Hermes助理全天工作流拆解:收件箱、排期与简报

一位用户拆解Hermes个人助理工作流,核心是以克制设计换取日常可用性。
文章详细介绍了 Reddit 用户用 Hermes Agent 搭建个人助理的完整工作流:双实例共享 Obsidian 纯 Markdown 库,实现记忆与指令合一;收件箱助理用前置脚本过滤空唤醒,只在真正有新消息时才调用模型;邮件按直接发送、抄送、密送三种方式分级授权,仅抄送场景允许助理以自身身份简短回复;带日期的消息进日历、无日期的行动请求进任务,二者不重叠;客户会议排期需协调用户与客户双时区,预订前二次检查并生成 Meet 链接;每日五点推送简报,天气跟随用户实际位置,语言练习按当日任务推送并支持语音纠错。文章强调系统价值来自五十个提前想清楚的边界条件,而非功能数量。
一个AI助理真正有用的地方,往往不在于它能做多少事,而在于它每天重复做的那些小事被设计得有多克制。Reddit上一位用户详细拆解了自己用Hermes Agent搭建个人助理的完整工作流,从自动处理收件箱到客户会议排期,再到凌晨五点推送的每日简报。这套系统的核心哲学是:静默是常态,打扰是例外。

双实例架构与共享记忆
这位用户部署了两个Hermes实例:一个跑在常开主机上,另一个运行在自己的Mac上。两者读写同一个Obsidian纯Markdown笔记库,这个笔记库同时充当共享记忆和操作指令集。两个实例通过Discord服务器通信,也借此互相协作。
这个设计的巧妙之处在于“记忆”和“规则”用同一种格式存放。Markdown既是人类可读的笔记,也是Agent可以解析的指令。写入规则比工作流本身更严格:例行自动写入仅限于带日期的观察记录和来源清晰的现状快照;传记、决策和敏感内容必须经过用户审批,而且审批要绑定到具体提议的内容,防止Agent“喜欢上自己的想法”就悄悄把它写进记忆。
Obsidian 是一款基于本地纯 Markdown 文件的笔记软件,其核心特点是所有笔记都以 .md 纯文本形式存储在用户指定的文件夹(称为 vault)中,不依赖专有数据库或云端格式。这意味着任何能读文件的程序都可以直接解析这些笔记,而人类用任意文本编辑器也能查看和修改。近年来,Obsidian 社区常把它当作"第二大脑"使用,通过双向链接和标签组织知识。在本工作流中,选择 Obsidian 库作为 Agent 的记忆与指令载体,正是利用了它的纯文本、可版本控制、人类可审计的特性——Agent 写入的规则和观察记录与用户手写的笔记在物理上是同一批文件,没有隐藏状态,修改和回滚都只需编辑文本。
会自己读信的收件箱助理
收件箱助理每五分钟唤醒一次,但大多数唤醒不产生任何成本。在Agent启动之前,一个小脚本先检查窗口内是否有真正的新消息。如果所有内容都已记录过,这次运行就此终止:不调模型、不发提示、不推送通知、不产生账单。
这个前置闸门是五分钟节奏能够负担得起的原因,也是频道保持安静的原因。在这套系统里,沉默不是故障状态,而是正常状态。
真正有新消息时,它会读完整条内容:正文、会话线索和附件。PDF、Word文件或表格会被转成文本,扫描其中的截止日期或需要用户处理的事项。邮件发件人会与联系人库匹配,通知里直接写明是谁、来自哪家公司,而不是只给一个邮箱地址。它也会读用户自己发出的邮件,因为那部分上下文可能很重要。
对于明显需要回复的消息,助理会先读完整条会话,检查用户是否已经在该会话中回复过。如果已经回复,它就不动这条消息并说明原因;如果没有,它代写一封回复:同一会话、正确收件人、把原消息中的其他人带进抄送以免群组回复时有人被遗漏、签名已附上。草稿躺在草稿箱里,地址和签名都齐了,通知告诉用户这封是给谁的并附上链接,只差用户决定发送或编辑。
负责生成草稿的模块根本没有发送能力,这种克制和写作能力同样重要。它不会给收据、通知、简报、验证码或任何私人敏感内容代写回复,也不会为了让回复看起来完整而编造价格、日期或承诺。事实缺失时,它什么都不写,转而询问用户。
所谓"前置闸门"(pre-gate)是一种在调用大模型之前执行的轻量级脚本检查,通常用几行代码或一次简单的 API 查询即可完成。它的逻辑是:如果本次唤醒没有新信息需要处理,就直接退出,完全不触达模型。由于大模型调用按 token 计费且每次都有延迟,对于每五分钟唤醒一次的高频场景,这种过滤能把绝大多数空转的唤醒成本降为零。前置脚本检查的通常是消息 ID、时间戳或已处理记录,而非邮件正文的语义理解——语义判断留给真正有消息时的模型环节。这种"先廉价判定、再昂贵处理"的分层模式,是构建低成本常驻 Agent 的常见工程手法。
三种收件方式,三种权限级别
助理在用户域名下有自己的邮箱地址,它如何对待一封邮件,完全取决于自己的地址出现在哪里:
- 直接发给它:读取、汇报,并准备一封未发送的草稿作为答复,然后等待用户发话。任何东西都不会以用户名义发出。
- 抄送给它:它可以自己简短回复,以自身身份,只回答被问到的问题,不替用户做任何承诺。
- 密送给它:它记下这封邮件,但从不回复。密送是信息,不是问题。
