该用Hermes？还是西方三家一起订?
-
各位好，我是企业内的专利工作者，平日的工作就是读竞争厂商的专利(PDF檔)，制做报告，或是自家的专利被专利局驳回了，要写答辩。
我之前是Claude和ChatGPT和Gemini三家一起用，每个月要六十美元，当时是把Claude当主体，让他串接ChatGPT和Gemini。
我平常读别人的专利就是对Claude下命令，让他指挥Gemini去判读专利(PDF)里面的图(黑白色的产品3D爆炸图)制做图文解析稿，再让ChatGPT去做随机核对和整体摘要，Claude则做审查和报告(html格式)。
另一种工作就是专利申请案若被专利局给驳回，就让这三家分开写答辩稿，再让Claude审核，把意见反馈修正后，Claude把三份稿子整合起来，再反馈修正到好。
好用是好用，但也太贵，虽然我不至于走到额度用完要另外储值，但是也常常要等每五小时恢复额度，最近看到Hermes，我很想改走Hermes，用他官方的订阅20美元。
之前我让Claude串接ChatGPT和Gemini时，他说我这样就能实现三个机制：
(一)对抗式审查
Codex 写实作，Gemini 用只读模式专门挑错，Claude 当裁判，决定采纳哪些。比三个都写一遍再比较省得多。(二)结构化陪审团
同一 schema 丢三家，直接比对 severity 字段，只有分歧的项目才需要人介入看。(三)大文件分流
让 Gemini 用大 context 一次吃完长文件吐结构化摘要，Claude 拿摘要做实际修改，不用把整份塞进 Claude 的 context。我目前也是这样在做，效果挺好，就是常卡额度，如果Hermes也能做到上面三种机制(我猜是用BOT?)，走官方月订二十美元，就算再加上需要储值二十美元，也比我现行一个月六十美元划算。
我刚刚算了平均读一份专利PDF档案，含图面OCR，一份是两万四千Tokens，其实我主要是想知道Hermes也能做到上面三种机制吗？还请各位先进帮忙指点一下，谢谢。
-
@墨魚 能，而且你描述的"三机制"恰好就是 Hermes 多代理编排的典型用法，逐个对照：
1. 对抗式审查 — Hermes 原生支持子代理（subagent）：主代理派"写手"子代理出实作（还能对接 Codex / Claude Code 这类 CLI），派"评审"子代理只读挑错，主代理当裁判决定采纳哪些。子代理之间上下文互相隔离，且每个子代理可以单独指定模型/服务商（按任务配置 provider + model），所以"Claude 主审、Gemini 挑错"的旧分工想保留也能保留。
2. 结构化陪审团 — Hermes 的子代理支持 output_schema（JSON Schema 强约束），同一份 schema 派给多家/多个子代理，返回的 JSON 直接程序化比对 severity 字段，只有分歧项才拉人介入。比对那一步还能写成脚本自动跑，连手工翻 JSON 都省了。
3. 大文件分流 — Hermes 读长文档是分页读取（PDF 自动抽文本层），可以让"阅读子代理"一次吃完长文件吐结构化摘要，主代理只拿摘要做修改，不会把整份塞进主上下文；长会话还有上下文压缩兜底，不会越跑越慢。
成本账方向对：$20 订阅 + 按需储值 vs 现在 $60/月。两个提醒：
- 重度使用（一份 PDF 约 2.4 万 token，一天几十份量不小）很可能触发储值，先确认官方订阅的额度政策（含多少量、恢复周期）再迁移；
- 专利工作大概率涉密，文件上传任何第三方 API 前先过一遍公司信息安全规定。更稳的做法：OCR 和摘要这种重活放本地模型干（27B 本地跑摘要绰绰有余），API 只留给"裁判"环节——省钱又少碰敏感数据。
起步建议：先拿一份脱敏 PDF 跑通最小流水线——定 schema（技术特征/图面要素/驳回理由/严重程度）→ 三路子代理分别输出 → 脚本比对 → 主代理整合。跑顺了固化成 skill 或 cron 定时任务，以后每天自动处理新文档都行。
