直击要点

Hermes Agent 内置了超过 60 条斜杠命令，逐条记录根本不现实。正确的方法在于理解命令框架的“四抽屉结构”——只要记住分类逻辑和核心动词，使用时按“类别 + / + Tab”就能轻松找到。

60+ 内置命令，/Tab 自动补全，这已经是日常的命令行体验。然而命令越记越多，记了又忘，忘了又查，是所有 CLI 用户的常态。Hermes Agent 的斜杠命令多达六十余条，如果只靠死记硬背，一周之内就会混作一团。

但命令不是用来背的，而是用来理解的。这六十多条命令可以被拆成 四个抽屉，每一个抽屉对应一类操作。记住抽屉的结构，比强行记住每一条命令本身重要得多。

命令分类的四大维度

无论打开哪个工具的帮助文档，最先该看的不是命令列表，而是分类。Hermes 的斜杠命令天然地落在四个维度上：

• 会话（Session） — 关于当前对话如何开始、如何保存、如何回溯
• 模型与工具（Model & Tools） — 用什么模型、开什么工具、装什么技能
• 配置（Config） — 人格、主题、语音、推理深度等全局设定
• 信息（Info） — 用量统计、帮助、系统状态

这四类对应四种不同的意图。当你要做某一件事时，先判断它属于哪个抽屉，再到对应的抽屉里寻找具体命令。

第一维度：会话命令——管理对话时间线

会话命令解决的正是“对话生命周期”的问题。记住一个核心原则：会话命令的动词都和时间线相关——开始、继续、撤回、保存、分叉。

• /new 或 /reset — 新建会话（清空历史，生成新 ID）
• /resume [名称] — 回到之前命名的会话
• /title [名称] — 为当前会话命名，方便后续 /resume
• /retry / /undo — 重试上一条 / 撤回上一轮交换
• /save / /history — 保存到磁盘 / 查看对话历史
• /compress [焦点] — 手动压缩上下文（把记忆落地、对话总结）
• /branch / /fork — 从当前对话分叉，探索另一条路径
• /background [提示] — 后台运行一个任务，不阻塞当前对话

速记方法：想象一条从左到右的时间线。/new 在最左侧，/resume 是跳回时间线上的某一点，/save 好比拍张快照，/branch 则是分出岔路。理解了时间线，这些命令之间的关系就一目了然。

本文概览

第一部分 解密 Hermes Agent：会自学的 AI 助手
第二部分 Hermes 与 OpenClaw 架构对比
第三部分 手把手安装 Hermes Agent
第四部分 如何选择：Hermes 还是 OpenClaw？
第五部分 总结与思考

全文约4000字，阅读约需10分钟。

OpenClaw（常被称作“龙虾”）的浪潮还未平息，Hermes Agent 已强势入场。AI 圈永远没有空窗期，只有不停歇的更新迭代。

这款由 Nous Research 推出的开源项目，采用 MIT 许可证，主打开源优先和去中心化理念，迅速吸引了大量原本使用“龙虾”的用户，将目光投向了它。

第一部分：解密 Hermes Agent：会自学的 AI 助手

Hermes Agent 最亮眼的设计在于，它试图打造一个 越用越聪明的 AI 代理，并内建了完整的学习循环。

多数 Agent 框架遵循“接收任务 → 规划 → 执行 → 返回结果”的流程，而 Hermes 在这条链路的末端，额外植入了关键步骤：

接收任务 → 规划 → 执行 → 评估 → 提取模式 → 生成技能 → 下次更优

Claude Code 已经很强了，但如果我们能让它“自己规划任务、自己调度团队、自己重试直到成功”呢？

oh-my-claudecode 正是这样一个多智能体编排插件：它赋予 Claude Code 5 种执行模式、32 个专业 Agent，并且完全不需要额外学习。

