检索文章
当所有人都在卷 Agent 的"执行力"时，Hermes 在回答一个完全不同的问题：Agent 能不能随着时间变成更懂你的那个人？本文从自进化架构、学习闭环、Skills 系统出发，对比 Manus、Coze、Claude Code 等产品，拆解为什么"成长性"才是 Agent 的终极分界线，并探讨一种全新工作模式——让 Hermes 做大脑指挥 Claude Code 干活。
本文不是 MCP 是什么的科普文章，而是写给已经知道 MCP 大概是什么、但想真正理解它实现机制的开发者看的。从 JSON-RPC 消息格式、三大原语的协议细节、Host/Client/Server 三角架构、生命周期三个阶段、到两种传输机制的实现陷阱，拆解每一个你应该知道的技术决定。
构建搜索引擎或 RAG 系统时，向量召回 + BM25 兜底 是绕不开的经典组合。本文从策略动机出发，逐层拆解文档切分、Embedding、召回、重排四大环节，深挖倒排索引的底层原理，带你从零建立对现代搜索技术的完整认知。
直接调用大模型 API 很容易做出 Demo，却很难做出稳定可维护的 AI 应用。本文从 Prompt、Model、Message、Structured Output、Memory、Runnable 与 LangSmith 出发，系统解释 LangChain 到底解决了什么问题。
很多人第一次接触 AI Agent 时，会同时看到 function call、MCP、A2A、skills、subagent 这些概念，感觉它们都像"让模型干活"的东西，但边界并不清晰。本文从出现背景、解决的问题、彼此关系到典型场景，系统讲清这五类能力到底各管什么。
大模型最让人头疼的问题，不是不会说，而是会一本正经地说错。本文系统拆解事实性幻觉与忠实性幻觉的区别，分析数据、模型与架构层面的根因，并从知识编辑、检索增强、RAG、向量数据库、Embedding、LangChain Document 到 LangGraph，讲清楚一套可落地的缓解思路。
本文详细介绍如何在VSCode中从零构建一个规范化的Python LLMOps工程，涵盖项目结构、环境配置、代码质量工具、VSCode最佳实践以及完整的CI/CD流程。
LLMOps 是 AI 工程化领域最火的话题之一。但这玩意到底在解决什么？本文用一个真实的上线翻车故事开头，逐层拆开 Token、Embedding、Agent、Prompt Engineering、RAG、Fine-tuning 的真实含义，帮你建立自己的判断框架——什么时候该用、什么时候别碰、用错了会怎么死。