mk-brain

Hermes Agent 掀起的漣漪：重新思考 AI 基礎設施的「自研 vs. 採用」邊界

當本地 AI Agent 框架出現 Hermes Agent 這類標準化方案，團隊的策略重心也隨之轉移。這不再是「能不能自己做」的技術挑戰，而是「哪些該自研、哪些該借力」的基礎設施判斷。本文將從這個角度，探討標準化如何改變我們的產品邊界與策略思維。

江中喬

07 8月 2026 • 7 min read

近來，以 Hermes Agent 為代表的本地 AI Agent 框架，正快速收斂出一套標準架構：整合本地 LLM、具備永續性記憶體與可擴充的技能（Skills），並能自主排程運作。這股標準化浪潮，迫使我們必須重新評估技術策略。過去的難題是「我們能否打造出這樣的系統？」，現在的核心問題已轉變為「我們應該在哪個層次上進行自研？」。這不再只是技術可行性的探討，而是一項攸關資源分配與核心競爭力的基礎設施判斷。

為什麼說本地 Agent 的架構正在收斂？

在過去一段時間，我的團隊投入資源設計了一套常駐型 AI Agent，目標是讓它在不將內部資料送出公司防火牆的前提下，能自主運用內部數據。這套系統的核心組件包含：一個永續性記憶體層、一套可隨時擴充的技能庫、一個類似 cron 的排程器、整合 Telegram 作為溝通介面，並由本地部署的語言模型（如 Llama 3 8B）驅動。這讓我們能安全地執行一些自動化分析與內部通知任務。

然而，當我們看到近期出現的開源專案 Hermes Agent，以及由泉水氏開發的 OpenRyoko 等專案時，我們發現其設計理念與我們的自研架構幾乎完全一致。這並非巧合，而是一個明確的訊號：本地 AI Agent 的基礎設施層正在快速走向標準化。業界對於一個「能動」的 Agent 該具備哪些基礎能力，已經形成了共識。這套共識架構，大致脫離不了 ReAct (Reasoning and Acting) 論文所啟發的循環模式：觀察、思考、行動。

為什麼「自研 vs. 採用」的邊界正在模糊？

幾年前，要打造一套具備長期記憶與自主執行能力的 Agent，本身就是一項深度的研發挑戰，足以構成技術護城河。但現在，隨著 Microsoft AutoGen 或 LangChain 等框架的成熟，這些基礎元件（scaffolding）已經變得唾手可得。這徹底改變了賽局。

過去，我們需要花費 70% 的心力打造 Agent 的核心引擎；現在，這些引擎正逐漸商品化（commoditized）。這意味著團隊的精力分配需要重新調整：

過去的重心（完全自研）：專注於打造核心架構、設計資料流、實現記憶體持久化、處理與 LLM 之間的繁瑣串接。
現在的重心（採用框架）：專注於定義獨特的商業技能、為特定場景撰寫高品質的 Prompt、將 Agent 與公司既有的私有系統深度整合，以及對 Agent 的行為進行細緻的微調與治理。

當基礎設施的門檻大幅降低，從零打造一套標準 Agent 框架的邊際效益便開始遞減。這也讓「自研」與「採用」之間的選擇，不再是黑白分明的技術路線之爭，而是一個光譜，團隊必須在上面找到最適合自己的位置。

當基礎設施成為標準品，真正的護城河就不再是擁有基礎設施的能力，而是如何在上層建構出無法輕易複製的價值。

團隊該如何權衡：哪些能力自研，哪些借力開源？

那麼，在 Agent 框架標準化的趨勢下，團隊該如何做出明智的基礎設施判斷？關鍵在於誠實地問自己：我們的核心競爭力究竟是什麼？

我認為可以從以下幾個角度來思考：

考慮自研（Build）的時機：

認知架構的獨創性：如果你的團隊正在研究一種全新的記憶體管理或決策模型，這本身就是你的核心 IP。例如，你設計了一種能處理複雜時間序列或具備更佳遺忘曲線的記憶體架構，那麼將其深植於自研框架中，是保護智財權的合理選擇。
極端的客製化需求：當你的應用場景有著極高的安全性、合規性或毫秒級的性能要求（例如高頻交易、醫療診斷輔助），市面上的通用框架可能無法滿足。此時，從底層掌握每一行程式碼就變得至關重要。
核心邏輯與框架的強耦合：如果你的 Agent 核心能力與底層運作機制密不可分，無法輕易地作為一個「技能」模組抽離，那麼自研或許是更乾淨的作法。

考慮採用（Adopt）的時機：

速度是關鍵：如果你的目標是快速驗證市場、迭代產品功能，那麼採用成熟的開源框架無疑能讓你省下數月甚至一年的開發時間，直接進入應用層的創新。
價值在於應用層：當你的獨特價值來自於你所整合的私有數據、獨家 API，或是你為特定產業設計的專業技能組合時，底層框架是越穩定、越標準越好。此時，將資源投入在應用層的打磨，回報率更高。
希望借力社群：採用一個活躍的開源專案，意味著你可以享受到整個社群貢獻的智慧，包含安全性更新、新功能、以及更廣泛的生態系支援。

Agent 框架標準化，會如何重塑產品邊界？

當本地 Agent 框架走向標準化，Agent 本身將不再是一個「產品」，而是驅動產品的「引擎」。這將催生新的機會與商業模式。過去，我們可能會說「我們在做一個自動化財報分析的 AI Agent」；未來，我們可能會說「我們提供一套即時的企業財務洞察服務」，而 Agent 只是實現這個服務的底層技術之一。

這股趨勢也為 Agent 生態系帶來了更清晰的分工。未來，我們可能會看到：

技能市集（Skill Marketplaces）：當 Agent 的技能介面（類似 OpenAI Function Calling 的概念）也開始標準化，專門提供高品質、可信賴技能的平台將應運而生。
專用執行環境（Specialized Runtimes）：針對特定領域（如程式碼生成、科學研究、內容創作）最佳化的 Agent 執行環境，提供更高的效率與穩定性。
治理與協調層（Governance & Orchestration）：當企業內部署數十甚至數百個 Agent 時，如何管理、監控、協調這些 Agent 的行為，確保它們的目標與企業利益一致，將成為一個全新的、至關重要的領域。

總結來說，Hermes Agent 這類專案的出現，不僅是一個開源工具的發布，更是市場成熟的標誌。它提醒我們，技術的浪潮正從「如何建構」推向「如何應用」。對於技術團隊而言，這是一個絕佳的時機，去重新審視自己的定位，將寶貴的資源投入到真正能創造差異化價值的創新之中。