本文是作者从 Hermes 迁移到 DeepSeek Harness（dsh）的实战笔记。作者通过 8 组功能对照（Profile、Goal、execute_code、delegate_task、后台进程、Cron、Skill、上下文管理），展示了 dsh 与 Hermes 的对应关系，并指出真正需要重新学习的三样新东西：Trajectory、Session Fork 和 Dynamic Cordis。文章还讨论了 dsh 的插件化架构、社区争议及上手门槛，强调方法比工具更持久。
作者对比了 Pi Agent 和 DeepSeek Harness 两款 Agent 工具的选择问题。Pi Agent 核心精简，适合喜欢自己掌控工作流、DIY 工具和 Context 的用户，但插件装多易冲突；DeepSeek Harness 采用 Everything is a Plugin 思路，配有桌面 App，适合想快速上手、不喜欢终端的用户，但仍处测试版且有破坏性升级风险。作者指出省 Token 的关键不在初始 Context，而在工具加载方式、历史内容携带、任务重复执行及 Prompt Cache 复用率。最后建议：熟悉终端的写码者选 Pi，偏好图形界面者选 DSH。
本文介绍了如何将WorkBuddy平台上的专家（由Agent角色配置、插件清单和多个Skill技能组成的安装包）打包成zip文件，并迁移到其他Agent软件（如Codex、Hermes、OpenClaw、豆包工作、千问办公等）中安装使用。操作步骤包括：在WorkBuddy中召唤专家、关闭引用并删除默认提示词、输入打包提示词让WorkBuddy查询并打包专家文件、将zip包上传至目标Agent并安装。同时建议定期清理不常用的专家以节省token消耗。
作者用10张图系统拆解DeepSeek Harness（DSH）的架构设计。DSH启动经历两次装配：先通过Profile、Bundle和Patch构建公共Host（含Session、模型注册、工具系统、Agent Loop和Web服务），再依据Preset为会话装配具体Agent。底层基于Cordis插件框架，通过provide/inject服务依赖图和事件机制将独立插件组装成完整系统。文章还详解了Agent Loop的Turn/Step运行机制、SessionEvent事件日志的持久化设计，以及如何通过自定义Preset快速构建业务Agent。
作者花一周时间将开源的 Deepseek Harness 与 Claude Code 在自己的 AI 操作系统中进行对比测试，包括建网站、知识库搜索、分析工作簿等真实任务。结论是 Deepseek Harness 速度更快、免费开源、一切皆插件、可高度定制，但作为开发者预览版仍有 bug、上下文丢失和视觉验证弱等问题。作者倾向于用它做快速研究和低成本溢出工作，而深度或客户级交付仍更信任 Claude Code。
作者萝卜哥用同样的提示词、大模型和 Agent，实测对比了 6 款免费开源的 AI PPT skill：PPT Master（5.2万星，原生 PPTX，功能最全）、Frontend Slides（2.86万星，HTML 幻灯片，先出三种风格预览）、Guizang PPT Skill（2.73万星，杂志风/瑞士风，带演讲者模式）、Html PPT Studio（8500星，演讲辅助最强）、Dashi PPT Skill（9500星，网页编辑器，咨询风）以及作者自研的萝卜 PPT（300+星，主打不乱改原文、逐页核对）。文章给出按场景选型的建议，并指出 AI PPT 效果很吃大模型能力，需结合自身需求试用选择。
本文介绍了DeepSeek Harness平台上的DeepSeek Bot插件，作为Grok Bot的替代方案。DeepSeek Bot支持多Bot多智能体团队协作，每个Bot可设置角色、模型和长期记忆，默认由Chief主管分派任务。文章详细讲解了安装部署、配置Chief、组建Bot团队及建群讨论的实操过程，并指出其门槛低、适合普通用户体验Agent玩法。
