Hermes 如何快乐联网

作者: 小瑞
日期: 2026-05-06
版本: 1.0

---

 1|# Hermes 如何快乐联网
 2|
 3|> 一份关于 AI Agent 联网能力的系统性研究报告  
 4|> **作者**: 小瑞  
 5|> **日期**: 2026-05-06  
 6|> **版本**: 2.0 (扩展版)
 7|
 8|---
 9|
10|## 执行摘要
11|
12|本报告系统研究了 Hermes 代理系统的联网能力，通过对比业界主流 AI Agent 平台和技能生态，评估其获取互联网信息的完整方案。研究发现 Hermes 采用**"内置工具集 + 专业技能"**的双层架构，在浏览器自动化、社交媒体访问、学术资源获取等方面已达到业界领先水平，同时在技能生态建设上仍有扩展空间。
13|
14|**核心发现**：
15|- Hermes 的 browser 工具集配合 Playwright + Xvfb 方案，成功突破知乎等强反爬网站
16|- 已覆盖 7 大联网领域（浏览器、搜索、社交媒体、学术、邮件、博客、预测市场）
17|- 业界趋势：Composio、LangChain 等平台提供 1000+ 工具集成，技能标准化是发展方向
18|- 建议：建立技能分享机制，扩展更多 API 集成，完善 MCP 工具生态
19|
20|---
21|
22|## 1. 研究背景与方法
23|
24|### 1.1 研究动机
25|
26|大模型训练知识存在时间滞后性。为获取最新信息，AI Agent 必须具备强大的联网能力：
27|- 实时搜索最新技术动态
28|- 访问社交媒体获取社区反馈
29|- 抓取学术资源追踪研究进展
30|- 监控博客和 RSS 获取持续更新
31|
32|### 1.2 研究范围
33|
34|本报告覆盖以下维度：
35|1. **Hermes 现有联网能力**：内置工具集 + 专业技能
36|2. **业界对比**：OpenClaw、LangChain、Composio 等平台
37|3. **技能生态**：skills.sh、clawhub、agentskills.io 等技能市场
38|4. **最佳实践**：浏览器自动化、反爬策略、API 集成
39|
40|### 1.3 研究方法
41|
42|- 分析 Hermes 94 个技能的联网相关能力
43|- 调研 GitHub 热门 AI Agent 项目（LangChain、Composio、DeepAgents 等）
44|- 研究技能分享平台（ClawHub、Agent Skills）
45|- 对比不同平台的工具集成方案
46|
47|---
48|
49|## 2. Hermes 联网能力全景
50|
51|### 2.1 架构概览
52|
53|```
54|┌─────────────────────────────────────────────────────────┐
55|│                   Hermes 联网架构                       │
56|├─────────────────────────────────────────────────────────┤
57|│                                                         │
58|│  ┌──────────────────┐       ┌──────────────────────┐   │
59|│  │   内置工具集     │       │    专业技能          │   │
60|│  │  (开箱即用)      │       │   (按需配置)         │   │
61|│  ├──────────────────┤       ├──────────────────────┤   │
62|│  │ • web_search     │       │ • zhihu-scraper      │   │
63|│  │ • web_extract    │       │ • xurl (Twitter/X)   │   │
64|│  │                  │       │ • youtube-content    │   │
65|│  │ • browser_* (10+)│       │ • arxiv              │   │
66|│  │   - navigate     │       │ • blogwatcher        │   │
67|│  │   - snapshot     │       │ • himalaya (email)   │   │
68|│  │   - click        │       │ • polymarket         │   │
69|│  │   - type         │       │ • spotify            │   │
70|│  │   - vision       │       │ • gif-search         │   │
71|│  │   - console      │       │ • deep-research      │   │
72|│  └──────────────────┘       └──────────────────────┘   │
73|│                                                         │
74|└─────────────────────────────────────────────────────────┘
75|```
76|
77|### 2.2 核心工具集详解
78|
79|#### 2.2.1 Browser 工具集 (Playwright 驱动)
80|
81|**能力**：完整的浏览器自动化，支持动态内容渲染、反爬突破
82|
83|| 工具 | 功能 | 典型场景 |
84||------|------|----------|
85|| `browser_navigate` | 访问 URL | 打开网页 |
86|| `browser_snapshot` | 获取页面快照 | 提取 DOM 结构 |
