一文详解Hermes和新特性。从2025选型困难到2026强者对决，AI Agent框架进化迅猛。Hermes并非简单取代OpenClaw，而是开辟新路径：赋予Agent长期记忆与自我进化能力。

本篇分享Harness Engineering， 它是智能体从回答问题迈向执行任务的工程思想。它并非替代提示词或上下文工程，而是在二者之上构建而是在二者之上构建约束、编排、观测与恢复机制，确保应用稳定

本文介绍了DeepAgents框架中的子智能体系统及其核心价值。子智能体能够帮助主智能体保持上下文清爽，同时专注于特定任务，提升执行效率。DeepAgents提供两种创建子智能体的方式：基于字典的基本创建和编译后的子智能体，前者适合快速原型验证，后者支持更灵活的定制开发。文章还通过"国际情报分析师"Demo演示了子智能体的实际应用，展示了如何利用Tavily搜索工具构建专业化的

本文系统讲解了大模型训练的三种核心方法及其适用场景：全参数训练适用于高质量大数据但资源消耗大；LoRA训练通过轻量适配器实现高效微调，适合中小企业和个人开发者；QLoRA进一步降低显存需求，是极限性价比之选。文章重点解析了LLaMA Factory工具中LoRA训练的关键配置参数，包括模型路径、数据格式、训练参数等，帮助读者从"流程可运行"进阶到"训练稳定、效果可控&

《7B小模型VulnLLM-R：专业领域超越千亿大模型》摘要：UCSB团队开发的VulnLLM-R模型仅7B参数规模，却在漏洞检测任务上超越百亿级通用大模型。其成功源于精心设计的训练数据（覆盖多种漏洞类型和代码规模）和"蒸馏+微调"训练方法，通过教师模型混合使用和智能纠错提升性能。该模型已成功发现15个零日漏洞，并与智能体形成"模型进化-智能体落地"的正向循

本文分享了DeepAgents框架的诞生背景与核心优势，并演示了其快速上手的完整流程。DeepAgents 在任务规划、上下文管理、子代理并行执行等方面展现出强大的能力，仅需少量代码即可构建复杂智能体

本期分享以LLaMAFactory大模型训练框架 为例，从环境搭建到模型下载、数据准备、微调训练、权重合并及部署测试，完整演示了 大模型训练的实战流程，充分展现了训练框架的极简操作和核心优势。

FileSystem 中间件为 Agent 赋予文件管理能力，通过四种后端实现不同层级的记忆：StateBackend（线程级短期记忆）、StoreBackend（跨线程长期记忆）、FileSystemBackend（本地磁盘持久化）和 CompositeBackend（混合路由），从而灵活应对从临时草稿到长期记忆的存储需求，有效管理上下文窗口。

本文详细分享了什么是智能体工程以及开发工程规范。智能体工程将非确定性大模型迭代为可靠生产级应用，它融合产品、工程与数据思维，强调放弃完美主义，在真实用户互动中持续成长，一定会是未来产品的最完美形态。

FileSystem 中间件为 Agent 赋予文件管理能力，通过四种后端实现不同层级的记忆：StateBackend（线程级短期记忆）、StoreBackend（跨线程长期记忆）、FileSystemBackend（本地磁盘持久化）和 CompositeBackend（混合路由），从而灵活应对从临时草稿到长期记忆的存储需求，有效管理上下文窗口。