Hermes Agent 实战指南：从刷 X 焦虑到自动沉淀
今天我们聊聊：如何让 Hermes 替我们观察 X，并把有价值的热点沉淀为可以长期调用的内容资产。上一篇《Hermes Agent 完全指南》里，我提到了一项还没有详细展开的用法：X 灵感记录。
说实话，最开始我只是想逃离无休止的信息焦虑，少刷一点 X。
但真正做起来才发现，光发现热点并不能解决所有问题。
在信息爆炸的今天：信号转瞬即逝，而我们的注意力和记忆都太短了。如果你也困在收藏夹越堆越多、真正要用时却什么也找不到的循环里，这篇文章可能会给你一些启发。
🔥上篇文章
📝 Hermes Agent 完全指南：从工具到 AI 助理「实战篇」> 这篇文章，就想跟大家聊聊这两个月用 Hermes 的心得，以及我是如何将它从一个工具变成我的AI私人助理。 从 4 月初开始用 Hermes Agent，到 4 月 8...
01 我为什么搭了一个 X 热点雷达
我平时会在 X 上关注大量 AI 相关账号。
从 AI Coding、Agent、开源模型，到独立开发者和前沿产品。
很多选题和灵感，最初都来自 X 上的某一条帖子。
但这里最大的问题就是信息太多、变化太快。
一个话题上午还没人提，下午开始扩散，晚上可能已经被讨论烂了。
我以前处理这些信息的方式非常原始：
- 看到好帖子就收藏
- 觉得可能有用就截图
- 来不及看就转发到 Telegram
- 碰到灵感就在手机备忘录里记一句
结果就是收藏夹很快失控，堆了大量记录，真正重新打开的却很少，想必大家都有这样的经验😔
正所谓：生命不息，收藏不止。
每次想写点什么，明明记得前几天看过一个选题，却怎么也找不到原始出处。
这时我才发现：信息不够不是问题，无法沉淀才是最大的问题！于是，我把这个繁琐的监控工作交给了Hermes 助理。
我给它安排了一个定时任务，自动观察我关心的账号和话题。
我不需要它做信息搬运工。
X 上大量内容只是重复、情绪表达或者没有长期价值的讨论。
我需要它扮演过滤器，只筛选那些正在升温、可能形成选题，或者和我长期关注方向高度相关的信号。
每轮观察结束后，Hermes 会自动去重、翻译并整理出一份中文报告，推送到我的 Telegram：
Hermes 定时启动
↓
观察 X 上的指定账号和话题
↓
AI 筛选并过滤高价值信息
↓
生成中文热点报告，推送到 Telegram
这样，我不用再时刻被时间线绑架，也能及时了解 AI 圈正在发生什么。
02 雷达跑起来了，但它依然是个「金鱼脑」
雷达跑通后没多久，我又遇到了第二个问题：
Telegram 很适合当提醒器，却不适合做内容库。当新报告不断推过来，旧的内容很快就被刷了过去。
以前是我自己看完热点然后忘记。
现在变成 Hermes 找到热点推给我，然后我看着信息流再次忘记。
更重要的是，真正有价值的判断，很少来自单独一条帖子。
它往往来自一段时间内的连续信号：
- 某个 AI 工具是不是连续几天都有人讨论？
- 一个新产品是昙花一现，还是正在稳定升温？
- 哪些账号经常比别人更早发现高质量项目？
- 最近讨论的选题，我以前有没有写过类似视角？
这些需要纵向对比的问题，靠 Telegram 里散落的聊天记录很难回答。
我意识到，我缺的不只是一个帮我刷 X 的 Agent。
我需要的是一个能够记住过去、随时被检索，并且可以持续积累的内容系统。
于是我开始寻找一套能够外接到 Hermes 的记忆系统。
我的要求很明确：
- 数据自主：尽量留在自己的本地环境，不被某个平台或单个 Agent 锁死。
- 人类友好：存下来的内容，我自己也能直接打开和修改。
- 足够轻量：不需要为了一个个人项目维护复杂的数据库和后端服务。
找了一圈之后，我发现了 EverOS。
03 给热点雷达装上「外接大脑」
EverOS 是一个面向 Agent 和 LLM 应用的开源记忆系统。
最吸引我的一点，是它 Markdown-first 的设计。
它把 Markdown 作为记忆的源文件。
这意味着，Hermes 记录下的判断和选题不只是数据库里的记录，而是一个个标准的 .md文件。
我可以直接用 Obsidian 打开、阅读和修改，也可以用 Git 记录版本。
即使以后不再使用 Hermes，这些沉淀下来的内容依然保存在自己的文件中。
这相当于把数据的自主权，也就是所谓的“数字主权”，重新拿回自己手里。
很多软件今天还在，明天可能停止服务；很多 SaaS 现在好用，未来也可能涨价、转型甚至消失。
但只要 Markdown 文件和备份还在，我过去积累的热点判断、选题和创作资料就不会被某个平台带走。
在保留 Markdown 可读性的同时，EverOS 还通过本地索引，让 Agent 能够快速检索这些记忆。
接入 EverOS 后，整套系统的工作流变成了这样：
Hermes（定时启动执行任务）
│
├──> X / Grok（发现实时信息）
├──> Telegram（及时发送提醒）
