# 策展 · X (Twitter) 🔥🔥

> 作者：vmiss (@vmiss33) · 平台：X (Twitter) · 日期：2026-05-04

> 原始來源：https://x.com/vmiss33/status/2050984556790939731

## 中文摘要

Hermes Agent 多 Agent 架構實用應用分享。

作者過去嘗試 OpenClaw 等工具卻因不知用途而擱置，數週前才透過 Hermes Agent 多 Agent 設定找到真正價值，將 AI 視為助理而非思考替代品，用於指引方向、處理瑣務，並僅自動化已熟知的任務。

**找出 Agent 用途方法**

作者建議記錄一天日常任務，擴展一週後檢視「耗時多」或「低價值」項目，再用 Hermes 實驗。同時反思生活痛點，如遺忘事項或增加負擔的瑣事，避免只關注硬體模型選擇，而忽略人性化需求。此法幫助作者腦storm 出多項實用點子。

**Agent 團隊配置**

作者不從單一 Agent 起步，而是配置多 Agent 團隊，每個支援不同 provider/model，並透過 Hermes TUI（文字使用者介面）即時切換，方便側邊比較模型表現。存取方式包括 Hermes TUI 及 Telegram。

**技術研究 Agent**

- 輸入主題，要求研究摘要及引用來源，讓作者親讀學術論文或原始資料。
- 範例：學習模型量化（model quantizations），非讓 Agent 代勞，而是教導作者自行操作。
- 目前使用 Nous Portal 的 MiniMax M2.7，先前也試過 NVIDIA NIM 模型。

**技術任務主控 Agent**

- 用於 Hermes 技能建置，前日全數客製化所有 Agent 的 TUI。
- 作為「萬能 Agent」，處理任意技術任務。
- 目前透過 ChatGPT Plus 訂閱（非 API）使用 GPT 5.5，預計持續使用，並準備 quota 耗盡備案。
- 作者區分角色：研究 Agent 專責調查，任務主控 Agent 專責執行，避免混用。

**生活提醒 Agent**

- 專責日間特定時段提醒喝水，作者自嘲「荒謔」，卻稱「徹底改變遊戲規則」。
- 即將擴充姿勢檢查（修正六年駝背電腦姿勢壞習慣）及運動休息提醒，透過 Telegram 發訊息。
- 使用 OpenRouter 免費模型 NVIDIA Nemotron 3 Super。

**生活/研究混合 Agent**

- 因慢性健康狀況（MCAS 變異型/嚴重食物過敏），用於搜尋相關研究、新聞。
- 日常應用：提供晚餐食譜建議，自行烹飪每餐時給予清單回應，或依食材產生idea，避免「又要煮飯」的無力感。
- 驚人之處：跑在 8GB RTX 4070 遊戲筆電的本地模型，Hermes 透過無線網路存取，使用 Qwen 3.5 9B quant（64k context），表現最令人印象深刻。

**Provider 與模型選擇**

作者追求最低成本，避免直連 Anthropic API 等「恐怖故事」（每日數百美元），強調模型選擇主觀，需試錯，且許多 provider 補貼或免費釋出模型，雖犧牲速度但價格合宜。Agent 內建技能可查詢 Nous Portal / OpenRouter 即時價格。

**OpenRouter 免費模型**

- 存入 10 美元信用獲每日 1,000 請求、每分 20 請求（免費帳戶僅每日 50 請求，極速耗盡）。
- 首選：nvidia/nemotron-3-super-120b-a12b:free。

**Nous Portal 訂閱**

- 月費 10 美元 API 訂閱，支援工具呼叫（tool calling），稀疏使用中，目前 MiniMax M2.7。

**本地模型部署**

- 硬體平凡：RTX 4070 8GB VRAM 筆電，用 llama.cpp 提供 64k context。
- 首選 Qwen 3.5 9B quant，也試蒸餾（distilled）或 abliterated 模型。
- 同模型也跑在 M1 MacBook 16GB RAM，證明既有設備足夠，推薦 LMStudio 入門，Hermes 已相容連線。

**ChatGPT Plus 訂閱**

- 月費 20 美元，直連訂閱使用 GPT 5.5，無 quota 問題，體驗近乎完美，作者後悔延遲採用。

**NVIDIA NIM 免費模型**

- 至 https://build.nvidia.com/models 註冊 API key，多款模型免費，適合試用不同「感覺」。

**DeepSeek v4 API**

- 尚未試用，但 Twitter 使用者強推，5 月底前 75% 折扣（補貼效應）。

**入門 Hermes Agent 建議**

作者強調勿從技術堆疊起步（如堆疊 3090 GPU），而應從生活、工作摩擦點出發，建構對應 Agent。此法讓 Agent 真正有用，避免常見錯誤「先技術後問題」。快速上手不需破產，從記錄日常開始，就能腦storm 並實作，無論硬體多差，都值得立即嘗試。

## 標籤

Agent, 教學資源, 自動化, Hermes Agent, OpenClaw