第三章 给它配一颗大脑（模型选择）

一、先理解一件事：Hermes ≠ 大模型

很多人第一次用 Hermes，会以为它本身就是一个 AI。其实不是。

Hermes 是一个"骨架"，大模型是它的"大脑"。

骨架决定了它能做什么动作（读文件、跑命令、调浏览器、跨平台联通），大脑决定了它有多聪明（理解你的话、做决策、写代码、判断对错）。骨架是开源免费的，但大脑是要花钱的（除非用本地模型）。

这意味着：同样一个 Hermes，配上不同的模型，会完全是两个体验。

下面我们把这些选项摊开讲清楚。

二、五大模型来源对比

下面分别讲怎么配。

三、方案 A：海外用户首选 —— OpenRouter

OpenRouter 是 2026 年最流行的"模型路由"——你只交一份钱，它帮你转给底层的 OpenAI、Anthropic、Google、Meta、Mistral 等数十家。

配置步骤

1. 打开 https://openrouter.ai，用 GitHub 账号登录；
2. 进入 "Credits"，充 5~20 美元；
3. 进入 "Keys"，点 "Create Key"，复制以 sk-or-v1- 开头的字符串；
4. 在终端：

hermes config set model.provider openrouter
hermes config set model.default anthropic/claude-sonnet-4
hermes config set OPENROUTER_API_KEY sk-or-v1-你的key

推荐模型清单（按性价比从高到低）

四、方案 B：国内用户首选 —— Kimi + DeepSeek 组合

国内用户最大的痛是访问 OpenRouter / Anthropic 不稳。好消息是：2026 年的国产模型已经追上了，特别是中文场景。

4.1 注册账号、拿 Key

注册后，到对应的"API Keys"页面创建一个 Key（一般以 sk- 开头），并充值 10~50 元（国内模型很便宜，能用很久）。

4.2 在 Hermes 里配置自定义端点

Hermes 支持任何"OpenAI 兼容"的接口，只需要告诉它"基础地址"和"Key"。

打开 ~/.hermes/config.yaml（用任何文本编辑器，比如 VS Code 或 macOS 自带 TextEdit）：

hermes config edit

把 model: 块改成下面这样（这是 Kimi 的例子）：

model:
  provider: openai-compatible
  default: moonshot-v1-128k
  endpoints:
    moonshot:
      base_url: "https://api.moonshot.cn/v1"
      api_key_env: "KIMI_API_KEY"
      models:
        - moonshot-v1-8k
        - moonshot-v1-32k
        - moonshot-v1-128k    # 长上下文，128k token
        - kimi-k2              # 最新旗舰

然后填 Key：

hermes config set KIMI_API_KEY sk-你的-kimi-key

DeepSeek 同理：

endpoints:
  deepseek:
    base_url: "https://api.deepseek.com/v1"
    api_key_env: "DEEPSEEK_API_KEY"
    models:
      - deepseek-chat       # V3 通用
      - deepseek-reasoner   # R1 推理（适合复杂逻辑）

hermes config set DEEPSEEK_API_KEY sk-你的-deepseek-key

4.3 推荐组合（国内用户）

五、方案 C：全本地隐私 —— Ollama

如果你的工作涉及商业机密、医疗数据、法律文件——任何绝对不能上传到云的内容——Ollama 是你的首选。

5.1 装 Ollama

# macOS / Linux 一键安装
curl -fsSL https://ollama.ai/install.sh | sh

# Windows 去官网下载安装包
# https://ollama.ai/download

装完启动它：

ollama serve

它会在 localhost:11434 启动一个本地 API 服务。

5.2 拉一个模型

按你的硬件挑：

例如：

ollama pull qwen2.5-coder:14b

5.3 让 Hermes 用 Ollama

hermes config set model.provider ollama
hermes config set model.default qwen2.5-coder:14b
hermes config set model.endpoints.ollama.base_url http://localhost:11434

或者直接在 ~/.hermes/config.yaml 里：

model:
  provider: ollama
  default: qwen2.5-coder:14b
  endpoints:
    ollama:
      base_url: "http://localhost:11434"

5.4 本地模型的真实体验

诚实地说：

• 优点：免费、隐私、断网也能用、可以无限折腾不用心疼钱；
• 缺点：相比 Claude Sonnet 还是会"笨一些"（除非你有 64GB+ 内存跑 70B），尤其是涉及复杂任务规划时；
• 最佳实践：把 Ollama 用在简单、敏感、批量的任务上（如总结私人邮件、整理私密文档），把云模型用在关键决策上。

六、省钱组合：100 元月费跑出 500 元体验

这是本章最有价值的部分。Hermes 支持一个叫 fallback / 路由 的功能——你可以告诉它："简单的活用便宜模型，难的活才动用贵的"。

6.1 一份省钱配置（推荐 80% 普通用户）

打开 ~/.hermes/config.yaml，写成下面这样：

model:
  provider: openrouter
  default: anthropic/claude-sonnet-4
  
  # 智能路由：按任务类型自动选模型
  routing:
    # 简单任务用便宜的
    - match: "task.complexity == 'simple'"
      model: "anthropic/claude-haiku-4-5"
    
