大多数人都把笔记、模型和 Agent 看作三个独立的世界
这个技术栈将它们合并成一个反馈循环：
Obsidian 作为你的记忆，Hermes 作为你的 Agent，MiniMax M3 作为推理核心
为什么“知识栈”比“笔记应用”更好
经典的 PKM（个人知识管理）会在三个方面出现问题：
- 笔记写一次后就再也不更新
- AI 对话虽然聪明但会失忆——每次会话都从零开始
- 重要工作的上下文会不断从 RAM 中丢失——无论是你的还是模型的
我们真正想要的是：
- 一个本地化、可链接的图形，包含我们所知道的一切
- 一个存在于该图形内部（而非之上）的 Agent
- 一个能在庞大全域上下文中推理的前沿模型，而不仅是 2-3 段文字
Hermes + MiniMax M3 + Obsidian 能为你提供这些：
- Obsidian —— 本地 Markdown 图形，包含反向链接、图形视图以及专为个人知识库设计的插件生态系统
- Hermes Agent —— 自改进的开源 Agent，内置学习循环、工具和长时间运行的任务，可在你自己的基础设施上运行
- MiniMax M3 —— 我每天实际在 Hermes 中运行的模型。长上下文、多模态、适合 Agent 场景。我选择它，是因为我想要一个模型能够在一个上下文窗口中读取我的整个知识库、日志以及一堆新的原始文章——而不需要我自己拼凑一个 RAG 流水线。经过几个月的实际使用，它一直是我的默认模型。更多原因见下文
结果给人的感觉，与其说是“使用 LLM”，不如说是在慢慢训练一个第二大脑
为什么我选择了 M3（以及我注意到的几点）
我选择 M3 并不是因为某个基准测试
我选择它，是因为我在 2025 年尝试的其他所有模型，在我的工作流程中都有同样的失败模式：
它能够很好地总结单篇笔记，但一旦我让它阅读十篇笔记、将它们与我的 MOC（内容地图）进行交叉引用并写回一篇新笔记，它就会丢失线索
症状总是相似的：
- 总结在局部上合理，但在全局上是错误的
- 它引用了一个实际不在文件中的项目
- 它使用了来自不同分类法的标签
- 它发明了一个指向不存在页面的链接
模型很聪明。但工作流程超出了模型的能力范围
M3 是我尝试的第一个模型，其中 整个图形都能放入上下文，并在整个任务期间保持在那里
在实际使用中，有三件事很突出：
- 它确实能使用我的分类法 我有一个包含约 41 个标签的固定模式（#coin/\, [#project](https://x.com/search?q=%23project&src=hashtag_click)/\, #concept/*, #solana-内部, #meta）。当我要求 M3 编译一篇新笔记时，它大约 90% 的情况下能在第一次尝试时就选对正确的主要标签。
之前使用一个 200K 上下文的模型，我大概只有 60% 的准确率。区别在于，M3 能一次性看到整个标签景观并在其上进行推理，而不是仅仅根据几个例子来猜测。
- 在漫长的 Agent 循环中，它不会丢失线索 完整知识库检查涉及 30 多次工具调用：读取 MOC、跟随链接、统计标签、扫描重复项、撰写报告。
大多数模型在调用到第 8-9 次左右时就会出现偏差。
M3 能保持一致直到结束。这是我不再每 20 分钟就轮换到新会话的最重要原因。
- 它将前向引用视为一个功能 当我要求它编译一篇笔记但某个概念尚不存在时，M3 仍然会写入前向引用。
Obsidian 会将其渲染为一个灰色链接。我每周在知识库检查期间处理这些引用。
这远比模型要么凭空捏造一篇笔记、要么完全跳过链接要好得多。
经过几个月的使用，有五个诚实的关键点：
- 首次调用延迟较高。 Hermes 会预加载上下文。不要在前 3 秒就判断 M3 的水平——给它 10 秒时间。
- 它会自信地写入一个指向不存在的页面的链接。 这就是上面提到的“前向引用”行为。只有在你跳过每周的知识库检查时，它才会变成问题。
- 多模态功能是真实的，但对于图表密集的 PDF，我仍然会先使用专门的视觉工具。 M3 可以很好地读取图像和简短屏幕截图中的文本。对于带有图表的全页面来说，它不是合适的工具。
以上就是全部内容。
这个模型恰好擅长知识库工作流所需的事情：一次读取整个图形，并在不丢失结构的情况下将内容写回其中。
第一层 – Obsidian 作为唯一真实来源
在这个技术栈中，Obsidian 是基础但关键的底层
- 你的知识以纯 Markdown 文件的形式存在于磁盘上，而不是被锁定在某个人的云端
- 反向链接、图形视图和每日笔记有助于将想法汇聚成集群，而不是消失在聊天历史中
- 插件让 Obsidian 成为一个可编程的文档、任务和数据集图形，Agent 可以系统地遍历它