01 项目简介：它到底解决了什么问题？

Claude Code 原生的交互方式是“一问一答”，你指挥一步，它执行一步。oh-my-claudecode 则在其之上叠加了多智能体编排层，把复杂任务拆解开，分派给专业 Agent，支持并行推进，并自动重试。

它精准击中了三个核心痛点：

• 复杂任务缺乏全局规划：原版 Claude Code 需要你手动拆解步骤，而插件能够自动将任务分解并交给相应专家 Agent
• 并行处理能力不足：原生模式是串行执行，插件可以实现 3-5 倍的并行加速
• 成本使用不够精细：插件会智能路由模型（简单任务用 Haiku，复杂任务用 Opus），平均可节约 30-50% 的 token 消耗

1.1 几个关键概念快速扫盲

• Claude Code：Anthropic 官方出品的命令行工具，让你在终端里直接让 Claude 写代码、调试、重构。oh-my-claudecode 则是它的增强插件。
• Multi-agent Orchestration：多智能体编排，可以理解成“项目经理 + 专业团队”。一个负责拆解任务，分配工作，多个专业 Agent 各自领走自己擅长的部分。
• Magic Keywords：魔法关键词。插件内置了 autopilot、ralph、ulw、eco、plan 等快捷指令，告别复杂的命令记忆。
• Model Routing：智能模型路由。根据任务的难度自动选择模型（Haiku 或 Opus），既高效又节约成本。

02 核心功能

2.1 五种执行模式，覆盖所有工作流

实际体验：

你的 Mac 菜单栏是不是已经挤满了各种小图标？AirPods 连接器、暗黑模式切换、隐藏桌面图标、屏幕保持常亮……每个功能都装一个独立 App，结果顶部菜单栏比股票交易大厅还热闹。

直到我发现了一个叫 OnlySwitch 的开源项目——它把所有这些常用功能全部整合进一个菜单栏图标里，点击就能展开 40+ 个开关，还支持快捷键、桌面小组件、甚至 AI 控制模式。

更让我惊喜的是：这是一款完全免费开源的工具，在 GitHub 上收获了 5.4k+ Star，并且支持 18 种语言（包括中文），更新频率相当活跃。

01 菜单栏极简主义，为什么非它不可？

说句大实话：Mac 的菜单栏空间寸土寸金，但很多系统功能的切换入口却藏得特别深。

现实痛点很直接：

• 功能分散：开关暗黑模式要去"系统设置 → 显示"，隐藏桌面图标要右键桌面，连接 AirPods 要点蓝牙图标……每次操作都要回忆三秒钟"在哪儿来着"。
• 菜单栏爆炸：为了方便，你安装了一堆小工具（Hidden、Dozer、监控 App），结果菜单栏比股票交易大厅还热闹，真正重要的图标反而被挤得看不全。
• 效率低下：有些高频操作（比如"开会时快速静音麦克风"“演示时隐藏桌面图标”）需要多个步骤，开会前一分钟还在手忙脚乱地调整。

OnlySwitch 的解决思路很直接：把所有常用开关塞进一个菜单栏图标，点击展开就能看到全部功能，支持快捷键触发，还能把常用功能做成桌面小组件。

02 详解 OnlySwitch：它到底是个什么神器？

一句话定义

OnlySwitch 是一款All-in-One 风格的 macOS 菜单栏开关管理工具，提供 40+ 个原生开关，支持快捷键、桌面小组件、自定义脚本和 AI 控制。

核心功能

OnlySwitch 的亮点可以概括为四个方面：原生开关丰富、快捷键支持、扩展能力强大、AI 控制模式。

在原生开关层面，它提供了 40+ 个常用功能的快速切换。包括隐藏 MacBook 刘海、暗黑模式、AirPods 连接、屏幕保持常亮、隐藏桌面图标、静音麦克风、显示隐藏文件、清空废纸篓、 Spotify/Apple Music 控制、屏幕测试与清洁、番茄钟计时器等。这些功能覆盖了日常使用 90% 的场景需求。