└──> EverOS（沉淀为 Markdown 记忆库）
现在，一条热点被捕获后，保存下来的不再只是一个链接。
它还可以包含更完整的上下文：
- 热点主题和代表性帖子
- 为什么值得关注
- 当前处于刚出现还是正在升温
- 可以从哪些方向创作
- 以前是否写过类似内容
- 是否值得继续跟进
写文章时，我可以让 Agent 帮我查询最近一周反复出现的技术话题，再筛选出还没有写过的选题。
那些曾经看完即走的信息碎片，开始变成可以重新调用的创作素材。
04 踩坑实录：不是什么内容都值得进入记忆
给 Agent 接上记忆之后，我也踩了两个坑。
它们直接决定了系统最终会变成垃圾堆，还是一个真正能用的内容库。
🚨坑一：运行状态和内容资产混在一起
刚开始图省事，我把雷达的运行日志和去重状态也放进了 EverOS。
后来搜索关键词时，结果中出现了大量“已跳过重复”“已推送至 Telegram”之类的系统记录。
真正有价值的内容反而被淹没了。
⚠️教训：高频运行状态留在本地，只有具备长期价值的内容才进入记忆库。🚨坑二：让 AI 自动摘要代替原文
我还尝试过让 Agent 自动摘要抓到的文章，以为这样能省掉人工整理。
但在处理复杂长文和多条帖子组成的线索时，摘要质量并不稳定。
有时会漏掉关键细节，甚至与原文表达产生偏差。
最后还是需要回头核对，反而增加了工作量。
⚠️教训：优先保留原始链接和必要的结构化信息，重要判断由自己确认。明确了“存什么、怎么存”之后，我把最近两天的 EverOS 记忆导出来看了一遍。
截至导出时，它已经整理出：
- 42 条事件记录：这两天发生过哪些值得关注的动态
- 1001 条原子事实：从帖子和资料中拆出的最小、独立事实，例如“某个模型昨晚更新了一项 API 功能”
- 248 条趋势判断：根据连续信号形成的后续观察方向
- 一份逐渐完善的用户画像：记录我的关注偏好和选题判断方式
「原子事实」听起来有点技术化，其实就是把一段复杂内容拆成一条条不能再拆的客观信息。
这些信息越具体，Agent 以后查询和组合时就越准确。
这些数据当然还不足以证明系统已经完全理解我的内容方向。
但至少可以看到一个变化：以前看完就消失的信息，正在变成结构化、可以继续使用的内容资产。
05 最终分工：AI 负责劳作，人负责品味
回头看，我的信息获取工作流经历了三个阶段：
- 阶段 1.0：自己刷 X收藏、截图，然后很快忘记。
- 阶段 2.0：Hermes 热点雷达自动发现并通过 Telegram 提醒，但旧信息仍会沉没。
- 阶段 3.0：加入长期记忆Hermes 负责发现和筛选，高价值内容进入 EverOS，之后可以继续查询和复盘。
这套系统不是自动洗稿或自动发帖的流量机器。
在我的工作流里，分工一直很明确：
AI 负责重复执行、信息过滤、结构化整理和精准召回；人负责最终的价值判断、观点输出、审美趣味和情感表达。没有记忆的 Agent，更像一个每次都要重新交代背景的临时助手。
拥有长期记忆之后，它才开始具备持续协作的可能。🚀
具体搭建还涉及热点筛选、去重、记忆字段、定时任务和 Telegram 推送。
🤔如果后续展开，你更想先看哪一部分？
- 热点筛选与去重
- 记忆字段与 Markdown 模板
- Hermes 定时任务与 Telegram 推送
如果你也在给自己的 Agent 寻找一套外接记忆，可以看看👉🏻 EverOS。
它不一定适合所有人，但 Markdown-first、本地优先和记忆可迁移这几个方向，正好符合我的需求。
项目目前已经开源，感兴趣可以先去 GitHub 看看。
如果觉得这个方向有用，也可以顺手点个 Star：
传送门👉🏻 EverMind-AI/EverOS（GitHub）
The End
后面我会继续写一些 Hermes 和 AI Agent 的实际用法。
比起泛泛聊趋势，我更想记录这些工具真正放进日常工作之后，到底哪些地方有用，哪些地方只是看起来热闹。
📚 历史文章汇总
- 程序员防脱指南
- Hermes 接入 iMessage
- Hermes 接入 X Premium
- Hermes Agent 完全指南
- Hermes Agent 入门指南之辅助模型
- Hermes Agent 入门指南
- Hermes Agent 进阶指南
- Hermes Agent 不完全指南
- 尼区 Claude Pro 订阅完全指南
- 尼区 Apple ID 注册教程
- 土区半价订阅 ChatGPT Plus
- 美区 Apple ID 注册
- Claude/ChatGPT/Gemini 支付宝订阅
- 🚀 VPS 搭建 VLESS + Hysteria2 教程
- Mac 本地部署大模型完整教程
- IP 质量检查
- 为什么豆包不推荐你的品牌
- 怎么和你奶奶解释豆包说的不是真的
如果这篇对你有帮助，关注 + 收藏 + 转发走一个呗 👏🏻
关注 @Lonely__MH，会持续更新新手向的教程和 AI 工具用得上的心得。
