17人团队，一台德国服务器，AI代理每晚做梦

在撰写本文时，Artie 是一个 17 人的团队。我们每个人都与 Hermes 并肩工作——这是 @NousResearch 发布的一个开源 AI 代理框架。它运行在德国的一台物理机器上，为每个团队提供不同的性格，并且在夜晚会做梦。
它之所以变成这样，缘起如下。

它始于一个工程师的 WhatsApp 联系人

几个月前，我们的一位工程师（Ani，@anirudhsriramzz）正在为自己运行 Hermes。那只是一个个人配置，他通过 WhatsApp 与它对话。
大约同一时间，我们的 CTO Robin 参加了一个黑客马拉松，回来后，他的朋友向他展示了一整套运行着各种工作的代理。他带回的问题很简单：我们如何让 Artie 的每个人都能用上这种能力，而不仅仅是工程师？
我们先看了 OpenClaw。它不错。但很容易看到一个代理跑偏，去做没人要求它做的事；在追求规模之前，我们更想要安全护栏。所以我们选择了 Hermes，并开始思考护栏应该是什么样。

一颗戴上眼罩的大脑

我们的想法是：每个实验室都推出了一颗大脑。你可以问它任何问题，它都会回答。同一个问题问五次，你会得到五个答案，都貌似合理，但形态各不相同。
这在聊天窗口里没问题。但当你需要这颗大脑去做一份工作时，就成了问题。如果一位销售工程师想对 25 个进行中的客户会话做风险评估，他们每次都需要相同的格式，才能据此行动、进行周与周之间的比较，并信任这个工具。
赛马戴上眼罩，是为了专心跑赛道，而不是看台观众。技能和工具就是眼罩。框架则是你系上眼罩的方式。Hermes、Codex、Claude Code 以及其他同类工具，都是同一个想法的变体：一种决定模型被允许做什么、以及它的输出看起来应该是什么样子的方式。
一旦我们这样想，这个项目就不再是“搭建一个聊天机器人”，而变成了“为 Artie 的每项工作打造眼罩”。

一台每年60美元的德国服务器运行着一切

在一个周末，Robin 和 Ani 用了大约三个小时就搭建了第一个 Hermes。我们租用了 Railway 上最便宜的套餐，用一个默认配置启动了 Hermes，然后让工程团队去使用它。
不到五天，我们就一次又一次地撞上 Railway 的使用上限。每条警报都提示我们升级。这是第一个真正的教训：当一个团队真正采用一个代理时，账单看起来就不像副业了。
我们的生产基础设施运行在 AWS 上，并且会继续留在那里。但这只是一个内部代理沙箱，不是面向客户的基础设施，我们想看看能把它做到多便宜。我们找到了 Hetzner（@Hetzner_Online），一家德国托管公司，以每年 60 美元的价格购买了一台物理机器。如今 Artie 的每个 Hermes 都运行在那台机器上。
我们是一家精打细算的公司。Artie 在 AI 上的整个问题一直是：如何让团队尽可能 AI 原生，又不至于烧钱？Hetzner 那台机器是第一个答案。

我们真正想要的是什么

有了一台能承载负载的机器后，我们坐下来决定了 Hermes 的用途。两个目标。
每个人都得到一个副手。工程师、销售、运营、市场、设计。一个初级版的你自己，帮助你做更多事，而不是取代你的东西。行业里的恐惧是代理会抢走工作。我们的经验恰恰相反：当每个人都有了一个代理时，每个人的交付速度都更快，并能承担以前无法承担的工作。
人始终在回路中。Hermes 可以做任何被指示去做的事。但在任何东西进入生产环境、写入文档或呈现在客户面前之前，必须由人审阅。

人各有所长，代理也应如此

在一个 17 人的团队里，没有人只擅长一件事。但每个人总有所长。我们就是为这个所长而招聘的。
所以我们问，为什么我们的代理应该有所不同？一个初级工程师去做营销文案是浪费。一个初级市场人员钻进代码库更糟。我们像思考人一样来设计代理：给每个代理一个领域、一种性格，以及该领域所需的访问权限。
这样我们就得到了一组 Hermes 配置，每个团队一个。
Hermes Plan 和 Hermes Code 属于工程团队。Plan 是为技术负责人准备的：判断我们是先做 A 再做 B，还是 A 和 B 并行然后做 C，并把它写下来。Plan 将工作分派到看板上。Code 拾取工单，在后台针对现有代码库执行，打开 PR，然后等待。由人审阅 PR，只有在那之后才会合并到主分支。一个任务完成，就会在计划中启动下一个任务。
没有人预料到的副作用是：工程团队的大部分时间现在都花在计划上。以前，人们活在代码和执行中；现在，他们活在系统设计和审阅中，而 Hermes Code 处理中间的部分。
Hermes Sales 会在需求发现电话之前做准备。它会研究潜在客户，弄清他们现有的技术栈，并拉取交易的当前背景。因为它也掌握我们的文档和工程知识，所以还能更进一步：如果潜在客户告诉我们他们正在用某个特定工具迁移数据，Hermes 可以在电话开始前就告诉销售代表该工具容易在哪些地方出问题，比如模式漂移。
Hermes Design 和 Hermes Code 一起，让市场团队无需拉上工程师就能设计、构建和发布着陆页。我们的营销网站基于 Next.js，我们已不再使用 CMS。Design 在现有组件系统内工作，在发明新组件之前先检查组件是否已存在，然后交给 Code 去实现。
Hermes BizOps 负责重复性的运营工作：管道审查、对账、追踪器更新，以及找出需要人工介入的异常。
另外还有一个默认配置，用于所有不符合以上分类的工作。
我们大多数人通过 Slack 与这些代理对话。有些人使用 Hermes 桌面端。无论如何，整个系统从被动转向了主动：代理已经拥有代码库、文档、CRM 和互联网，因此它们可以从任何地方作答，而不必等着被投喂上下文。

