最近看了深入理解AI Agent这本书，滤过了过于专业的章节， agent = LLM + context + tools 这个公式让外行一下抓住了重点， 也就从这个角度来完善自己的hermes agent， context+tools 我就直接理解为整个harness了， 来更好的规范我的hermes的行为。配图主要参考了小黑插图。
现在的harness组成如下：
- 9router ， 统一管理provider， 调度控制成本。
- byterover， 日常对话记忆积累。
- openkb， 用于RAG，文档类型的管理和检索。
- trilium/memos/typecho， 自组织的一些笔记和记录。
- agent-reach/tinyfish， 网络实时信息则通过这两个项目进行检索。
9router
对比了类似freeLLM，api-hub这些项目后， 还是9router最为轻量，高效，combo还能生成自己想要的模型组合，用于不同场合控制成本， 如低价或免费的组合用于byterover。
byterover
上篇文章 https://molezz.net/Hermes-Discord-Trilium 更多的是想免费可控记忆， 实际发现不够自动化， 还是需要后台那种无感记忆， 其实主要就是harness 部分的context范围， 比较了几个项目后（memo0等），选择了内置的byterover， 本地调用， 缺点是要花费些token， 不过低价免费的都可以胜任， 还是不错的。
openkb
至于工作中用到的一些固化文档RAG，尝试了dyfy和anythinllm等，有些重， 偶然知道了openkb项目，感觉还是挺适合的， 毕竟使用到的文档不那么多， openkb 实现这类context还是轻量高效的。
tinyfish
Agent-Reach 充当网络能力的统一路由器，负责意图分发与平台，TinyFish 则作为其底层通用的基础驱动引擎，通过无状态的 Search 与 Fetch API 承载轻量、免渲染的高并发全网语义搜索与网页正文 Markdown 纯净化提取。
评论