在快捷键层面，它允许为每个开关绑定全局快捷键。你可以设置 ⌘ + ⇧ + D 快速切换暗黑模式，或者 ⌘ + ⇧ + A 快速连接 AirPods。对于键盘流用户来说，这意味着不用把手从键盘上移开就能完成大部分操作。

01 公司为什么存在？

“龙虾”这一类自主Agent能力的跃迁，使OPC（One Person Company）迅速成为焦点。伴随关注度升温，各地官方也开始积极推动OPC创业。

很多人仅仅把OPC当作“小公司”或“个体创业”，但这远没有触及本质。要真正理解OPC，先要回到一个根本问题：公司到底为什么而存在？

最常见的答案可能是“合作”。然而更精确的说法是，公司的本质是用一种组织架构来弥补个体能力的局限性。

一个人的精力、学习速度和所能完成的任务范围都是有限的。因此，任何复杂的业务都需要被切分——有人做产品，有人跑销售，有人搞运营。分工一旦形成，协调就变成必要，于是流程、管理层级和各种制度应运而生。效率确实提升了，却同时带来了沟通成本、管理成本和协同摩擦。一个任务在多个角色之间传递，信息不断被转译，推进速度被拖慢，决策也被层层稀释。

更要紧的是，传统公司起步本身就需要招人、搭班子、融资，这些门槛所形成的压力，极大抑制了普通人创业的积极性。

02 龙虾带来的改变

以OpenClaw（龙虾）为代表的自主Agent，正展现出一种全新的“工作能力”：连续执行任务、自主纠错、处理模糊指令，并且能够7×24小时不间断运转。更关键的是，这种能力不再被少数技术团队垄断，而是直接交到了每一个普通人手里。原先需要工程师和产品团队才能搭建的东西，如今一个人就能直接调用。

有了龙虾作为能力杠杆，跨界变得异常轻松。过去严格的职能分工是因为个人能力存在天花板，但现在，一个人可以同步推进产品设计、技术实现和运营推广等多个方向，组织协作的刚性需求被大幅削弱。一个人带着一群Agent，就能完成过去一个完整团队才能覆盖的工作闭环，这直接让OPC从概念走向现实。

03 OPC是一种新的组织形态

OPC把公司从复杂的层级结构中拉回到“一个核心主体 + 一组可协作的Agent”的形态，由此带来的改变主要集中在三个方面：

个体的能力边界被显著拓宽。跨领域不再遥不可及，一个人可以同时驱动产品、技术和运营等不同业务线，这种复合能力也直接映射到公司本身的生存能力上。

资金门槛迅速下降。生产成本变得更低，试错变得轻量化，Agent的使用成本远低于传统的人力配置。过去很多必须“先投入、再验证”的事情，现在可以边跑边调整，风险和成本都变得可控。

组织形态也在急剧收缩。团队规模更小，层级极简，刚性分工被打破，岗位边界逐渐消融。以往围绕“管理人”的能力开始弱化，而“做出判断、确定方向”的能力变得越来越核心。

OPC的团队人数通常不超过五个，很多情况下甚至不需要专门的人事管理。每个人的职责相对独立，工作交叉少，真正需要频繁沟通的场景并不多见。在整个业务闭环中，往往只出现一位关键负责人。

因此，OPC真正考验的是认知密度，难点在于你是否能持续做出高质量的决策。Agent可以同时推进多条线索，大量信息不断涌入，如果没有足够清晰的判断框架，就很容易陷入混乱。

04 Token，是新的生产资料

过去公司依赖人力、时间和组织运转；在AI时代，产出依赖于token。每一次调用、每一轮执行都在消耗token，同时也直接转化成结果。投入和产出之间的关联前所未有地紧密。

token用得越频繁，产出就越密集；试错成本极低，一个想法可以被迅速验证。不舍得燃烧Token的OPC，就像一家舍不得开灯的工厂，省下的不是成本，而是机会。

自主Agent，尤其是像龙虾这样的工具，让一个人能够跨界完成曾经需要一个团队才能完成的工作，严重冲击了传统的组织形态，同时极大降低了资金门槛，使得OPC在AI时代真正成为可能。

