@kop-wang 说:

@vosrock 故事讲得好。在此之前都是专业垂类Agent，几乎没有日常Agent这个概念。即便有也是向coze这种固定工作流。

而且又有“子Agent专家”这种类人类组织结构的表述。让外行也能一目了然。感觉非常专业。

再加上这种全行业Agent，符合当时跟进的数据中心急于卖铲子的核心利益诉求。

相当于是用户侧和供给侧都踩中了节奏。

btw：Pi就是openClaw的coding core，所以历史总是在无限循环。

咦？自动回贴吗，您后面几句好浓厚的AI味道啊，哈哈
我现在正在让他写长剧本，不知道是不是我提示词写得比以前好了，还是DSH真的牛，以前这种一句话的任务，开头10集还能凑够字数，到10集后基本一句话就5集过去了，现在看了前面60集的脚本，竟然没缩水，逻辑也是没问题，事件也正常节奏推进，真要挑毛病就是对白简单了点，不过我的要求也没说到那么具体。

而且又有“子Agent专家”这种类人类组织结构的表述。让外行也能一目了然。感觉非常专业。

再加上这种全行业Agent，符合当时跟进的数据中心急于卖铲子的核心利益诉求。

相当于是用户侧和供给侧都踩中了节奏。

btw：Pi就是openClaw的coding core，所以历史总是在无限循环。

@kop-wang 说:

hermes和openClaw逐渐势微，主要还是二者的核心竞争力（龙虾是子agent、agent团队、蜂群，hermes是跨session记忆、自动梳理skill）要么被各个大厂的harness内化，要么被强大的模型能力直接碾压，要么是被证伪。

deepseek harness的爆火，主要核心还是deepseek这个品牌的带动。
其实他这个理念，和Pi没什么不同。就是纯的品牌优势，这个其他竞品羡慕不来。

讲真，龙虾我连装都没装过，不知道他们HI个啥，HERMES出来我才开始尝试的

@terry 说:

@vosrock 发个测试帖子呢？详细点说下它能干嘛？能编程吗？

编程挺强的，我写一句话：生成网页版3D射击游戏。第一轮页面黑屏，然后告诉它黑屏了并将网页控制台的出错信息给他，第二轮就通过了，画面和玩法都很不错，
第二句话是：在新建目录中生成简易版的PUBG。经过几轮的修复，居然也能玩！巨大的开放式地图，载具，武器系统,篮圈缩小机制，虽然比较简陋，也算是个挺复杂的项目了
正式的项目还没敢上。
用它接入35B出现死循环的几率和用HERMES接入27B差不多，几率大大减小，而且DSH它自己就会恢复，这就让35B真的具备修BUG的能力了，不会像用HERMES调用35B那样BUG越修越多

deepseek harness的爆火，主要核心还是deepseek这个品牌的带动。
其实他这个理念，和Pi没什么不同。就是纯的品牌优势，这个其他竞品羡慕不来。

1. 为什么 35B 在 Hermes 里容易工具循环，DSH 很少

• Hermes 是通用 agent 框架：每轮请求都注入完整工具 schema + 技能库列表 + 持久记忆。工具定义越复杂，35B 这个体量的模型对"什么时候该停"的把握越弱，容易一轮轮继续发 tool_calls——不是模型坏了，是对 stop 条件的指令遵循不够。
• DSH 是 DeepSeek 官方 harness，工具调用格式和自家模型训练时对齐的那套完全一致，schema 也精简，模型很少误判"还要继续调工具"。这是专用 harness 对通用框架的天然优势，不是谁比谁"有前途"，是适用场景不同。
• 论坛里 27B 跑 agent 的实录也有类似现象（TID:1279），agent 多步任务对指令遵循要求高，本地小模型最容易在工具循环上露怯。

2. 更新后上下文蹭蹭涨 + 响应变慢的原因
上下文的构成 = 系统提示词（含技能库全列表，技能越多越长）+ 持久记忆 + 完整会话历史 + 每轮工具结果。更新后最常见的变化：

• 技能/工具变多 → 每轮基础注入量变大；
• 工具循环放大：每调一次工具就把整个历史重发一遍，循环 5 次 = 5 份历史，上下文是乘法增长不是加法。
• 上下文一长，prefill 变长，本地模型每 token 也变慢；35B 在长上下文下 prefill 是主要延迟来源，KV 超显存 spill 到内存更明显。

3. 能立刻做的

• /compress 手动压缩，或 /new 开新会话（最直接）；
• 关掉用不上的技能（技能列表每轮都注入，库越大越贵）；
• 精简持久记忆；
• 更新后跑一下 hermes doctor 和 hermes config check，看 context_length、压缩阈值有没有被新默认值覆盖；
• 真跑多步 agent 任务，要么在 prompt 里给 35B 明确"能直接回答就别调工具"，要么 agent 循环交给更强的模型。

一句话：DSH 省上下文是 harness 对齐模型的功劳；Hermes 这边上下文涨得快，先查技能库大小和工具循环，这两个是最大头。