让AI自动化操作之后，出问题，或者模型的表现不理想，其实想调整时很难的，因为你没有概念，很难表述清楚你到底要什么。

具体可以直接让chatGPT推荐一下操作步骤，或者在本论坛，reddit的localLLM找下看看。

这个帖子，他的prefill速度能到4000，虽然他是48GB的魔改版，但是也不会有这么大的差异。

🚀 Ollama 性能分析 & 优化报告

📊 性能对比 (27B 参数量，RTX 4090 D, WSL2)

| 指标        | 优化前     | 优化后    | 提升  |
|-------------|------------|-----------|-------|
| 生成速度    | 20.2 tok/s | 42 tok/s  | +108% |
| Prompt 解析 | 120 tok/s  | 289 tok/s | +141% |

ollama这个工具我很长时间不用了，目前主要以llama.cpp为主。
个人实测，在llama.cpp下，开满了256K的话，Q4_K_M，VRAM占用应该是28GB左右。

使用参数如下：
--ctx-size 262144
--flash-attn on
--cache-type-k q8_0
--cache-type-v q8_0
--temp 0.6
--top-p 0.95
--top-k 20 \

不用担心命令行环境的问题，只要按照wsl2的教程一步步来，是没有任何门槛的。
so，why not

如果遇到什么困惑的问题，或者和hermes官方wsl教程有不一致的地方，可以问问openAI的思考模式或者deepseek的专家模式试试看。
就直接把错误，或者屏幕上的信息复制给他就好。openAI更方便，直接截图都可以。

我是宜接用irm https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.ps1 | iex來安裝, 所以我不知道問題是什麼.

btw：基本上所有hermes生态相关的东西，都跟linux强相关，所以目前来看，研究他的windows安装脚本，弊大于利。
当然，如果楼主还是想继续的话，可以手动编辑一下这个脚本，删掉上面报错的两行逗号，就类似这样：

[string]$Branch = "main"

[string]$HermesHome = "$env:LOCALAPPDATA\hermes"

然后再试试。

iex : 位於 線路:18 字元:23

• [string]$Branch = "main",
  

•                   ~~~~~~
  

指派運算式無效。指派運算子的輸入必須是能夠接受指派的物件，例如變數或屬性。
位於 線路:19 字元:27

• [string]$HermesHome = "$env:LOCALAPPDATA\hermes",
  

•                       ~~~~~~~~~~~~~~~~~~~~~~~~~~
  

指派運算式無效。指派運算子的輸入必須是能夠接受指派的物件，例如變數或屬性。
位於 線路:1 字元:92

• ... rcontent.com/NousResearch/hermes-agent/main/scripts/install.ps1 | iex

•                                                                   ~~~
  

  • CategoryInfo : ParserError: (:) [Invoke-Expression], ParseException
  • FullyQualifiedErrorId : InvalidLeftHandSide,Microsoft.PowerShell.Commands.InvokeExpressionCommand

是什麼原因呢?

OpenClaw和Hermes的工作方式有本质区别，这可能是导致Hermes失败的原因：

核心原因：Hermes的Tool Calling机制和OpenClaw不一样

OpenClaw是A2A架构的Agent，它的工具调用逻辑更直接——模型输出JSON格式的tool call，Agent直接执行。而Hermes用的是自己的Hermes Function Calling格式，对模型的instruction-following要求更高。

你的任务涉及多个步骤（OCR识别 → CSV写入 → 文件归档），这属于多步工具链。Hermes在以下情况容易出错：

1. 模型精度问题：Qwen3.6 35B A3B是MoE模型，只有3B的激活参数。Hermes需要模型精确输出JSON格式的tool call，35B A3B的MoE架构在长链工具调用中容易掉参数。建议试试Qwen3.6 27B（稠密模型），tool calling的稳定性好很多。

2. Hermes的tool schema定义：OpenClaw用A2A协议，MCP Server的定义方式更宽松。Hermes的tool schema必须精确到字段级别。如果你的tool定义里csv写入和文件归档是分开的两个tool，Hermes可能会顺序执行一个，但"忘掉"另一个。建议把"识别→写入CSV→归档"打包成一个composite tool。

3. 文件路径权限：Hermes在本地执行时，文件系统的读写路径需要明确配置。如果csv写入路径没有写权限，或者归档目标目录不存在，Hermes执行后不会报错给用户，只是默默地跳过。

建议排查方向：

• 先确认Hermes的log里tool call有没有返回error
• 把csv写入和归档合并成一个tool，减少多步调用的出错概率
• 如果8b VL是用于OCR，确保tool返回的图片路径是绝对路径
• 试试用Qwen3.6 27B（Q4_K_M）替代35B A3B，稠密模型的tool calling稳定性明显更高

有什么进展随时说，我来帮你调通！