Anthropic 将 Claude 直接嵌入 Slack 频道，赋予其可被 @ 的正式成员身份。对企业协作而言，这代表“提出需求→继续其他工作→异步获取结果”的新型工作节奏。国内用户无须着急迁移至 Slack；同样的逻辑正在企业微信和飞书中悄然萌芽。

Slack 的频道架构天然适配“成员”身份。Claude Tag 并非外挂插件，而是真正“加入团队”。

01 对话之外的在场：AI 从工具切换为频道成员

Claude Tag 的核心在于身份跃迁。过去我们视 AI 为工具，需主动打开网页或客户端进行提问；如今管理员可将 Claude 加进特定 Slack 频道，开放工具与数据权限，团队成员便能像 @ 同事一样 @ 它。Claude 自行查看上下文、执行任务并返回结果，人无需守在屏幕前等待。

Anthropic 在 X 平台上将其称为“新范式”。Karpathy 则定义为 LLM UI/UX 的第三次迁移：从网页应用，到本地化工具，再到组织内持久存在的异步成员。真正的工程挑战不在于模型本身，而在于跨工具集成、身份与权限体系、记忆能力与安全保障；只有攻克这些“幕后难题”，AI 才能像真正的同事一样持续在场。

真正的变化并非界面本身，而是谁取得了在这个界面中被 @ 的资格。

02 国内协作平台：在“服务号”与“成员”间的距离

Slack 在国内的市场渗透率较低。大多数企业依赖企业微信、飞书和钉钉进行信息协同。这三家平台均已开始集成 AI 助手，但当前形态更偏向“工具嵌入”：在聊天框顶部悬挂助手、提供摘要生成、将群内消息转为待办事项等。这一体验固然比“打开网站去问 AI”自然许多，但距离“AI 本身就是群成员”，仍隔着一层身份体系与权限自治的鸿沟。

目前，企业微信和飞书更倾向于将 AI 塑造为“内部服务号”，而非在频道里能独立执行任务的成员。前者本质是调用，后者则意味着自治。腾讯元宝选择了另一条路径，更偏向企业 Agent 的延伸。它所瞄准的，正是同一个核心问题：让 AI 同时具备对话能力、工具调用权限以及对组织上下文的深度理解。真正的竞争壁垒并非模型性能，而在于“被组织信任地接入”这一层系统级工程。

03 先行者与等待者：谁该立即行动，谁可再观察

假如你的团队已在使用 Slack 进行沟通管理，并且需要 AI 持续完成跨频道的信息汇总、调研与文档整理，那么 Claude Tag 将带来显著的效率提升。前提是，你愿意配合 Anthropic 进行底层集成：数据源、权限边界、可执行工具均需提前梳理到位。

自从把PMBrain接入ChatGPT后，我就不再用Codex撰写Word文档了，所有文本工作都自然迁移到了ChatGPT中。

为什么Codex额度如此珍贵？

Plus会员的每周额度实在有限，折算下来每日可用时长不过短短几个小时，每天都得精打细算。从前只处理公司方案、几篇文章和几个原型页面时，额度绰绰有余，甚至重置前还要特意想办法消耗掉。那时我总纳闷，那些买了Pro、X1套餐的用户天天抱怨额度少，到底在忙什么大事？

如今亲自开发PMBrain后恍然大悟。每次提交一个任务就要运行近一小时，五小时额度瞬间清零。

这一刻我才真正成了同道中人；可惜没人家财大气粗，无法豪掷200美元。所以Codex额度对我而言极其珍贵，除了写代码和极少数高难度事务，我绝不会浪费在简单的方案编写或设计草图上。

日常工作的替代工具选择

那么日常任务该用什么处理？下面是我常用的几个组合。

1. AI工具 + DeepSeek V4 Fast
   DeepSeek堪称国产之光，让预算紧张的人也能用上AI，即便偶有失误，我都不忍心批评。AI工具方面建议选择Claude Code或Workbuddy，Workbuddy还在抢占市场阶段，活动频出，基本能免费使用。过去它生成Word的能力惨不忍睹，但最近已经能直接输出Word文档，也支持编辑，进步相当明显。用这套方案替代Codex处理简单方案，完全够用。

