大多數 AI 代理在你關閉分頁的瞬間就會忘記一切。
下一次會話，一切歸零。你再次解釋背景脈絡，它又從頭開始。每次都一樣。
Hermes 的運作方式不同。它會記住所學到的一切。每當你指派一項任務，它會將執行步驟寫入你硬碟上的一個檔案。下次你執行類似任務時，它會找到那個檔案並加以運用。一個月後，你的 Hermes 資料夾裡就會累積 30 到 50 個這樣的技能。它會變得更快、更準確，並且持續成長。
我在一台普通的筆記型電腦上設定它，不需要特殊硬體，大約花了 30 分鐘。第一週，我靠著製作競品研究報告，完成了三個客戶，每個收費 300 到 400 美元。每份報告實際工作時間：15 分鐘。
以下是完整的設定方式。
什麼是 Hermes
來自 Nous Research 的開源 Agent 框架。三個月內在 GitHub 上獲得 14 萬顆星。目前是 OpenRouter 上使用率最高的 Agent。NVIDIA 在五月的部落格文章中，特別介紹了它在新款 DGX Spark 工作站上運行的情況。
你不需要那種硬體。配備 16GB RAM 的 MacBook 就能跑，任何搭載中階 GPU 的 Windows 機器也都可以。
你硬碟上的三個資料夾負責所有工作：
1~/.hermes/memory/ 你的偏好設定、專案和模式2~/.hermes/sessions/ 所有活動的索引歷史記錄3~/.hermes/skills/ 以 .md 檔案儲存的已學習工作流程
這個技能資料夾是整個系統的關鍵。擁有超過 20 個自創技能的 Agent，完成類似任務的速度比全新實例快 40%。不是產出品質更好，而是達到相同結果所需的時間更少。
這項服務
為早期新創公司和小型 SaaS 企業製作競品研究報告。
創辦人想知道他們主要的三個競爭對手在做什麼：定價、市場定位、客戶對他們的不滿之處以及市場缺口。通常這需要某人花 3 到 4 個小時的工作量。我收費 300 美元，當天交付。
Hermes 實際進行研究只需要 15 分鐘。
一般人的花費：
1服務 費用2─────────────────────────────────────3自由分析師 $150-3004研究公司（最低收費） $500-20005自行研究 3-4 小時的時間成本
這個方案的花費：
1工具 費用2─────────────────────────────────────3Hermes Agent $04Ollama $05Qwen 3.6 27B 模型 $06你的筆電 $07電費 ~$2/月8─────────────────────────────────────9總計 $0-2/月
設定（30 分鐘）
步驟 1. 本地模型伺服器
前往 lmstudio.ai。下載並安裝。
開啟 LM Studio，前往「探索」分頁，搜尋 Qwen 3.6 27B。選擇 Q4 量化版本。下載約需 10-15 分鐘。
之後：前往「開發者」分頁，載入模型，在設定中啟用「開放網路伺服」，然後點擊「啟動伺服器」。它會在以下網址運行：
1http://localhost:1234
在瀏覽器中開啟該網址。如果你看到 JSON 格式的回應，就表示運作正常。
如果你偏好使用終端機，可以使用 Ollama：
1ollama pull qwen3.62export OLLAMA_HOST=0.0.0.03ollama run qwen3.6 -c 65536
這個 -c 65536 參數是必要的。Ollama 預設的上下文長度是 4K，但 Hermes 需要 64K。跳過這個參數，就什麼都跑不起來。
步驟 2. 安裝 Hermes
1bash scripts/install.sh23source ~/.bashrc45hermes --version
從這裡取得安裝腳本：github.com/NousResearch/hermes-agent
Windows 用戶請在 WSL2 環境中執行。
步驟 3. 連線到你的模型
1hermes model
從選單中選擇「自訂端點」。
1URL: http://localhost:1234/v1 （LM Studio）2 http://localhost:11434/v1 （Ollama）3API 金鑰： 留空，按 Enter 鍵跳過4模型名稱： LM Studio 中的確切檔案名稱，或 Ollama 的 "qwen3.6"
如果在啟動時看到「模型上下文太小」的錯誤，請回到你的模型伺服器，將上下文長度設為 65536。這是最常見的問題，解決方法一定是在模型伺服器那端。