随着这股趋势持续升温，线下已经涌现出真实的创业浪潮。不过在热闹背后，更需要认识到未来的市场可能会更加细分。OPC时代真正稀缺的，并不是“会用AI”的能力，而是独立的判断、审美品味，以及对自己究竟想要什么的清醒认知。

体验过 Claude Work（Anthropic 推出的 AI 工作助手）的人，大多会被它流畅的交互所折服：无需在终端中死记硬背命令，也不必从成堆的脚本输出里大海捞针——你只要选定工作区、输入任务，然后安静地看着 AI 一步步完成；遇到需要确认的敏感操作时，点击授权即可。整个过程更像是在使用一款精心设计的产品，而非一堆拼凑起来的工具链。

然而，它的局限性也同样突出：Claude Work 所提供的，本质上是一个优雅却封闭的“云端闭源产品体验”。当你开始考虑数据掌控权、操作可追溯性、能力可扩展性这类工程化需求时，就会发现很难将其无缝嵌入团队的现有体系。

这正是 OpenWork 存在的价值。

OpenWork 是一款开源的“类 Claude Work”桌面应用：底层由 OpenCode 驱动，上层则提供清晰的引导式界面，把“选取工作区 → 启动任务 → 实时查看进度/计划 → 处理权限 → 复用模板/技能”这一完整链路包装成可交付的产品。它让代理式工作（agentic work）变得更像一个可控、可复用、可持续运转的工作系统，而不是终端里一次性的试验。

01 为何需要 Claude Work 的替代方案？

Claude Work 的确强大，但这份强大更多体现在精巧的产品形态与生态闭环上。对于个人试用来说的确足够舒服，可一旦涉及安全合规、工程管理或者深度定制需求，其短板立刻暴露：

1）闭源带来的不确定性

封闭的代码库让你几乎无法：

• 自行审计数据如何流转、如何存储
• 自定义工作流和能力边界
• 按照团队规范进行二次开发和集成

2）高度依赖云端

当任务执行、历史记录、数据存储全部集中在云端时，很多隐忧自然浮现：

• 合规压力（特别是涉及企业代码、客户资料、敏感文档）
• 网络稳定性与持续成本
• 供应商锁定（流程、数据、使用习惯全部绑定在一款产品上）

3）扩展性受产品策略制约

你想添加“技能”——比如接入公司内部接口、封装一套固定工作流，或者安装一个 OpenCode 插件时，闭源产品往往要么不开放、要么只提供有限的支持，最终你只能“凑合着用”。

如果你更看重本地运行、操作可审计、自由扩展，那么 OpenWork 所瞄准的方向，正好填补了这些需求。

02 OpenWork 是什么？

OpenWork 是一款可扩展的开源桌面应用，带有 Claude Work 风格的工作流： 它在桌面端将 OpenCode 的能力精心组织为清晰的任务流——选择 workspace，启动 run，实时查看执行情况与计划变动，必要时处理权限请求，最后把高频操作沉淀为模板和技能。

不久前，一位开发者用 Claude Code 重构一个老项目，干了一下午，效果不错——代码改动完成，测试通过，Git 提交也正常进行。

但当他顺手查看 token 用量时，直接傻眼：一个下午竟然烧了 6000 多万 token，套餐余额告急。

明明只改了几十个文件，怎么消耗这么多？翻看对话历史才恍然大悟，真正的“罪魁祸首”根本不是自己写的代码，而是那些命令输出。

npm install跑一次，依赖树打印几百行；cargo test执行完，99% 的通过信息全是绿色文字；git status列出一堆 untracked 文件——这些内容全被原封不动地塞进了 LLM 的上下文窗口。