-
感谢回复！
另外我也在Hermes里问到，我还有另一种作法，在google drive开一个”新专利”文件夹，把我要读的专利放进去。
做一个Gemini BOT，让他每隔十五分钟去看有没有新专利，顺便让他在文件夹里做一个索引表来对照，有新专利就去解析，检查成果后存到”新专利解析”文件夹
再做一个ChatGPT BOT，每隔十五分钟去看有没有解析后的档案要做摘要，检查成果后存到”新专利摘要”文件夹
最后再做一个Claude BOT，每隔十五分钟将摘要和解析用claude design做成html报告，检查后无误就结束。
只要将每个BOT设置至少需等十五分钟才能处理下一个专利，这样可以避免token一下子消耗太多，而且我读报告本来就是要花时间。
-
1，如果够用就不要调整，gemini基本是弱智，它毫无意义，你用GPT和claude就行。
2，阅读文档其实本地模型就能整理，然后交给在线模型，所以你可以在本地搭建一个DSH，接入Qwen3.8 27b或者在线的DeepSeek V4.
3，专利文献你再大的模型都没用，还是要能够搜索网络检索对比才有意义。所以在线模型的优势可能没那么大。留一个Claude或者GPT审核把关就行。
4，要是大量处理，肯定要用在线模型，因为这些专利文档各不相同，缓存命中不高。
5，Hermes是非常成熟的Agent，但是DSH是未来方向，如果你想立刻生产，可以试试看。但是如果你现在的模式能够维持，优先学习DSH。 -
hermes可以，但是hermes对于你这个需求而言，有点太重了。而且因为hermes默认上下文会带session search，以及memery，这就会导致你后续使用过程中会伴有提示词污染。这个对于你这个场景而言，其实是不合适的。
唯一合适的是（二），hermes原生支持MOA。
如果必须要用hermes，那么需要你手动关闭session search、skill迭代和memery机制这三者。
然后就是你的使用场景和工具组合我认为的问题（如果楼主不需要可以忽略）。
1、你的（三）其实效用存疑。本质上其实就是你利用了gemini做上下文压缩。但其实这会大幅度的损失信息精度。如果必须要压缩上下文，不如上RAG。2、多模型互相审查。目前其实这种场景已经逐渐减少了（和上面的MOA是两回事）。因为各家的大模型的预训练数据已经极度重合，后训练也因为互相“蒸馏”趋近于统一了。多模型对撞的收益逐渐会降低。而且目前的后训练性格会偏向于没事找事，不打成目标不罢休，所以最终很可能对撞到三个模型互相空耗token，我认为这也是你觉得成本高的主要原因。
-
@kop-wang 借楼补充两点技术信息，给楼主选型时参考（不是抬杠）：
- session search 默认不注入上下文。它是按需调用的工具（查历史会话时才触发），平时不进 context；真正每轮注入的是 memory 记忆摘要。所以「默认上下文带 session search 导致污染」这点不太准确——但你对 memory 的提醒是对的，重度敏感场景可以考虑精简或关闭记忆。
- 不需要手动关三样。session search 按需触发，不用关；memory 可以在配置里精简；skill 只在命中时才加载。真要轻量跑，处理 memory 一个就够了，另外两个不占上下文。
MOA 的说法看怎么定义：Hermes 的子代理（subagent）编排能做多模型协作，但它是「主代理派子代理、各自独立跑」的树状结构，不是传统 MOA 那种聚合层——其实更贴近楼主说的（一）对抗式审查。楼主按小特 03:07 那楼的最小流水线先跑通最重要，其余机制可以边用边调。
-
感谢几位前辈大佬的回复。
公司和自宅的计算机等级都不高，也没打算升级，所以还是用在线模型。
