企业官网建设流程全解析

如何把 Hermes Agent 变成 7x24 自动盯盘的交易助手？完整指南

【免费下载链接】hermes-agentThe agent that grows with you项目地址: https://gitcode.com/GitHub_Trending/he/hermes-agent

盯盘是交易里最磨人的环节：行情 7x24 不停，人不可能 7x24 不睡。Hermes Agent是一个能常驻服务器、按你写的策略持续跑任务并通过 Telegram 等渠道推送结果的 AI 代理框架，本文带你用它搭一条"拉行情→算信号→风控过滤→推送提醒"的最小自动化链路，不用自己搭消息队列和调度系统。

为什么盯盘这件事可以交给 Agent 循环

传统交易脚本跑完一次就结束，你要自己写定时器、重试和日志。Hermes Agent 的差异在于它的运行方式：

• 常驻云端不依赖本机：内置 7 种终端后端（本地、Docker、SSH、Singularity、Modal、Daytona、Vercel Sandbox），Modal 和 Daytona 支持 serverless 休眠，空闲时几乎零成本。一台 5 美元月租的 VPS 就能跑起来，你人在哪都行，手机收信号即可。
• 多轮 agent_loop 持续运转：agent/conversation_loop.py 里的循环会反复"读数据→调工具→产出结果"，你的策略脚本可以在每一轮里被调用，而不是一次性执行。
• 会沉淀技能的自改进机制：它把复杂任务的处理方式存成可复用技能，用得越多越顺手——比如"拉 BTC 数据→算指标→推送"这条链路跑过几次后，后续可以直接/skills调用。

一句话：它不是"执行一次脚本"，而是"替你值班的同事"。

5 分钟装好 Hermes Agent

支持 Linux、macOS、WSL2、Termux 和原生 Windows，装完自带终端界面和消息网关。

git clone https://gitcode.com/GitHub_Trending/he/hermes-agent cd hermes-agent

或者用官方脚本一键安装（自动处理 Python 3.11、uv、Node.js 等依赖）：

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash hermes setup

跑起来后常用命令就这几条：

hermes model # 选 LLM 提供商和模型 hermes tools # 配置启用的工具 hermes doctor # 诊断环境问题

hermes setup向导会把模型、工具、消息渠道一次配完；如果嫌逐个填 API key 麻烦，hermes setup --portal一条命令就能接通 300+ 模型和搜索、图像、语音等工具网关。

给 Agent 接上行情数据源

数据获取走它内置的终端工具：让 Agent 执行你写的取数命令，把结果落到本地文件。

from tools.terminal_tool import execute_command # 拉近一年日线，存成本地 CSV data = execute_command( f"fetch_historical_data {symbol} 2023-01-01 2023-12-31" ) data.save(f"data/{symbol}_daily.csv")

实践中的分工建议：

1. 结构化行情（K 线、深度、成交）：自己写取数脚本，终端工具负责调用，数据统一存 CSV 或数据库，Agent 只读文件，省 token 也好排错。
2. 非结构化消息（财经新闻、公告）：走 agent/web_search_registry.py 背后的搜索工具链，让 LLM 做情感打分和关键指标抽取，比如财报里营收、利润、指引的变化方向。
3. 清洗交给脚本：缺失值、异常跳变在取数脚本里过滤掉，不要让模型去猜脏数据。

桌面端可以看到按渠道分组的会话列表，Cron、Telegram、Discord 等来源的历史任务一目了然，排查哪一轮分析出错非常方便。

写第一个交易信号循环

策略本体就是一个被 Agent 反复调用的函数。下面是一个 50/200 双均线金叉死叉的最小实现：

def execute_strategy(symbol): data = load_daily(f"data/{symbol}_daily.csv") short_ma, long_ma = ma(data, 50), ma(data, 200) if short_ma[-1] > long_ma[-1] and short_ma[-2] <= long_ma[-2]: return f"BUY {symbol}" if short_ma[-1] < long_ma[-1] and short_ma[-2] >= long_ma[-2]: return f"SELL {symbol}" return "HOLD"

把它挂进 Agent 的运行循环后，每一轮它会：读最新 CSV → 跑execute_strategy→ 对非 HOLD 信号附加当前情绪摘要 → 推送。想让多只标的并行分析时，用子代理（subagents）各开一个隔离会话分别跑，互不占上下文。

注意：信号只到"建议"层。真实下单前，建议先用它内置的回测方式（让 Agent 写回测脚本、跑历史区间、输出胜率与回撤）验证策略表现。

风控与定时任务：让系统不失控

自动化的风险不在漏单，在失控。三件事必须先做：

1. 仓位硬上限：在策略里写死"单标的 ≤ 总资金 5%"，超限信号直接降级为提醒，不产生订单指令。
2. 止损随波动率动态调整：用近 N 日 ATR 算止损距离，而不是固定百分比，避免震荡市被扫损。
3. 命令白名单：Hermes 的命令审批机制（allowlist）只放行你明确放行的命令模式，下单脚本的调用路径也在其中登记。

定时执行交给内置 cron，不用系统 crontab：

# 每天收盘后跑一遍组合风险扫描，结果推到 Telegram hermes cron add \ --schedule "0 16 * * 1-5" \ --prompt "执行风险扫描，输出持仓盈亏、止损距离与集中度，推送到 Telegram"

三条避坑建议

• 先纸面跑两周再上真钱：让 Agent 只发信号不下单，对照实盘价格记录命中率，确认链路稳定后再开放下单权限。
• 数据源限频要自己处理：免费行情接口的调用额度有限，在取数脚本里加缓存和退避，别靠 Agent 每轮都重新拉全量。
• 模型切换零成本，别锁死：hermes model随时换提供商和模型，策略对模型无感知。建议主模型跑分析、便宜模型跑格式化推送，成本能压下来一截。

实战参考：一个 BTC 自动监控系统

某量化团队用 Hermes Agent 搭了一套比特币监控系统，目标是"人睡觉、系统不停"。落地的能力包括：

• 7x24 不间断市场监控，异常波动即时推送到消息渠道
• 跨交易所套利机会捕捉，子代理并行比对多个交易所价差
• 基于社交媒体情绪的趋势参考信号

运行结果是日均交易 15-20 笔，月收益率稳定在 8-12%。这套系统的骨架并不复杂：一个取数脚本 + 一个信号函数 + cron 定时 + 风控过滤，复杂度全被 Agent 的循环和工具链吸收了。

现在就可以开始

Hermes Agent 把"盯盘、分析、提醒"从写一个系统降格成了写一个策略函数。下一步：

hermes setup && hermes doctor

装好之后打开strategies/moving_average_crossover.py（就是上面那段代码的文件），让 Agent 用你手里的任意标的跑一次信号，你会得到第一条自动推送的交易提醒。

【免费下载链接】hermes-agentThe agent that grows with you项目地址: https://gitcode.com/GitHub_Trending/he/hermes-agent