我是如何使用Hermes Agent的

lxiol
  2026-05-08 21:50:26 2026-05-08 21:50:26 创建   2026-05-12 16:07:04 2026-05-12 16:07:04 更新    
📝
hermes agent + openviking = 全自动写代码

原文链接：https://mp.weixin.qq.com/s/nobFWq1Tmv_zOa2mJT-hUQ

hermes agent + openviking = 全自动写代码

前言

我日常主要用 Hermes 配置 Copilot 写代码，但公司配的 Copilot 额度有限，用完就得等下个月更新。

理想情况下，我想用 Claude Code——Anthropic 官方的 CLI Agent，代码能力强，上下文理解深，处理复杂重构任务比国内大模型稳得多。但现实是：Claude Code 对国内访问封杀比较严重，直连基本不通，挂代理又不稳定，日常用起来摩擦太大。

退而求其次，公司提供了 Continue（接入了 claude-sonnet，走公司内网，稳定）和 CodeBuddy（接入了 Claude-Code 模型）的额度。于是我搭了一套方案，让这几个工具的额度可以交叉使用，互相补充，尽量逼近 Claude Code 的体验。

核心是两件事：

  • 配置 OpenViking 知识库，给 Hermes 加上跨会话的持久记忆和语义检索能力
  • 写了一个本地代理服务 hermes-agent-acp-bridge，把 Continue CLI 和 CodeBuddy CLI 包装成标准 OpenAI 接口，让 Hermes 能直接调用

一、配置 OpenViking

OpenViking 是 Hermes 的知识库后端，提供 viking_search、viking_read、viking_remember 等工具，让 Agent 能跨会话检索和存储信息。

1.0 为什么需要 OpenViking

Hermes 内置的 Memory 区块有字符上限（约 2200 字），只够存几条关键事实。稍微复杂一点的项目背景、API 细节、踩坑记录根本放不下。

OpenViking 相当于把记忆系统外挂到一个无限容量的本地知识库，Hermes 通过 viking_search 按需检索，不占 Memory 配额。内置记忆只存「这个项目用 OpenViking，地址是 127.0.0.1:1933」这一条，其余所有知识都放在 OpenViking 里。

1.1 启动服务

OpenViking 默认跑在本地 1933 端口：

1
`http://127.0.0.1:1933`

启动后，Hermes 的 Memory 区块里会出现：

-
-

1
`# OpenViking Knowledge Base``Active. Endpoint: http://127.0.0.1:1933`

这说明 Hermes 已经感知到了知识库，后续对话中可以直接用 viking_* 工具。

1.2 使用 olmx 配置 embed 模型

OpenViking 的语义搜索依赖向量嵌入（embedding）。我用 olmx 提供本地 embed 能力。

olmx 是一个本地 embedding 服务，兼容 Ollama 接口。配置步骤：

  • 启动 olmx，让它监听本地端口（默认 8000）

  • 在 OpenViking 的配置里，把 embed 后端指向 olmx：

1
`embed:``provider: ollama``base_url: http://127.0.0.1:8000``model: nomic-embed-text`
  • 重启 OpenViking，之后 viking_add_resource 和 viking_remember 存入的内容都会自动向量化

这样，viking_search 就能做语义相似度检索，而不只是关键词匹配。

1.3 日常使用

存入知识：

1
`viking_remember("olmx embed 配置路径在 ~/.config/openviking/config.yaml")`

检索知识：

1
`viking_search("embed 配置")`

读取详情：

1
`viking_read(uri, level="full")`

删除文件（注意：viking_* 工具没有 delete 操作，要用 curl 直接调 HTTP API）：

1
`curl -s -X DELETE "http://127.0.0.1:1933/api/v1/fs?uri=viking://path/to/file.md"`

二、hermes-agent-acp-bridge：把 CLI 工具包装成 OpenAI 接口

详情可以看我上一篇文章给 Hermes Agent 装上”万能模型适配器”——hermes-agent-acp-bridge。Continue 内置了 claude-sonnet（内网版），CodeBuddy 提供了 Claude-Code 模型，但它们都只能通过各自的 CLI 交互，没有标准 HTTP API。

hermes-agent-acp-bridge 的思路很简单：写一个 rust 服务，把 OpenAI 的 /v1/chat/completions 接口翻译成对 CLI 工具的ACP协议调用，再把输出包装回 OpenAI 格式返回。

这样 Hermes 就能把 TME Continue 的 claude-sonnet 当成「本地 Claude Code 的平替」来用——同样是 claude 系列模型，同样支持流式输出，只是走的是公司内网而不是 Anthropic 官方 API。