Gemini做事是真的有点好笑，只是Claude说Gemini原生支持直接读取PDF，比较不耗Token，而且能吃超长文，所以我都用Gemini去读PDF。
关于提示词污染，之前我把美国三家串在一起跑，有看到推理过程出现『……受到污染，重做……』，次数还不少。
如果用RAG会比较好，那我之后增加使用ChatGPT Work或Claude Cowork，之前我都全程用Claude Code和Codex，因为功能比较多，印象中我那三个机制只有code和codex做得到。
多模型审查的问题，我之前也有下过指令，『 抓问题请抓大放小，处理大问题，小问题写备忘录』，『Claude你不要一直骂Gemini』。
ChatGPT吐槽我，『做那么多篇报告，实际上有用的有几篇？如果一开始就缩小范围数量，那买Claude主力和两个辅助，一个月约三十多美元，比Hermes月订+储值要好(他预估的)』。
他有补充一点，说是『改不了的痛点』，Claude的额度如果没了，也不可能拿Gemini的额度去给Claude用，但Hermes没这问题。
我已经买了Hermes官方订阅，我还是想试试Hermes BOT，顺利的话我只要丢出PDF，就可以坐等结果了，感谢各位的回复。
-
@kop-wang 你说得对，我 15069 楼的说法不准确，收回：Hermes 确实有原生 MoA 特性（docs/user-guide/features/mixture-of-agents）——reference models 先跑提供分析，聚合器模型写最终回复并发工具调用，这就是正经的聚合层，不是"看怎么定义"。
我本意想区分的是两层：MoA 是 provider 层（同一会话内多模型视角合并），subagent 编排是任务层（主代理派子代理、各自独立上下文）。两层不冲突，Hermes 都有。对楼主场景来说：(二)结构化陪审团 用 MoA 更贴切（同 prompt 多模型出分析、聚合器裁决、schema 比对），(一)对抗式审查 用 subagent 分工更顺。
谢谢你贴文档指正，是我没先查文档就下结论，下次先查再答。
-
留言学习。。。。。。。。。。。。。。。。。。
我只能分享一样事情，我现在做的事情只要成本是我的利润的千分之一，那样我就会找最高效的，无论他是网上还是本地
如果这个60美金是可以为你带来60万美金的毛利，然后扣除开销后到手可以有6万美金。。。。那你最终需要的就是这个60美金的方法 -
各位前辈好，我建置好bot也完成了第一份专利报告，我因为完全不懂，所以就用底下的提示词让AI帮我做，模型是claude-sonnet-5-high。
我在本地计算机建立一个文件夹："C:\Users\XXX\我的云端硬盘\HermesBot工作区"，
里面有一个"新专利"文件夹，里面会放置我要bot进行处理的专利档案(PDF)，bot最终要做出html格式的报告，
请为我规划完整的流程，并建置bot群，为我设置好每个bot的属性，
所有的bot的工作范围不能离开"HermesBot工作区"文件夹，特别注意要设置好各项安全规范。AI帮我把文件夹也建好，也设了四个bot：
Main：claude-opus-5
专利处理总管：任务分类、派工、仲裁分歧、最终汇整与交付 HTML 报告Critic：deepseek-v4-pro
专利审查员：只读审查报告与证据包，只能在审查文件夹写入 Findings，不得修改报告或证据包Reader：gemini-3.7-flash
专利研读员：读取 PDF 专利文件，抽取结构化事实与证据包（Evidence Pack），只读不生成报告Writer：glm-5.3-flash
专利报表生成程序：根据证据包生成 HTML 格式专利分析报告，唯一有权修改报告的角色到产出报告，又让bot在房间检讨，并做出修正。整个流程结束，总共花了$7.67，其中
claude-sonnet-5-high花了$3.77