2. 知识库 + ChatGPT
   ChatGPT本身就能生成Word；简单需求直接让它输出即可。OpenAI一直想把Codex的能力整合进ChatGPT，因此ChatGPT也开放了MCP接入，能够连接各种应用。比如要让AI指挥Figma作图，在ChatGPT中就能实现，根本不用进Codex。遗憾的是很多人并不知道这一点。
   除了官方接入，你还可以自建应用接入ChatGPT。我自己搭建的PMBrain知识库就是通过OpenAI开发者模型接入的。

   

   知识库介入的最大好处，是ChatGPT可以随时检索历史项目信息，你再也不用反复用提示词补充上下文，时间节省显而易见。反观国内的聊天助手，如豆包、腾讯元宝，目前还不具备这样的深度工作能力，只能止步于问答应用。

3. 兜底选择：本地聊天机器人
   如果工作任务极度简单又懒得折腾，下载豆包桌面版也不失为一个办法。豆包同样想做桌面超级应用，但节奏偏慢，方向也走了弯路。纯靠自身体系而不开放生态，很难做成大事。微信之所以壮大，正是因为让参与者一同获利、构建了共赢生态。不开放端口、不让接入，最终只会沦为普通产品。

总结与替代方案

以上每一种方案都有可替换选择，比如Workbuddy可以换成Trea，DeepSeek可换成MiMo，完全视个人喜好而定。这里只分享一些我自己使用AI的心得方法论，希望能给你带来一些启发。

之前盘点新功能时我简略提到过这几个工具，但陆续有读者反馈，Computer、Chrome、Browser 三者到底有何不同、什么时候该用哪一个，始终理不清楚。说实话我自己也曾混淆过。它们表面看起来都围着浏览器转，但实际定位和用法差别极大，一旦选错，不仅效率锐减，还会白白浪费 tokens。这篇文章就把三者之间的关系彻底讲透。

三条路径的核心功能

Codex 目前通过三条路径与你的电脑及浏览器交互：

@Computer —— 覆盖面最广的一种。它可以操作桌面上任意获得授权的应用，走的是一条「观察屏幕 → 决定点击位置 → 移动鼠标 → 执行点击 → 再次观察」的虚拟键鼠道路。这条路径慢，但包容性强，即便没有开放 API 的软件也能操控。

@Chrome —— 接入你当前登录过的 Chrome 浏览器状态。你的登录凭据、Cookie、已安装的扩展都能为其所用，适合那些必须凭账户权限才能访问的网站，比如公众号后台、小红书、头条号、知乎、Boss 直聘，以及各种内部业务系统。

@Browser —— Codex 对话窗口中内置的浏览器。适合调试本地开发的页面，或浏览无需登录的公开网站。你和 Codex 共享一个渲染视图，你能直接在页面上点击元素或框选区域留下评论，它能精准理解你说的「这个按钮再放大一点」。

一个使用建议： 当存在专用的插件或 MCP 工具时，优先选择插件。例如飞书 MCP 插件比 @Computer 在飞书界面逐一点击按钮要精准得多，GitHub 插件也比驱动 GitHub 网页更可审计、更可靠。可视化控制最好用在「结构化工具覆盖不到的地方」。

@Computer：无需依赖 Chrome 也能操控浏览器

@Computer 并不直接操作浏览器，但它能操控任何桌面应用——其中也包括浏览器。

安装方式： Codex → 设置 → Computer Use → 点击安装。

调用方式： 在提示词中 @Computer，或直接说「用 Computer Use 做某事」。

适用场景：

• 操作原生桌面应用，如 QQ 音乐、财务软件
• 控制安卓模拟器、小程序等纯 GUI 环境
• 调整系统设置与应用偏好
• 处理没有插件或 API 可用的数据源
• 在多个应用之间串联自动流程
• 为已有 MCP 插件补充某个缺失的操作步骤

真实案例： 我曾用 Codex 搭建过一个工作流——打开微信朋友圈，让 Codex 依次给我的所有动态点赞，它就能完整执行一遍。

很多家长和育儿领域的自媒体创作者都有类似的困扰：每晚的睡前故事翻来覆去总是那几本，孩子早就听腻了，自己又很难凭空编出新的精彩故事；如果想在小红书等平台发布绘本内容，原创插画门槛极高，用普通AI工具生成出来的画面风格割裂、角色前后不一，根本无法直接使用。但在小某书上，这类绘本化内容一发布，流量依旧十分可观：