    # 子代理用最便宜的
    - match: "agent.type == 'subagent'"
      model: "openai/gpt-4o-mini"
    
    # 写代码用代码强的
    - match: "task.type == 'code'"
      model: "anthropic/claude-sonnet-4"
    
    # 长文档用长上下文的
    - match: "context.length > 50000"
      model: "google/gemini-pro-1.5"
    
    # 涉及复杂决策才动用 Opus
    - match: "task.complexity == 'critical'"
      model: "anthropic/claude-opus-4"

  # 兜底：如果默认模型挂了用谁
  fallback:
    - "anthropic/claude-haiku-4-5"
    - "openai/gpt-4o-mini"

  # 预算上限：到这个数字就停
  budget:
    daily_limit_usd: 1.50    # 每天最多花 1.5 美元（约 11 元）
    monthly_limit_usd: 30    # 每月最多 30 美元（约 220 元）
    alert_at: 0.80           # 用到 80% 时给你发提醒

按这个配置跑一个月，重度用户实测大约花费在 80~150 元之间，比不分模型直接用 Claude Sonnet 省 60% 以上。

6.2 国内版省钱组合

如果你用的是 Kimi + DeepSeek：

model:
  provider: openai-compatible
  default: kimi-k2
  routing:
    - match: "task.complexity == 'simple'"
      model: "deepseek-chat"            # 几乎不要钱
    - match: "agent.type == 'subagent'"
      model: "deepseek-chat"
    - match: "task.type == 'code'"
      model: "deepseek-reasoner"        # 代码 + 推理强
    - match: "context.length > 30000"
      model: "moonshot-v1-128k"         # 长文本
  budget:
    daily_limit_cny: 5
    monthly_limit_cny: 100

实测一个月 30~80 元就能搞定中度用户的日常需求。

6.3 省钱的三个铁律

1. 简单的事别动用 Opus / GPT-4——一句话写邮件、一段话总结，用 Haiku / Mini / DeepSeek 就够了。差别你根本感觉不到。
2. 子代理永远用便宜模型——主代理负责调度（用聪明模型），子代理负责跑腿（用便宜模型）。详见 第十章。
3. 设硬上限——daily_limit 这件事一定要做。Hermes 跑定时任务时如果出 Bug 死循环调用 API，一晚上能给你刷出 200 美元账单。设一个上限，最多就那么多。

七、临时切换模型：/model 命令

有时候你正在用便宜模型聊天，突然遇到一个难题想"借一下 Claude Opus"。不用退出，直接：

> /model anthropic/claude-opus-4
[模型切换] 当前对话已切换到 anthropic/claude-opus-4

这次对话用 Opus，下次新对话又会自动回到默认的 Sonnet。

也可以这样查看当前用的模型：

> /model
当前模型: anthropic/claude-sonnet-4
本次对话已用: 12,043 input tokens, 3,891 output tokens
预估花费: $0.094

八、SOUL.md 里指定不同任务的偏好（进阶）

第四章会详细讲 SOUL.md，这里先剧透一下。你可以在 ~/.hermes/SOUL.md 里写：

当我让你帮我"写代码"或"调试"时，请使用 anthropic/claude-sonnet-4。
当我让你帮我"总结"或"翻译"时，请使用 anthropic/claude-haiku-4-5 即可。
当我让你帮我"做战略性决定"或"复杂规划"时，可以用 claude-opus-4，但用之前先告诉我成本估算。

Hermes 会读到这些偏好，并在每次任务前自动选合适的模型。

九、几个实际花费数字（参考）

下面这些数字基于 2026 年 4 月的价格，仅供参考：

整体来看，普通人的月度花费 50~150 元就能让 Hermes 当 24 小时秘书。如果你只用 Ollama 本地，0 元。

十、小结：你的"组合拳"

按"使用强度"给一个推荐组合：

本章一图回顾

              ┌─────────────────┐
              │   Hermes Agent   │
              │   （骨架）       │
              └─────────────────┘
                       │
         ┌─────────────┼─────────────┐
         ↓             ↓             ↓
    ┌────────┐   ┌────────┐   ┌────────┐
    │ 主大脑 │   │ 干活的 │   │ 兜底的 │
    │Sonnet  │   │ Haiku  │   │ Ollama │
    └────────┘   └────────┘   └────────┘
        ↑          ↑              ↑
    复杂规划    日常对话      隐私敏感

    + 设 budget 上限  + 用 routing 路由 = 省钱组合

下章预告

模型配好了，但你给它发的提示词如果是"帮我写个东西"，效果照样很差。 第四章 学会和它对话 会教你：

• 提示词五要素（角色、目标、上下文、约束、产出格式）
• 直接复制就能用的 XML 提示词模板
• 怎么用 SOUL.md 给 Hermes 一个"专属人格"
• MEMORY.md 和 USER.md 的实战写法
• 让 Hermes "记忆唤起"的小技巧