9月的AI Agent热度排行一出来Hermes直接站上第一Claude Code和Codex也双双挤进前十。做Agent开发的朋友这两天应该都刷到过这份榜单。我的看法是排名本身不是重点重点是它背后揭示了三条很清晰的技术路线——开源本地部署、模型可插拔、终端编程优先。这篇文章就把这三条路线掰开揉碎讲清楚顺带把Hermes怎么部署、Claude Code和Codex怎么配置、以及Agent和LLM到底有什么区别这类高频问题一次说透。先说清楚适合谁看想从0到1搭AI Agent练手项目的、已经在用Claude Code或Codex但没搞懂配置原理的、以及一看到Agent和LLM就头大的新手都能从这里拿走能直接落地的东西。我下面写的每一步都是自己跑过、踩过坑之后沉淀下来的不是抄官方文档的那种复读机。1. 9月AI Agent排行Hermes登顶的三个信号1.1 为什么Hermes能站上第一从榜单统计的口径来看社区活跃度、自部署次数、开源进展这些维度的权重都不低。Hermes能在9月登顶核心原因在我看来有三个。第一个是开源和可本地部署。Hermes从发布起就走完全开源路线模型权重、推理代码、配套工具链全部公开用户可以在自己的机器上完整跑起来。对比很多只提供云端API的闭源产品这个选择给了开发者完全的控制权——数据不出本机逻辑可以改成本可以自己算。九月份正好是开源社区对大模型本地化部署热情最高的一段时间Hermes吃到了这波红利。第二个是模型后端可插拔。Hermes不绑死某个模型官方支持OpenAI兼容接口也支持接DeepSeek这类国产开源模型。对国内开发者来说这一点很关键——意味着不用折腾网络环境直接配一个DeepSeek的API Key就能把Agent跑起来。热搜词里大量出现deepseek hermes官网deepseek hermes桌面版这种搜索说明这条路线已经被很多人用脚投票验证过了。第三个是上手门槛确实低。Hermes有桌面版desktop装完就能聊同时保留了CLI和API方便进阶用户做二次开发。对新手来说能先跑起来比什么都重要一个产品如果第一天就劝退后续能力再强也没有用。1.2 Claude Code和Codex进前十说明了什么Claude Code是Anthropic官方的终端编程助手Codex是OpenAI官方的编程CLI工具。这两个能进前十我一点也不意外但背后的信号值得细品。编程场景依然是Agent落地最成熟的场景。代码生成的反馈链路短、错误可以立刻验证Agent的能力边界最容易量化。你让Agent写个函数跑一下就知道行不行你让Agent帮你订机票出了问题还得找客服。所以榜单上编程类Agent一直表现稳定这说明在能干活这件事上编程是当前Agent最扎实的用武之地。官方工具比第三方封装更有优势。Claude Code和Codex都是官方出品能深度调用自家模型的工具调用Function Calling能力甚至能做到模型与CLI之间的底层协议级优化。第三方套壳产品往往只把API包了一层缺少这种深度整合效果自然差一截。终端CLI成了主流交互形式。VSCode插件、桌面App都没能替代终端开发者还是习惯在写代码的地方直接用Agent。这个趋势对新手其实是个好消息——CLI工具的配置链路短、文档清晰出问题也好排查。2. 别搞混了Agent、LLM、AI模型到底是什么关系2.1 一句话区分LLM是大脑Agent是完整的人很多朋友在搜agent 和 llm 和 ai模型 有什么区别这个困惑我特别理解——Agent这个词现在被用滥了什么产品都想往上贴标签。最朴素的理解方式是这样的AI模型是最大范畴所有能处理信息的模型都算包括图像识别、语音识别、以及大语言模型。LLM是AI模型的一个子类特指基于Transformer架构的大规模语言模型输入输出都是文本。它的核心能力是预测下一个token本质上只是一个计算函数本身不执行操作。Agent是建立在LLM之上的一个完整系统。它用LLM当大脑做推理决策同时配备了记忆、规划、工具调用、行动执行这些模块所以它能自己完成一个多步骤的任务。打个比方LLM是一个知识渊博但只能动嘴的顾问Agent是给这个顾问配上了秘书记忆、参谋规划、手脚工具调用之后能实际办事的团队。顾问还是那个顾问但有没有团队办事能力天差地别。2.2 DeepSeek到底是哪一类热搜词里有个很典型的问题比如常说的deepseek是属于哪个。答案很明确DeepSeek是LLM属于模型层不是Agent。DeepSeek系列模型比如deepseek-chat、deepseek-reasoner提供的是推理能力。你可以直接跟它对话但让它自己上网查资料然后整理成报告它就做不到了因为它没有工具、没有记忆、不能自主决策。现在很多Agent产品号称基于DeepSeek意思就是用DeepSeek的API当推理核心外面再套上规划、工具、记忆这些模块。所以你在榜单上看到的Hermes它的智能来自DeepSeek或者你配置的其他模型但它能做多步任务靠的是Agent框架本身的结构。2.3 这个区分直接影响你的选型把这三层关系搞清楚你就明白选型逻辑了模型决定智商上限框架决定能不能干活。你给Agent配一个很弱的模型框架再强也没用但模型很强、框架只是个聊天壳子同样干不了多步任务。这也是为什么现在的主流玩法是模型与框架解耦——你完全可以用DeepSeek这种性价比高的模型跑通整个流程验证效果之后再决定要不要换更强也更贵的模型。框架和模型是两条独立的选型维度别混在一起考虑。3. Hermes上手实操本地部署一个9月第一的Agent3.1 安装前的环境准备装Hermes之前先把环境理清楚不然装到一半报错很浪费时间。