一、 DIT FLOW MATCHING (DiT 扩散模型参数)

这是决定“声音质量”的引擎。

Inference Steps (推理步数)
意义：扩散模型去噪的次数。步数越多，细节越细腻，但越耗时。
Turbo 模型建议：官方预设是 8，你设为 12 是合理的，能稍微增加一点稳定性。不需要过高，否则反而可能产生噪音。

Guidance Sca…[查看更多]

1. [初始设置案例](#初始设置案例)
2. [日常开发工作流](#日常开发工作流)
3. [消息平台集成](#消息平台集成)
4. [多环境管理案例](#多环境管理案例)
5. [故障排查案例](#故障排查案例)
6. [高级用法案例](#高级用法案例)

初始设置案例
案例 1: 首次安装和配置
bash
# 步骤 1: 安装
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

# 步骤 2: 进入安装目录
cd ~/.hermes/herm…[查看更多]

1. [安装与初始化](#安装与初始化)
2. [基础交互命令](#基础交互命令)
3. [配置管理命令](#配置管理命令)
4. [工具与技能管理](#工具与技能管理)
5. [Profile 多环境管理](#profile-多环境管理)
6. [网关与消息平台](#网关与消息平台)
7. [诊断与维护](#诊断与维护)
8. [高级选项与参数](#高级选项与参数)

Hermes Agent 命令速查表

Hermes Agent 实际使用案例

安装与初始化
🚀 安装
bash
# 1. 交互式安装（推荐，首次使…[查看更多]

1. 创建日志目录
mkdir -p ~/.hermes/logs

2. 编写自启配置文件
cat > ~/Library/LaunchAgents/com.hermes.gateway.plist << 'EOF'

WorkingDirectory/User…[查看更多]

一、环境准备

在开始部署前，请确保你的运行环境满足以下基础条件：一个可正常登录的个人微信账号；Python 3.8+ 运行环境；具备 pip 与终端命令行权限的 Linux / macOS / Windows（WSL）系统

htt…[查看更多]

可以直接复制保存这篇日志，作为日后复现或团队分享的技术文档。

ACE-Step-CPP-UI 部署与全新引擎适配通关日志

一、 环境与背景

硬件平台：Apple M1 Pro (Unified Memory 架构，支持 bfloat 与 Metal 硬件加速)。
软件堆栈：Node.js / TypeScript (Frontend & Server) + C++ GGML/Metal (Core Engine)。
引擎版本…[查看更多]

目前在 Mac 的 MLX 生态中，官方及社区仅推出了 Turbo 这一款加速版模型。虽然它能8步就能出歌，但因为砍掉了语言模型（LM）的对齐逻辑，导致它有着极易“吞字、漏字”的顽疾，且在 MLX 下无法使用 Base 和 SFT 版本。不能使用 MLX 的其他版本（Base/SFT），最核心的原因并不是 Mac 硬件不支持，也不是Ace Step Ui不支持而是开源社区压根就没有做出这些格式的模型文件。

如果想在Mac上解锁 ACE-Step 1.5 的完整实力，强烈建议转向基于 GGUF 格式的 C++ 生态（如 acestep-cpp-ui）：

功能全开：完美支持 GGUF 格式…[查看更多]

cat < ~/install_hermes_webui.sh
#!/bin/bash

set -e…[查看更多]

安装流程通常包括获取项目代码、配置运行环境以及启动本地服务三部分，确保依赖组件（如 Python、Node.js 或相关运行时）已正确安装。启动后，系统会在本地或指定服务器端口提供 Web 访问地址，用户可通过浏览器打开图形界面进行…[查看更多]

我经常使用的场景是这样的：

LM Studio：负责主 LLM 推理；Whisper：负责语音识别；TTS：负责语音合成；ACE-Step：负责音乐制作；Draw Things / ComfyUI：负责图像和视频，此时系统实际上是在同…[查看更多]