本文是 Pi Durable 访谈译文第三篇，Mario Zechner 与 Armin Ronacher 讨论各类编码 harness 的体验。他们聊到 AMP 的 Orbs 设计与团队愿景、OpenCode 的持久化探索、DeepSeek harness 的插件架构与极简体验、以及 Claude Code 的自我修改趋势与稳定性问题。还谈及 Pi Mobile 让手机本地运行 agent 的愿景、Web 插件系统的安全挑战（XSS、沙箱隔离）、对 MCP 支持的转变，以及让非开发者上手 agent 的 onboarding 难题和对 AI 技术真正落地应用的期待。
作者利用破局俱乐部官方CLI和自己服务器上运行的Hermes Agent，搭建了一个名为"AI路径诊断"的公益网站。用户通过答题卡形式的访谈（精简模式12题或深入模式24题），网站会检索破局社群中与用户情况相近的真实实战案例，生成包含推荐方向、12周学习计划、真实案例参考的个性化报告，支持生成分享卡片、长图和Excel导出。文章详细介绍了技术架构：为网站单独创建受限的Hermes profile、通过白名单调用破局CLI只读不写、接入飞书CLI读取完整复盘文档、以及两个核心Skill（访谈skill和报告skill）的设计规则，后端采用Python FastAPI，前端使用原生HTML/CSS/JS，数据库使用SQLite。
作者作为设计师，探索让 Agent 理解个人审美偏好的方法。通过让 Agent 读取 Eagle 素材库，将收藏整理成可复用的“偏好证据”并生成个人审美档案。测试对比 Codex、Hermes、WorkBuddy 的 PPT 视觉提案，发现参考图比抽象形容词更能传递审美，但 Agent 能否学习取决于其识别与迁移规律的能力。针对海量素材检索问题，作者本地部署 SigLIP2 建立视觉索引，充当“视觉图书管理员”帮助 Agent 找图，最终形成收集、索引、检索、分析、确认、存档、反馈的完整流程，并封装为个人 Skill。
文章介绍了一个面向小企业、小团队的多租户 Agent Dashboard——腾讯开源的 Octop。团队可以在内部共享一个 Agent 平台来创建技能和 Agent。亮点包括：支持单点登录和简单的多租户权限控制；支持 Docker 服务端部署并提供 Web Dashboard；可对接不同的存储后端、数据库以及沙盒服务。作者将其定位为 Grok Bot 的小团队版，与面向个人的 OpenClaw/Hermes 和桌面端的 WorkBuddy 形成差异化。作者表示非广告，如果领导要求做类似系统可直接参考。
作者作为AI博主，分享了自己搭建「选题雷达」系统的完整流程。系统包含两个AI编辑：一个负责AI大新闻选题，通过AIHOT热点榜、精选流和Follow Builders追踪正在爆的事件；另一个负责实战心法选题，通过best-skills排行榜和GitHub Trending筛选值得亲测的工具。每条选题需经过48小时时效、目标用户相关度、一小时内可执行动作等多重过滤，并由Agent打分排序。作者强调AI只决定「值得看」，最终「值得写」的判断仍靠人的体感。整个系统跑在HermesAgent和GrokBot上，让作者把重复性工作交给AI，只保留判断、体验和表达。
Artie 团队（17人）分享了如何将 Hermes——NousResearch 的开源 AI agent harness——部署为全团队共享的 AI 助手。文章讲述了从工程师个人 WhatsApp 使用的起步，到选择 Hermes 而非 OpenClaw 并加入护栏的决策；用每年 60 美元的 Hetzner 物理服务器承载全部运行。团队为每个部门设计了独立 profile：工程（Plan 分派任务、Code 执行开 PR）、销售、设计、BizOps 等，并强调人类始终在环节中审核。Skills 以代码形式版本化进 Git 仓库，严控数量以省 token。受人类 REM 睡眠启发，Hermes 每晚'做梦'复盘当日工作，将有价值内容晋升到长期记忆。
