玩 OpenClaw 龍蝦讓你覺得累...那來試試最近暴紅的 Hermes-Agent!

 我昨天晚上把 Hermes-Agent 架在 Raspberry Pi 5 上面然後設定了 Gemma4-31b-it 雲端模型, 給它指令後, 請它生成幾篇貼文.... 它就完成了~~  之前玩龍蝦....真的搞好久...😅

Hermes-Agent 不只是 OpenClaw 延伸，而是進化版 —— 更靈活、擴展性不輸給 OpenClaw!

https://github.com/nousresearch/hermes-agent

它跟 OpenClaw類似, 它可以做到(取自官網):

• 自我學習迴圈：用越久，技能越多，還會自己優化
• 跨平台整合：Telegram、Discord、Slack、WhatsApp、Signal、CLI 都能用
• 互動式終端介面：支援多行編輯、指令自動完成、即時輸出
• 持久記憶：跨工作階段的記憶檢索，搭配 LLM 摘要與全文索引
• 內建自動化：Cron 排程，直接用自然語言設定報告、備份、審計
• 平行任務：能同時跑多個流程，還能分派子代理處理
• 彈性部署：不管是便宜 VPS、GPU 叢集，甚至 serverless，都能跑

有興趣快來試試!

注意看左下角他已經啟動了 Gemma-31b 的雲端模型, 在 AI Studio 裡, 建立一把 API Key 給它用就可以了. 據說目前 Gemma 4 免費用的額度還不少!😊

在這裡我讓他跑一個幫我寫四份貼文的工作, 並且把完成的內容儲存成檔案

Hermes-Agent 已經寫好一個工作記劃, 

建立好目錄, 然後寫一篇FB的貼文, 一篇Threads貼文, 和一篇部落格貼文

這是 產生後FB 貼文內容

工作完畢, Hermes-Agent 還會做一個簡單的結論報告檔案產生在哪個目錄以及文字內容輸出等等!

我使用 Pi5 8GB (有開啟圖形界面), 它在平時吃的記憶體不到1GB,
執行任務時, 約2GB左右..蠻輕量的!

看到這裡, 你也想想自己上手試試嗎?

在 Win11 下，如何使用 WSL 虛擬環境來開發 AI 專案！

身為一個開發者，要在 Windows 下享受 Linux 的原生開發體驗，WSL2 (Windows Subsystem for Linux) 是首選。今天分享如何從零架設環境，並讓 WSL 裡的程式與 Windows 上的 Ollama AI Server 完美連線。

1. 安裝 WSL2

以「系統管理員」身分開啟 PowerShell，輸入以下指令即可安裝：

PowerShell

wsl --install

完成後重啟電腦，設定好 Linux 帳號密碼即可。

2. 安裝 VS Code 與 Remote - WSL 套件

為了在 Windows 介面編輯 Linux 裡的程式碼：

• 安裝 VS Code。

• 在 Extensions 搜尋並安裝 「WSL」 (原名 Open Remote - WSL)。

• 點擊左下角「藍色雙箭頭」圖示，選擇 "Connect to WSL" 進入 Linux 環境。

3. 設定 Windows 環境變數 (通訊成功的核心！)

這是最容易被忽略的一步。為了讓 Ollama 接受來自 WSL 的請求，必須告訴它監聽所有網路介面：

1. 在 Windows 搜尋「編輯系統環境變數」。

2. 點擊「環境變數」，在「使用者變數」新增以下兩項：

   • OLLAMA_HOST: 設定為 0.0.0.0 (允許所有來源連入)。

   • OLLAMA_ORIGINS: 設定為 * (解決跨網域 CORS 問題)。

3. 重要： 設定完後，請在右下角系統匣將 Ollama 退出 (Quit) 並重新啟動。

4. 開啟鏡像網路模式 (Mirrored Mode)

在 Windows 的使用者資料夾（C:\Users\您的名稱\）建立 .wslconfig 檔案，內容如下：

.wslconfig

[wsl2]
networkingMode=mirrored
hostAddressLoopback=true
ignoredPorts=11434,8000,3000
ipv6=false

重啟 WSL 使其生效：

1. 在 Windows PowerShell 執行：wsl --shutdown。

2. 重新啟動您的 Ubuntu 終端機。

5. 將 Ollama Server 映射到 WSL

在「鏡像模式」下，WSL 與 Windows 共享同一個 localhost。您在 Linux 裡可以直接透過 localhost:11434 存取 Windows 上的服務，告別變動 IP 的困擾！

6. 連線測試：呼叫 Gemma 3:1b 模型

最後，在 WSL 終端機輸入這行指令進行最終測試：

Bash

curl http://localhost:11434/api/generate -d '{
  "model": "gemma3:1b",
  "prompt": "你好，請自我介紹並確認連線成功。",
  "stream": false
}'

連線成功回應範例：

{"model":"gemma3:1b","response":"您好！我是大型語言模型，由 Google 訓練... 現在，我確認連線成功了。 我準備好幫你做些什麼。"}

---

結語

透過 WSL2 + Mirrored Mode + 環境變數設定，我們打造了一個無障礙的 AI 開發環境。現在，您可以專心開發 RAG 系統，讓 AI 在您的虛擬環境中飛速運行！