慣性聚合 高效追讀感興趣之博客、新聞、科技資訊
閱原文 以慣性聚合開啟

推薦訂閱源

L
LangChain Blog
宝玉的分享
宝玉的分享
酷 壳 – CoolShell
酷 壳 – CoolShell
N
Netflix TechBlog - Medium
F
Fortinet All Blogs
T
Tailwind CSS Blog
Google DeepMind News
Google DeepMind News
Jina AI
Jina AI
J
Java Code Geeks
Recent Announcements
Recent Announcements
The Cloudflare Blog
D
DataBreaches.Net
Hugging Face - Blog
Hugging Face - Blog
WordPress大学
WordPress大学
Vercel News
Vercel News
月光博客
月光博客
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Microsoft Azure Blog
Microsoft Azure Blog
雷峰网
雷峰网
H
Help Net Security
博客园 - Franky
S
SegmentFault 最新的问题
T
The Blog of Author Tim Ferriss
博客园_首页
C
Check Point Blog
腾讯CDC
美团技术团队
Martin Fowler
Martin Fowler
The GitHub Blog
The GitHub Blog
M
MIT News - Artificial intelligence
Apple Machine Learning Research
Apple Machine Learning Research
P
Proofpoint News Feed
U
Unit 42
人人都是产品经理
人人都是产品经理
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
Engineering at Meta
Engineering at Meta
M
Microsoft Research Blog - Microsoft Research
阮一峰的网络日志
阮一峰的网络日志
G
Google Developers Blog
Stack Overflow Blog
Stack Overflow Blog
B
Blog
Last Week in AI
Last Week in AI
博客园 - 三生石上(FineUI控件)
博客园 - 聂微东
云风的 BLOG
云风的 BLOG
H
Hackread – Cybersecurity News, Data Breaches, AI and More
李成银的技术随笔
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
博客园 - 叶小钗
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知

DEV Community

Local RAG: Chat With Your Documents (Open Source, Private) GGUF & Modelfile: The Power User's Guide to Local LLMs What Excited Me Most at Google I/O 2026 OSS assemble! Kilo Code is launching on Product Hunt. Join the launch! https://www.producthunt.com/products/kilocode Your Organizational AI Adoption Metrics Are Lying (Plus How to Measure Real Adoption) Building a Production-Grade MLOps Home Lab on Windows — K8s, LLM, RAG & GitLab CI Prisma Generator NestJS DTO — pluggable DTOs with annotations and custom generators I Spent a Month Testing Decentralized Poker Sites. Here's What Actually Works. DeepSeek-R1: The $0 o1 Alternative You Can Run Right Now The PHP Stack I Built TrustGate On — And Why I'd Do It Differently Today Building High-Throughput Data Pipelines: Why Chaining Encryption and Compression is a Performance Killer Optic is dead. A 2026 migration guide for OpenAPI breaking changes Smart Blind Stick, Mini Project The NSA just published an MCP security playbook. We created Agent Trust Transport Protocol ATTP - Implement today with MCPS Symfony 8 AWS Secrets Bundle Canlı TV Platformu Geliştirirken Öğrendiğim Teknik Dersler: Streaming, Flussonic ve Performans Gemma 4 Is Powerful — But Production AI Still Needs Governance What RepoSignal Surfaced in React — and Why Review Alone Doesn't Catch Everything LeetCode Solution: 1752. Check if Array Is Sorted and Rotated Breaking the Matrix at 15: How I Built a Cyber-Aesthetic AI Assistant Core Powered by Gemma 4 Разработка Android Kiosk приложения No More Manual Test Writing: How I Used Gemma 4 to Turn a GitHub Repo Into a Full Test Suite 🎯 Trafik Cezaları Platformları Geliştirirken Öğrendiğim Teknik Dersler The Myth of Low Latency: Why Event Meshes Make Your System Slow Building EIDOLON OS — A Local-First AI Cognitive Operating System qrrot - database with AI I Built a Local Gemma 4 Reviewer for Merchant Registry Evidence Compass v1.1.0 · we shipped a memory plugin that catches its own consumption drift How to build your first MCP server in 10 minutes Expo SDK 56 Is Out, and a Few Things Finally Clicked Into Place Building a 100ms Browser-Native WebSocket Clipboard Cómo solucionar `docker run` con `Exited (1)` en Raspberry Pi Why Claude Code Sessions Diverge: A Mechanism Catalog When One AI Agent Is Not Enough: A Practical Delegation Pattern for Enterprise Systems Cómo solucionar el bucle infinito en `useEffect` con objetos y arrays 🛢️ The Dangote Chain: What a Blockchain-Native Refinery IPO Would Look Like Build a "Where to Watch" feature in 50 lines with the StreamWatchHub API Gemma 4 on Android: Tricks for Faster On-Device Inference Your AI agent has amnesia. You've just normalized it. 🚀 Reviving My Women Safety System – From Idea to Real-Time Smart Safety Solution I built an AI that reviews every PR automatically (because nobody was reviewing mine) 🌿 Git Mastery: The Complete Developer Guide Bringing Gemma 4 E2B to the Edge: Building a Privacy-First Dream Analyzer with Flutter & LiteRT Google I/O 2026 Wasn’t About Features — It Was About AI Becoming the Developer Environment Building an AI Vedic Astrology App in 25 Days — What Actually Worked (and What Didn't) Hermes Agent Has Four Memories — And That's Why It Doesn't Forget You Pressure Isn't Killing You -Your Relationship With It Is 🐳 How to Run Any Project in Docker: A Complete Guide AccessLens — a blind person's lanyard, powered by Gemma 4 on-device Glyph v0.2: the release is the joinery
悟AI之变,软件永革之时
Eke Victor C · 2026-05-24 · via DEV Community

