一次基於 Hermes Agent 的 AI 助手自動化深度使用體驗
摘要
從 Docker 部署到實際使用，全面分享基於 Hermes Agent 自建 AI 助手接入飛書、配置搜尋 MCP、低成本調用 DeepSeek V4 Flash 的完整經驗與技巧。
摘要：本文記錄了將 Hermes Agent 部署至 Docker、接入飛書、配置 tinyfish-mcp 搜尋、搭配 DeepSeek V4 Flash 低成本方案，以及兩週深度使用的真實體驗。適合有一定 Docker 基礎、想搭建自部署 AI 助手的讀者。
在上期部落格 《Hermes Agent AI 助手與墨梅部落格更新 | 2026 年第 24 週草梅週報》 中簡單提了一下 Hermes Agent，這次將結合最近幾週的真實使用體驗，來給出一個完整的部署和使用報告。
部署
首先，和 OpenClaw 一樣，要想使用 Hermes Agent，先得部署 Hermes Agent。
考慮到此類 AI 助手所需要的權限非常大，因此非常不推薦在個人電腦上部署，如需部署，還是建議優先使用 Docker 這樣的容器環境來部署，和主機環境進行隔離，以減少被誤刪檔案和遭受攻擊的風險。
Docker 容器本身就是安全邊界
接下來介紹一下如何透過 Docker 部署 Hermes Agent。
首先進行一些前期準備，包括 Linux 伺服器、Docker、LLM 的 API Key。
環境要求
- 伺服器：Linux（最好不低於 2 核 4G，否則會有卡死的風險）
- Docker：已安裝 docker、docker-compose
- API Key：至少一個 LLM 廠商的密鑰（DeepSeek、OpenAI 等）
- 訊息閘道：這裡以飛書為例（你可以選擇任意一個支援的訊息平台，例如 QQ、企業微信、釘釘等）
安裝
在伺服器合適的目錄下寫入以下 docker-compose.yml 設定檔。
#
# Hermes Agent — Docker Compose 部署
配置: DeepSeek V4 Flash + 飛書 WebSocket
services: hermes: image: nousresearch/hermes-agent:latest container_name: hermes restart: unless-stopped volumes: - ./hermes_data:/opt/data env_file: - .env environment: # ---- 使用者權限 ---- - HERMES_UID=${HERMES_UID:-1000} - HERMES_GID=${HERMES_GID:-1000} # ---- DeepSeek Provider ---- - DEEPSEEK_API_KEY=${DEEPSEEK_API_KEY} # ---- 飛書渠道 (WebSocket 模式) ---- - FEISHU_APP_ID=${FEISHU_APP_ID} - FEISHU_APP_SECRET=${FEISHU_APP_SECRET} - FEISHU_DOMAIN=feishu - FEISHU_CONNECTION_MODE=websocket # ---- 飛書安全白名單 (強烈推薦) ---- - FEISHU_ALLOWED_USERS=${FEISHU_ALLOWED_USERS} # ---- 推薦: 設定 home chat 用於 cron/通知 ---- - FEISHU_HOME_CHANNEL=${FEISHU_HOME_CHANNEL} # - GATEWAY_ALLOW_ALL_USERS=${GATEWAY_ALLOW_ALL_USERS:-false} - GATEWAY_ALLOWED_USERS=${GATEWAY_ALLOWED_USERS} - OPENCODE_GO_API_KEY=${OPENCODE_GO_API_KEY} command:[“gateway”, “run”]
在這裡選擇使用 DeepSeek V4 Flash 作為後端 AI 模型，飛書作為前端互動客戶端。這裡不使用 Web dashboard，因此不開放任何端口，所有訊息都透過飛書發送和接收。所有資料會儲存到當前目錄下的 `hermes_data` 目錄（與官方預設的 `~/.hermes/` 不同，這裡使用自訂掛載是為了方便備份）。
當然，上述配置還不完整，因為缺少對應的環境變數。
在同一目錄下新建 `.env` 檔案，配置參考如下，請注意替換成你的真實值。
```ini
# === DeepSeek API ===
# 在 https://platform.deepseek.com 申請
DEEPSEEK_API_KEY=sk-xxxx