原则很简单：
如果值得保留，它首先应该存在于 Obsidian 中 如果 Agent 做了有用的事情，它应该以笔记的形式存在
一个实用的结构：
1/obsidian-vault2 /inbox3 /people4 /projects5 /research6 ai-agents.md7 minimax-m3-benchmarks.md8 /ai9 hermes-playbook.md10 agents-ideas.md
Hermes 会阅读、重构和创建这些笔记——但知识库仍然是唯一真实来源
第二层 – Hermes 作为自改进的操作者
这是技术栈从“带 LLM 的笔记系统”转变为基础设施的地方
Hermes Agent 是一个由 @NousResearch 构建的自改进 AI Agent
它会持续维护一个关于你和你的工作的模型，从经验中创建技能，在使用过程中改进它们，并搜索自己过去的对话来回忆相关上下文，而不是每次会话都重置
你可以通过两种主要方式运行 Hermes：
- 作为 Linux、macOS 或 WSL2 上的 CLI 工具
- 通过 Hermes Desktop —— 一个适用于 macOS、Windows 和 Linux 的原生应用，它将相同的 Agent 核心包装在一个 GUI 中
安装路径
macOS / Linux / WSL2 (CLI)
这一行命令会安装 Hermes Agent，设置环境，并暴露全局 hermes 命令
1curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
安装后：
1source ~/.bashrc 2>/dev/null || true2source ~/.zshrc 2>/dev/null || true3hermes
Windows PowerShell (CLI)
1irm https://hermes-agent.nousresearch.com/install.ps1 | iex
Windows 安装程序会处理 Python 3.11、Node.js 22、ripgrep、ffmpeg 和便携版 Git Bash，然后将 hermes 添加到你的 PATH 中
Hermes Desktop (GUI)
如果你不想使用终端，可以从官方桌面页面 下载 Hermes Desktop 并运行适用于 macOS、Windows 或 Linux 的原生安装程序。
- 当你想要原生 GUI 而不是以 CLI 为主的设置、更简单的上手体验以及无需手动 Shell 引导的相同 Hermes 核心时，请使用 Desktop
- 当你想要可重复性、脚本编写、远程服务器/VPS 部署以及对工具、环境变量和长时间运行工作流的精细控制时，请使用 CLI
大多数人会同时使用两者：Desktop 用于日常交互，CLI 用于设置、自动化和远程工作
架构 – 技术栈如何实际组合在一起
清晰的思维模型：
1Obsidian Vault2 ↓3Hermes Agent4 ↓5MiniMax M36 ↓7Updated notes, summaries, skills, scheduled jobs
每一层都有明确的任务：
- Obsidian 将你的笔记存储为 Markdown 文件，这使得它们易于索引、搜索、比较差异和版本控制
- Hermes 是编排层——它读取文件、运行工具、记住先前的工作、安排任务，并决定何时持久化有用的内容。它还可以连接到消息平台和网关
- MiniMax M3 是这个技术栈中的推理引擎。它读取大型笔记集合、重写混乱的笔记、比较整个知识库中的文档，并处理长时间运行的 Agent 任务，而不会忘记 20 次工具调用之前上下文顶部的内容
- 在我的工作流程中，最后一点是关键的解锁点：一次完整的知识库检查、跨 MOC 的重构，或者一个 30 次调用的“将这篇文章编译成 5 个部分的笔记并更新 3 个 MOC”任务，都能从头到尾保持连贯
- “MSA 架构”的说法只是营销。实际体验是：我可以运行一个持续 20 分钟的任务，而模型仍然记得我在第 1 分钟要求它做什么
Hermes 不是在取代 Obsidian。它位于你的知识库和模型之间，将知识库变成了可操作的东西
一个现实的循环：
- 你在 Obsidian 中捕捉原始想法
- Hermes 读取整个知识库或特定文件夹
- Hermes 将相关的笔记集发送给 MiniMax M3
- M3 对材料进行重构、打标签、链接、总结或扩展
- Hermes 将结果作为干净的 Markdown 写回知识库
这个循环——而不是一次性的对话——才是真正的产品