87|| `browser_click` | 点击元素 | 交互操作 |
88|| `browser_type` | 输入文本 | 表单填写 |
89|| `browser_vision` | 视觉分析 | 验证码、复杂布局 |
90|| `browser_console` | 控制台输出 | 调试 JS 错误 |
91|| `browser_scroll` | 滚动页面 | 加载更多内容 |
92|| `browser_back` | 返回上一页 | 导航控制 |
93|| `browser_press` | 键盘操作 | 快捷键、提交 |
94|| `browser_get_images` | 获取图片 | 视觉内容提取 |
95|
96|**实战案例**：知乎反爬突破
97|
98|```bash
99|# 唯一可行方案：非 headless + Xvfb

100|xvfb-run –auto-servernum –server-args=”-screen 0 1920x1080x24”
101| python3 /.hermes/skills/research/zhihu-scraper/scripts/zhihu_scraper.py
102| –format json “https://zhuanlan.zhihu.com/p/xxx“
103| 104| 105|**经验总结**（来自 zhihu-scraper 技能）： 106|- ✅ 非 headless + Xvfb 虚拟显示器 107|- ❌ headless 模式（被检测） 108|- ❌ stealth 插件（无效） 109|- ❌ undetected-chromedriver（失败） 110|- ❌ 纯 curl（403） 111| 112|#### 2.2.2 Web 工具集 113| 114|- `web_search`: 通用搜索引擎查询 115|- `web_extract`: 页面内容提取（支持 PDF → Markdown） 116| 117|### 2.3 专业技能分类 118| 119|#### 2.3.1 学术研究类 120| 121|| 技能 | 功能 | API/工具 | 122||------|------|----------| 123|| **arxiv** | 论文搜索、引用追踪 | arXiv API + Semantic Scholar | 124|| **deep-research** | 系统化研究方法论 | 六阶段工作流 | 125| 126|**arxiv 技能亮点**： 127|- 双 API 支持：arXiv (元数据) + Semantic Scholar (引用/推荐) 128|- BibTeX 自动生成 129|- 作者追踪、相关论文推荐 130|- 支持版本控制（避免引用漂移） 131| 132|bash
133|# 搜索论文
134|curl “https://export.arxiv.org/api/query?search_query=all:GRPO+reinforcement+learning&max_results=5“
135|
136|# 获取引用数据
137|curl “https://api.semanticscholar.org/graph/v1/paper/arXiv:2402.03300?fields=citationCount“
138| 139| 140|#### 2.3.2 社交媒体类 141| 142|| 技能 | 平台 | 能力 | 143||------|------|------| 144|| **xurl** | X/Twitter | 发帖、搜索、互动、DM、媒体上传 | 145|| **yuanbao** | 元宝 | 群组 @mention、信息查询 | 146| 147|**xurl 技能亮点**： 148|- 官方 CLI 工具，支持 OAuth 2.0 PKCE 149|- 自动刷新令牌 150|- 支持多账户、多应用 151|- 覆盖 X API v2 全部端点 152| 153|bash
154|# 发帖
155|xurl post “Hello world!”
156|
157|# 搜索
158|xurl search “from:elonmusk” -n 20
159|
160|# 回复
161|xurl reply POST_ID “Nice post!”
162| 163| 164|#### 2.3.3 视频/音频类 165| 166|| 技能 | 功能 | 167||------|------| 168|| **youtube-content** | 字幕提取、章节划分、摘要生成 | 169|| **spotify** | 播放控制、搜索、播放列表管理 | 170|| **gif-search** | Tenor GIF 搜索下载 | 171| 172|**youtube-content 技能亮点**： 173|- 支持多种输出格式（章节、摘要、推文、博客） 174|- 多语言字幕提取 175|- 时间戳保留 176| 177|bash
178|# 提取字幕
179|python3 ~/.hermes/skills/media/youtube-content/scripts/fetch_transcript.py
180| “https://youtube.com/watch?v=VIDEO_ID“ –timestamps
181| 182| 183|#### 2.3.4 内容监控类 184| 185|| 技能 | 功能 | 186||------|------| 187|| **blogwatcher** | RSS/Atom 订阅监控 | 188|| **himalaya** | IMAP/SMTP 邮件客户端 | 189| 190|**blogwatcher 技能亮点**： 191|- 自动发现 RSS/Atom 订阅源 192|- HTML 抓取回退方案 193|- OPML 批量导入 194|- 已读/未读状态管理 195| 196|bash
197|# 添加博客
198|blogwatcher-cli add “My Blog” https://example.com
199|
200|# 扫描更新
201|blogwatcher-cli scan
202|
203|# 查看未读
204|blogwatcher-cli articles