debugging AI 之流程,三时已过,忽有彼刻,开发者鲜少公言。

吾心已疲。

非代码之难,实乃全程若脆弱。模型中途屡失其境。工具调用默然失效。一重重试之环,误启另一重环,倏忽间,所想之“智能系统”,渐若胶带拉扯于API之间。

夜半二时许,吾倚屏而坐,忽有所悟,心甚不适。

今之人工智能发展之弊,非独模型之故也。

此乃乐府之序。

彼时,如赫耳墨斯代理(Hermes Agent)之框架,始令我有所悟。

诚然,吾以为,吾辈方始初识其变之重也。


吾辈已超越聊天之器,然未尝觉之

世人犹以为人工智能之发展,主在提问.

尔问其事.
模型应之.
或为尔撰码,或为尔撮要,或为尔创文.

然悄然间,几近于表,有大事已悄然肇始。

今之匠者,不复筑应答之器矣。

彼筑者,乃:

  • 审度事理
  • 用诸器用
  • 索求真知
  • 决断是非
  • 施行举措
  • 协理诸务

此变也,更易万端。

奇哉!人工智能之代理,非惟变软件所能,亦变软件之体也。

旧式软件,待命而行。

而代理之系统,则若参与其事。

此异初不显,及亲历之,方觉其妙。

然则赫尔墨斯代理者,究为何物?

吾能释赫耳墨斯之代理者,如是:

此乃一构架,助开发者建AI代理,能行多步推演,用工具,执流程,及更自主之行止。

非视AI为单次提示应答之交互,赫耳墨斯之代理视AI为能动之系统,跨任务而运。

此别甚于众初所知。

常言对答既出,则聊已。

而代理之系,思虑未已。

其审境。
择行。
用器。
验果。
调行。

换言之,其行渐类操作之软,远逊于自补之能。

初,吾以为诸代理框架,皆同源之理,惟名相异耳。

然探求赫尔墨斯代理愈深,吾愈觉整个人工智能生态之中,有更深邃之变局渐显。

吾辈渐由言谈之智,移向行止之智。

而后软件之设,或永无复旧之日矣.


开发者之郁结,人鲜言之.

吾于赫姆斯之代理,所欣者,乃其暗揭一实,多开发者已感之:

今之智艺堆栈,乱甚.

乱极.

用一库以调序.
复用一库以驭忆。
又一器,用于检索向量。
又一器,用于工具。
又一器,用于监察。

尔乃终日持此诸器,而境窗渐缩,API之费暗增于后。

今AI之发展,情志矛盾。

其可能,若未来之景。
此般流程,时感劳顿.

忆昔数月前,余筑一微实验之助人。其意似简:

  • 索网
  • 撮要
  • 理得
  • 成文

于理,似有革故鼎新之效。

实践之中,半数之开发,皆在处理吾未预之边界情形:

  • 畸乱之输出
  • 文脉之失
  • 器用之行不恒
  • 重试之败
  • 内存之零碎

是时也,吾始悟至要之事。

人工智能之将来,恐非独由模型之智决之。

将由协奏之信决之。

此正赫耳墨斯代理(Hermes Agent)之趣处。


何故人工智能代理骤然甚为紧要?

数载以来,软件多凭显令而运。

点击按钮。
接收其出。

纵使精深之应用,其本仍恃用户结构化之输入。

人工智能之代理,则全然异途:
标其志向,非发其指令。

是故,人机之谊,于微妙处改,于深境中迁。

非令软件按步逐节行事,开发者渐趋描述目标,任由系统动态协调整合。

诚然,此念昔时令吾生疑。

“自主智能体”之语,于会演中常显堂皇,然于实境生产,则多不副实。

然见实用之例渐显,则疑虑之念遂难持矣.