今天分享的这套基于扣子（Coze）搭建的自动化工作流，能彻底解决上述问题。只需输入一个故事主题，工作流就会自动生成完整的儿童睡前故事脚本，并同步配套生成一整组风格高度统一的绘本插画。整个过程完全不需要自己动手写提示词，也不用具备任何绘画基础，几分钟内就可以输出一套完整的绘本。生成的内容百分百原创，互不重复，而且这套工作流只需搭建一次便能永久复用，换个主题就是全新的绘本，极大地解放了双手。

先来看一波效果展示——输入的主题是：小白兔打败欺负小羊的大灰狼

可以看到，生成出来的九张图片画风一致，主要角色的形象从头到尾没有发生偏移，故事情节衔接自然流畅，完全可以直接用于小红书图文发布，或者加上配音用剪映合成竖版视频，发布到视频号和抖音。

下面直接进入搭建教程，哪怕是零基础的新手，也能跟着步骤轻松复现。

01

在扣子中新建一个工作流

1、打开扣子平台，点击新建工作流。

2、填写工作流的相关信息：

扣子官网：https://www.coze.cn/space

02

搭建所有节点

完整工作流的结构如下图所示：

第一步：配置开始节点

在开始节点中需要设置 3 个输入变量，按实际情况自行填入即可：

第二步：使用大模型生成故事文案

添加第一个大模型节点，命名为“生成故事文案”。该节点的作用是：根据输入的主题自动创作一套完整的儿童故事脚本，并按场景进行拆分，每个场景都包含对应的画面描述和用于给孩子朗读的故事文字，为后续的生图和排版提供素材。

参数设置如下：

（完整提示词见文末）

第三步：使用大模型生成角色外观提示词

添加第二个大模型节点，命名为“生成角色外观提示词”。该节点会依据故事主题推断出主要角色，再为每个角色生成详尽的英文外观描述，以此保证后续每一张图片中的同一角色长相一致，杜绝前后“换脸”的情况。

参数设置如下：

（完整提示词见文末）

第四步：使用大模型生成分镜图片提示词

添加第三个大模型节点，命名为“生成分镜图片提示词”。这一步会将前两步产出的故事脚本和角色外观描述融合在一起，为每一个场景各自生成一条完整的英文生图提示词，便于后续批量生成图片。

参数如下：

（完整提示词见文末）

第五步：批量生成绘本图片

1、添加一个批处理节点，用来并行生成所需的绘图。

参数设置：

2、在【批处理体】内部添加一个 image2 生图插件。

添加插件的方法：在插件搜索框中搜索“创意绘图”，找到“generate_image”，点击添加。

参数设置：将该插件命名为“图片生成”，然后按下图进行配置：

3、由于 image2 生成图片存在一定的延时，还需要再添加一个生图结果插件来获取最终的图片。

3.1 添加生图结果插件

同样在插件中搜索“创意绘图”，找到“status”，点击添加。

参数设置：

3.2 添加【延时生成】工作流

单靠一个结果生成插件还无法将图片完整地输出，因此还需要增加一个延时生成节点。由于这是在【批处理体】内部操作，所以要通过新增一个工作流节点来实现。

另外新建一个工作流，节点设置如下：

1）开始节点

2）增加一个循环节点

（代码见文末）

3）结束节点

想象一下，狂风拍打玻璃的尖锐声响、幽深森林里的环境音与清脆鸟鸣、火球爆炸后的轰鸣，甚至布鞋踩在柔软草地上的细微沙沙声——这些生动的场景配音，全部由AI自动完成。这就是GitHub最新开源音频生成模型AudioX-Turbo所带来的惊艳效果。通过下面这个演示视频，你可以亲耳感受AI如何为不同场景注入真实感。

那个视频里所呈现的风声、爆炸、脚步等音效，全部由AI实时生成，而非预先录制。这项能力的背后，正是今天要重点解读的开源语音大模型——AudioX-Turbo。

开源项目简介

近一年来，AI视频生成领域卷得离谱，Seedance、可灵等模型已经将画面效果推到了电影级别。然而，在细粒度控制上，许多方案仍然力不从心。相比之下，AI音频的处境更为尴尬：主流方案仍然依赖几十步甚至上百步的扩散采样，生成一段10秒的音频往往需要等待漫长的时间，完全无法满足实时交互的需求。