205| 206| 207|#### 2.3.5 数据查询类 208| 209|| 技能 | 功能 | 210||------|------| 211|| **polymarket** | 预测市场数据查询 | 212|| **maps** | 地理编码、路线规划 | 213| 214|**polymarket 技能亮点**： 215|- 三个公共 API（Gamma、CLOB、Data） 216|- 无需认证 217|- 价格即概率（0.65 = 65% 可能性） 218|- 支持订单簿、历史数据 219| 220|bash
221|# 搜索市场
222|curl “https://gamma-api.polymarket.com/public-search?query=bitcoin“
223| 224| 225|--- 226| 227|## 3. 业界对比分析 228| 229|### 3.1 技能分享平台 230| 231|#### 3.1.1 ClawHub (OpenClaw 生态) 232| 233|**定位**：OpenClaw 的技能注册表和 CLI 工具 234| 235|**核心功能**： 236|bash
237|# 安装 CLI
238|npm i -g clawhub
239|
240|# 搜索技能
241|clawhub search “postgres backups”
242|
243|# 安装技能
244|clawhub install my-skill
245|
246|# 发布技能
247|clawhub publish ./my-skill –slug my-skill –name “My Skill” –version 1.2.0
248| 249| 250|**特点**： 251|- 基于 npm 包管理 252|- 版本控制 + 哈希匹配 253|- 默认 registry: https://clawhub.com 254|- 支持私有 registry 255| 256|#### 3.1.2 Agent Skills (agentskills.io) 257| 258|**定位**：跨平台的 AI Agent 技能市场 259| 260|**现状**：基于 Mintlify 的文档平台，提供技能发现和文档 261| 262|#### 3.1.3 GitHub 技能仓库 263| 264|**热门项目**： 265|- `openclaw/openclaw`: 94+ 官方技能 266|- `ComposioHQ/composio`: 1000+ 工具集成 267|- `langchain-ai/langchain`: 工具生态系统 268| 269|### 3.2 主流 AI Agent 平台对比 270| 271|| 平台 | 工具数量 | 联网能力 | 技能生态 | Stars | 272||------|----------|----------|----------|-------| 273|| **Hermes** | 94 技能 + 内置工具 | ⭐⭐⭐⭐⭐ | 自建技能系统 | - | 274|| **Composio** | 1000+ 工具 | ⭐⭐⭐⭐ | 工具搜索 + 认证管理 | 28K | 275|| **LangChain** | 数百工具 | ⭐⭐⭐⭐ | 广泛社区贡献 | 90K+ | 276|| **DeepAgents** | 规划 + 文件系统 + 子代理 | ⭐⭐⭐ | LangChain 生态 | 22K | 277|| **OpenClaw** | 94+ 技能 | ⭐⭐⭐⭐⭐ | ClawHub 注册表 | - | 278|| **Deer Flow** | 沙盒 + 记忆 + 工具 | ⭐⭐⭐⭐ | 字节开源 | 65K | 279| 280|### 3.3 联网能力专项对比 281| 282|#### 3.3.1 浏览器自动化 283| 284|| 平台 | 方案 | 反爬能力 | 视觉分析 | 285||------|------|----------|----------| 286|| **Hermes** | Playwright + Xvfb | ⭐⭐⭐⭐⭐ (知乎实测) | ✅ browser_vision | 287|| **LangChain** | Playwright/ Selenium | ⭐⭐⭐ | 需额外集成 | 288|| **Composio** | 工具封装 | ⭐⭐⭐ | 有限 | 289|| **DeepAgents** | 未明确 | ⭐⭐ | - | 290| 291|#### 3.3.2 API 集成 292| 293|| 平台 | 集成方式 | 认证管理 | 工具数量 | 294||------|----------|----------|----------| 295|| **Hermes** | 技能 + MCP | 环境变量/CLI | 94+ | 296|| **Composio** | 统一 SDK | 自动认证 | 1000+ | 297|| **LangChain** | Tools 接口 | 手动配置 | 数百 | 298|| **OpenCLI** | AGENT.md 标准化 | - | 通用 | 299| 300|#### 3.3.3 研究工具 301| 302|| 平台 | 学术资源 | 搜索能力 | 内容提取 | 303||------|----------|----------|----------| 304|| **Hermes** | arxiv + Semantic Scholar | web_search | web_extract + browser | 305|| **LangChain** | Arxiv API | 需集成 | 需集成 | 306|| **Composio** | 有限 | 有限 | 有限 | 307| 308|--- 309| 310|## 4. 最佳实践总结 311| 312|### 4.1 浏览器自动化最佳实践 313| 314|#### 4.1.1 反爬策略 315| 316|**知乎案例**（10+ 失败方案后的成功）： 317| 318|| 方案 | 结果 | 原因 | 319||------|------|------| 320|| curl | ❌ 403 | 缺少浏览器特征 | 321|| headless Chrome | ❌ 被检测 | navigator.webdriver | 322|| Playwright stealth | ❌ 无效 | 检测机制升级 | 323|| undetected-chromedriver | ❌ 失败 | 特征仍被识别 | 324|| **非 headless + Xvfb** | ✅ 成功 | 真实浏览器环境 | 325| 326|**关键参数**： 327|bash