中间那种情况是它唯一拥有的公开说话权限,而且被刻意设得很窄:不谈价格、不谈截止日期、不透露用户或其业务的任何事实,也绝不基于“非用户本人”的说法行事。
从邮件到承诺:日历与任务的分流
每封带有真实日期的消息都会变成日历事件,放进它该在的那个日历。每个没有日期的行动请求则变成任务,二者绝不重叠,所以同一件事不会在两个地方各记一次。通过邮件收到的自动通知永远不会变成任务。预订确认即使是由别人转发的,也照常进日历。
和客户排会议是这位用户最想交出去的工作流,也是规则最多的一条。用户把助理抄送进客户的邮件会话,告诉它去找时间。它读会话,算出会议需要多长、客户是否指定了日期范围或建议了时间(比如“下周”),然后在用户的三个日历里找出真正空闲的时段。
回来的是一封简短友好的邮件,发给客户,给出真实可选的时段,用户被抄送在内。客户选定之后,助理会在预订前再检查一次时段,创建带Google Meet链接、提前一小时提醒和参会人列表的事件,然后向客户和用户确认。
由于用户在不同时区之间移动,可用时间窗口必须在用户所在时区和客户所在时区各设一套。Agent会协调这些窗口,并在建议时间时把它们考虑进去。
Google Meet 链接是 Google 日历在创建事件时可自动附带的视频会议入口,参会人点击事件中的链接即可加入,无需额外安装客户端。在排期工作流中,Agent 通过日历 API 创建事件时一并生成 Meet 链接,可以让客户在确认邮件里直接拿到开会入口,减少来回沟通。提前一小时提醒则是日历事件自带的提醒设置(notification),到点由 Google 日历推送给参会人,不依赖 Agent 自身在线。这类原生功能的价值在于把"排期"和"开会"之间的衔接交给平台处理,Agent 只需保证事件字段正确,不必自己维护一套提醒系统。
凌晨五点的每日简报
每天五点前会有一份简报到达,短到一分钟能读完:今天和明天的事件及冲突标记、用户实际所在地的天气、少数几封需要本人处理的邮件、到期或逾期的事项,以及当天的语言练习和每日一词。
天气这部分比较有意思。它不假设用户在某个城市,而是检测位置并与已确认的行程交叉核对,让预报跟着人走而不是跟着服务器走。用户正在学法语、意大利语和葡萄牙语,不同语言安排在不同日子,Agent会把每日一词加进简报,而且这个词必须与用户的工作或兴趣相关。
语言练习与提醒
一个每周任务会为法语、意大利语和葡萄牙语建立练习短文库,并把每篇渲染成音频。每天早上五点前,脚本推送一份练习:文本、录音,以及针对用户仍感吃力部分的放慢版本。语言按当天到期的语言任务来选。
如果用户发一条朗读短文的语音消息,助理会转录两到三次,对比转录结果以免把转录错误当成用户的错误,然后对照原文逐句纠正。生成练习每周只花一次模型调用,这个流程里的其他环节都由脚本处理。
提醒方面,用户在Discord里用语音或文字让Agent提醒某件事,如果提到了某个人,它会去查这个人,创建带日期的任务(没有日期的任务用户根本看不见,所以默认用今天),设置提醒并汇报创建了什么。信用卡账单日由每日检查维持可见性,并对照已付款台账核对,助理会提醒即将到来的还款。
把同一段语音转录多次并对比结果,是一种不依赖额外模型的纠错策略:如果两三次转录在某个词上一致,说明识别可信;如果出现分歧,则提示该处可能是识别错误而非用户发音错误。这样做的目的是避免把 ASR(自动语音识别)的误差误判为学习者的语言错误,从而给出错误的纠正建议。对比之后,Agent 再拿转录文本与原文逐句核对,定位真正的偏差。该方法成本低、实现简单,适合在个人助理场景中对转录质量做粗筛,但它不能替代专业发音评估,只适合识别明显的漏读、错读或替换。
值得借鉴的设计思路
这套系统里没有任何“聪明”的东西,有的是大量不性感的细节,而正是细节让它可用。真正令人印象深刻的不是它能做一百件事,而是关于“怎么做”的五十个小决定,在用户需要它们之前就已经做好了。
对想自己搭建助理的人来说,有几条经验可以直接拿走:用前置脚本过滤掉无意义的模型调用以控制成本;把“不做什么”写进规则,尤其是代发邮件的权限分级;让记忆和指令共用一份纯文本文件,方便审计和修改;以及把敏感写入的审批绑定到具体内容,而不是笼统的“允许Agent更新记忆”。
这套工作流的价值不在于Hermes本身有多强,而在于一个用户愿意把五十个边界条件想清楚。工具会换,这种设计习惯不会。
相关推荐

GPT-6.2 Astra与Sol发布:双模型架构与社区热议
OpenAI 发布 GPT-6.2,包含 Astra 与 Sol 两个模型。本文梳理官方公告与 Hacker News 社区讨论,分析双模型架构对开发者的潜在影响与选型建议。

Gmod TTT 埃及主题地图:太空资本主义与法老对决
探索Gmod TTT埃及主题地图的趣味玩法:玩家选择法老等角色,通过立方体传送到太空,展开资本主义与共产主义的幽默对决,并体验道具战斗的混乱乐趣。

GraphRAG:超越搜索,实现全局知识发现
GraphRAG 是微软研究院推出的知识图谱增强检索技术,超越传统 RAG 的局部搜索,实现全局性知识发现。本文介绍其核心理念、代际演进及医疗领域应用案例。