以 Apple Silicon 为例，可以非常直观地理解“Decode 阶段为什么被显存带宽限制”。

在本地运行大模型时，Decoding 阶段的速度在很大程度上近似受以下关系约束：

在 Apple 的统一内存架构（UMA）下，CPU 与 GPU 共享同一块高带宽内存，因此显存带宽直接决定了模型“逐 token 读取权重”的上限。

以实际芯片为例：

* M1 Pro：统一内存带宽约 [查看更多]

要优化 Hermes 的首次提交速度并解决幻觉，必须去它的用户目录（通常在 ~/.hermes/）对后台自动生成的 Markdown 文件进行物理裁剪，将前缀控制在 500字（2000字符） 以内。

一、 物理剔除不准确的“伪记忆”
Hermes 会在后台偷偷把历史对话的错误推论写进文件，导致首次开机时不仅慢，还会携带错误认知。

进入目录：
cd ~/.hermes/memories/

打开 MEMORY.md（事实记忆）与 USER.md（用户偏好）。

像删坏代码一样，物理整行抹去过期的环境变量、废弃的临时信息和错误的业务推论。只留下你真正要的语气和世界观（S…[查看更多]

在与大语言模型（LLM）或智能体（Agent，例如 Nous-Hermes）进行首次对话时，开发者和终端用户经常会遇到一种现象：
第一句回复…[查看更多]

在 Hermes 生态中，gstack 与 gbrain 是专为本地模型打造的高阶 Agent 增强外挂：

gstack（记忆堆栈）： 本地轻量化向量与知识图谱数据库，赋予模型持久的本地长文本记忆。
gbrain（认知大脑）： 核心任务拆解与工具调度引擎，负责多步骤深度思考（Reasoning Loop）。

三步安装与激活步骤

第一步：一键配置安装组件

打开 Mac 终端，运行 Hermes 内置的包管理器命令，自动下载依赖包：

hermes plugin install gstack gbrain

第二步：编辑配置文件追加…[查看更多]

选型 A：Qwen3.5-9B-mlx-lm-mxfp4（微缩块浮点 4位量化版）

体积： 约 4.45 GB。

特点： 官方测试与跑分的“御用模特”。它采用了最前沿的 mxfp4 压缩技术，将模型分成共享缩放因子的微块，能瞬间将 M 芯片的物理带宽和硬件吞吐量塞满。

选型 B：Qwen3.5-9B-MLX-4bit（多模态/标准 4位量化版）

体积： 约 5.93 GB。

特点： 保留了完整的长文本处理逻辑与多模态视觉对齐…

[查看更多]

本方法利用 macOS 终端的 curl 工具，直接向本地运行的 API 接口发送一个符合 OpenAI 规范的标准多模态请求。

命令的核心亮点在于使用 Bash 动态管道符 $(base64 -i ‘图片路径’ | tr -d ‘n’)。它会在发送请求的瞬间，自动将你 Mac 本地的物理图片转换成标准的 Base64 编码字符串 嵌入到 JSON 数据中，免去了手动格式化转换的繁琐步骤。

结果判定与排查指南
运行该命令后，通过返回的 JSON 响应可瞬间判定后端的真实能力：

测试通过（支持视觉）： 接口成功返回 200 OK，并在 content 中输出了对该图片的结构化文本描述。…[查看更多]

hermes model

Current model: Qwen3.5-9B-MLX-4bit
Active provider: J-MLX

Custom OpenAI-compatible endpoint configuration:

API base URL [e.g. https://api.example.com/v1%5D: http://127.0.0.1:55889/v1
API key [optional]:
Verified endpoint via http://127.0.0.1:55889/v1/models (2 model(s)…

[查看更多]

acOS 的启动管理器（launchd）在自动化工具反复超时报错后，会把旧服务名死锁。解决它的终极绝招就是：清除旧文件，换个全新名字的“新马甲”重新注册。

rm -f /Users/xbaby/Library/LaunchAgents/com.xbaby.hermes-webui-server.plist

cat << 'EOF' > /Users/xbaby/Library/LaunchAgents/com.xbaby.hermes-runner.plist
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC…[查看更多]