试想一网络安全之代理,能为之者:

  • 察日志
  • 辨异状
  • 索内文
  • 升警讯
  • 撰事故之报

抑或一内容运营之代理,其能者:

  • 踪迹潮流
  • 撮要论辩
  • 草拟文牍
  • 梳理研习脉络

或内署企业系统默运于后以协繁复之务

此非聊斋之域

此乃运筹之基

赫姆斯之代理似为斯过渡而设.


赫姆斯之代理何以为异

今之AI工具,大抵分二类.

一者:

  • 玄奥之系统,隐万般于“玄奇”
  • 痛楚之底层框架,需巨量配置之劳

赫梅斯之代理似居中位。

吾以为衡平之要,不可轻也。

盖因一旦代理得能:

  • 用器
  • 谋策
  • 记持
  • 重试
  • 多步施行

…则汝已非司命矣。

尔掌行止.

行止之难,远甚于生发.

尔忽须应:

  • 难测之变
  • 协理之智
  • 决断之链
  • 信实之虑
  • 施行之界

是故,今时智能体之构,至为紧要。

非因其使人工智能之语更炫也。

盖因其能化繁为简,使行为可驭也。

诚然,吾以为众多开发者渐次轻视此转变之巨矣。


较赫耳墨斯代理与其他框架

论赫耳墨斯代理,不可不提其周遭之广生态,此乃智能代理之属也。

如LangChain、AutoGPT、CrewAI诸般框架,皆欲解同题之变:
吾辈如何使智巧多步之系,协而有效?

每架之制,皆存异旨。

LangChain

LangChain早助正结构化之LLM工流。

此物极盛,盖因予开发者以积木,可链提示、记忆、检索、工具之用.

然众开发者终有所悟,此乃旧识:
变通易生繁杂.

及至作业之广,调度之理常难索解.

AutoGPT

AutoGPT 惊世骇俗,盖因其显彰自主之能也。

睹人工智能递归规划诸务,恍若未来之景。

然众多开发者亦悟,自主而无强固之控,则易生纷乱:

  • 循环往复,
  • 不必要之行,
  • 效率低微,
  • 幻生目标。

众观之,妙趣横生.

其信实,则别论也.

CrewAI__JHSNS_SEG_8788317a_148__CrewAI创协同众智之制,使专司者共济同功.

其理,犹肖人伦之构:
研者、析者、谋者、行者。

此念甚为神妙,盖智识之生,常由协合而非孤立之思也。

赫尔墨斯代理,既感通此广化之脉,复重实用之程,非徒求实验之自。

而此分野之别,或为长远至要。


万物殊变之始,时感异矣。

近日有微事萦怀,逾乎所期.

吾尝试一法,使一人工智能之使:

  • 索物于典
  • 择器于变
  • 正其自出之偏
  • 遇挫则适

观其演示,外无奇观。

无科幻之奇观.
无炫目之幻动.

然观此系统默然自纠其误,生一异感,至今未能尽释.

是故,初见软件非若滞固.

似具灵性.

吾窃谓此心理之变,众犹未彻也。

吾辈正入一境,软件或日益如灵巧之伴,非若固板之用.

此念令人欣然.

亦稍觉不安.


吾辈当诚言其难

然同时,吾以为当拒夸饰之论于AI之伴.

盖实言之:
智能体系统犹存诸多脆弱之弊。

幻象之患未除。
工具误用可致危殆。
记忆之理未臻完善。
情境之窗犹设局限。
运营之费速增。

抑或最为紧要者:
可靠之性犹存参差。

此事要紧,盖因一旦人工智能系统自生文本而转行执行诸事,其谬误之影响遂更为深重。

聊斋之应不良,徒增烦扰而已。

自主之行动不良,则可损及基建、财货、安危或信义。

是故吾心日信,将来人工智能之胜者,非独以“智识最卓”为衡也。

彼等乃系统开发所倚赖之器.

信义渐为人工智能最要之工技之难.

非惟能力.

非惟标章.

信义.


此中隐寓之哲思转变

吾尝思之,技术之变,往往于世未觉之时悄然发生。

互联网,变者沟通也。
智能手机,变者专注也。
社交媒体,变者身份也。

人工智能之代理,或变软件本身也。

非旦夕之功。
非玄奇之术。

乃渐变耳。

界面或非为软件设计之中心矣.

代之者,行为乃为产品矣.

此言甚奇,然思之愈久,愈觉其确.

