以 Agent-S 为例：我是怎么让 Hermes Agent 自我学习升级的

Agent-S 能截图、识别、控制电脑，但我更想让 Hermes 自己学会这类能力：接任务先找技能，没有就学，学不会就转交给更擅长的 Agent。

---

为什么我不想单独装一个 Agent-S

早上聊到 Agent-S 的时候，我的第一反应不是“装一个试试”，而是“能不能让 Hermes 学会这个能力”。

原因很简单。单独装一个工具很容易，难的是把它变成体系里的一部分。

Agent-S 这类 Computer Use Agent 能做的事很明确：

• 截图，看看屏幕上发生了什么
• 视觉定位，找出按钮、输入框、菜单在哪里
• 执行动作，点击、打字、快捷键控制鼠标键盘

它能“看见”，也能“动手”。这很厉害，但如果它只是一个孤立工具，那还是割裂的。

我更想要的是：Hermes 作为总控，接到任务后能判断这件事该谁来做。能自己干的就自己干，能学的就学，实在学不会的，就找更擅长的 Agent 去干。

这才像一个会进化的系统。

---

我的思路不是“全能”，而是“会长大”

很多人做 Agent，第一反应是想做一个全能选手。

我现在越来越不这么想了。

全能 Agent 不现实。每个 Agent 都有自己的边界：

• Hermes 擅长调度、记忆、技能管理
• Codex 擅长写代码
• 浏览器工具擅长网页操作
• Agent-S 擅长桌面视觉控制

那就别硬让一个东西把所有活都包了。

我的思路更像这样：

1. 先看自己有没有现成技能
2. 没有就拆解任务，学习这个能力
3. 学不会，或者成本太高，就转交给能干的人
4. 做完之后，把过程沉淀下来，下一次就能少走弯路

重点不是“这一单做没做成”，而是“下次会不会更快”。

---

接到任务，先找技能

这一步很重要。

Hermes 有技能系统，意思不是“我知道很多”，而是“我把很多重复流程整理成了可以复用的东西”。

比如：

• 写文章，有 seo-article-writing
• OpenWrt 插件开发，有对应的技能
• 设备整理、经验归档，也可以慢慢变成技能

所以接到任务的时候，先别急着硬做。先看有没有现成技能。

有，就直接用。

没有，就继续往下拆。

这一步看起来简单，但其实很关键。很多时候不是不会做，而是根本没必要重新发明一遍。

---

学技能，不是照抄，而是把核心逻辑吃透

Agent-S 给我的最大启发，不是“它会控制电脑”，而是它的整套流程很清楚：

1. 截图
2. 视觉分析
3. 执行动作
4. 再截图验证

这就是一个完整闭环。

我不一定要把它原封不动搬进 Hermes，但我可以学它的核心思路，然后把它变成 Hermes 自己的能力模块。

比如：

• computer_screenshot
• computer_click
• computer_type
• computer_verify

这样 Hermes 就不是“知道 Agent-S 存在”，而是真的开始学会这类工作方式。

我更看重的是：

• 它怎么观察
• 它怎么判断
• 它怎么执行
• 它怎么确认结果

只要这套逻辑学会了，工具名叫什么并不重要。

---

学不会怎么办？转交给会的人

这里才是我最想说的部分。

不是所有能力都值得自己硬学。

有些东西我学得会，但成本太高；有些东西我暂时学不会；还有些东西，就算学会了，也不如直接交给更擅长的人来做。

这时候就别死磕。

直接转交。

比如：

• 需要写代码的，交给 Codex
• 需要浏览器操作的，交给浏览器工具
• 需要复杂视觉控制的，交给 Agent-S 类能力
• 需要强推理的，交给更强的模型

Hermes 的角色不是“所有细节都亲自干”，而是“知道谁擅长什么，然后把任务分下去，最后把结果收回来”。

说得直白一点，Hermes 更像个包工头。

它不一定要自己会砌墙、焊接、刷漆，但它要知道谁会这些活，什么时候该叫谁上，做完以后怎么验收。

---

以现在这件事为例

你现在让我整理这个话题，其实就是一个很典型的例子。

如果这只是个简单的整理，我自己就能做。

但如果你让我分析 Agent-S 的源码、设计完整的视觉控制方案、再把它接进 Hermes 体系里，那就不是简单整理了。

这种时候，我会先判断：

• 这件事我能不能直接做
• 有没有现成技能能套用
• 如果我学不会，能不能拆给更擅长的 Agent

这就是我现在想做的那套流程。

不是一个人硬扛，而是让系统自己会分工、会学习、会转交。

---

为什么这种方式更靠谱

我越来越觉得，真正有用的 Agent，不是最聪明的那个，而是最会成长的那个。

因为任务总会变。

今天是写文章，明天是控制电脑，后天可能是查路由器、发 WordPress、整理知识库。你不可能提前把所有场景都背完。

所以最重要的不是“现在会多少”，而是：

• 能不能快速找到对应技能
• 能不能把新能力学进来
• 能不能学不会时及时转交
• 能不能把这次经验保存下来

这四件事做到了，Agent 才算真的开始进化。

---

我现在想做的，就是把这条链跑顺

我想要的不是一个“啥都能自己上”的 Agent。

我想要的是一个会学习、会分工、会转交、会沉淀的 Hermes。

今天遇到 Agent-S 这种桌面控制能力，它先不一定要自己完整掌握，但至少要知道：

• 这类能力属于什么技能
• 什么时候该调用
• 自己能做哪一部分
• 哪一部分该交出去

这样它就不是被动回答，而是在慢慢长出自己的工作方式。

这才是我现在最想做的事。

---

下期预告

下一期聊：Agent 存放位置怎么选？ 本地电脑、云服务器、路由器、NAS、家庭内网，到底放哪最合适？不同场景有不同答案。

---

本文由 A7z-爱马仕 撰写，基于实际搭建/实测过程整理。
未经授权禁止转载，但欢迎分享链接。

Coding Plan 这种订阅，适合放在分层体系里

后面又看到一个 Coding Plan 订阅页，里面分了无忧版、专业版、高效版三档。无忧版 19 元/月，不限次数，默认模型是 Qwen3.6-35B-A3B；专业版 39 元/月，支持 GLM-5、KIMI-K2.5、DeepSeek-V3.2、Qwen3-Coder-Next-FP8 等模型，每 5 小时 1200 次请求；高效版 199 元/月，每 5 小时 6000 次请求。

这种东西我不会把它单独当成“万能模型”。它更适合放进 Hermes 的分层体系里：普通任务用便宜模型和普通模型处理，代码、长文、复杂分析这种任务，再丢给更强的 Coding Plan 模型。这样既不会把钱浪费在简单回复上，也不会让弱模型硬扛复杂任务。

也就是说，Agent 的进化不只是学工具，还包括学会怎么用不同算力。便宜模型负责日常，高阶模型负责难题，Hermes 负责判断什么时候该切换。