如果非要给它找一个更准确的位置，我会觉得它更像是放在现有 coding agent 外面的一层管理与调度工具，用来把 Claude Code、Codex、OpenCode 这类东西统一起来，并且把使用场景从“只能坐在电脑前操作”，延伸到手机、桌面端、Web 和 CLI。它不是去替代这些 agent，而是给这些 agent 补上一层统一入口：你可以在不同设备上接入同一套工作流，查看任务进度、追加一句

最直观的一点是，它不像一种“用完就走”的 Agent。图里最关键的是这几层关系：用户画像、持久记忆、技能、历史会话召回，并不是孤立存在的，而是会在 Prompt Builder 和 Agent Loop 中被重新接回当前任务。换句话说，Hermes 不是只在做一个会聊天的 Agent，而是在做一套能够把“用户是谁、过去做过什么、哪些规则长期有效、哪些流程已经验证过”重新接回当前任务的执行系统。它会

它不是再包一层模型接口，而是把 Agent 和模型提供方之间的“分发逻辑”单独做成一个开源路由层：根据请求复杂度自动选模型，在失败时自动 fallback，同时把 token、成本和耗时记录下来。根据官方说明，它会在每次请求进入时做一次本地评分，并把请求划分到不同层级，例如 simple、standard、complex、reasoning，再路由到对应模型。从产品角度看，Manifest 做的不

简单理解，就是给已有的智能编程助手装上一套“先澄清需求、再拆计划、按 TDD 实现、过程中复查、最后收尾”的工作系统，让它不只是会写代码，而是更像一个有流程意识的工程助手。Superpowers 是一套给 Coding Agent 使用的 skills 框架，通过把需求澄清、方案设计、任务拆解、测试驱动开发、代码评审和分支收尾串成标准流程，让 AI 编程从“会写代码”变成“会按工程流程做项目”。这

一张技术图真正有价值，不只是“好看”，而是别人一眼能看懂什么是核心组件、什么是数据流、什么是控制流、什么是外部依赖。它更有意思的地方在于，它把技术图这件事，从一次性手工劳动，变成了一种可以沉淀、复用、批量生成的 Skill 能力。因为很多时候，SVG 更适合继续编辑，但真正发到博客、文档、知识库、PPT 里，PNG 往往更省事，也更稳定。架构图、流程图、数据流图、Agent 图、记忆系统图、时序图

最直观的一点是，它不像一种“用完就走”的 Agent。图里最关键的是这几层关系：用户画像、持久记忆、技能、历史会话召回，并不是孤立存在的，而是会在 Prompt Builder 和 Agent Loop 中被重新接回当前任务。换句话说，Hermes 不是只在做一个会聊天的 Agent，而是在做一套能够把“用户是谁、过去做过什么、哪些规则长期有效、哪些流程已经验证过”重新接回当前任务的执行系统。它会

几乎每个团队都能做出一个“看起来很聪明”的 Demo：能理解需求、会调用工具、还能自动执行任务。尤其是写操作、批量操作、外部系统调用，没有控制边界迟早出事故。如果你现在正在推进 AI Agent 项目，建议先做一件事：拿这 4 条边界过一遍现有流程，补齐最薄弱的一环。因为 AI Agent 从“会 Demo”到“能上线”的关键，不是换模型，而是把边界工程化。• 观测：日志、trace、调用链、to

如果你是业务团队、产品经理、运营人员，或者是没有专门基础设施能力的小团队，那么云端平台通常是最省时间的路线。真正好的选型，不是追求功能最多，而是选择最符合自己成本、安全边界和维护能力的方案。你不需要先部署服务，不需要先管节点、容器、反向代理、权限隔离、升级策略，也不一定要自己从零拼接工作流。功能越多，系统边界通常就越大，权限、升级、兼容性和安全配置也更容易变复杂。如果你已经很明确自己会长期使用、需

Playwright MCP 为大语言模型与浏览器的交互开辟了新的可能性，它通过结构化的方式让 AI 理解和操作网页，克服了基于视觉的方法的局限性。结合 LLM 的自然语言理解能力和 Playwright MCP 的浏览器自动化能力，可以创建更智能的自动化测试，测试脚本可以用自然语言描述，并由 LLM 转换为具体的浏览器操作。对于需要从网页提取结构化数据的场景，Playwright MCP 的快照

使用Golang和mcp-go SDK开发MCP服务器是一个相对简单的过程。mcp-k8s项目展示了如何构建一个功能完整的MCP服务器，让LLM能够查询、创建、更新和删除Kubernetes资源，为集群管理提供了新的交互方式。mcp-go支持多种传输方式，最常用的是stdio（标准输入/输出）和SSE（Server-Sent Events）。是一个使用mcp-go开发的、用于与Kubernetes