Nous 联创称 Hermes Agent 的记忆和技能栈比底座模型更重要
petergyang · x · 2026-08-04
这是一条关于 Hermes Agent 的长线程整理，核心来自对 Nous Research 联合创始人 Karan 的访谈，重点不是模型参数，而是 agent 的使用方法。
关键结论
- “个人化” agent 的核心不是模型本身，而是它对你对话历史的记忆，以及你围绕它积累的技能。
- Karan 建议用 /personality 切换不同风格，比如 teacher、concise，甚至 kawaii、pirate，适配学习和输出场景。
- 他还强调要把 执行任务的 agent 和 评估结果的 agent 分开，避免模型只会说“你说得对”这种 reward hacking。
整体观点是：当 agent 已经有足够上下文和技能时，频繁换模型的边际收益会下降。
所属事件:Nous Research联创深度解析开源智能体Hermes的核心架构(3 条相关)→
「编程与Agent」频道最新
- 救灾组织用 OpenClaw 搭多智能体系统，打通 8 大通讯渠道 — heyneighbor · 2026-09-22
- 用 autoresearch 优化非 LLM 模型:错误率减半,成本仅 DeepSeek 的 1/7 — davernow · 2026-09-22
- 开发者造 agent 上下文垃圾回收器 jev-gc,实时决定提示词留什么 — Maleficent_College57 · 2026-09-22
- 开发者吐槽 openclaw 权限管理混乱，怀疑配置就是个噩梦 — brianmichel · 2026-09-22
- 开发者扒出 Codex 代码藏 Aeon 痕迹,OpenAI 持久化智能体疑将发布 — ChrisGPT · 2026-09-22
- 工程师用 Agent 集群 20 小时自主训出对标 Jev 的模型,总花费仅 3100 美元 — denisyarats · 2026-09-22