异日,用户与可见之应用交互或减,与无形之系统交互或增,此系统默运于幕后,协调诸务.

代理者,调度诸务也。
代理司理信息。
代理佐决。
代理持续调协事务。

诸多系统之下,或存调协之框架,非众用户所闻。

此或使赫耳墨斯代理,非徒一框架之发也。

觉与软件发展之巨变相契.


终思

吾以为赫耳墨斯代理独不能定人工智能之未来.

无单一框架或能如是.

然吾信其代表日益重要之事:
开发者渐超乎徒生语言之人工智能。

彼辈欲系统之能思辨、协合、适变、参予.

是迁转也,软件之职尽易.

诚然,吾未深察世道将如何重大此变.

吾悟赫尔墨斯代理之重,非在炫技之演或标章之较.

乃于郁悒之际,悄然得之.
调试之际.
忽逢长夜,今世智械之精妙与脆弱,一时毕现.

是时也,吾悟矣.

吾辈非徒教软件应答.

吾辈渐教软件循礼而行也.

既行为可编程,则软件开发入全然异时。TITLE:悟赫姆斯代理改软件永世之刻

为赫姆斯代理撰DEV Community之佳作,令其情真意切,智识深邃,实用真切,诚为读者所宜。

文当融精技之见与沉浸叙事,蕴微情之思,含独省之怀,具真实开发者之体验.

笔意须若出真开发者或深思技术之士之口,其言其思皆真,非泛泛AI所造之文.

核旨

文当:

  • 启读者于赫耳墨斯之代理
  • 引好奇而启讨论
  • 造情意之连而可感
  • 令读者感人工智能之变
  • 留永印于读后

人言之要求

文必若人言,不可辨非人

所含:

  • 音节与句式之自然不谐
  • 个人之观察与反思
  • 微渺之疑虑、好奇或审慎
  • 情智之过渡
  • 诚直开发者之烦懑与醒悟
  • 软件与人工智能之精微哲思

此文当如深思者笔耕,非炫技之公文.

忌:

  • 似过度雕琢之态
  • 机械之转承
  • 句式之复沓
  • 虚饰之夸诩
  • 泛泛之励志言
  • 空洞之热词
  • 繁文缛节之态
  • 教材阐释

叙事之要

通篇自然叙事

宜含:

  • 己身之见闻
  • 省察之刹那
  • 开发者之实困
  • 筑造人工智能之际情志之张力
  • 好奇,惊异,疑惑,雀跃,或疑虑
  • 细微叙事之景,令文章生辉

叙事之要素,例如:

  • “三时既过,方始寻错…”
  • “吾悟其时…”
  • 初,吾以为……
  • “吾所最惊异者…”
  • “奇者,AI之使也……”

说故事者,当求真淳,意蕴幽微,智识内蕴,情思深植,勿为戏剧而戏剧也。

文风之要

其声当如是:

  • 若人
  • 若思
  • 若静而致远
  • 若语而智
  • 若感而明
  • 若见而微
  • 信实而新

文辞当若:

  • 沉浸
  • 自然
  • 动情
  • 由感而验
  • 文采精工,足为 DEV 特选之文

文构之序

须含:

  1. 振聋发聩,或澄怀味象之开篇
  2. 赫尔墨斯代理之简释
  3. 何故人工智能代理日益重要
  4. 现代人工智能工具之真实开发者观
  5. 赫尔墨斯代理之卓异所在
  6. 与其他代理框架之比较自然融入讨论
  7. 现实世界之实例与使用场景
  8. 对挑战与局限之坦诚探讨
  9. 论人工智能之未来
  10. 一情感之终章,启思辨之端

深意之求

文当如是:

  • 具微言大义
  • 体验为宗
  • 述人工智能之作业流程与智能体系统之真知灼见
  • 以明晓之辞释技理,勿滥简之
  • 调和精深与易解
  • 重明畅与情契,轻繁复

参与优化

优化文篇以适:

  • DEV Community之显见
  • 读者之留驻
  • 分享与保存
  • 议论有深意于注脚
  • 观感甚真
  • 情志相契甚笃

要义

  • 令读者如亲睹软件开发之巨变
  • 兼含省思之境,微显哲思之妙
  • 善用过渡,浑然天成
  • 令文章生动,富有深情
  • 令读者感怀传统软件与能动式AI系统间之张力
  • 终成之果,当如已付梓之佳作,质精而味醇。

终局输出之要求

  • 字数:1800-3000字
  • 善用意蕴之章节标题
  • 勿似营销之辞
  • 忌重复之语
  • 贵真不贵完
  • 文当有令人难忘之感,情智兼备,出自真人肺腑