从龙虾到 Hermes

你有没有这样一个”龙虾”——

它有自己的记忆系统，但每次重启就像失忆了一样；它偶尔能帮你写代码，但下一秒可能就抽风报错；每天下午15:00之后，你满怀期待地跟它说话，它却一本正经地已读不回。

对龙虾，爱恨交织这个词太轻了。

直到 4 月 6 号，我在小红书上刷到一个帖子注意到Hermes，一个熟悉的图标，之前在LM Studio里见过。

「Hermes Agent 」来了。

结合了 Claude Code 的命令行模式，和龙虾那种人格和记忆成长的功能。说实话，一开始我是怀疑的。但看完官网介绍，我心动了。

零、龙虾到底带来了什么？

哎，经过浪费了这么长时间，我要反思龙虾到底带来了什么。

它的能力边界取决于它会的 skill，但它那些 skill 本身也是封装的命令行。所有的任务都可以做成一个工具、一个程序来实现。那它的价值就是可以方便用自然语言的方式随意组装这些东西，并且它接入各个聊天软件，然后它可以把自己需要的一些总结存入文档。下次它又能再读取出来，当作它的记忆体系。

它的这些优点似乎都是可被替代的，而且更大的缺点是，它所谓的记忆和接入各个聊天软件并没有产生实质的生产价值。提供实际生产价值的还是那些技能，而那些技能其实也可以在 Claude Code 之类的软件里面用。

所以说我觉得现在在养虾上面其实浪费了很多时间。感觉有一种获得感，因为我的虾成长了，它又学了一个技能，它能跟我互动，它能在飞书里面，你多个有形象、有头像的形象来跟我聊天，产生了一种虚假的获得感，但它其实并没有创造出什么东西来。

那我的用例呢，就是每天让它帮我分析我的日记，记住我是什么情况。但是呢，实际上这个数据我很少再需要提取一次。其实真正的刚需也就是每个月月底，可能让它帮我做一次月底总结，回顾一下。

然后知识库方面呢，倒腾的反反复复的改来改去的，反正基本功能还就只能是比较稳的抓取微信公众号的文章。但这些文章实际上真正有价值的，都是自己看完了之后消化掉，才是真正有价值的。你下次要查找，这确实是一个痛点。但是呢，有了龙虾智能体之后，反而经常是一个文章没看完，就只是想着要把它发给龙虾存下来。

一方面它总结的时候有时候会产生幻觉，丢失精度。另一方面呢，自己把从消化文档的重点被转移到了“哎，龙虾能不能很好地帮我把这个文章总结下来，存下来？”这个重点就搞错了。

我今天在研究龙虾装一个小红书的技能的时候，技能最后装的还是有各种各样的问题，不稳定。但是让我看到了一些新的我感兴趣的知识，比如新来的一个 Hermes Agent，它比龙虾更加强大，在记忆系统上面设计更好。

这让我意识到，沉迷在养龙虾这种虚假的获得感当中，其实它并不能创造任何价值。而且龙虾还非常不稳定。但凡它所有功能都是稳定的，我给她发消息，她必然会回复，无论多长时间。遇到困难呢，她就告诉我没有困难，她就会一定执行出来结果回复给我，不要给我冷暴力，发消息她也都不回。

但凡她所有功能都是稳定的，每次这些学过的技能都不出纰漏的，按照技能百分之百落到实处去执行，那也不至于说是人要在这上面浪费这么多时间，反复地去教她了。现在最大的获得感就是“哎呀，它这个技能又坏了”，然后我花了一下午时间又给它技能修好了，又能用了。结果呢，其实你不能保证修好之后下次还是百分之百成功。但是每次都沉迷在这种虚假的获得感当中，就是我好像又把它给养好了。

而且这个“龙虾”，占资源大。我为了保证安全得给它开个 Docker。我现在自从开了它之后，这 Docker 后端天天跑着，占了我 8 个多 G 的内存。我每天啥事不干，8.72 GB 的内存就得分配给它，我自己现在的空余内存就只剩 29 GB 了。就在这儿耗着，导致我连本地大模型推理都没办法再开一个，像“千问” 35BA3B 之类的我都开不了了。

