# 附录：Hermes Agent 能力对照表

> 把视频里的概念映射到 Hermes Agent 的实际功能上

---

## 视频概念 → Hermes 功能总表

| 视频概念 | Hermes 对应 | 具体实现 |
|---------|-------------|---------|
| 通用型智能体 | Hermes Agent 整体 | 多工具+自主规划+上下文循环 |
| 任务分解 | `delegate_task` + 上下文规划 | 子任务派发，并行执行 |
| 多轮执行循环 | 工具调用循环 | 每轮 tool call → 看结果 → 下一轮 |
| 多工具协同 | 工具系统 | terminal/file/web_search/browser/write_file/patch 等20+工具 |
| 直接操作文件 | `read_file` / `write_file` / `patch` / `search_files` | 读写改查 |
| 操作系统命令 | `terminal` | 直接在Linux执行命令 |
| 失败回退 | try-catch + retry + fallback | 工具异常自动重试，失败换方法 |
| 结果归档 | `memory` + `write_file` + checkpoints | 持久记忆+文件输出+快照 |
| 工作流型智能体 | cron + 固定脚本 | 定时任务+no_agent模式 |
| 传统型智能体 | 单次问答 | 一问一答，不调工具 |

## 我们系统的智能体分层

```
传统型：                 工作流型：                通用型：
- Boss投递脚本           - 抖音大V扫描器cron      - 日常对话中的Hermes
- 定时B站扫描器          - 1号机新闻爬虫           - delegate_task分身
- 简单的shell脚本        - 话题管道同步            - 飞书消息桥处理
                         - log_watchdog            - webhook事件处理
```

## 视频没讲但我们要知道的

### 1. 分身（Subagent）架构
视频提到了"任务分解"，但没讲怎么落地。我们的方案：
```
主Hermes → 分解任务 → delegate_task → 每个子任务一个分身
                                    → 并行执行
                                    → 汇总结果
```
这是比视频讲的更高级的架构。

### 2. 记忆系统
视频说"结果归档"只提到了存文件。我们的记忆系统有三层：
```
热记忆：上下文窗口（当前对话）
温记忆：memory工具（持久化事实，跨会话）
冷记忆：checkpoints + session DB（可回溯）
```

### 3. 事件驱动 vs 轮询
视频假设智能体都是"用户问→智能体答"的交互模式。我们的系统已经超越了：
```
事件驱动：webhook收到消息 → 自动处理 → 发飞书通知
定时驱动：cron每4小时 → 扫描抖音大V → 缓存数据
主动推送：Codex完成 → 发消息到飞书
```