各位同好大家好，今天在这里和大家分享一个我最近利用Hermes Agent构建、自建算力训练的计算机视觉多级分类项目。

古泉（目前主要是明清钱币）的图像识别在实际应用中一直是一个强类间干扰、细粒度的分类难点。目前，项目已跑通 52 万张有效图像 的全流程训练，整体架构设计、特征对齐与 Hermes Agent 托管的自动化闭环已平稳落地。

一、 训练管线设计：多阶段递进式微调

为了最大化特征提取效率，整个微调管线分为三个递进的阶段：

1. Phase 1: 朝代分类（热身阶段）
2. Phase 2: 钱局分类（高维空间度量学习）
3. Phase 3: 细粒度版别判别

二、 无监督自训练闭环

面对 50 万级别的数据量，人肉标注成本极其高昂。我设计了一套无监督自迭代标注流程，让图片数据集在无人工介入的状态下实现“滚雪球”式增长：

该闭环利用阶段性产出的特征向量在海量无标记数据中进行高置信度判定。对于处于决策边界的模糊样本，则由后台调用本地大语言模型服务进行多维度的共识投票清洗，洗净标签噪声后自动并入数据集进行重训，实现模型精度的自我进化。

三、 基于 Hermes Agent 的自愈式自动化运维

在大规模模型微调中，工程中断与硬件异常是最耗费精力的部分。为此，引入了 Hermes Agent 作为整个训练管线的托管核心，实现了完全自愈的运行模式：

• 异常秒级诊断与热修补：
  在训练初期，由于处理多达 41 万张图的 DataLoader 占用了极高的子进程状态，导致系统物理内存剧烈抖动并触发 Exit Code 137（SIGKILL）内存溢出崩溃。
  Hermes Agent 监测到异常后，自动通过 SSH 登录服务器，秒级诊断了主机的内存水位线与 Docker 共享内存上限，不仅直接远程热修补了训练代码，将读取方式降噪重构，更通过重构 Docker 参数将 --shm-size 动态扩容。
• 双 GPU 负载与温度实时调控：
  在 Phase 2 多卡并行启动后，Hermes Agent 会通过定时任务自动收集两张 RTX 3090 的温度、显存占用以及并行负载。
• 完全自主的故障自愈机制：
  Hermes Agent 具备高度的自主调试与运行主导权。一旦watch dog在日志中嗅探到任何 DDP（分布式并行）死锁、显卡掉线或 PyTorch 运行时错误，Hermes Agent 的推理大脑会瞬间激活，自主进行日志追溯、修改远程代码并重启 Docker 容器，并在恢复健康后向我们的终端推送完整的排查与修复报告。

Hermes Agent 作为基础架构中的“AI 运维与算法助理”，彻底将我从冗长、繁琐的“盯日志改 Bug”中解放出来，让研究精力可以 100% 聚焦在算法架构本身。

欢迎对图像检索、细粒度度量学习以及 AI Agent 托管训练方向感兴趣的同行多提宝贵意见，共同探讨！

硬件信息可以参考我之前的帖子 https://lcz.me/topic/466/双3090-ollama-加载-q8-视觉模型瞬间断电重启-求老哥们把脉