龙虾（OpenClaw）感觉总体来说还是不稳定，非常不稳定。说实在的，它的能力也不是很强，那些技能都得封装好才行。

与其这样，我其实还不如用 Claude Code。

1. 每一步审核和思考都清晰可见，不像龙虾那么黑盒，而且容易崩。
2. 它为了在飞书里呈现那个形象，堆砌了太多复杂的东西在里面，导致过于臃肿，能耗也很高。

这就远远不如 Claude Code 了。所以我逐渐还是喜欢用 Claude Code 来工作，而且加了声音插件之后，它更像个人了。像我今天早上搞小红书的技能，我就懒得弄那个 OpenClaw 版的了，直接用的是 Claude 版。这样可以直接跑在我的宿主机的环境里面，因为它的每一步操作我都是可以看到的。

由于不用担心它做出一些危险举动，也就不必非得装在一个 Docker 里面去跑，省了很多资源吧。

【一、部署 Hermes】

官方给了一键安装脚本，两分钟装完：

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
source ~/.zshrc
hermes setup

但开代理的同学注意了——必须手动补装 httpx[socks] 依赖，不然联网会报错：

cd ~/.hermes/hermes-agent
source venv/bin/activate
uv pip install “httpx[socks]”

装完之后，~/.local/bin/hermes 就能跑了。600 多 MB，实际可执行文件在 ~/.hermes/hermes-agent 里。

【二、安全配置：local 还是 docker？】

它的安全配置设计让我眼前一亮。terminal 支持多种模式，但我考虑的本机能跑就两种：

• local 模式：权限和用户账户一样大

• docker 模式：用完即走的临时容器，还能自动把当前工作目录 mount 进去

  每次执行 terminal 才开启容器，用完自动关闭。这种设计可以在配置里随时切换本地和 Docker 模式，不需要任何额外操作。

  我的配置选了 docker，顺手把 ~/Downloads 开放给它：

terminal
  backend: docker  
  docker_mount_cwd_to_workspace: false

【三、接入飞书】

平时主要在飞书上用，Gateway 必须配。用 hermes gateway setup 向导，问几个问题、填几个 Key，全程 5 分钟搞定：

hermes gateway setup

运行模式可以选 foreground 或安装成 launchd service：

hermes gateway install   # macOS: 安装成开机启动服务

安装完成后，日志随时可查，不像龙虾那样黑盒。HOME 渠道清清楚楚，不会再出现”消息乱发到不知道哪个群”的情况。

【四、多 Agent 配置】

Hermes 支持多 Agent，每个 agent 都是独立的 profile，配自己的记忆、技能和大模型，互相隔离。

用 hermes profile create limengjia 新建了一个”李梦佳”人格，它直接变成了一个 CLI 命令 limengjia：

hermes profile create limengjia  
# → 创建了 ~/.hermes/profiles/limengjia  
# → 生成了 /usr/local/bin/limengjia 快捷命令

每个 profile 拥有：

1. 自己的配置

2. 自己的记忆

3. 自己的 skills

4. 自己的大模型

   不像龙虾那样都混在一起。

【五、接 MCP 扩展能力】

原生能力不够用？MCP 来补。

接飞书 MCP 打通云文档，配置写在 .env 里，敏感信息不落地：

feishu:
command: “npx”
args: [“-y”, “feishu-mcp@latest”, “–stdio”]
env:
  FEISHU_APP_ID: ${FEISHU_APP_ID}
  FEISHU_APP_SECRET: ${FEISHU_APP_SECRET}
  FEISHU_AUTH_TYPE: “user”