步驟 4. 首次執行
1hermes
貼上以下內容作為你的第一個任務：
1針對一個以自由工作者為目標客戶的專案管理工具，研究其三個競爭對手。2針對每個對手：市場定位、定價、從評論中找出的三大客戶抱怨、以及他們產品中的一個缺口。3將此儲存為一個技能，以便下次我們可以重複使用這個流程。
Hermes 會將任務分解成子任務、進行搜尋、撰寫報告，並將流程儲存到 ~/.hermes/skills/ 目錄中。下次的研究任務會因為技能已存在而執行得更快。
完成後輸入 /exit 離開。
步驟 5. 確認運作成功
1ls ~/.hermes/skills/
你應該會看到一些 .md 檔案。打開一個來看，裡面是一個包含步驟和說明的結構化工作流程。這就是 Hermes 學習的結果。
如果資料夾是空的，表示安裝沒有完成。請重新執行安裝腳本。
Telegram 閘道
1hermes gateway
選擇 Telegram。前往 @BotFather 建立一個新的機器人，並貼上取得的 Token。
現在，只要筆電在家裡開著，你就可以直接從手機傳訊息給你的 Agent。這種使用體驗完全不一樣。
尋找客戶
第一週有三個有效的方法：
Upwork。搜尋「競爭者分析」或「市場研究」。按「過去 7 天」篩選。每天發送 10-15 封簡短的訊息。提供寄送樣本報告的選項。在接到客戶前，先用 Hermes 建立樣本。
X / Twitter。搜尋「有人知道嗎」加上「競爭對手研究」。創辦人會頻繁發布這類內容。回覆他們，提供樣本，不要直接推銷。
開發信。前往 Product Hunt，篩選過去 30 天內的產品發布。直接寫信給創辦人。一句話說明來意，附上樣本連結。信件主旨：「[產品名稱] 的快速競爭對手研究」。
只要你發送的訊息夠多，第一個客戶通常會在 3 到 5 天內出現。
成本效益分析
1第 1 週2─────────────────────────────────────3設定 2 小時4每日開發信 1 小時5交付報告 3 份6收入 $900 - $1,2007每份報告工作時間 15 - 20 分鐘
1第 1 個月2─────────────────────────────────────3售出報告 10 - 15 份4收入 $3,000 - $4,5005開始的長期客戶 2 - 3 個6新增的每月經常性收入 $600 - $900
1第 3 個月2─────────────────────────────────────3~/.hermes/skills/ 中的技能 30+4每份報告時間 10 分鐘5長期客戶 6 - 8 個6每月經常性收入 $1,800 - $2,4007一次性報告收入 $1,500 - $2,0008總計 $3,300 - $4,400/月
常見問題
啟動時出現「模型上下文太小」。在你的模型伺服器上將上下文長度設為 65536。這佔了 80% 的設定問題。
Hermes 執行速度慢。從 35B 模型降到 27B 模型，或從 Q6 降到 Q4 量化。純 CPU 運作的話，每次回應需要 2-3 分鐘。考慮使用 GPU 或改用雲端 API。
Hermes 在會話之間會忘記。檢查 ~/.hermes/ 目錄下是否有檔案。如果是空的，請重新執行安裝腳本。
WSL2 無法連接到模型伺服器。在 Windows 11 22H2 或更新版本的 WSL 設定中啟用鏡像網路功能。或者，直接在 WSL2 內部執行模型伺服器。
完整工具清單
1工具 用途 費用2────────────────────────────────────────────3Hermes Agent Agent 框架 免費4 github.com/NousResearch/hermes-agent56LM Studio 本地模型伺服器 免費7 lmstudio.ai89Qwen 3.6 27B 模型 免費10 透過 LM Studio 或 ollama.com1112Stripe 金流服務 2.9% + 0.30 美元
啟動成本：0 美元。到獲得第一個客戶：一週。
每次交付報告後，問兩個問題。第一，請對方提供評論。第二，詢問他們認識的、可能也需要這個服務的創辦人。
創辦人認識創辦人。到了第二個月，轉介紹客戶就會取代大部分的主動開發信件。
技能資料夾會越來越滿。工作速度會越來越快。利潤空間也會越來越好。
在你找到客戶之前，先做出一份報告。明天就把這份樣本寄給 10 個人。
每週會分享更多類似的設定。 t.me/GipArcAI