港科大、清华大学与Noiz AI联手开源的AudioX-Turbo，正是瞄准了这两大痛点：极速推理与精准可控。下面这个短视频能够让你直观感受到它的速度与灵巧。

AudioX-Turbo是一个统一的Anything-to-Audio生成框架。它的输入可以自由组合：纯文本、纯视频、纯音频，或者文本加视频、视频加音频、文本加音频，几乎覆盖了你能想象到的所有信息模态。输出则永远是声音——可以是环境音、音效，也可以是音乐段落。

开源地址：https://github.com/NoizAI/AudioX-Turbo
论文：https://arxiv.org/abs/2606.12555
模型权重：https://huggingface.co/HKUSTAudio/AudioX-Turbo

看看效果

文字生成音频：键盘上快速打字，手指敲击每个按键的清脆声音都被精准还原。
文字生成音频：烟花接连绽放两次，然后是一段短暂的寂静，紧接着古老的钟声开始滴答跳动。
文字生成音乐：一段顺滑的城市R&B节拍，带着慵懒而温柔的律动。
文字生成音乐：适合旅行视频的振奋尤克里里曲调，轻快而明亮。

视频转音频的魔力同样不可小觑。以下三个短视频展示了模型如何为不同画面配上高度吻合的音效：

视频转音乐的能力同样惊艳。下面这个例子中，模型根据画面内容自动生成了一段契合氛围的背景音乐：

两大核心能力

一个模型搞定6种任务

大多数音频生成模型都局限于单一任务：能做文本生成音频的，往往无法处理视频转音乐。AudioX-Turbo则将这些能力一举整合，在一个模型内同时支持6种生成方向：文本生成音频、文本生成音乐、视频生成音频、视频生成音乐，以及文本+视频联合生成音频或音乐。

更不可思议的是它的生成速度——只需4步扩散采样就能输出高质量结果，这是AudioX-Turbo最核心的突破。

技术路线上，该模型采用了师生蒸馏策略：先用完整的多步扩散模型AudioX-Base作为教师，再通过Distribution Matching Distillation并结合扩散判别器，将其压缩成一个4步推理的轻量学生模型。对于实际应用而言，这意味着音频生成延迟从分钟级骤降到秒级，使得实时交互的AI音频工具第一次真正具备了落地的可行性。

数据壁垒：千万级高质量样本

训练数据是这类大模型项目的核心壁垒。AudioX-Turbo自行构建了一个名为IF-caps-Pro的专用数据集，规模约920万条样本，通过两阶段的数据采集与精细标注流程打造而成。

在音频领域，这个量级堪称巨无霸。社区中多数开源音频模型要么依赖仅5万条的AudioCaps，要么使用5千条的MusicCaps，数据规模直接被AudioX-Turbo拉开了一个数量级，这也是它能实现多任务、高逼真度生成的根基。

怎么用起来

官方推荐使用A100或H800显卡，CUDA 12.1环境，完整训练路径还需要DeepSpeed及完整的CUDA toolkit。普通个人玩家仅能勉强跑推理，若要完整复现训练，基本需要实验室级别的硬件配置。

安装步骤如下：

# Clone the repository
git clone https://github.com/NoizAI/AudioX-Turbo.git
cd AudioX-Turbo

# Create a conda environment
conda create -n audiox-turbo python=3.8.20
conda activate audiox-turbo

# Install media libraries
conda install -c conda-forge ffmpeg libsndfile

# Install dependencies
pip install -r requirements.txt
pip install -e . --no-deps
pip install soundfile==0.12.1

模型权重托管在HuggingFace，使用huggingface-cli即可下载：

智谱推出的GLM-5.2在Code Arena前端榜单中高居第二，其得分较Claude Opus 4.8 Thinking高出29分；同时在Agent Arena跻身第十，成为排名最靠前的开源模型。这款基于MIT协议开放的753B参数MoE模型，输出成本仅为Claude Opus 4.8的1/5.7。美国持续两年、历经四轮升级的芯片封锁，终究没能挡住中国人工智能的突进。