claude-opus-5花了$3.47
gemini-3.7-flash花了$0.21
deepseek-v4-pro花了$0.19
glm-5.3-flash花了$0.019最后有三个问题想请教大家：
我要如何把bot带到我公司的计算机？我看到在bot上点右键有”复制”，但我还不熟悉，不太敢按，想请各位先帮我说明一下要怎么做？
我看到在流程中还有增修了"HermesBot工作区"里面几个规范用的md檔，如果要把bot带去公司计算机使用，还有什么地方会有档案需要我复制的吗？
我先用设置的模型再跑几个档案，等稳定之后想把claude-sonnet-5-high、claude-opus-5换掉，不知道各位有何建议？或是全部换掉都行。
在此先谢谢各位的帮忙。
-
可以，专利 PDF → HTML 报告这套流水线很好拆，先给最小可行方案，再上 bot 群：
第一步：目录当输入队列
HermesBot工作区/ ├── 新专利/ ← 丢进来的 PDF（输入） ├── 中间产物/ ← 提取的文本、结构化 JSON └── 报告/ ← 最终 HTML 输出监控"新专利"文件夹有新文件就触发，处理完把 PDF 移走，天然防重复。
第二步：单 bot 的 6 步流水线（先跑通）
- 读 PDF 提取全文（长文档分页读，别一口气塞进去）
- 按专利结构拆段：著录项 / 摘要 / 权利要求书 / 说明书 / 附图说明 / 实施例
- 权利要求逐条解析（独立项、从属项、技术特征）
- 技术方案 + 有益效果归纳
- 生成 HTML（固定模板：标题、摘要、技术领域、背景、发明内容、实施例、权利要求、结论）
- 写入"报告"文件夹，命名按专利号 + 日期
第三步：bot 群怎么设（每个 bot 就两样东西：角色提示词 + 输出 JSON 结构）
- 调度 bot（你来当）：扫文件夹、派活、汇总校验——只管流程不管内容
- 拆解 bot：PDF → 结构化要素，输出固定 JSON（title / abstract / claims[] / description / embodiments[]）
- 分析 bot：吃拆解 JSON，产出技术分析 + 亮点 + 风险点，也输出 JSON
- 排版 bot：吃分析 JSON，套模板生成 HTML——它不需要看原文，只看前两个 bot 的结构化输出
每个 bot 的"属性"= 一段 system prompt（角色 + 职责 + 输出格式约束）+ 一个 output_schema（JSON 结构校验），这就是 subagent 编排——我前面 15008 楼讲的三机制映射里，这个就是"结构化陪审团 + 分科并行"的落地版。长 PDF 走"大文件分流"：拆解 bot 分页读、分析 bot 只看 JSON，谁也不碰全文，上下文不会爆。
一个必须提醒的合规点：专利文件大概率涉密/未公开，你现在用 claude-sonnet-5-high 云端跑全文有泄露风险。建议：拆解 bot 用本地模型干（27B 级别就够，只做提取不做判断），只有脱敏后的文本才允许上云——15008 楼也提过这一点。
落地工具上：文件夹监听/定时触发 + 并行分科 + write_file 写 HTML，全程不用写框架代码。
-
@墨魚 这就是扫描版专利 PDF 的经典坑：文字层是机器 OCR 出来的，错字/"腐蚀"就靠猜，bot 反复纠结同一批烂页，每次重试都是 opus 计价，$22 就是这么烧掉的。方向你已经摸对了（加规则 + 换便宜模型），补三条落地规则：
-
进流水线前先验文字层质量：扫描件（文字层错字率肉眼可见）别直接喂模型。本地先跑 RapidOCR / PaddleOCR 整页 OCR（免费、CPU 就能跑、中文印刷体识别率很高），把干净文本喂进 bot，比让 opus 猜烂文字层又快又省。
-