技能，从第一天起就像代码一样版本化

技能是处理一类真实工作的可复用流程：先检查什么，哪些来源是权威的，输出长什么样，如何验证它。我们从第一周起就自己编写技能，并把它们放进一个 Git 仓库。每个 Hermes 都从这里读取。当技能发生变化时，它就是一次提交，带有历史记录，所有配置都会获取到。
我们刻意不去写太多技能。让 AI 为你工作的方式有成千上万种，而互联网上大多数内容会告诉你建立一个 24/7 的自主代理工厂。如果你有无穷无尽的 token，那当然可以。但我们没有。一个代理翻阅数百个技能来决定用哪一个，会把 token 浪费在“做决定”上。所以，我们砍掉了一切没有明显值得其成本的技能，而且我们还在继续砍。
我们最终得到的规则是：如果价值显而易见，成本就是合理的。如果价值含糊，那就不做。

Hermes 会做梦

Hermes 有一个 cron 系统。你可以给它一个任务和一个节奏，它就会自行运行。
受 Anthropic 在代理记忆方面工作的启发，我们用这个机制来模仿人类的行为。在快速眼动（REM）睡眠期间，你的大脑会整理一天的事情。有些东西会被提升为长期记忆，有些则被丢弃。一个你搬了城市、频繁旅行的一年之所以令人难忘，是因为没有什么事情是重复的。
所以，每天晚上，当没人使用它时，每个 Hermes 都会做梦。它会回顾当天做了什么，判断哪些有用、哪些没用，把有用的部分提升为记忆，把其余部分降级。然后它会向我们的工程师发送一份报告。报告会这样说：我这件事做错了，那件事做错了，我已经修正了，我存储了修正，并且我已经忘记了导致错误的那种习惯。
几周之后，每个配置对于自己应该在团队中做什么、不应该做什么，会变得越来越有主见。我们并没有编写这些主见。它们来自做梦。

为什么我们自己运行框架

人们问我们为什么不用 Cursor、Codex 或 Claude Code。
我们本可以用，而且技术上明天就能把工作负载迁移过去。但正因为我们自己运行和运营 Hermes，底层的模型可以是任何一家的。如果下个星期某家实验室涨价，我们就切换。现在我们的配置已经足够稳定，换模型不会让它们出问题。周一我们可能还在用 Anthropic 的模型；如果定价变动，周五我们可能就换到了 OpenAI。
第二个原因是功能。如果 Cursor 不支持你需要的身份验证，或者在你的代码库里反复犯同样的错误，你只能提交工单然后等待。当 Hermes 需要某个功能时，我们自己构建。Hermes 是 Artie 的一部分，像任何内部工具一样接入我们的系统，而不是我们拼接上去、然后希望它能继续工作的东西。
AI 工程现在之所以昂贵，是因为 token 的经济性尚未稳定。总有一天，运行这些东西的成本会接近于零。在那之前，拥有框架是我们控制账单的方式。

它如今走到了哪里，以及接下来会发生什么

Hermes 大概已经完成了 85% 到 90%。它每天都在做真正的工作。第一遍的结果并不总是最好的。
所以我们正在投入做评估。每次 Hermes 收到一个问题并产生一个答案，我们都想知道哪些地方耗时，它调用了哪些技能，哪些工具失败了以及为什么。我们自托管了开源的 Arize Phoenix，这样我们不需要再购买另一个工具就能获得这些数据。来自 Hermes 的追踪数据进入 Phoenix，Phoenix 会告诉我们：这个任务调用了五个技能和两个工具，这个工具耗时最长，那个失败了，原因如下。
在它之下，我们通过 Datadog 运行遥测：token 花费、每个任务的成功率，如果某个 Hermes 宕机或记忆存储满了，就会向值班人员发出警报。每个任务都在沙箱中运行，我们还构建了自己的清理系统，每天清理沙箱。
这一切的重点在于，我们不再需要猜测某个改动是否让 Hermes 变得更好了。我们改动一个技能，就会得到一份报告。如果更好了，就保留；如果更糟了，就回滚。
我们还把文档写进了 Hermes 服务器本身：你的配置里有什么，你被允许做什么，这些数据意味着什么。任何 Hermes 都能读取它。这意味着我们可以启动一个 Hermes，它的唯一工作就是读取评估数据并改进其他配置。
它基本上就是 Hermes 教练。它教练 Hermes。
17 个人，一台德国服务器，一组每晚入睡、醒来后变得更敏锐的代理。我们构建它，是因为我们很小，却想交付得像我们并不小一样。