Python 3.10以上CLI组件依赖Python环境Node.js 18以上桌面版是Electron打包的CLI也依赖Node运行时一个模型API Key推荐DeepSeek便宜、兼容OpenAI格式、国内直连稳定本机至少8GB内存磁盘预留5GB以上这里我多提一句只要你是接API而不是本地跑模型Hermes本身对硬件要求不高。真正吃资源的是本地大模型如果你打算把DeepSeek这类模型也拉到本地跑那内存最好32GB起步还得有张能扛得住的显卡。用API则完全没这个负担。3.2 三种安装方式实测方式一桌面版推荐新手到官方网站下载对应系统的安装包Windows和macOS都是双击安装Linux下是AppImage或deb包。装完打开第一步是填写模型接口配置。这一步注意不要直接选默认模型要选自定义API或者OpenAI兼容接口那一项然后填{ api_base: https://api.deepseek.com/v1, api_key: sk-你的DeepSeek密钥, model: deepseek-chat }填完之后可以直接在对话框里测试帮我写一个Python函数计算斐波那契数列。如果返回正常说明Agent的推理链路已经通了。方式二CLI安装推荐开发者npm install -g hermes-agent hermes --version如果npm安装比较慢把registry切到国内镜像源再装会快很多。安装完成后配置文件默认在~/.hermes/config.json格式大致如下{ model: { provider: openai-compatible, base_url: https://api.deepseek.com/v1, api_key: sk-xxxx, model_name: deepseek-chat }, memory: { type: local, path: ./memory_store }, tools: { code_execution: true, web_search: false } }memory配置的是记忆存储位置tools控制是否启用代码执行和联网搜索。新手建议先把web_search关掉减少变量跑通了再开。方式三源码部署进阶用户git clone https://github.com/hermes-agent/hermes.git cd hermes python -m venv venv source venv/bin/activate pip install -r requirements.txt python main.py源码部署的好处是可以改Agent自身的行为逻辑比如自定义规划器的工作方式。但对大多数用户来说桌面版和CLI完全够用源码部署不必强求。3.3 把DeepSeek配置成Hermes的推理核心我实测下来Hermes接DeepSeek是最顺滑的组合原因很简单DeepSeek的API直接兼容OpenAI的格式所以Hermes这边只需要把base_url指过去、换一下Key就行连SDK都不用换。这里有几个容易踩的坑base_url不要漏掉/v1。填成https://api.deepseek.com会导致404因为接口路径是/v1/chat/completions。模型名要填对。普通对话用deepseek-chat复杂推理任务用deepseek-reasoner这俩的计费标准不一样混用会导致部分功能异常。Key不要硬编码在代码里。CLI配置写在config.json问题不大但如果你做二次开发建议用环境变量DEEPSEEK_API_KEY来传否则代码一提交就把密钥漏了。配好之后怎么验证是否成功直接在Agent里让它做一个需要推理的任务比如设计一个MySQL表结构用于存储用户订单要求包含索引设计和分表方案。如果它能给出结构化的完整方案说明Agent的大脑已经正常工作接下来就可以试更复杂的工具调用。4. Claude Code与Codex配置实录两个老牌选手的安装细节4.1 Claude Codenpm一键装但坑都在细节里Claude Code是Anthropic的官方CLI安装本身很简单npm install -g anthropic-ai/claude-code claude --version但有几个细节我建议你提前知道。第一Node版本要够新。我在Ubuntu上装的时候系统自带的Node是14.x跑起来直接报兼容性错误。建议先升级curl -fsSL https://deb.nodesource.com/setup_20.x | sudo -E bash - sudo apt-get install -y nodejs第二认证方式。Claude Code默认用Anthropic账号登录首次运行会让你走OAuth流程。但我们这边经常遇到登录页面打不开的情况不是网络问题是OAuth跳转在某些环境下不稳定。变通方案是直接用API Keyexport ANTHROPIC_API_KEYsk-ant-你的密钥 claude第三VSCode里的用法。很多人问vscode配置claude code其实不需要装额外插件直接在VSCode的终端里运行claude就行。它会自动读取当前项目上下文你在对话框里让它改代码、解释报错、写测试它都能基于当前文件路径操作。真要说有什么配置技巧就是建议在.claude配置文件里把你项目的构建命令写清楚Agent执行代码时才不容易懵。4.2 Codex开源CLI三步接上DeepSeekCodex是OpenAI的CLI命令行工具前身是实验室项目后来正式发布了开源版本。安装npm install -g openai/codex codex --versionCodex默认需要OpenAI账号登录但它同样支持OpenAI兼容的第三方接口所以接DeepSeek的玩法完全可行。