6月16日，智谱AI（Z.AI）正式发布GLM-5.2，一款采用753B参数混合专家架构的模型，以MIT许可证全面开源，支持1M上下文窗口和128K token输出。发布后仅一周，它便在Arena的Code Arena Frontend排行榜上跃升至第二位，仅次于Anthropic的Fable 5；在Text Arena综合榜上排名第25，领先于多个GPT-5.5变体。每百万token输出费用仅为4.4美元，而Claude Opus 4.8需要25美元，成本差距达到5.7倍，使GLM-5.2成为业界首个在多项基准上紧逼最强闭源模型，同时又完全开源且成本仅为对手零头的产品。

若仅看开源赛道，GLM-5.2在所有公开榜单上均形成断层式领先。Agent Arena第十名与Claude Opus 4.8（非思考模式）几乎持平；FrontierSWE得分74.4%，仅比Opus 4.8的75.1%低0.7个百分点；MCP Atlas上的差距也不过0.8分。输出价格4.4美元对25美元，这5.7倍的成本优势让它成为第一个逼近闭源天花板、且保持开源并让对手成本相形见绌的模型。

智能体能力逆袭：开源模型的历史性突破

GLM-5.2与Claude Opus 4.8同样拥有1M上下文长度，并且兼容Anthropic API，可以直接替换Claude Code的后端模型。在前端代码生成、React组件开发、HTML/CSS实现三个子任务中，GLM-5.2仅落后于专门强化前端能力的Fable 5，位列第二。在Agent Arena评测中，其智能体能力获得81分，以微弱优势反超Opus 4.8的80.1分。BenchLM细分类别打分显示，这是GLM-5.2唯一领先Opus 4.8的大类。Terminal-Bench 2.1得分则达到81.0%，同样创下开源模型的历史最高纪录。Arena官方账号评价道：“GLM-5.2（Max）在Agent Arena排名第十，与Claude Opus 4.8（非思考模式）非常接近，是开源模型中遥遥领先的第一名。”

芯片封锁的逻辑被现实击穿

过去两年半，美国对华AI芯片出口管制经历了四轮加码：2023年11月引入先进芯片许可要求，2025年1月拜登政府推出AI扩散规则，同年5月特朗普政府废除旧规后又于2026年3月酝酿全球封锁，最终在5月31日由BIS发布最新指引——彻底堵死中资企业海外子公司的采购通路。每一轮都比前一轮更严苛。然而，每次收紧之后，总有一款中国模型跨过关键的能力门槛：2023年10月管制升级后，2024年初DeepSeek V2以MoE架构证明有限算力也能训练出优秀模型；2025年5月AI扩散规则废除后，GLM-5.1闯入Arena前20名；2026年5月BIS封锁海外子公司通道后，GLM-5.2在多项基准上直逼闭源最强。

英伟达CEO黄仁勋在5月接受采访时已公开坦承：美国出口限制正持续重塑全球AI芯片格局，英伟达已将中国市场“基本上拱手让给”中国公司。这并非谦辞，而是冷硬的财报数字——英伟达中国区Hopper芯片出货量已跌至零，而上一财年同期该业务收入尚达46亿美元。

封锁的悖论：为开源生态添砖加瓦

BIS新规执行“推定拒绝”标准，实质性堵死了中资企业海外子公司的采购通道。审查逻辑从“看注册地”转变为“看最终母公司”，被普遍视为对“中企在马来西亚、新加坡等地设立壳公司绕道采购”的最终清算。但这套政策链内含一个结构性悖论：封锁越紧，中国公司的自研投入越是被迫加大，结果反而越不可逆。GLM-5.2选择以MIT协议发布，意味着全球任何公司——包括Anthropic、OpenAI的直接客户——都可以自由下载模型权重、自行部署、微调并用于商业目的。美国出口管制的边际成本，就这样转化成了中国开源模型在全球范围内传播的收益。你可以把最先进的芯片扣押在海关，却无法阻止一个MIT授权的模型权重被全球60亿人下载。后者对AI格局的冲击，远比前者更为深远。

判断　当一个MIT模型在多个基准上与输出费用高达25美元/百万token的闭源模型仅有0.7分之差时，管制芯片的边际收益已经转为负值。开源模型的进化速度，已经超过了政策迭代的节奏。对开发者而言，GLM-5.2是极具竞争力的新选择；对政策制定者来说，这更是需要重新审视整套管制框架的强烈信号。接下来值得关注的是，Fable 5之后，下一个封闭超大规模模型还能拉开多大的差距？

