agent Harness 工程</title>
  <link>https://cfanzp008.github.io/learn-claude-code-introduction/</link>
  <pubDate>Fri, 03 Apr 2026 11:00:00 &#43;0800</pubDate>
  <author>作者</author>
  <guid>https://cfanzp008.github.io/learn-claude-code-introduction/</guid>
  <description><![CDATA[Learn Claude Code：从零理解 Agent Harness 工程 什么是 Learn Claude Code Learn Claude Code 是一个开源的学习项目，旨在从零开始教学 Agent Harness（智能体 harness）的构建方法。该项目在 GitHub 上已获得 47,700+ 颗星，专注于帮助开发者理解 Claude Code 背后的设计原理。
项目的核心理念是：模型本身才是智能体，代码只是构建智能体所处的环境（Harness）。
核心观点：模型即智能体 传统理解的误区 很多人认为&quot;构建智能体&quot;就是写代码——使用工作流引擎、提示链、拖拽式编排工具来&quot;组装&quot;一个智能体。但作者认为这种做法本质上是一个&quot;过度工程的 Rube Goldberg 机器&quot;——一个充满 if-else 分支和硬编码路由逻辑的脆弱管道，中间塞了一个 LLM 作为&quot;文本补全节点&quot;。
这并不是真正的智能体。
真正的智能体定义 真正的智能体是：
一个神经网络（Transformer、RNN、学习函数） 通过数十亿次梯度更新在动作序列数据上训练 能够感知环境、推理目标、执行动作以达成目标 从 DeepMind DQN（2013）玩 Atari，到 OpenAI Five（2019）征服 Dota 2，再到 AlphaStar（2019）掌握星际争霸，每个里程碑的&quot;智能体&quot;都是模型，而不是周围的代码。
Harness 的定义 Harness 是智能体在特定领域运作所需的一切：
1 2 3 4 5 6 7 Harness = Tools + Knowledge + Observation + Action Interfaces + Permissions - Tools：文件读写、shell 执行、网络请求、数据库、浏览器 - Knowledge：产品文档、领域知识、API 规范、风格指南 - Observation：git diff、错误日志、浏览器状态、传感器数据 - Action：CLI 命令、API 调用、UI 交互 - Permissions：沙箱、审批工作流、信任边界 模型决定，Harness 执行。模型推理，Harness 提供上下文。模型是驾驶员，Harness 是车辆。]]></description>
</item>
<item>
  <title>DeerFlow 2.0：字节跳动的开源超级智能体框架</title>
  <link>https://cfanzp008.github.io/deerflow-2-introduction/</link>
  <pubDate>Fri, 03 Apr 2026 10:00:00 &#43;0800</pubDate>
  <author>作者</author>
  <guid>https://cfanzp008.github.io/deerflow-2-introduction/</guid>
  <description><![CDATA[DeerFlow 2.0：字节跳动的开源超级智能体框架 什么是 DeerFlow DeerFlow（Deep Exploration and Efficient Research Flow）是字节跳动开源的超级智能体（SuperAgent）框架。它能够研究、编码和创造，通过沙箱、记忆、工具、技能和子智能体的协作，处理从几分钟到几小时不等的多层次任务。
DeerFlow 2.0 于 2026 年 2 月 27 日发布，一经推出便迅速登上 GitHub Trending 第一名，24 小时内获得 35,300+ 颗星，目前累计已超过 45,000 颗星。
⚠️ 注意：DeerFlow 2.0 是完全重写的版本，与 1.0 版本没有共享代码。
核心特性 1. 沙箱执行（Sandbox） DeerFlow 在隔离的沙箱环境中执行代码，确保安全性和稳定性：
1 2 3 4 5 6 7 # Docker 沙箱配置示例 sandbox: use: src.community.aio_sandbox:AioSandboxProvider image: enterprise-public-cn-beijing.cr.volces.com/vefaas-public/all-in-one-sandbox:latest port: 8080 auto_start: true container_prefix: deer-flow-sandbox 隔离执行环境 支持代码运行 网络请求转发 文件系统访问 2. 持久记忆（Memory） DeerFlow 具有强大的记忆功能，可以在对话之间保持上下文：
1 2 3 4 5 6 7 8 9 10 11 12 13 class MemoryMiddleware: def before_model(self, state, runtime): # 注入记忆上下文 memory_content = format_memory_for_injection( memory_data, max_tokens=config.]]></description>
</item>
</channel>
</rss>
