企业官网建设流程全解析

Hermes Agent 的 Learning Loop 每次对话都会触发 FTS5 记忆检索，再把历史上下文交给 LLM 做即时推理。这个循环里，记忆和 Skill 并不绑定某个模型；真正卡住切换的，是模型接入这一环。我在 TaoToken（https://taotoken.net/?utm_source=taotoken_aicg_blog_end）拿了一把 Key，把 Hermes 的 Base URL 填成 https://taotoken.net/api，之后在 Learning Loop 里换模型只改模型 ID，FTS5 记忆与 Skill 自进化完全不用重配。

TaoToken 在这里的角色是统一 API 兼容通道，不替 Hermes 做记忆存储，也不改动 agentskills.io 格式的 Skill 目录。它只接管对话中最容易成为瓶颈的那一段：LLM 请求。这样当你从模型 A 切到模型 B 时，~/.hermes/memory.db 里的 FTS5 索引、~/.hermes/skills/ 下的 skill.yaml 和 steps.yaml 都保持原样，收到变化的只有模型层。下面按 Hermes 实际的运行链路，从 FTS5 记忆检索开始，一路走到模型切换和验证。

1. Hermes 每次对话那条链：FTS5 召回之后才是 LLM 推理

1.1 记忆不挑模型，挑的是上下文是否给够

Hermes 的记忆层跑在 SQLite FTS5 全文索引上，用户偏好、项目上下文、决策理由这类关键信息会以结构化记录写入索引，每条记录带有重要度标签。提问时，Agent Core 会在同一轮里做两件事：把当前问题发给 LLM，同时执行 FTS5 检索。检索到的历史片段按相关性和重要度综合排序，前 K 条作为上下文拼进本轮提示词。这个设计意味着，所谓「持久记忆」其实是在记忆层完成的，不在模型权重里。

很多入门教程把 Hermes 的跨会话能力归功于模型聪明，实际拆开看，模型只负责最后的推理。只要 FTS5 索引还在，换一个模型品牌也不会丢失前几天说过的偏好和结论。这一点是下面所有切换动作成立的前提——你先要清楚哪些东西属于记忆层，哪些东西属于模型层，才能在接入层动手而不破坏已有积累。

1.2 卡点不在 FTS5，而在 LLM 那一步

真正麻烦的是每次对话最后那一次 LLM 请求。不同模型往往需要不同的后台、不同的 Key、不同的额度逻辑；想换模型时，通常要改配置、换 Key、重新验证连通性。这些动作和 Learning Loop 本身的机制没有关系，只是接入层在拖后腿。TaoToken 把这一层收到一个 Base URL 后面：https://taotoken.net/api。同一个 Key，对应同一个控制台；模型选择只体现在 model 参数上，不再需要为每个供应商单独管理一套密钥。

需要注意，TaoToken 是统一接入/兼容通道，不是绕过官方限制的灰色方案。它的价值是把「多个模型后台、多个 Key」收敛成一套 Key 和一套地址，让 Hermes 这类 Agent 的模型层变得可替换，而不是替你省掉该付的调用成本。理解这一点后，再去看配置步骤就会很清楚：改动始终发生在模型接入层，记忆与技能层全程不参与。

2. 拿 Key 与接入：Hermes 配置里只改三个值

2.1 从控制台创建 YOUR_API_KEY

先打开 TaoToken 注册并登录，进入控制台创建 API Key。创建成功后复制出来，下文统称 YOUR_API_KEY。注意不要直接把这个占位符填进配置，真实 Key 在控制台的 API Keys 页面一键复制。与此同时，看一眼模型广场当前有哪些可用模型 ID——Hermes 配置里 model 字段的值以模型广场列表为准，不要照抄旧教程里的过期模型名。

在这一步要分清两个地址：官网落地页只做注册、建 Key、看用量；真正填进 Hermes 的接口地址是 https://taotoken.net/api。把官网地址填进工具、或者把接口地址当官网打开，都会得到 404。记住这个区分，后面的排障会省很多时间。