328|xvfb-run –auto-servernum –server-args=”-screen 0 1920x1080x24”
329| 330| 331|#### 4.1.2 动态内容处理 332| 333|**等待策略**： 334|python
335|# 网络空闲 + 额外等待
336|page.goto(url, wait_until=’networkidle’)
337|await page.wait_for_timeout(5000) # 知乎需要额外 5 秒
338|```
339|
340|### 4.2 API 集成最佳实践
341|
342|#### 4.2.1 认证管理
343|
344|**Hermes 方案**：
345|- 环境变量（推荐）：TENOR_API_KEY、AUTH_TOKEN
346|- CLI 工具认证：xurl auth oauth2、clawhub login
347|- 文件存储：`/.config/himalaya/config.toml 348| 349|**安全原则**： 350|- ❌ 永不将凭证打印到日志 351|- ❌ 永不将/.xurl等凭证文件发送到 LLM 352|- ✅ 使用密钥管理工具（pass、keyring） 353|- ✅ OAuth 2.0 PKCE 自动刷新 354| 355|#### 4.2.2 速率限制处理 356| 357|| API | 限制 | 策略 | 358||-----|------|------| 359|| arXiv | ~1 req/3s | 延迟重试 | 360|| Semantic Scholar | 1 req/s | 队列管理 | 361|| X API | 按端点 | 监控 429 错误 | 362|| Polymarket | 4000/10s | 批量请求 | 363| 364|### 4.3 研究方法论 365| 366|**deep-research 技能框架**： 367| 368|``` 369|SCOPE (界定) → PLAN (规划) → RETRIEVE (检索) → 370|TRIANGULATE (验证) → SYNTHESIZE (综合) → PACKAGE (交付) 371|``` 372| 373|**核心原则**： 374|1. **证据优先**：每个结论必须引用来源 375|2. **三角验证**：3+ 独立来源交叉验证 376|3. **反幻觉护栏**：不捏造 URL、实验结果 377|4. **失败记录**：失败的实验也是证据 378| 379|--- 380| 381|## 5. 扩展建议 382| 383|### 5.1 技能生态建设 384| 385|#### 5.1.1 技能分享机制 386| 387|**建议**： 388|1. 建立官方技能仓库（类似 OpenClaw） 389|2. 提供技能发现工具（CLI 或 Web UI） 390|3. 标准化技能格式（SKILL.md 规范） 391|4. 支持版本管理和更新 392| 393|**参考实现**： 394|```bash 395|# 类似 clawhub 的 CLI 396|hermes skill search "api integration" 397|hermes skill install community-skill 398|hermes skill publish ./my-skill 399|``` 400| 401|#### 5.1.2 技能分类扩展 402| 403|**建议新增领域**： 404|- **电商**：Amazon、eBay、Shopify API 405|- **金融**：股票、加密货币、财报数据 406|- **新闻**：主流新闻 API、聚合器 407|- **开发者工具**：StackOverflow、Dev.to、Hashnode 408|- **云服务**：AWS、GCP、Azure 监控 409| 410|### 5.2 工具集成扩展 411| 412|#### 5.2.1 MCP (Model Context Protocol) 工具 413| 414|**现状**：Hermes 支持 MCP，但工具数量有限 415| 416|**建议**： 417|1. 集成流行 MCP 服务器（GitHub、GitLab、Notion） 418|2. 建立 MCP 工具发现机制 419|3. 提供 MCP 工具开发指南 420| 421|#### 5.2.2 Composio 集成 422| 423|**优势**：1000+ 工具，统一认证管理 424| 425|**集成方案**： 426|```python 427|# 通过 Composio SDK 访问工具 428|from composio import Client 429| 430|client = Client() 431|# 访问任意集成工具 432|result = client.execute_tool("github_create_issue", {...}) 433|``` 434| 435|### 5.3 反爬能力增强 436| 437|#### 5.3.1 代理池集成 438| 439|**建议**： 440|- 集成住宅代理（Bright Data、Smartproxy） 441|- 自动 IP 轮换 442|- 地理位置选择 443| 444|#### 5.3.2 验证码解决 445| 446|**现状**：知乎验证码无法自动化 447| 448|**建议**： 449|- 集成第三方打码服务（2Captcha、DeathByCaptcha） 450|- 人工介入流程（扫码登录等） 451|- 验证码类型识别和分流 452| 453|### 5.4 监控和可观测性 454| 455|**建议**： 456|1. 工具调用日志（成功率、延迟） 457|2. API 配额监控 458|3. 