SOURCES

Arena.ai - Leaderboard Changelog & Agent Arena

LLM Stats - GLM-5.2 vs Claude Opus 4.8 Full Comparison

CodingFleet - Claude Opus 4.8 vs GLM-5.2: 0.7 Points From the King

GLM5.2 的消息铺天盖地，其实我在很多天前已经实测过，也分享过详细体验。当时刚试完 Fable 5，而日常一直在用 Opus4.8，所以对 GLM5.2 并没有太惊艳的感觉。

但我特别好奇一件事：如果用 GLM5.2 搭配 ZCode 这套纯国产工具，工作效率到底如何？上限在哪里？因为之前 Fable 只用一轮就帮我复刻出了一个体验极佳的《坦克大战》，这次我决定让 GLM5.2 也来挑战同样的任务！

我们用一模一样的提示词开局，然后看看做出类似效果，需要多长时间。

说干就干，从来不玩虚的。

Round 1

先用一个简单的需求开场：

帮我写一个网页版的坦克大战吧，玩法和界面可以参考经典版，要实现前面的 10 关。要能够正常通过每个关卡，没有明显 bug，如果你不理解这个游戏规则，可以先检索，如果你已经知道了，就直接开干，你只有一次机会，希望你好好把握！

为了完成这个需求，GLM5.2 整整花了 47 分钟！

最后它给的任务总结如下：

总结内容非常清晰，简明扼要：它告诉我，一个完整的网页版坦克大战已经从零创建完毕。

文件清单：

index.html — 页面结构：游戏画布 + 菜单/暂停/通关/失败/胜利等覆盖层 + 右侧 HUD 信息栏
style.css — 复古街机风格（深色边框、像素化画布、金色标题、霓虹按钮）
game.js — 完整游戏引擎（单文件 IIFE，无依赖）

核心玩法对标经典《Battle City》：

验证结果：

Cherry Studio 和 OpenWebUI，想必很多朋友都已经亲自体验过了。在上一轮 AI 工具的爆发期，它们曾是被提及最多的两个名字：一个是主打桌面客户端的轻量应用，打开即用，聊起来特别顺手；另一个则是以 Web 服务为核心，部署之后手机、电脑、平板全端无缝衔接。问题是，随着模型种类日益膨胀，配置入口、对话记录、知识库、用量统计也越来越分散，来回切换让效率大打折扣。因此，今天想给大家介绍一个能把这些优势整合在一起的方案——HaloWebUI。

HaloWebUI是什么？集成优势解析

完整的项目仓库是 ztx888/HaloWebUI，在 GitHub 上可以直接搜索到。

HaloWebUI 并不是一个从零开始的轮子，而是把 Cherry Studio 的便捷交互与 OpenWebUI 的 Web 化部署能力深度融合，并在官方 Open WebUI 的基础上进行了深度定制。它重新设计了中文界面，让中文用户的操作体验更加自然；新增了模型计费与用量统计功能，再也不用在多处查账单；同时原生集成了 Claude、Gemini、Grok 等海外模型，内置了 HaloClaw 消息网关，真正实现了用一个平台管理你手中的所有大模型。

Docker Compose部署HaloWebUI（以威联通NAS为例）

下面我们以威联通 NAS 为环境，通过 Docker Compose 的方式快速拉起 HaloWebUI。

编写并部署以下 compose 配置：

services:  
  halowebui:  
    image: ghcr.io/ztx888/halowebui:main  
    container_name: halowebui  
    restart: unless-stopped  
    ports:  
      - "3911:8080"  
    extra_hosts:  
      - "host.docker.internal:host-gateway"  
    environment:  
      - WEBUI_SECRET_KEY=please_change_this_to_a_long_random_string  
      - OPENAI_API_BASE_URL=https://api.openai.com/v1 # 兼容地址也可  
      # - OPENAI_API_KEY=sk-xxxxxxxx  
      # - ANTHROPIC_API_KEY=xxxxxxxx  
      # - GEMINI_API_KEY=xxxxxxxx  
      # - OLLAMA_BASE_URL=http://host.docker.internal:11434  
    volumes:  
      - /share/Container/halowebui/data:/app/backend/data # 必须挂载