2.2 模型配置：Base URL 填 https://taotoken.net/api

Hermes 不同发行版的配置文件位置略有差异，常见的是 ~/.hermes/config.yaml，也有通过 .env 注入模型参数的版本。无论哪种形式，核心只改三个值：接口地址、API Key、模型 ID。下面是一份最小可用的 YAML 片段，字段名以你本地 Hermes 版本模板为准：

# ~/.hermes/config.yaml llm: base_url: https://taotoken.net/api api_key: YOUR_API_KEY model: <你的模型ID>

如果你的 Hermes 走 Anthropic 兼容的环境变量注入，也可以设置 ANTHROPIC_BASE_URL=https://taotoken.net/api、ANTHROPIC_AUTH_TOKEN=YOUR_API_KEY、ANTHROPIC_MODEL=<你的模型ID>。这套变量只应出现在 Anthropic 兼容调用中，不要拿到其他工具的配置里混用。模型 ID 一律以 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 模型广场的当前列表为准，这里不为任何具体模型名背书。

提示：Base URL 末尾不要加 /v1。有些 Agent 默认会拼接 /v1，如果 Hermes 也做了拼接，请以你的版本文档为准调整；TaoToken 的接口入口是 https://taotoken.net/api，多出来的路径只会带来 404。

3. Learning Loop 换模型：Skill 自进化与 Honcho 画像都不动

3.1 模型切换只动 model 字段

配置好之后，Hermes 的 Learning Loop 不会因为接入方式变化而改变执行顺序：用户消息进来，FTS5 检索与 LLM 推理并行触发；推理完成后，Honcho 在后台更新用户画像；检测到重复性任务时，Agent 提议创建 Skill。整个过程里，TaoToken 只出现在 LLM 请求的位置，记忆检索、画像更新、技能调度照常跑自己的逻辑。

想换模型时，把 config.yaml 里的 model 字段改成模型广场上的另一个 ID 即可。同一个 Key 可以调用不同供应商的模型，每次请求在控制台独立计量。这意味着你可以把「模型选型」和「Hermes 的长期记忆」彻底解耦：先用一个模型跑几天，积累一批记忆和 Skill，再切换另一家模型做同一批任务，历史记录和已生成的技能不会因为切换而失效。对正在做模型对比的团队来说，这种切换成本非常低——不需要迁移 SQLite 文件，也不需要重新导入 Skill。

3.2 Skill 自创建与自改进流程不受模型品牌影响

Skill 存放在 ~/.hermes/skills/ 下，典型结构是每个技能一个目录，包含 skill.yaml、steps.yaml 和 requirements.txt。skill.yaml 描述名称、输入参数和触发词；steps.yaml 才是真正要执行的步骤。这些文件描述的是任务流程，不是模型配置，因此切换模型后已创建的 Skill 依然会被触发词和语义匹配调度。

需要面对的现实是：不同模型的指令跟随能力有差异，同一个 Skill 在模型 A 下稳定、在模型 B 下可能连续失败。这时 Hermes 的 Learning Loop 会记录效果反馈和用户修正，然后自动调整 steps，或建议重建 Skill。这个反馈闭环与模型品牌无关，反而因为你的模型可替换，对比起来更直观——换模型后如果 Skill 表现下降，问题通常出在模型能力差异，而不是 Skill 文件损坏。原文章节里描述的「使用中自改进」，在切换模型后依然有效，而且会因为多模型对照更容易定位瓶颈。

4. 技能仍按 agentskills.io 与 MCP 生态跑：模型走兼容通道

4.1 MCP 配置不跟着 Base URL 变动

Hermes 的 MCP 服务器配置写在 ~/.hermes/mcp.yaml，filesystem、github 这类服务通过 npx 启动，走 stdio 或 HTTP 接入。无论模型请求指向哪个后台，MCP 工具列表和权限配置都不会失效。这一点很重要：MCP 解决的是「Agent 能调用什么工具」，TaoToken 解决的是「Agent 的推理请求发往哪里」，两者互不干扰。