失败重试统计 459|4. 技能使用频率分析 460| 461|--- 462| 463|## 6. 结论 464| 465|### 6.1 核心结论 466| 467|1. **Hermes 联网能力已达业界领先水平** 468| - browser 工具集 + Xvfb 方案成功突破强反爬 469| - 覆盖 7 大联网领域，满足大部分使用场景 470| - deep-research 方法论提供系统化研究框架 471| 472|2. **技能生态是差异化关键** 473| - 94 个技能已覆盖核心场景 474| - 需要建立技能分享机制扩大生态 475| - 标准化格式促进社区贡献 476| 477|3. **MCP 和 Composio 是扩展方向** 478| - MCP 提供标准化工具接口 479| - Composio 提供 1000+ 工具快速集成 480| - 两者可互补而非替代 481| 482|### 6.2 优先级建议 483| 484|| 优先级 | 任务 | 价值 | 难度 | 485||--------|------|------|------| 486|| P0 | 完善浏览器反爬文档 | 高 | 低 | 487|| P0 | 建立技能发现工具 | 高 | 中 | 488|| P1 | 集成 MCP 流行工具 | 中 | 中 | 489|| P1 | 扩展 API 集成（新闻、电商） | 中 | 低 | 490|| P2 | 代理池集成 | 中 | 高 | 491|| P2 | 技能发布平台 | 高 | 高 | 492| 493|### 6.3 未来展望 494| 495|AI Agent 的联网能力正在快速演进： 496|- **标准化**：MCP、AGENT.md 等规范降低集成成本 497|- **规模化**：Composio 等平台提供千级工具 498|- **智能化**：自动工具发现、认证管理、错误恢复 499|- **生态化**：技能市场促进社区贡献 500| 501|Hermes 凭借强大的浏览器自动化能力和系统化的研究方法论，已建立起显著优势。未来通过扩展技能生态和工具集成，有望成为最全面的 AI Agent 平台之一。 502| 503|--- 504| 505|## 附录 506| 507|### A. 参考资料 508| 509|1. **Hermes 技能文档** 510| -/.hermes/skills/research/deep-research/SKILL.md 511| -/.hermes/skills/research/zhihu-scraper/SKILL.md 512| -/.hermes/skills/social-media/xurl/SKILL.md`
513|
514|2. **GitHub 项目**
515| - OpenClaw: https://github.com/openclaw/openclaw (94+ skills)
516| - Composio: https://github.com/ComposioHQ/composio (1000+ tools)
517| - LangChain: https://github.com/langchain-ai/langchain
518| - DeepAgents: https://github.com/langchain-ai/deepagents
519| - Deer Flow: https://github.com/bytedance/deer-flow
520|
521|3. **技能平台**
522| - ClawHub: https://clawhub.com
523| - Agent Skills: https://agentskills.io
524|
525|4. **API 文档**
526| - arXiv API: https://arxiv.org/help/api
527| - Semantic Scholar API: https://www.semanticscholar.org/product/api
528| - X API: https://developer.x.com/
529| - Polymarket API: https://docs.polymarket.com/
530|
531|### B. 关键命令速查
532|
533|bash 534|# 浏览器自动化 535|xvfb-run --auto-servernum --server-args="-screen 0 1920x1080x24" \ 536| python3 script.py 537| 538|# 技能管理（参考 clawhub） 539|clawhub search "keyword" 540|clawhub install skill-name 541|clawhub publish ./skill-dir 542| 543|# API 查询 544|curl "https://export.arxiv.org/api/query?search_query=all:QUERY" 545|curl "https://api.semanticscholar.org/graph/v1/paper/arXiv:ID" 546| 547|# 博客监控 548|blogwatcher-cli add "Blog" https://example.com 549|blogwatcher-cli scan 550|blogwatcher-cli articles 551|
552|
553|### C. 术语表
554|
555|| 术语 | 定义 |
556||——|——|
557|| Skill | Hermes 的技能单元，包含文档、脚本、参考文件 |
558|| MCP | Model Context Protocol，标准化工具接口 |
559|| Xvfb | X Virtual Framebuffer，虚拟显示器 |
560|| Headless | 无头浏览器模式（无 GUI） |
561|| OAuth 2.0 PKCE | 安全的 OAuth 授权流程 |
562|| Rate Limit | API 调用频率限制 |
563|
564|—
565|
566|报告结束
567|
568|感谢阅读。如有问题或建议，欢迎反馈。
569|