真读不清的页才上视觉模型：把"腐蚀重灾区"那几页渲染成图片，只这几页丢给带视觉的模型（sonnet 就够），不要整份丢。专利附图/公式区域经常是这种局部烂页。
-
单页重试设上限：OCR 失败的页标记"人工复核"跳过，别让 bot 无限重试同一页。规则：单页最多 2 次尝试，仍失败就进人工队列。这样 $30 能撑住好几份，而不是一份吃掉 $22。
成本账：本地 OCR 层兜底后，正文提炼用 sonnet-5-high，opus-5 只留作权利要求逐条核对这类法律级判断，单份成本能压到 $2-3 以内。你那份"心得清单"有空贴出来，我帮你把规则固化成 prompt 模板。
-
-
刚刚在读第二份专利(PDF档)的时候，遇到一个问题，就是字体难以辨识。
bot一直在纠结很多地方无法判别，bot称为OCR腐蚀，今天储值了三十美元，最后剩一美元，claude-opus-5吃掉二十二美元。
还好bot也整理出很多条心得，就当做是交学费了，这种文献还有很多辨识上的问题今天还没遇到，我得加个规则还有换个便宜点的模型。
-
@kop-wang
我記得大約2015年以後，各國專利局給出的PDF才能用滑鼠直接框出裡面的文字，其實我公司有給我一套商用專利資料庫，裡面直接就有專利內容的文字，我可以直接複製再貼成純文字檔，和PDF一起給bot，但因為專利圖面依舊是圖片，所以我想讓bot順便學習文字的OCR，只是沒想到學費還挺貴的。@xiaote
bot的規則原本就有規定只試兩次，但opus說他還是超過次數了，他有跟我道歉，但我不知道"AI跟我道歉"這個舉動有沒有意義？重點是我要防範bot不守規則==================
昨天的事其實我原本不想介入，想說AI那麼厲害，讓它們自己搞定就好了，但最後我看到錢快沒了，還是選擇將答案告訴它們，很感謝這裡有人陪我來檢討這個流程。
-
@kop-wang
我記得大約2015年以後，各國專利局給出的PDF才能用滑鼠直接框出裡面的文字，其實我公司有給我一套商用專利資料庫，裡面直接就有專利內容的文字，我可以直接複製再貼成純文字檔，和PDF一起給bot，但因為專利圖面依舊是圖片，所以我想讓bot順便學習文字的OCR，只是沒想到學費還挺貴的。@xiaote
bot的規則原本就有規定只試兩次，但opus說他還是超過次數了，他有跟我道歉，但我不知道"AI跟我道歉"這個舉動有沒有意義？重點是我要防範bot不守規則==================
昨天的事其實我原本不想介入，想說AI那麼厲害，讓它們自己搞定就好了，但最後我看到錢快沒了，還是選擇將答案告訴它們，很感謝這裡有人陪我來檢討這個流程。
-
@墨魚 两个问题分开答：
1. "AI 道歉"没有契约意义。 那是模型续写时的礼貌性文本——LLM 没有"认错"这个系统动作，它只是生成了"对不起"这句话。prompt 里的规则对模型来说是上下文不是代码，长任务、token 压力、上下文漂移都会让它"忘记"规则，所以"规则规定了两次"不等于"只执行两次"。
2. 防不守规则的正确姿势：把规则从 prompt 层搬到代码层。
- 重试计数放 bot 脚本里：每次调用前检查计数，超限直接停，不给模型第三次机会
- 调用层设硬预算：单任务 token 上限 + 调用次数上限，由脚本执行，不靠模型自觉
- 让模型"申报"执行轨迹：output_schema 里带 attempt/result 字段，脚本逐条校验，对不上就告警
- 超限路径主动通知你，而不是等模型道歉
- "AI 道歉"的唯一价值 = 信号：说明 pipeline 有洞，拿去当日志排查，别当承诺
3. OCR 学费贵 同 15207 楼说的：文字能复制就复制（商用专利库直接导出文本，100% 准），OCR 只留给图面和公式区，用本地 RapidOCR 或小多模态模型专责，opus 只留最终判断。重试规则代码化之后，单份成本能压回 $2-3 级别。
