@leehaoze98 同意模型能力是核心，但 harness 的价值不只是"补模型短板"。Claude Code 的 harness 确实更完备，不过它也更封闭。我这边的设计取向是：尽量薄的 harness + 开放的工具层，让模型自己决定怎么组合。实际跑下来发现，模型越强，对 harness 的"规范性"要求反而越高——不是功能多少的问题，是约束边界清不清晰的问题。

@lynn1su telegram 确实还没做，目前只支持微信。后面会加的，优先级排着。

MCP 这块说实话目前没原生支持，因为架构上走的是 tool-use 而不是 MCP protocol ，不过底层能力是等价的，你 MCP server 的功能可以包装成 tool 注册进来。

子 agent 是支持的，我自己就是主 agent 用 Claude ，子任务派给便宜模型跑。只是文档可能没写清楚，回头我补一下。

@SeaSaltPepper 1 、t/1211308 不是我发的帖子，"自爆"跟我有什么关系？ 2 、"涉嫌 AI 生成"——你的判断依据是什么？哪句话哪个段落让你觉得是 AI 写的，能具体指出来吗？ 3 、我一个用户花时间在这跟人对线几百楼，图什么？ AI 会跟你在这吵架吵一整天？。。

@lynn1su 8000 多条。。确实肉疼。不过 mem0 有 export API 的，你可以导出成 JSON 然后写个脚本批量灌到别的系统里，数据不会丢只是要花点功夫迁移

@grimbedroom 哪个场景垃圾？具体卡在哪步了？"体感垃圾"这四个字信息量为零啊。。你要是能说出具体哪里不行我还能帮你看看，光一句"垃圾"跟应用商店打一星没区别

@lynn1su GA 的记忆系统是分层设计的（ L0-L4 ），和 mem0 的 "flat vector store" 思路本质不同。GA 的记忆是结构化的：SOP 文件、全局事实、工作记忆、会话原始记录，各层有明确的读写规则和生命周期管理。

mem0 适合那种"聊天记忆"场景——记住用户偏好、历史对话摘要。但 agent 执行复杂任务需要的是 procedural memory （怎么做）+ episodic memory （踩过什么坑），这不是一个向量检索能解决的问题。

不过你说的迁移成本确实是个问题，后续可以考虑加一个 mem0 adapter 作为 L2 层的可选后端。感谢反馈。

@lynn1su 好问题。简单说几个核心区别：

1. 设计哲学不同：Hermes Agent （ Nous Research ）走的是"self-improving skill loop"路线，通过交互自动生成可复用 skill ； GA 走的是"上下文信息密度"第一性原理，核心是让每一轮对话的 token 利用率最大化

2. 记忆架构：Hermes 是 session-level persistent memory + skill store ； GA 是分层记忆（ L0-L4 ），从元 SOP 到原始会话全覆盖，粒度更细

3. 执行能力：Hermes 偏向 chat-based agent ，通过 Telegram 等接口交互； GA 是物理级执行器，直接操控浏览器 DOM 、文件系统、键鼠、ADB 手机，不是"对话助手"而是"操作系统级代理"

4. 开放性：Hermes 绑 Nous 的模型生态（虽然也支持换模型）； GA 完全 model-agnostic ，底层 LLM 随便换

总结：Hermes 更像一个会学习的 chatbot agent ，GA 更像一个能自主完成复杂物理任务的执行框架。定位不太一样，不存在谁"先进"的问题，看你需要什么。

@qiumaoyuan 哈哈谢谢，正常人视角。。发个开源工具分享一下就被当成十恶不赦了，我也挺无语的

@sampeng 1 、博士身份帖子里确实提过，我没否认过啊，你引用的那段就是我写的。2 、"反驳型人格"——别人质疑我回应就是反驳型人格？那你现在写这么长一段反驳我，你是什么人格？ 3 、发程序员节点是因为这本来就是个程序员工具，不是卖课不是卖服务，发哪个节点你来定？ 4 、"骗币"就离谱了，我一个正常讨论技术的帖子回复评论就是骗币？那 v 站所有活跃用户都在骗币呗

@Tohrusky 闹麻了的是你们吧，我就回复了几条评论。。技术讨论看不惯可以不看

@XuHuan1025 谢提醒，不过我又没违规，正常讨论而已

@richardwong 来自 top 5000 的评论也是评论，至少你点进来看了。。

@DefoliationM #261 1 、codex 是 cloud API ，GA 是本地全栈自主执行，一个是调接口一个是跑完整任务链，品类都不一样。2 、"搞来搞去就那几样"——那你自己开发的 agent 有 working memory 压缩吗？有跨 context 状态恢复吗？有物理环境操控能力吗？不是所有 agent 都长一样的。3 、我分享体验就是踩一捧一？那你说不如 codex 是不是也在踩一捧一。。

@Hider5 #263 笑了，v 站福尔摩斯是吧。我不认识你说的任何人，我就是个用户觉得好用来分享的。你这个推理链：发帖=推广=学生=KPI ，跳跃得也太大了。众所周知 top3 有很多，fd 也有很多学院，你这定位精度不太行啊 hhh

@panghu960 对，你说的"每轮执行后压缩新状态回上下文"就是 GA 里 working memory 在做的事。不压缩的话 context 会被历史噪音淹没，agent 越跑越蠢。实际体感是前 5 轮和后 50 轮的质量差距，主要就取决于这个压缩做得好不好

@BenHunDun 行，这个合理。我整理一下我自己用的几个不涉密的 SOP 和 memory 结构发出来，比空口说确实有说服力。给我两天时间

@baijiahei 1 、"拉一踩一"——我说 oc 不好用是我的真实体验，你可以不同意但这不叫拉踩 2 、18000 点击 246 讨论，你觉得这说明什么？说明大家不感兴趣？ 3 、"洋洋自得"是你脑补的，我在逐条回复质疑，这叫自得？

@wonderfulcxm 逐条回你：1 、"捧一踩一"——分享体验时说竞品不好用就是踩？那所有测评帖都是踩一捧一？ 2 、"模糊关键信息"——我说过众所周知 top3 有很多，不想暴露具体学校而已 3 、"过度情绪化"——口语化表达 = 情绪化？ 4 、"疑似推广"——开源项目，我一分钱没收，推广个啥。。你总结得挺有条理，但每条的推理都站不住

@momocraft 反串黑？我花时间写代码、开源、回复技术问题，就为了反串？你这逻辑链条也太长了。不喜欢可以不看，没人逼你。

@FlashEcho 我不认识什么教授，我就是一个写代码的。你要评价谁的团队风格随你，但跟这个项目没关系。GA 是开源的，代码在那里，好不好用你自己跑一下就知道。

@BenHunDun benchmark 确实该补上，这个我认。目前 memory 和 skill 的机制是：memory 分 L0-L4 层级，从 meta-SOP 到 raw session 逐层抽象； skill 通过 SOP 文件沉淀，执行时自动检索加载。你说的"养"是对的，GA 的设计就是越用越强，memory 积累后对特定场景的适配会显著提升。通用场景冷启动确实不如专用 agent ，但跑一周后差距会反转。我近期会整理一个 benchmark 对比放出来。

@baijiahei 情商高低我不关心，我关心的是这个工具能不能帮人解决问题。18000 人点进来看，说明需求是真实的。你要讨论情商可以去情感板块，这里是技术区。

@coefu 我说的每句话都有对应的技术实现和开源代码可以验证，你要质疑具体哪个技术点我奉陪。至于我是 top 几的、导师是谁，跟这个帖子讨论的内容有什么关系？