第一步先登录第三方供应商codex login --api-key sk-你的密钥 --base-url https://api.deepseek.com/v1第二步编辑配置文件~/.codex/config.tomlmodel deepseek-chat model_provider openai base_url https://api.deepseek.com/v1 api_key_env_var DEEPSEEK_API_KEY注意api_key_env_var这个字段它表示Codex会从环境变量里读Key。所以你还得在shell配置里加一行export DEEPSEEK_API_KEYsk-你的密钥第三步运行测试codex 写一个Python脚本读取当前目录下所有csv文件并合并成一个dataframe如果配通了你会看到Codex先规划步骤然后逐个执行。这里值得注意的是Codex的工具调用链路做得比较完整它会自己写代码、运行、看结果、改代码循环直到任务完成。这种自我纠错闭环就是Agent和普通LLM聊天最大的区别。4.3 VSCode里的整合用法用Claude Code还是用Codex其实不冲突很多开发者两个都装按场景切换。我的习惯是简单的代码解释、重构用Claude Code因为它的自然语言理解更细腻复杂一点的自主编程任务用Codex因为它的执行循环更激进敢自己跑代码看结果。在VSCode里可以同时开多个终端一个跑claude一个跑codex。要注意的是不要让两个Agent同时操作同一批文件它们之间没有锁机制处理不好会互相覆盖。我吃过这个亏后来就固定了规则一个项目同一时间只用一个Agent。5. 拆解Agent内部结构从0到1搭一个练手项目5.1 Agent的五个核心组件很多人搜ai agent组成结构但在网上找到的多是概念图。按我的理解一个能用的Agent最少要有五个组件大脑LLM核心负责理解和生成是决策中枢。你换不同的模型就是换不同的大脑。规划器Planner把一个大的目标拆解成有序步骤。比如帮我整理这堆数据规划器会拆成读文件→清洗→分析→生成报告。记忆Memory短期记忆是当前对话上下文长期记忆是跨会话保留的信息一般靠向量数据库或本地文件实现。工具ToolsAgent能调用的外部能力比如执行Python代码、查数据库、调API、读写文件。工具越丰富Agent能干的事越多。执行与反馈循环Agent不是说完就完它要执行动作、观察结果、再决定下一步。这个循环是Agent和普通聊天机器人的分水岭。5.2 练手项目做一个命令行笔记助手概念再清楚不动手都是白搭。这里分享一个我用来入门的练手项目——命令行笔记助手。功能很简单用自然语言记笔记、查笔记。import json import os from datetime import datetime NOTES_FILE notes.json def load_notes(): if not os.path.exists(NOTES_FILE): return [] with open(NOTES_FILE, r, encodingutf-8) as f: return json.load(f) def save_notes(notes): with open(NOTES_FILE, w, encodingutf-8) as f: json.dump(notes, f, ensure_asciiFalse, indent2) def add_note(content, tagsNone): notes load_notes() notes.append({ content: content, tags: tags or [], created_at: datetime.now().isoformat() }) save_notes(notes) return 笔记已保存 def search_notes(keyword): notes load_notes() result [n for n in notes if keyword in n[content]] return result if result else 没有找到相关笔记光有工具函数还不够Agent的核心是让模型决定调用哪个函数。用一个最简单的思路实现把函数列表和描述拼进Prompt让DeepSeek输出JSON格式的调用指令。import os import json from openai import OpenAI client OpenAI( api_keyos.getenv(DEEPSEEK_API_KEY), base_urlhttps://api.deepseek.com/v1 ) def dispatch(user_input): tools_desc 可用工具 1. add_note(content, tags): 添加一条笔记 2. search_notes(keyword): 根据关键词搜索笔记 请根据用户意图返回JSON格式 {tool: add_note|search_notes, args: {...