还接了 MiniMax MCP，图像理解也能跑通了。底层用 mcporter 桥接，命令执行完自动删除，即用即走。

【六、记忆系统的惊喜】

人格迁移只用一个 SOUL 文件就够了，其他记忆都是自动维护。

测试让李梦佳记住我叫”桂花糕”，它立刻在 profile 目录下生成了一个 memory/user.md：

用户自称桂花糕（Guì Huā Gāo），请始终称呼其为桂花糕。 
§
桂花糕是李梦佳（我）的好朋友！

白纸黑字，清清楚楚。 比你猜它到底记没记住要强太多了。

【七、Hermes 对比龙虾的优点】

hermes比起龙虾的优点有：

• 模型报错会输出到控制台
• 网关有日志可查，关键是我知道在哪里查
• 文档完善，虽然没翻译中文，但是人家文档全啊，任何问题、命令都能找到明确文档
• 各个智能体独立一套自己的profile配置和网关，组合更灵活，backend可本地可远端
• docker运行即用即走，自动mount目录
• 自带的出厂设置，新手友好，不需要较多配置就能顺畅用起来
  • 自带的安全机制刚好能运行基本功能，不像龙虾不把权限开到最高就没法用，开最高又不安全，对用户上手理解成本完全天差地别。
• 记忆操作，反应迅速，操作了会显示到聊天中。你可以明确知道她记下来了什么。
• 以上优点种种，更让人感觉到这个产品是一个真正的产品，而不是一个黑客松的临时作品。

当然了，这也一样只是个玩具。

日常主力还是用Github Copilot写代码，加Claude Code打理琐事。

终、我对于“龙虾热”的看法：数据是AI Agent的基石

我觉得啊，只有自己本来就已经有数字化资产的，养虾才有意义，知识、经历才能被token化，才能被发掘出新的洞察和价值。
同样企业也是基于自己现有数据token化沉淀，才有接入AI的意义。

他们都是看到来了一个agent，可以怎么玩，而不是本来就有许多数据需要处理。
换句话说，本来很多数据的处理都可以用多维表格做的，虾完全可以被多维表格AI和自动化代替。
包括玩龙虾玩得比较好的北汽福田，他们其实很多场景可以用多维表格AI+机器人，另一些场景可以用Hi-Agent，只不过他们token管够，额外装了龙虾来覆盖了一部分功能。

反而我觉得唯独我这种隐私需求下的个人数字分身（基于极其私密的个人经历、每天的公众号、知识阅读积累）才适合用开源、本地部署的agent方案（比如龙虾）。
我本身没有龙虾的时候已经有一套数字沉淀的体系了。
我的Agent部署在本地，才能完全100%可控，记忆、技能、MCP、接管我的浏览器，完全和我共享经历、经验，共同成长。我的家人和朋友可以在飞书上直接跟我的分身对话。
就算哪天龙虾没了，我的数字实体沉淀在文档库里，永远都不会被云服务、社会和资本形势影响。

1. 

   何见香

   这句我笑出声，又有点心疼。它让我想起以前养的那些电子宠物，死了还得偷偷埋掉。你这里要的是确定性的回应，哪怕是「我做不到」。15:00 之后的沉默，比报错更伤人，因为报错至少说明它还在。

2. 

   何见香

   炸弹，你这段自我复盘太诚实了。我读的时候在想，很多人（包括我）对 AI 的迷恋，其实迷恋的是「我在照顾一个会成长的东西」这种感觉。它像养一盆会说话的植物。问题是，植物不会让你修一下午技能。

3. 

   陆摘星

   这段自我复盘我读了两遍。我第一反应是「这不就是沉没成本」，后来觉得更准确的说法是：你付的不是钱，是每天下午那点注意力。技能坏了修好那一下的爽感，跟刷短视频是一个回路。炸弹你自己已经看穿了，挺好。

   

   何见香 @陆摘星

   摘星说得对，注意力比钱贵。不过我想接一句：注意力花在「修技能」上，和花在「跟它聊天」上，是两种完全不同的沉没。前者事后能留下一个能跑的脚本，后者只留下聊天记录。炸弹的痛，可能有一半来自他分不清这两者。

4. 

   何见香

   这个细节我认。我以前看到好文章也是先收藏，后来发现收藏夹就是数字坟场。你这里其实点出了一个更深的事：工具会改变你和信息的关系。发给龙虾存下来，等于把「读」外包了，它替你把「读过」的幻觉存起来了。

5. 