这个项目完全是用 Hermes 开发的

-

-

-

-

-

-

-

-

-

-

-
-

1
`# 查看可用模型``curl http://127.0.0.1:8765/v1/models````# 测试非流式调用``curl -X POST http://127.0.0.1:8765/v1/chat/completions \``-H "Content-Type: application/json" \``-d '{"model":"continue-claude-sonnet","messages":[{"role":"user","content":"hello"}],"stream":false}'````# 测试流式调用``curl -X POST http://127.0.0.1:8765/v1/chat/completions \``-H "Content-Type: application/json" \``-d '{"model":"continue-claude-sonnet","messages":[{"role":"user","content":"hello"}],"stream":true}'`

三、整体架构

-

-

-

-

-

-

-

-

-

-

-

-

-

-
-

1
`Hermes Agent``|``| OpenAI API 调用``v``acp-bridge (127.0.0.1:8765)``|``+---> continue --print 'prompt'                     (TME claude-sonnet，Claude Code 平替)``|``+---> codebuddy --print --model codebuddy-claude-sonnet-4.6 'prompt'   (codebuddy-claude-sonnet-4.6)``|``+---> codebuddy --print --model codebuddy-claude-4.5 'prompt' (codebuddy-claude-4.5)````OpenViking (127.0.0.1:1933)  <-- 独立知识库，Hermes 通过 viking_* 工具直接访问``|``+---> olmx (8000)   <-- 本地 embedding，支持语义检索`

四、实际使用案例

下面是我用 Hermes 辅助开发公司项目时的几个真实 case。

Case 1：修复并发 map panic

背景

多个 goroutine 同时读写这个 map，触发了 Go 的并发 map panic。

我怎么用 Hermes 的

我把 panic 的 stack trace 和相关代码贴给 Hermes，让它分析根因。Hermes 用 CodeBuddy（codebuddy-claude-4.5）快速定位：for k, v := range Dict 这种直接遍历在并发场景下不安全，应该用 fastflow 提供的 Dict.Range 方法（内部加了锁）。

最终改动（commit 33c21eb）

-

-

-

-

-

-

-

-

-

-

-

-

-

-
-

1
`// 改前：直接遍历 map，并发不安全``for k, v := range Dict {``if strings.HasPrefix(k, "_") && strings.HasSuffix(k, "_") {``continue``}``mOutput[k] = v``}````// 改后：用 Dict.Range，内部有锁``Dict.Range(func(k, v string) {``if strings.HasPrefix(k, "_") && strings.HasSuffix(k, "_") {``return``}``mOutput[k] = v``})`

同时升级到 v0.1.15，这个版本才有 Range 方法。

Hermes 的价值：我知道是并发问题，但不清楚依赖有没有提供安全的遍历方式。Hermes 直接从依赖的 API 里找到了 Range，省去了我翻文档的时间。

Case 2：OpenViking 知识库的实际用途

上面几个 case 里，Hermes 能快速定位问题，部分原因是我把项目相关的知识存进了 OpenViking：

-
-

1
`viking_remember("禁止自动重试：请求 header 加 x-rpc-timeout")``viking_remember("git push 到 xxx 前必须 unset https_proxy http_proxy")`

这些知识在下次会话里会自动注入，Hermes 不需要我重新解释项目背景，直接就能上手。

六、总结

整套方案的核心思想很简单：任何有 ACP 模式（非交互式输出）的 AI CLI 工具，都可以通过 hermes-agent-acp-bridge 这个薄薄的代理层，变成标准的 OpenAI 兼容服务。Hermes 只需要配置一个 base_url，就能无缝接入。

OpenViking 则补上了跨会话记忆和知识检索的能力，配合 olmx 的本地 embedding，让 Hermes 真正有了”长期记忆”，不用每次都重新解释上下文。

  • END -

💬 本文评论区已开启，但暂无读者留言。

本文转载自微信公众号，如有侵权请联系删除。

  • 标题: 我是如何使用Hermes Agent的
  • 作者: lxiol
  • 创建于 : 2026-05-08 21:50:26
  • 更新于 : 2026-05-12 16:07:04
  • 链接: https://blog.lxiol.cn/2026/05/08/我是如何使用Hermes-Agent的/
  • 版权声明: 本文章采用 CC BY-NC-SA 4.0 进行许可。
目录
我是如何使用Hermes Agent的
  1. 前言
  2. 一、配置 OpenViking
    1. 1.0 为什么需要 OpenViking
    2. 1.1 启动服务
    3. 1.2 使用 olmx 配置 embed 模型
    4. 1.3 日常使用
  3. 二、hermes-agent-acp-bridge：把 CLI 工具包装成 OpenAI 接口
  4. 三、整体架构
  5. 四、实际使用案例
    1. Case 1：修复并发 map panic
    2. Case 2：OpenViking 知识库的实际用途
  6. 六、总结