}} 如果不能确定返回{tool: none} response client.chat.completions.create( modeldeepseek-chat, messages[ {role: system, content: tools_desc}, {role: user, content: user_input} ], response_format{type: json_object} ) result json.loads(response.choices[0].message.content) if result[tool] add_note: return add_note(**result[args]) elif result[tool] search_notes: return search_notes(**result[args]) else: return 抱歉我没理解你的意思 while True: user input(你说: ) if user exit: break print(Agent:, dispatch(user))这个项目麻雀虽小但已经包含了Agent的核心闭环LLM做意图理解大脑、函数列表当工具Tools、本地JSON文件当长期记忆Memory、while循环就是执行与反馈。跑通这个小项目之后你会对Agent怎么工作有非常具体的体感比看一百篇概念文都管用。5.3 怎么把练手项目扩展成完整Agent笔记助手跑通之后扩展方向就很清晰了把JSON文件换成SQLite或者向量数据库记忆能力就上来了加一个execute_code工具让Agent可以执行Python代码分析数据加一个fetch_url工具让Agent获取网页内容做摘要把while循环换成事件驱动做成一个长驻后台的Agent服务这也是为什么我一直建议大家从练手项目开始完整理解Agent的工作原理后你再看Hermes、Claude Code、Codex这些现成产品思路会完全不一样。你知道它们大概是哪几个组件拼出来的出问题时也更容易定位是规划器的逻辑问题、工具的连通问题还是模型的推理能力问题。6. 高频报错实录Codex代理失败与其它排查清单6.1 那个Codex代理失败的报错热搜词里有一条非常具体的报错信息cc switch local proxy failed while handling codex endpoint /responses. provi。我一看就知道这是Codex CLI在本地代理处理环节出了问题通常有这几个来源。报错场景执行codex switch切换供应商、或者请求/responses端点时Codex尝试走本地代理去转发请求但代理本身没有正常工作于是整个请求链路断裂。排查思路按优先级排列第一步检查代理相关配置。Codex会读取环境变量里的代理设置env | grep -i proxy如果HTTP_PROXY或HTTPS_PROXY指向了一个已经不存在的地址或者端口写错了把所有代理变量临时清掉再试unset HTTP_PROXY HTTPS_PROXY ALL_PROXY codex 你好第二步检查Codex自身的配置文件。打开~/.codex/config.toml看有没有残留的proxy设置。如果你之前配置过本地代理服务器用于调试现在不用了就应该把那段配置删掉。第三步检查base_url的连通性。如果你接的是DeepSeek接口直接用curl单独测一下curl https://api.deepseek.com/v1/models -H Authorization: Bearer $DEEPSEEK_API_KEY如果curl能通而Codex不通问题就锁定在Codex侧的网络配置或版本上。如果curl都不通那就是网络环境到服务端的连接问题先解决连通性再回来查Codex。第四步清缓存和降级重试。把~/.codex下面生成的缓存文件清掉或者把Codex降级到上一个版本试试。CLI工具的版本更新偶尔也会引入回归我遇到过一次就是升级之后全量请求走不了退回旧版本立刻恢复。6.2 其它高频问题速查表问题现象常见原因排查办法安装后命令找不到npm全局目录不在PATHnpm prefix -g查全局路径加入shell的PATHHermes接DeepSeek返回401API Key错误或格式不对检查Key前缀sk-确认没有空格Agent工具调用不生效模型不支持Function Calling换deepseek-chat最新版或检查工具描述格式Claude Code登录后没有模型账号地区受限或Key无效改用ANTHROPIC_API_KEY环境变量方式Codex响应速度极慢模型名填了deepseek-reasoner推理模型生成时间长换deepseek-chat提速配置改了不生效配置文件路径写错codex和hermes都支持--config指定路径显式指定最保险Agent执行代码权限不足沙箱策略限制检查CLI的权限标志本地练手可以放开--dangerously-bypass-approvals但要注意风险6.3 配置习惯建议踩过几次坑之后我养成了一套相对稳定的配置习惯分享出来给大家环境变量统一管理。所有API Key都放在~/.bashrc或~/.zshrc里用export导出不在任何配置文件里写明文。这样换机器、换项目都只需要拷环境变量不会漏Key。先跑通最小链路再叠加功能。装好Hermes、Claude Code、Codex之后不要急着配各种工具和记忆先用最简单的对话验证模型链路通不通。链路通了再加代码执行、加联网搜索每加一个功能就测一次。这样出现问题的时候你永远知道是刚加的那个功能出的事。保留一份能回退的配置。在改config.toml或者config.json之前先复制一份备份。CLI工具更新频繁配置格式经常微调你备份的旧配置在降级回退时就是救命稻草。我个人经验下来9月这波AI Agent的热度不是虚火。榜单上排名靠前的产品确实在让Agent真正干活这件事上往前推进了一大步。你不需要非得追最新的模型或者最贵的工具按自己的场景把一套链路跑通学到的东西比看十份榜单都实在。