如果之后要加新的 MCP 服务，也只需要在 mcp.yaml 里增加一段 server 配置，然后重启 Hermes。模型层改动不会影响工具层，反过来也一样。这个解耦让 Learning Loop 更容易维护：你可以单独升级模型接入方式，也可以单独调整工具链，不会出现改一个地方崩一片的情况。

4.2 Skill 目录继续沿用 agentskills.io 标准格式

已创建的 Skill 保持原有目录结构，不需要因为换了 Base URL 而改格式。以 daily_issue_report 为例，它的目录仍然是这样：

~/.hermes/skills/ └── daily_issue_report/ ├── skill.yaml ├── steps.yaml └── requirements.txt

skill.yaml 里的触发词、steps.yaml 里的执行步骤，都只描述「怎么做」，不关心背后的模型是谁。切换模型后，Hermes 的 Gateway 照样完成初步路由，Agent Core 照样根据技能元数据决定是否调用 steps.yaml。真正会变的只有推理质量：新模型对步骤的理解可能更准，也可能更弱，而 Learning Loop 会通过成功率反馈把这个差异记录下来。

4.3 对照 OpenOcta 与 OpenClaw 时，把模型通道拆开看

原文章节里对照过 OpenOcta 的 JSONL 转录文件加 Bleve 全文索引，以及 OpenClaw 的 workspace 会话文件。这些是记忆与技能存储层的差异，和「每次对话调用哪个模型」是两条独立链路。用同一把 TaoToken Key 时，你不需要因为换了记忆方案就重新配模型接入，也不需要因为换了模型就重做 FTS5 索引。把模型通道拆开后，Hermes 的 Learning Loop 才真正像一个可以长期积累、随时换引擎的系统。

5. 验证与排障：从 401 开始排查，最后去控制台对账

5.1 用连续三天的 code review 验证 FTS5 召回

配置保存后重启 Hermes，用一段跨会话任务验证记忆没有断。比如连续三天的 code review：第一天贴出一段带临时表问题的 SQL，Hermes 给出诊断；第二天再贴修改后的版本时，它应当通过 FTS5 召回前一天的结论，而不会把同一个问题再讲一遍。这里要强调：Hermes 这边的诊断和修改建议只能由它生成，SQL 的实际执行、编译或运行请在你的本地环境完成，再把输出贴回对话，不要让 Agent 直接操作生产库。

验证通过后再测试换模型：改掉 model 字段，重启，再问同一个 code review 任务。新模型应当也能读到同一条历史上下文；如果回答风格变化很大，说明上下文确实带上了记忆记录，只是模型风格差异。这正好证明持久记忆在 FTS5 层，模型只是推理入口。

5.2 常见报错：401、Not Found、连接超时

第一次接入最容易碰到的三类问题可以这样排查：

这里最容易绕进去的是 404：官网地址是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end，接口地址是 https://taotoken.net/api，前者给人注册看用量，后者给 Agent 发请求。两者路径不同，功能也不同，混用时先看报错是发生在你打开页面时还是 Hermes 调用时，再决定改哪个地址。

5.3 跑通后去控制台对账

这些都通了之后，最后一步是确认调用真实入了账。先在 TaoToken 模型对话 发一条测试消息，用同一把 Key 验证连通性；然后到 控制台 API Keys 看这次调用是否出现在用量记录里。如果你打算让 Hermes 长时间在后台跑 Learning Loop，每天产生的记忆检索和 Skill 自进化请求量不会太小，建议打开 Coding Plan 对比一下套餐和按量计费的差异。

换模型前先回模型广场确认 ID，换完后用上面这轮 code review 再验证一次。FTS5 索引和 Skill 目录都不需要动，Learning Loop 会继续按原来的方式积累记忆和改进技能。