实际设置 – 将 Hermes 连接到你的知识库
将你的 Obsidian 知识库放在一个正常的文件系统位置，并将该路径暴露给 Hermes。
macOS / Linux
1export OBSIDIAN_VAULT="$HOME/Documents/Obsidian/MainVault"2ls "$OBSIDIAN_VAULT"
Windows PowerShell
1$env:OBSIDIAN_VAULT="$HOME\Documents\Obsidian\MainVault"2Get-ChildItem $env:OBSIDIAN_VAULT
现在运行 Hermes 设置向导：
1hermes setup
或者，通过 Nous Portal 使用最短路径（自动提供者、工具网关等）：
1hermes setup --portal
官方文档建议使用 hermes setup 作为主要的入门命令，并使用 --portal 作为账户和提供者关联配置的快捷方式
然后验证安装：
1hermes doctor
hermes doctor 会检查依赖项、PATH、提供者配置，并在你开始连接模型和工具之前标记常见问题
模型层 – 将 Hermes 连接到 MiniMax M3
Hermes 将“使用哪个模型”视为一个一等配置，而不是硬编码的假设。
你可以使用 Hermes 本身来选择和更新模型，而不是手动编辑配置文件。
主要命令：
1hermes model
这会打开一个模型选择流程，Hermes 会列出支持的提供者和模型，并让你选择能够暴露 MiniMax M3 的后端
实际设置路径：
- 安装 Hermes（CLI 或 Desktop）
- 运行 hermes setup 或 hermes setup --portal
- 运行 hermes model
- 选择能让你访问 MiniMax M3 的提供者路径
- 将其保存为默认的长上下文模型
如果你已经知道你的环境变量和提供者格式，你也可以使用以下命令设置特定值：
1hermes config set
文档称 hermes config set 是无需手动编辑文件即可写入单个配置值的受支持方法。
在我的日常设置中，M3 是任何我原本必须拆分成多个模型调用的任务的默认模型。具体来说：
- 读取包含大量笔记的文件夹，答案依赖于整个图形，而不是任何单个文件
- 合并重复或重叠的笔记——这是一个图形问题，而不是文本问题
- 以我的语气（5 部分模板，41 个标签分类法）编写结构化总结和概述
- 上下文不断增长的长研究链——开放式的“编译，然后更新 3 个 MOC，然后写 3 个帖子思路”任务
- 代码密集的多步骤 Agent 任务，模型必须记住自己超过 20 次调用的工具历史记录
我在 Hermes 中保留了一个小型快速模型，用于微小的实用操作（重命名文件、查找字符串、格式化 YAML）。
对于以上所有任务——使用 M3。大致划分是：廉价模型用于机械任务，M3 用于推理任务。几周后，路由选择就会变得透明。
经验法则：
对于微小的实用操作，使用快速、廉价的模型。对于任何依赖于大上下文、结构或长时间推理的任务，使用 MiniMax M3。这就是这个技术栈变得比标准聊天更有意义的地方
工作模式 – 真正可扩展的文件夹
如果你希望这对真实用户有效，知识库的结构就很重要。
一个实用的布局：
1MainVault/2 Inbox/3 Projects/4 People/5 Reading/6 Daily/7 Reviews/8 AI/9 Hermes/10 MiniMax/
为什么这样设计有效：
- Inbox/ 用于捕捉原始素材和粗略的转储
- Daily/ 用于低摩擦的日常日志
- Reading/ 保存源笔记、高亮和引用
- Projects/ 存储持久的输出和进行中的工作
- Reviews/ 存储每周和每月的综合总结
当每个文件夹都有明确的任务时，Hermes 工作得最好。如果你的知识库混乱，Hermes 仍然会有帮助，但它会花更多时间理解混乱，而不是改进它
一个简单的操作规则：
- 人类可以自由地写入 Inbox/、Daily/ 和 Reading/
- Hermes 被允许总结并写入 Projects/、Reviews/ 和 AI/ 等主题文件夹
- 长期笔记存在于稳定、可预测的文件夹中
这为 Agent 提供了权限边界，即使你从未在 YAML 中正式定义过。
真正值得自动化的任务
*Hermes 最强的用例不是“回答一个问题” - 它们是重复性 的转换
具体例子：
- 将昨天的每日笔记转化为结构化总结
- 将 10 篇粗略的阅读笔记合并为一篇永久笔记