# === 飛書應用憑證 ===
# 在 https://open.feishu.cn/app 申請，具體申請過程參考下文
FEISHU_APP_ID=cli_xxxx
FEISHU_APP_SECRET=xxxxx
FEISHU_DOMAIN=feishu
FEISHU_CONNECTION_MODE=websocket
# === 飛書安全白名單 (用逗號分隔用戶 open_id) ===
FEISHU_ALLOWED_USERS=ou_xxxx
# === 選填: 家用聊天室 ID (cron job 結果、通知發送到此) ===
# FEISHU_HOME_CHANNEL=oc_xxx
# 允許的用戶 ID。
# GATEWAY_ALLOWED_USERS=xxx
# 第一次使用建議先設定成允許所有用戶，但請確保該應用只有自己使用！
GATEWAY_ALLOW_ALL_USERS=true
除此之外，你還需要在 hermes_data 目錄下建立一個 config.yaml 檔案，內容如下：
model:
provider: deepseek
default: deepseek-v4-flash
你也可以使用任何支援的 AI 提供商。
當然，你也可以透過命令列進行設定，透過以下指令進入設定精靈，精靈會提示你輸入 API 金鑰並將其寫入 ./hermes_data/.env
docker run -it --rm \
-v ./hermes_data:/opt/data \
nousresearch/hermes-agent setup
接入飛書平台
這裡需要一個飛書應用憑證和使用者的 open_id，先說明如何建立飛書智慧型應用。
首先登入飛書開發者後台，可以看到首頁已經置頂了 建立飛書智慧型應用 的入口，如果沒有的話也可以點擊下方的 建立企業自建應用 入口來建立。
然後就能看到設定頭像和名稱的頁面了，直接點擊 立即建立 即可。
接著就能直接看到 App ID 和 App Secret，複製到環境變數中。
之後在專案目錄下執行以下指令，啟用 Hermes Agent 的 Docker 映像檔即可。
docker compose up -d
這時候就可以傳送訊息給機器人來驗證接入是否成功。
如果沒有回應，通常是因為沒有設定 飛書安全白名單 和 允許的使用者 ID。
這種情況下可以先暫時將 GATEWAY_ALLOW_ALL_USERS 設定為 true，然後直接詢問 AI 使用者的 open_id，並在 FEISHU_ALLOWED_USERS 和 GATEWAY_ALLOWED_USERS 中填入。
也可以直接查看
logs/gateway.log的日誌。
使用
當 AI 能夠透過飛書渠道進行回覆後，就可以正式開始使用了。
舉例來說，您可以先向它自我介紹一下，它會記住這些資訊，之後也會直接引用。
以下是一些使用上的小技巧。
部署搜尋 MCP
眾所周知，沒有搜尋工具的 AI 大模型依舊是個笨蛋。在我的實際使用過程中，搜尋類工具的觸發機率基本上達到 80%~90%，在做調研、探索、核實等任務時幾乎是必備功能。因此，我選擇接入 tinyfish-mcp，可以說非常好用。
tinyfish-mcp 的部署請參考官方文件。
部署完 tinyfish-mcp 後，在 config.yaml 中進行配置即可。
mcp_servers:
tinyfish-search:
url: "https://tinyfish.example.com/mcp"
headers:
Authorization: "Bearer xxxxxx"
使用便宜的 AI 模型
雖然也有人透過 Hermes Agent 進行編程，但大部分情況下還是以聊天為主。這種情況下並不需要太好的模型，加上使用高級模型帶來的開支不容忽視，因此建議大家使用便宜的 AI 模型，例如高性價比的 DeepSeek V4 Flash，而不是 DeepSeek V4 Pro。如果真的需要編程，再透過調用 Claude Code、OpenCode 等 AI 工具來完成。
在這裡個人比較推薦透過 OpenCode Go 來調用 DeepSeek V4 Flash，能比 DeepSeek 官方還優惠一些。
以上連結包含我的邀請碼，透過此連結註冊你和我都能獲得一定免費使用額度。
OpenCode Go 官方文件：https://opencode.ai/docs/zh-cn/go
具體的原理就是 OpenCode Go 只需要 10 美元一個月，但是額度上卻有 60 美元。