拓扑双通道设计:
主通道 (Primary): 监听 55888 端口,挂载 LM Studio(接管具备极高推理速度与多模态视觉能力的 Qwen3.5-9B-MLX-4bit 模型)。

备通道 (Fallback): 监听 55889 端口,挂载 omlx / llama.cpp(接管刷榜跑分专用、但在硬核数字与长文本场景易智商下降的纯文本/低精度版 Qwen3.5-9B-mlx-…[查看更多]

WeChat CLI 是一个强大的微信命令行工具，可以：

📖 读取聊天记录（text/image/voice/video/file 等类型）
🔍 搜索消息内容，👥 查询联系人和群组成员，📊 分析会话统计，💾 导出聊天记录，⭐ 查看收藏内容，🔔 监控未读消息

主要特性：✅ 只读操作，不修改任何数据，✅ 数据不离本机，完全隐私，✅ JSON 格式输出，适合 AI Agent，✅ 11 个命令行指令，✅ 实时解密，无需手动处理加密

prompt：你上网看下这个 学习下 然后安装它，并把他变成你的技能https://github.com/huohuoer/wechat-cli

…[查看更多]

不要用你内置的任何 browser_* 或 web_extract 工具，它们会被封锁。

请直接把第 2 步…[查看更多]

1. 安装 OpenCLI 工具（解决权限报错）

由于普通安装会触发 EACCES 权限拒绝错误，必须使用管理员权限并开启安全标志进行全局安装：

bash
sudo npm install -g @jackwener/opencli --unsafe-perm=true

2. 物理唤醒并配置守护进程

重启 OpenCLI 守护进程，并确保其运行在 19825 端口：

bash
opencli daemon restart

3. 连接状态体检与获取分身 ID

运行诊断命令，确认 Extension（浏览器插件）状态为 [OK] connected，并捞出你的唯…[查看更多]

我知道是 Tirith 安全扫描拦截了后台的 Python 盲爬脚本。
现在我作为系统管理员，正式授权你使用最合规、最安全的【browser】工具集。

直接读取并打印出页面上显示的最新的北京天气状况。立刻执行！

/Users/xbaby/pinokio/api/Hermes_WebuUi.git/start.js文件中的启动路径写作格式错误导致无法启动，修改后的

module.exports = {
daemon: true,
run: [
// Grab the next available port and stash it so it stays consistent
// across steps ({{port}} re-evaluates every use).
{
method: "local.set",
params: {
port: "{{…[查看更多]

1、在Mac的terminal中执行Hermes Agent一键安装命令
Linux, macOS, WSL2, Termux

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

编辑配置功能：
nano /Users/xbaby/.hermes/config.yaml

环境配置：（一般存储密钥…[查看更多]

1. 认证准备 (Token 获取)
在进行任何 API 调用前，必须先获取临时授权 Token：
TOKEN=$(curl -sS http://127.0.0.1:3001/api/auth/auto | sed -n 's/.*"token":"([^"]*)".*/1/p')

2. 标准提交格式 (包含不同模式配置)
所有的提交均通过 POST http://127.0.0.1:3001/api/generate 接口完成。
模式 A：编曲补全模式 (Complete) —— 针对清唱加伴奏
这是…[查看更多]

1. 核心模式选择

Task Type：必须选择 Audio → Audio。
Instruction：确认框内显示 Fill the audio semantic mask…，这代表系统已进入补全逻辑。

2. 关键参数设置（解决“难听”问题）

Audio Cover Strength：建议调低至 0.3 – 0.4。 注：数值越低，越能完整保留你的原始人声；过高会导致人声扭曲产生噪音。
Complete Track Classes：精准勾选。建议仅勾选 drums（鼓）、bass（贝斯）、guita…[查看更多]

源音频（srcaudio）
控制「结构是什么样」：旋律走向、节奏、和弦、配器层次。
用于 Cover 任务，量化为语义 codes，可通过 audiocoverstrength（0~1）调节结构遵循程度。