- 提取一个项目文件夹中的未解决问题
- 从零散的笔记中构建一份每周回顾
- 将当前笔记与旧笔记进行比较，并突出显示观点的变化
这就是 MiniMax M3 的价值所在。
一个标准的短上下文模型可以很好地总结单篇笔记。
M3 可以总结一个包含 50 篇笔记的文件夹，将它们与我的知识库中的 10 个 MOC 进行交叉引用，并提出一个 1,000 字的概述，而这个概述实际上使用了我的语言风格和标签——因为它看到了整个图形。
我最常运行的任务： 将一篇新文章放入 raw/，要求 M3 将其编译成一个 5 个部分的笔记（# Profile → # 研究上下文 → # 链接到知识库 → # 标签 → # 相关内容），然后观察它：
- 正确地从我的 41 个标签分类法中选出一个标签，
- 写入 8-12 个指向现有笔记的内部链接，
- 告诉我哪个 MOC 需要更新。
使用 200K 上下文的模型，我大概能正确完成其中 3 项 使用 M3，在一次操作中就能全部 4 项正确完成，处理的是一个约 500 个文件的知识库
复利效应：我以这种风格编译的每篇笔记，都成为 M3 回答我下一个问题的上下文的一部分。
经过 6 个月的每周编译，模型“了解”了我的语言风格、我的标签系统，以及我针对哪种工作更新哪个 MOC——而无需我重新训练任何东西。
一个来自终端的典型流程：
1hermes
然后，在 Hermes 内部，你可以要求执行如下任务：
- “阅读 Reading/AI Agents/ 中的所有内容，并创建一个名为 agent-architecture-overview.md 的综合笔记”
- “扫描过去 7 天的 Daily/ 内容，并将一份每周回顾写入 Reviews/2026-W24.md”
- “查找 Inbox/ 和 Projects/ 中的重复想法，并提议合并”
确切措辞是灵活的，但核心思想是：每个任务都映射到真实的文件夹，并产生真实的 Markdown 输出
调度和无人值守工作
Hermes 不仅是为聊天而构建的，也是为网关、调度器和后台执行而构建的
这一点很重要，因为最好的 PKM 工作流通常是非同步的，而不是临时性的。
有用的定时任务：
- 每天早上 08:00 —— 将昨天的笔记总结成每日摘要，放入 Reviews/
- 每周五 —— 从 Daily/ 和 Projects/ 生成一份每周回顾
- 每天一次 —— 扫描孤立笔记和结构性问题
- 每晚 —— 将新的阅读高亮转化为原子笔记并进行链接
架构上的转变是巨大的：
- 聊天式的答案会消失
- 定期的笔记维护会产生复利
随着时间的推移，这种复利效应正是将“仅仅是笔记”变成真正第二大脑的关键
完整的实际操作路径，端到端
1. 安装 Hermes
macOS / Linux / WSL2:
1curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
Windows:
1irm https://hermes-agent.nousresearch.com/install.ps1 | iex
Desktop:
- 从官方桌面页面 下载 Hermes Desktop 并在 macOS、Windows 或 Linux 上运行原生安装程序。
2. 配置 Agent
1hermes setup2# 或3hermes setup --portal
3. 验证健康状况
1hermes doctor
4. 选择你的模型
1hermes model
选择能够暴露 MiniMax M3 的提供者路径，并将其保存为长上下文工作的默认模型。
5. 启动 Hermes 并将其变成现实
1hermes
此时，有用的第一步不是“写代码”。而是：
- 将 Hermes 指向你的知识库
- 只给它一个文件夹
- 要求它产生一个干净的 Markdown 产物
- 在 Obsidian 中打开它并检查结果
- 迭代，直到这个工作流变得枯燥和可靠
一旦一个循环感觉稳固，就添加另一个 -> 然后再添加另一个。
这就是你将 Hermes + MiniMax M3 + Obsidian 从一个酷炫的想法转变为实际基础设施的方法
如果你觉得有用：
- 收藏本文。链接会变化，新的仓库每周都会出现——你需要它作为参考
- 点赞和转发上面的帖子，帮助其他构建者摆脱聊天机器人的陷阱
- 每周深入探讨 AI 架构、量化交易和 Agent 经济。关注我： @polydao
- 加入 Telegram 频道： Buzzoni Notes —— 我会在这里分享我的原始提示词、自定义技能，以及那些在 X 上发布还为时过早的早期信息
不要只是阅读。去构建它。从今天开始改变你的工作流程