雖然 OpenCode Go 裡面 DeepSeek V4 Pro 目前還沒有同步 DeepSeek 官方的 2.5 折優惠，但是 DeepSeek V4 Flash 的價格是一致的，所以確實可以用 10 美元的價格用 60 美元額度的 DeepSeek V4 Flash，在各類 AI 模型中也算性價比最高的那一檔了。
此外 OpenCode Go 還可以配合 Qwen3.7 Plus 來解決圖像識別的問題，算是性價比最高的 AI 模型套餐之一了。
如果使用 OpenCode Go，在環境變數中的配置項就要對應改成 OpenCode Go 的，比如：
OPENCODE_GO_API_KEY=xxxx
並且 config.yaml 配置的 model.provider 欄位也要做如下修改：
model:
provider: opencode-go
default: deepseek-v4-flash
配置視覺模型
如果你使用了 DeepSeek V4 系列作為 Hermes Agent 後端的主力 AI 模型，那麼會遇到一個問題，那就是 deepseek-v4 目前還不支援識別圖像，所以無法識別你發送的圖片，影響使用體驗。
在 Hermes Agent 中可以單獨設置視覺模型，因此可以在 config.yaml 配置的 auxiliary.vision.model 字段中設定 qwen3.7-plus 等支援圖像識別的 AI 模型，來彌補 DeepSeek V4 Flash 的不足。
auxiliary:
vision:
provider: opencode-go
model: qwen3.7-plus
自動化整理記憶
Hermes Agent 支援設定定時任務，為了強化它的自主學習能力，可以要求它每天凌晨自動掃描過去 24 小時的會話，提取可複用的知識，從而省去人工要求它複用的工夫。
參考 prompt： “掃描過去 24 小時的所有會話，提取可複用的知識…”
這裡有一個小問題是，在 cron job 中無法直接寫入 Memory，也就是說無法直接修改 Agent 記憶，所以只能採用間接方案，用 file 工具寫入 reusable-knowledge.json 作為檔案級知識庫。
使用 markdown 發送訊息
由於飛書的限制，表格在訊息中是無法渲染的，因此可以考慮轉換成 markdown 檔案作為附件進行發送，這樣可以解決排版問題，也可以避免訊息中出現不支援的 markdown 排版字元。
你可以直接要求 AI 以 markdown 檔案格式發送附件，或者要求檢測到表格字元後就自動轉換成 markdown 附件。
一些使用體驗
接下來聊聊自己這段時間使用 Hermes Agent 的感受吧。
首先就是非常強大，非常好用。
最初對它的期望也就是個高度客製化的豆包而已，但現在看起來遠比豆包好用。
為什麼？
豆包無法執行程式碼、無法操作檔案，也不能定時自省——而 Hermes Agent 將這些功能全都整合在一個介面中，這就是它比豆包更實用的地方。
一方面，透過自建的 tinyfish-mcp 解決了搜尋品質的問題；另一方面，透過 super-search 提升了調查報告的品質，可以說這是超越絕大多數 AI 搜尋工具結果品質的基石。
其次則是定時任務系統。
個人也曾使用過類似 n8n 這樣的可視化低程式碼平台，雖然說寫一個定時任務並不複雜，但手動編寫、手動連線還是有點麻煩，而自己寫腳本也嫌麻煩。透過 Hermes Agent，只需一句話就能讓它自己寫腳本，甚至遇到問題還能自行修復，這就非常愉快了。
而這些只是 Hermes Agent 最基礎的功能。從本質上講，Hermes Agent 就是一個可自部署的 AI 助手，能輕鬆融入絕大多數工作流程。把它拉進工作群組就是最簡單的使用方式（不過記得做好權限控管），剩下的交給時間就行，多互動就會越來越好用。
即便一時找不到合適的使用方式，那就真的把它當成一個 AI 聊天工具也行，有什麼問題問一下，還能幫你總結經驗。
寫在最後
最後其實也沒什麼要多說的了。自從 AI 能夠透過飛書渠道進行回覆後，剩下要做的就是多使用它。遇到不會的就問 AI，還能讓它自己解決問題，從而跑通整個自動化流程。
可以預見的是，從 OpenClaw 開始的自部署個人 AI Agent 框架爆紅並非偶然，而是一個剛需。未來只會出現更多像 Hermes Agent 這樣的專案來滿足使用者需求。
基於 Hermes Agent 這樣的 AI 助手，能實現的自動化程度超乎想像，可以說完全能夠取代人工操作。至於是取代還是解放，就見仁見智了。
我們下期再見，拜拜~
您可以透過以下方式訂閱草梅部落格的更新：
- 部落格：草梅友仁的部落格
- 墨梅部落格：墨梅部落格
- RSS：草梅友仁的部落格 RSS
- 公眾號：草梅友仁的後花園
- 郵件訂閱：草梅友仁的部落格訂閱
往期回顧
文章分享