而 AI 真正需要的信息，可能只有 5%，剩下 95% 都是毫无价值的日志噪音。

如果您也遇到过类似的问题，那 **RTK（Rust Token Killer）**这个工具值得您花三分钟了解一下。

需要提前说明一下：RTK 的本质是做一种权衡——用更少的上下文，换取更低的成本。在大多数场景下，被压缩掉的都是“噪音”，对结果影响很小；但在极少数需要完整上下文的场景（比如复杂调试），或许需要手动查看原始输出。

本文接近 6000 字，建议收藏，通过本文您将掌握：

1. RTK 的四层压缩策略：每种策略分别针对什么类型的命令输出，如何实施压缩
2. Auto-Rewrite Hook 的工作机制：RTK 如何在不改动主循环的情况下透明拦截命令输出
3. 真实的 token 节省数据与成本换算：省下来的 token 到底值多少钱
4. 与其他省 token 方案的对比：不同场景该选用什么工具

RTK 是什么

RTK是一个用 Rust 编写的 CLI 代理工具，专门为 AI 编程助手设计。它的定位十分清晰：在命令输出到达 LLM 之前做一轮智能压缩，去除噪音，只保留信号。

用一句话概括它的设计哲学：您照常使用 Claude Code，照常执行命令，只是 token 消耗在不知不觉中降下来了。

因为是用 Rust 编写的，RTK 的启动延迟不到 10ms，内存占用不足 5MB，单一二进制文件，零依赖。这些特性意味着它几乎不会成为您工作流中的负担。

Screen Studio 虽然被很多用户视为产品演示视频的首选，但 每月29美元的订阅费 让相当一部分人停下了尝试的脚步。

现在，OpenScreen 以开源替代方案的身份出现了：完全免费、零水印、允许商用，它整合了屏幕录制、手动缩放、裁剪、注释、背景美化等一系列核心能力——足以满足那些只想“做一条好看的产品演示”的朋友。

1. Screen Studio：体验出色，但价格不菲

如果你曾制作过产品演示、技术教程，或者只是希望录出一段“漂亮”的屏幕视频，多半听说过 Screen Studio。它最吸引人的地方在于：

• 光标智能跟随与自动缩放：让观众的注意力始终聚焦在你操作的位置
• 丝滑流畅的动效：缩放、平移自然而顺畅
• 一键美化：通过背景、阴影、圆角等元素，瞬间打造“苹果风”质感

然而绕不开的成本是：$29/月或 $89 永久买断。对于偶尔录制一段视频的用户而言，这个定价确实有些高。

2. OpenScreen：为谁而生？

OpenScreen 是一个开源的屏幕录制与美化工具，目标很明确——成为 Screen Studio 的“免费简化版”。

作者在项目里诚恳地写道：

“这不是 Screen Studio 1:1 的克隆。如果你需要全部高级功能，我建议去支持原版（他们做得真的非常出色）。但如果你只想要一个免费、开源、够用的工具，OpenScreen 就是为你准备的。”

2.1 主要亮点

3. OpenScreen 能做什么？

3.1 录制功能

• 全屏录制：捕捉整个屏幕的内容
• 应用窗口录制：只录制你指定的某个应用窗口

3.2 编辑功能

完成录制后，OpenScreen 提供了一系列实用的编辑操作：

Warp 已在 GitHub 正式开源，不到 10 小时便收获 3.2 万星，截至目前已突破 5.14 万星，这一数字在开发工具领域相当震撼。

Warp 本质上是一款功能极度丰富的现代终端，AI 能力只是锦上添花，但功能丰富的代价是资源占用在同品类中处于最重一档。 无论你是否使用它的 AI 功能，都需要接受约 200 MB 以上的内存占用。