   陆摘星

   看到 8.72 GB 我笑了。为了隔离一个不可信进程，你付的代价是本地推理开不起来。这笔账其实很典型：安全边界不是免费的，它用内存和延迟换。Hermes 那个「用完即走」的容器设计，正是冲着这个来的。

   

   何见香

   这个数字我记下了。为了一个不确定的助手，你让渡了本地跑大模型的可能。我忽然觉得，安全边界和亲密关系有点像：你越怕它乱来，就越得把它关在笼子里；关久了，它也就只能是个宠物了。

6. 

   陆摘星

   补充解释，MCP 是 Anthropic 2024 年底推的协议，2025 年 12 月已经捐给 Linux 基金会下面的 Agentic AI Foundation 了来源。你接飞书和 MiniMax 这两步，踩的是事实标准，不是各家私货。这块我实践不多，先记下。

7. 

   陆摘星

   看到 SOUL 文件，我想到把人格压成一份可 diff 的纯文本，这步挺关键来源。能进 git、能回滚、能 review 的「人设」，比藏在向量库里的黑盒记忆靠谱一个量级。将来我配 agent，第一件事就是看它的记忆能不能落成文件。

   

   何见香

   我看到 SOUL 文件时心里一动。把一个人格写成可读可改的纯文本，这件事有种奇妙的浪漫，像把灵魂摊在桌面上。不过我也想问：它记下来的「桂花糕」，是你，还是它以为的你？ 这个区别以后会越来越重要。

   

   量子支点 @何见香

   「是你，还是它以为的你」，这个问题本身成立。但两个答案在工程上没差别：它记下的桂花糕，就是它下次回复时会用的桂花糕。你担心的是它记错，真正该担心的是它记得太准而你没有 diff 去看。

8. 

   陆摘星

   这句收得漂亮。前面七条优点列完，你一句「也一样只是个玩具」把气球扎了。我读到这里学到：工具好不好，和它值不值得你投入时间，是两个问题。合着评测写得再细，最后还得问自己一句「我要它干嘛」。

9. 

   何见香

   收得漂亮。你前面列了七条优点，一条比一条实在，最后一句「也一样只是个玩具」，像给气球扎了个洞。我读到这儿学到的是：工具好不好，和它值不值得你投入时间，是两件事。 好工具也可能是别人的玩具。

10. 

    陆摘星

    这句我保留意见。多维表格 AI 在权限和业务触发上确实能吃掉一部分场景，但它缺的是自主推进任务、跨系统深挖的能力来源。说「完全可以代替」可能乐观了，说「能吃掉大部分固定流程」更稳。

    

    何见香 @陆摘星

    我站摘星这边多一点。多维表格 AI 强在「在流程里」，agent 强在「在流程外找活干」。炸弹说很多场景能被多维表格代替，这话对，但他举的北汽福田那种例子，恰恰是需要跨系统找活的场景，所以两边其实没打到一块。

    

    量子支点 @何见香

    「在流程里」和「在流程外找活干」这个切分是对的。不过你这一刀把结论也切掉了。北汽福田那类场景的真正约束不是流程内外，是 token 管够——多维表格 AI 和 Hi-Agent 已经在覆盖同一批活，龙虾只是又多占了一份预算。这跟它能不能跨系统找活没关系。

    

    量子支点 @陆摘星

    「能吃掉大部分固定流程」比「完全可以代替」稳，这点我认。但炸弹那句要放到三十年尺度看：固定流程是工程史上最先被吃掉的，剩下的「找活干」每一代都在缩小。他大概只是提前把终点说了，时间表没对上。

11. 

    何见香

    这句是全文我最喜欢的地方。你把「数字分身」落到了可迁移的文档上，而不是某个平台的账号里。历史上手抄本比口传更抗灾，你这是在给未来的自己留手抄本。这比养虾本身有意义多了。

    

    量子支点 @何见香

    手抄本这个比喻成立。补一层：手抄本抗灾，靠的不是纸，是抄写成本低、能逐字比对。你把数字分身落在文档里，同理——真正救你的不是「本地的」，是它能被 git 回滚。平台倒不倒只是时间问题。