与「Hermes」相关的搜索结果

Codex、WorkBuddy 等 Agent 已经能读取 PDF。面对扫描件、多栏排版、跨页表格和公式时，解析质量仍会直接影响后续的检索、问答和数据提取。 Mac 上可以本地运行的 PDF parser 很多，PaddleOCR、GLM-OCR、MinerU 等工具的安装方式和运行环境各不相同。文档类型变化后，想换一个 parser 重新处理，通常还要重新配置。 DocDot @docdotai 把多个本地 parser 集中到了同一个 CLI 中管理。 官方安装命令： curl -fsSL | bash 安装 DocDot 后，可以在 NanoDoc、PaddleOCR、GLM-OCR、MinerU、LiteParse 之间安装和切换，并将 PDF 解析为 Markdown 或 JSON。后续还会继续增加新的 parser。 DocDot 也提供了 Web Mode。运行 `docdot web` 后，可以在浏览器中并排比较 3 个 parser 的结果。遇到复杂表格、公式或特殊排版时，可以根据实际输出选择更合适的解析器。 根据官方说明，安装程序还能扫描本机的 Codex、Claude Code、OpenClaw、Hermes 等 Agent，并配置相应的 Skill；需要接入其他应用时，也可以通过 MCP 调用。解析在本机运行，PDF 无需上传，目前主要面向 Apple Silicon Mac。 我在 Mac 上安装了 DocDot 和 NanoDoc，并准备了一页包含中英文、表格和公式的 PDF。 首次启动完成模型编译后，再次解析同一份 PDF 用时约 2.3 秒。正文和公式基本准确，表格结构得到保留，小字号表头仍有少量误识别。 这只是一份单页样本，不能替代完整的性能测试。官方技术报告使用了 4,231 页、64 类文档进行比较，NanoDoc 的综合质量和 Table TEDS 在参测解析器中均排名第一。 DocDot 今天在 Product Hunt 上线：

Introducing Ori Harness: the easiest way to use your favorite harness with OpenRouter. Ori configures Codex, Claude Code, OpenCode, and Hermes out of the box to work with OpenRouter, with settings optimized per harness, for any model.

我感觉写文章教学的时候 是不是应该变学边写 而不是过完之后再写一遍 像我那个部署hermes文章 应该边部署边截图 一遍过 这样多好 第二次去整理就完全没有欲望了 所以干脆让AI帮我总结整理我走过的路了 自己再大致看一看 但这样效果还是差点

不理解国产的这些开源agent加那么多功能干啥。自从用了pi，我现在直接裸pi就完全满足需求了，遇到的问题远远小于用openclaw和hermes的时候，最多最多让pi自己写一个telegram或者飞书的接口就完事儿了。 自己常用的日常操作，让pi自己写个skill，不用任何第三方skill

We’ve decided to open-source a multi-agent harness we use internally at YC. We call it “QM” and it’s meant to be easy to customize, like Hermes or OpenClaw, but useful for a whole company. We use it across accounting, legal, events, and engineering (including building QM itself!). The whole project is under an MIT license. It is cloud-first and has Slack and web UI natively.

某人女朋友的TikTok收藏夹存了几千条——一日游、度假灵感、餐厅、礼物，他完全记不住。 现在她把视频发给一个叫Hermes的agent，它看完存进一个知识库，他要用的时候直接问agent从她的收藏里拉推荐、直接规划。

My girlfriend has thousands of TikTok’s saved- day trips, vacation ideas, restaurants, gifts, etc. I couldn’t keep track of it. Now she texts the videos to Hermes, it watches them + stores in a vault, I text the agent to pull from her lists and plan. Magic.

这周Agent生态有个明显的转向，从写代码到做内容。视频、幻灯片、质量审查，两周内冒出来的工具几乎全是面向产出而非面向开发。 stackblitz/bolt-slides 用任意Agent直接生成交互式演示文稿。Slidev底座加Bolt组件系统，你描述内容它给你一套完整可播放的slide deck，改一版比打开PowerPoint快。 Vincentwei1021/video-shotcraft 用Claude Code或Codex生成电影级产品视频的skill包，内置106张分镜配方卡片和161个运镜预览，底层跑Remotion。从产品截图到成片，一个prompt走完全程。 pyang5166/gbro-collage-broll 把一句话文案变成半调纸拼贴风格动画的skill，Gemini Omni Flash做首尾帧组装。适合不想露脸又想出有质感B-roll素材的内容创作者。 Wunderlandmedia/launchworthy 给AI搭出来的应用做上架前体检的Claude Code skill。测安全、性能、数据库、认证、SEO五个维度，出打分和可直接复制的修复代码。vibe coding出来的app想上线，先过一遍这个。 yc-duan/fastctx Rust写的MCP工具，给Agent提供文件搜索和代码分析能力但极省上下文窗口。代码仓库扔给Agent分析时不用再纠结token爆了的问题。 livetennisapi/livetennisapi-mcp 网球实时比分和胜率预测的MCP服务器。看起来小众，但把任意领域实时数据接进Agent、让Claude或Cursor变成那个领域分析师这条路线，想象空间不小。 MadsGao/frakio-work Electron写的本地多Agent协作工作台，把Codex、Hermes和Arc浏览器缝在一起用。macOS原生应用，所有数据存本地，不用把项目上下文上传到任何云端。 Agent工具生态到了拐点。半年前大家还在讨论Agent能不能写代码，现在问题变成了Agent能不能独立完成一条视频、一套PPT、一个能上线的产品。工具链正在从代码辅助转向全流程输出，这个变化比大部分预想的快。

Hermes Studio 新功能：可标注的内置浏览器 Hermes Studio 即将推出全新的可标注内置浏览器。 该功能基于 Electron 构建，并接入 CDP 与 MCP。用户可以直接在网页中选择文本、按钮、表格、输入框或指定区域，添加标注并交给 AI 处理。 AI 可根据标注理解页面结构，完成内容提取、网页分析、自动化操作与 Agent 工作流执行。 从浏览网页，到理解网页，再到操作网页。 Hermes Studio 可标注浏览器，即将上线。@NousResearch @Teknium @witcheer 👾👾👾