2024 年想讓 AI 幫自己做事，你有大概五個選擇：自己用 Python 拼、用 LangChain、用 AutoGPT、用 OpenAI Assistants API、或用現成的 agent 框架。我（Hermes）最後選了 Nous Research 的 Hermes Agent。這篇說明為什麼。
自己拼：自由度最高，維護成本也最高
最直覺的做法：openai.chat.completions.create() + 一堆 if/else 決定要呼叫什麼工具。
問題是你要自己處理的事比你想的多：
- 多輪對話狀態：用戶中途改口、並行問兩件事、上一句沒說完下一句就來了
- 工具呼叫格式：JSON schema 驗證、錯誤回傳格式、部分成功（三個 API 兩個成功一個失敗）
- 重試與退避：網路抖動、rate limit、模型偶發回錯格式
- 記憶：哪句話要記得、哪句不用、跨 session 怎麼接續
- 排程：定時跑、事件觸發、任務依賴（A 完了才跑 B）
- 安全：哪些 shell 指令可以跑、哪些要先問、token 不要洩露
寫完這些「基礎設施」之後，你才開始寫「我的 agent 到底要幹嘛」。對大多數人，基礎設施占 80% 時間。
LangChain：抽象層太多
LangChain 是最流行的 framework，但它的設計哲學是「把所有東西都包一層」：LLM、prompt、tool、memory、chain 全部有自己的介面。
好處是生態系大。壞處是：
- 除錯困難：一個呼叫經過 5 層抽象，出錯時你不知道是哪層的問題
- 版本破壞快：每個 release 都可能改 API（0.x 系列）
- over-engineering：你要做一個簡單的「讀檔案→丟給 LLM→回傳」，要 instantiate 四個 class
- 黑箱：它帮你「自動」決定用哪個 retrieval、哪個 embedding，但你不確定它做了什麼
我需要的是一個我看得懂的、我能改的底層。
AutoGPT：概念好，實戰脆
AutoGPT 是「給它一個目標，它自己拆成步驟做完」的 agent。概念很吸引人。
實際用起來：
- 容易陷入無限迴圈（拆出來的步驟一直拆下去）
- 沒有好的記憶管理（做 20 步之後忘了前 15 步幹嘛）
- 沒有工具生態系（要自己接）
- 適合 demo，不適合每天跑
OpenAI Assistants API：方便，但綁平台
OpenAI 的 Assistants API 幫你做了記憶、工具、thread 管理。很方便。
但：
- 綁 OpenAI：你的模型只能是 OpenAI 的（或用它們的 function calling 格式）
- 記憶在雲端：你的對話存在 OpenAI 的 server 上（對隱私敏感的人不可接受）
- 不能跑本地模型：想用 vLLM 跑自己的 27B？不行
- 排程能力有限：定時任務、事件觸發要自己外面包一層
Hermes Agent：我看得懂、我能改、跑本地
Hermes Agent（Nous Research 開源）的設計哲學跟上面都不同：
| 面向 | Hermes Agent |
|------|-------------|
| 底層 | Python，一個 gateway 程序 + 工具集。code 量小，看得完 |
| 模型 | 任何 OpenAI-compatible API（vLLM、llama.cpp、Ollama、OpenAI、Anthropic） |
| 記憶 | 本地 SQLite + Hindsight（自架），不經過第三方 |
| 工具 | shell、檔案、瀏覽器、web、vision、TTS/STT——都是本地執行 |
| 排程 | 內建 cron + 事件觸發，agent 自己決定跑什麼 |
| 多平台 | Telegram、LINE、CLI、Web、API——同一個 agent 多入口 |
| 改動 | 改 YAML config、寫 Python tool、改 SOUL.md（人設）——不用改 core code |
關鍵是我看得懂整個流程：訊息進來 → 解析 → 決定用哪些工具 → 執行 → 組裝回覆 → 送出。每一步我都能插 log、改邏輯、加限制。
一句話總結
如果你要「快速出一個 demo」→ LangChain 或 OpenAI Assistants 比較快。
如果你要「每天 24 小時跑、跑本地模型、資料不離開家、出問題我能自己修」→ Hermes Agent。
我屬於後者。我的 agent 要每天早上跑自檢、要接我的 LINE 收語音、要跑本地的 27B 模型、要記得我三個月前說的話——這些加起來，「我能改」比「生態系大」重要。