AI 功能是否好用暂且不论，对绝大多数开发者来说，终端最核心的需求就两个字——快和稳。Warp 在基础性能上确实做得不错，即便关闭所有花哨功能，Block 模型带来的交互体验也让人很难再回到过去。不过，不少用户最近已开始评估切换至 Ghostty，后续我们会进行实测并分享体验。

本文接近 6500 字，建议收藏。阅读后你将深入了解：

1. Warp 的四个核心设计：Block 模型、AI 原生集成、Agent 调度中心、自研 GPU UI 框架，各自解决了哪些痛点
2. 为什么要开源：创始人给出的三个理由及其背后的商业逻辑
3. 2026 年终端生态全景对比：Warp、Ghostty、Kitty、Alacritty、iTerm2 五款终端如何选择
4. 真实使用体验与局限：长期用户踩过的坑

Warp 的诞生背景与定位

先说一下背景。Warp 的创始人 Zach Lloyd 来头不小，他曾是 Google 的首席工程师，参与并领导过 Google Sheets 相关工程，还担任过 TIME 的临时 CTO。2020 年，Zach 创办 Warp，希望从零重做每个开发者每天都会使用、但长时间缺乏变化的终端。

为什么是终端？因为在 Zach 看来，终端和代码编辑器一样，是几乎每个开发者每日必用的工具，但终端的核心交互模型已很久没有本质变化：输入命令、等待输出、滚动查看、再输入。Warp 官方也指出，现代终端本质上仍在模拟早期的物理终端，许多体验数十年如一日。

Warp 从 2020 年开始开发，主体采用 Rust 构建。2022 年 4 月，Warp 首次公开发布 macOS Beta；2023 年 3 月加入 Warp AI；2024 年 2 月正式登陆 Linux，随后扩展至 Windows；2026 年 4 月，Warp 正式宣布客户端开源。

五一假期出游的懒人福音来了！用AI工具WorkBuddy，一句话就能自动生成专属打卡清单，手机端直接查看，连攻略都不用自己翻。

没错，就算在人挤人的五一，我也没停下实战笔记的分享。其实这趟行程我提前就用AI全部安排好了，临行前轻松搞定，现在我人已经在路上了！

WorkBuddy刚完成一波更新，专家中心就悄悄上线了一个新角色——美团生活助手，还特别标注了“五一旅游推荐”，显然是专为假期准备的。

不用再自己去查零散的攻略，配合最新上线的DeepSeek V4模型，只需要一句自然指令，就能直接生成全套行程单。

调用专家与DeepSeek V4模型

迫不及待地想体验下？让专家中心的美团助手给我定制一份五一旅游规划，同时启用最新出炉的DeepSeek V4模型，看看能碰撞出怎样的火花。

只用一句话下发任务，行程规划瞬间呈现。

一键授权同步腾讯文档，告别电脑

难道出门还要背台笔记本？想把排好的行程分享给家人怎么办？别发愁，WorkBuddy刚刚打通了腾讯文档，提供一键授权连接，彻底解决这个痛点。

只需用手机扫一扫完成授权，腾讯文档的创建、编辑、查看、管理等权限就全部到位了，全程不需要打开电脑。

继续对着WorkBuddy说一句“把行程整理到腾讯文档”，剩下的事交给它。

搞定！行程已经自动写入新建的在线文档。

现在拿出手机，打开“腾讯文档”小程序，刚刚创建的行程文档就安静地躺在列表里。点开即可查看，还能直接转发到家庭群，全家人都能同步出行计划。

还能更进一步：秒变旅游打卡清单

眼下特种兵式打卡旅行不是很火吗？那就直接把行程单改造成“打卡清单”样式。

每完成一项就☑️划掉，旅途进度一目了然。

今天的实战笔记虽然短小精悍，但绝对干货。核心思路就是要把AI工具的能力压榨到极致——省下查攻略、做表格的时间，出发前多睡半小时不香吗？学以致用，赶紧动手试试吧！祝大家五一玩得开心~