接着打开威联通的 Container Station，创建新的应用程序并填入上述配置即可。

两周之内，Hermes Agent 连续交出两份重磅答卷。v0.16.0 正式将智能代理能力搬上桌面端，v0.17.0 随即把触角延伸至更多生态场景。从原生 iMessage 集成到 Unreal Engine 5.8 的首次AI接入，从后台子代理并行到浏览器原生配置工具，本次更新的广度与深度都远超常规迭代。以下 8 项核心功能，每一项都足以重新定义你与 Hermes 的日常协作方式。

两个版本共包含 1,475 次提交，凝聚了 245+ 名贡献者的努力。

① 原生 iMessage 支持，彻底告别 Mac 中继

这是目前移动端与 Hermes 连接最直接、最低门槛的方案。新亮相的 Photon Spectrum 平台插件基于托管号码池运作，无需自建 Mac 中继或维护 BlueBubbles 桥接服务。

hermes photon login

完成设备码认证后即可收发 iMessage。起步免费，完全免去自托管烦恼。对家庭群聊和 iMessage 重度用户而言，这意味着在蓝色气泡里就能直接向 Hermes 发号施令，不必再在 Telegram 或 Discord 之间反复切换。

② 后台子代理上线，主对话彻底解放

delegate_task 现在全面支持后台模式。过去面对复杂任务，你只能等待代理一步步完成，中间无法发起新的对话。如今分配长期任务后，子代理会在后台静默执行，主对话立即恢复可用。任务结束，结果自动作为新消息回传。

这一变化彻底改变了人机协作的节奏。你不再是等待者，而更像真正团队的协调者：派发任务后，完全可以继续手头的工作。

③ 桌面应用大幅跃升，从预览版到每日工具

v0.16.0 开启的桌面端体验，在 v0.17.0 中获得了数十项关键增强：

▸ 独立窗口弹出 — 任意聊天可拖出成为单独窗口，多任务并行时不再困在单一视图

▸ 模型选择器移到底部 — 状态栏内一键切换模型，无需深入设置菜单

▸ 子代理监视窗 — 实时活动流在独立面板滚动更新，后台进展一目了然

别再直接把混乱的想法丢给 Hermes 让它“记住”。真正的 /learn 循环，始于一个先研究、再审查、最后才沉淀的空间。你需要的不是随机记忆倾倒，而是一个能沉淀你个人品味与上下文的工作室。

在 Discord 里，你可以创建一个名为 #learnables 的私人频道，每个话题都会自动延展成独立的线程。在 Telegram 里，则可以开设 Learnables 论坛群组，用论坛话题或回复链来组织内容。随便丢进一个模糊的念头，比如“我的代理怎么处理 Stripe 争议？”，剩下的交给 Hermes。

它会先为你搭建一个研究室——而不是立刻创建技能。这个研究室里会汇集官方文档和主要来源、真实示例、常见失误、实用命令、关键链接、粗略工作流、需要忽略的噪音，以及给你的开放问题。接下来，轮到你了。你可以注入自己的语气偏好、约束条件，加入支持流程、项目特定上下文，告诉它保留什么、剔除什么。只有在你亲自审阅并校准后，说一句“learn this”，Hermes 才会把整个经过你品味过滤的线程转化成可复用的学习工作流程。

这才是真正的学习闭环：
研究 → 组织 → 你修正 → 学习清洁版本。

那个在学习前短暂出现的研究空间，就是技能变得出色的地方。

为 Hermes 搭建 Learnables 工作流程

目标
在 Discord 或 Telegram 中为 Hermes 添加一个研究/审查空间，让 /learn 命令变得更有价值。

核心理念
你不必一开始就写出完美的笔记。你只需要丢下一个杂乱的话题，让 Hermes 先研究、后等待你添加自己的上下文和品味，最后用“learn this”来批准。学习的是你审核过的内容，而不是原始混乱。

平台行为细则

• Discord

  • 使用或创建名为 #learnables 的私人频道。
  • 该频道内的每一条顶级消息会自动展开为独立线程。
  • Hermes 在线程内回复研究/上下文包。
  • 你在该线程内审查、补充。
  • 当你发出“learn this”时，Hermes 会从整个线程的学习材料中提炼技能。

• Telegram（论坛话题模式）

  • 启用论坛话题后，创建或使用 Learnables 论坛群组。
  • 每个新话题对应一条学习条目，独立存在。
  • Hermes 在话题内回复研究/上下文包。
  • 你在话题内完成审查。
  • 说出“learn this”，Hermes 从整个话题中学习。

• Telegram（回复链模式，无论坛话题）