🔹 一句话区分：参考音频管质感，源音频管骨架。
[Intro - piano]

[Pre-Chorus]
这一刻如此安静
却藏着汹涌的…[查看更多]

核心原理 基于源音频的上下文进行区间补全或修改。模型读取划定区间的前后文潜特征，在指定时间内重新生成，自动处理节奏、和声与音色的衔接。

输入与参数配置

任务类型：task_type 设为 repaint

音频输入：上传 src_audio（需包含完整上下文）

需要在翻唱位置插入音频，这里插入的音频作为src_audio

区间控制：设置 repainting_start 与 repainting_end。操作范围严格限制在 3 秒至 90 秒。

核心参数：audio_cover_stre…[查看更多]

一、 Cover（翻唱/结构迁移）精密工作流

核心原理 将源音频量化为语义结构化信息（旋律、节奏、和弦、配器），在新 Caption 与 Lyrics 的驱动下重新演绎。源音频提供骨架，文本提供血肉与风格。

输入与参数配置

任务类型：task_type 设为 cover

音频输入：上传 src_audio（需结构清晰、无严重底噪）

需要在翻唱位置插入音频，这里插入的音频作为src_audio

文本输入：填写新 caption 与 lyrics（可改风格、改情绪、改歌词）

核心参数：audio_cover_strength（0.0 至 1.0）。1.0 严格对…[查看更多]

一、 核心原则与架构选型

定位：以人为中心的协作式生成工具。接受随机性，采用“批量探索 → 自动初筛 → 人工精调 → 局部修正”的迭代工作流。

架构流向：用户输入 → 5Hz LM（规划器）推理元数据/优化Caption/生成语义Codes → DiT（执行器）扩散生成音频。

LM选型（规划器）：显存小于8G选无或0.6B；8至16G选1.7B（默认）；大于16G或复杂长尾任务选4B。模型越大，世界知识越丰富，记忆与长尾风格处理能力越强。

LLM 是核心的“指挥官”，负责将自然语言转化为音乐逻辑：…

[查看更多]

这些 Embedding（通常也称为 Textual Inversion）本质上是“提示词打包”。它们通过极短的关键词来调用复杂的视觉特征，帮助你更轻松地控制生成风格或图像质量。

一、 核心分类说明

上方图片中展示了，Embedding 主要分为三大类用途：
1.质量增强/负面修正 (Negative Embeddings)： 用于去除崩坏的肢体、低画质或不需要的视觉元素。

2.视觉风格 (Stylistic Embeddings)： 赋予图像特定的艺术风格（如双重曝光、水墨、剪纸等…[查看更多]

这些风格原本是 Stability AI 为其 SDXL 模型设计的官方提示词模组。Draw Things 将它们集成进来，让你只需要输入一个简单的物体（比如 “A cat”），再点选这些图标，AI 就会自动在后台为你补全复杂的风格描述词。

以下是为您整理的 SAI 风格预设文档，涵盖了截图中出现的常见项：

SAI 官方风格预设 (Style Presets)
这些预设会自动为你的提示词添加“风格后缀”，并配合特定的负面提示词，以确保画风统一。

1. 写实与摄影类 (Photographic)

sai-analog film (胶片感)…[查看更多]

它是用于图像修补（Inpainting）、局部重绘以及精细控制生成区域的工具集。

1：擦除与遮罩工具 (Eraser & Masking)

该功能主要用于定义重绘区域。你涂抹掉的部分，就是 AI 接下来会重新生成的部分。

顶部核心模式
橡皮擦图标 (当前选中)： 进入遮罩/擦除模式。
中间控制条
撤销/重做： 位于左侧，用于撤销上一步涂抹。

尺寸滑块： 红色横条上的滑块，用于调整笔触的粗细。

底部工具组
笔刷/矩形切换 (左一)： 可以在“自由手绘笔刷”和“矩形框选”之间切换。

边缘硬度 (左二)[查看更多]