📊 20-60 天分析师工作流：6 条架构教训LCP

一句话先说清楚：这一页不是"怎么用 Hermes 做分析师"，而是一个真实社区用户跑了 60 天分析师工作流后，总结出来的 6 条架构教训。结论很反直觉：Agent 不败在智能，败在架构。 大部分 bug 是工具互相打架，不是模型蠢。

👀 适合谁

• 已经把 Hermes 跑通，但觉得"用了一段时间没什么进步"
• 在做内容 / 投研 / 数据分析类工作流，想用 Hermes 把"找信源 → 整理 → 输出"自动化
• 想知道哪些"看起来很努力"的优化其实是浪费
• 已经撞上过"换 provider、加 skill、调 prompt 都救不了"的瓶颈
• 想看一个真实 60 天的工作流案例（不是营销稿）

前提条件：

• 你已经跑通过 01-用 Hermes 做每日晨间简报 或类似的 cron 自动化
• 你有至少一个稳定跑了 7 天以上的真实工作流
• 你知道 Provider / Skill / Memory / Cron 是什么

不适合谁：

• 还没装好 Hermes——先回 01-先跑起来
• 想找"一键暴富 prompt"——这一页讲工程纪律，不讲 prompt 玄学
• 寄希望于"换一个更聪明的模型就能解决一切"——这一页明确否定这条路

🎯 先看结论：6 条教训，1 条总纲

总纲：Building an agent is 90% architecture, 10% AI.

下面 6 节展开。每节都给"作者当时怎么撞墙 → 撞完发现什么 → 给你的可执行模板"。

💸 教训 1：Provider Hopping 是最贵的"省钱"

真实场景

作者 60 天内换过：

• OpenRouter（Kimi-k2.6、Qwen 3.6 27B、DeepSeek v4 Flash & Pro、Gemma）
• Opencode Go 订阅 + Zen（Mini Max 2.5-2.7、GLM5.1、Kimi-k2.6）
• DeepSeek 直连 API
• Venice AI（隐私推理）
• Grok 订阅（专门跑 x_search）

每一次切换的隐藏成本：

• 2–3 次 debugging session：API 兼容性、auth flow、timeout 配置
• 重新跑回归测试："这个工作流在新 provider 上还能跑通吗"
• 调整 system prompt 适配新模型的"听不懂"边界

关键洞察

Model matters less over time. Open-weight labs matching frontier lab intelligence at lower cost.

推荐：

• 选 1 个 provider，直连 API——比 aggregator 更便宜、更可控
• DeepSeek 在直连 API 上直接打了 75% 折扣（在永久降价前）
• Opencode Go $5/月有 5–10 秒的 multi-hop 延迟，比直连慢
• 把"换 provider"当成季度决策，不是日常决策

给你的模板：Provider 决策表

每季度填一次（governance/provider-decision.md）：

# Provider 决策 - 2026 Q2

## 当前选择
- 主：DeepSeek 直连（deepseek-v4）
- 兜底：OpenRouter（claude-haiku-4）

## 价格对比（input $/M token）
| Provider | 主模型 | 价格 | 备注 |
|---|---|---|---|
| DeepSeek 直连 | deepseek-v4 | $0.27 | 已稳定 60 天 |
| OpenRouter | deepseek-v4 | $0.36 | aggregator 加价 |
| Anthropic 直连 | claude-haiku-4 | $1.00 | 兜底用 |

## 切换成本
- 调试时间预期：2-3 个 session × 30 分钟
- 回归测试：3 个核心工作流

## 决策
本季度不切换。下次评审：2026 Q3。

🛠️ 教训 2：Tools & Skills 比 Models 更重要

反常识点

很多人觉得"模型不行就换更贵的模型"。但 60 天实战发现：输出质量的天花板，是被 tools 和 skills 决定的，不是模型。

工具选择决策表（作者实测）

Skill 数量："多" 比 "少" 好

社区里有"skill 太多会爆 prompt"的争论。作者明确站队：

"Having too many skills = a lot better than not having enough skills for Hermes."

原因：

• Hermes 的 skill 加载是按需（progressive disclosure），不是一次性全塞进 prompt
• 缺 skill 时，agent 会用低效的方式重做（"重新发明轮子"），消耗更多 token
• 自动 skill 创建：让一个 3 分钟的手动流程，第二次跑变成 10 秒

用户的主要工作

User's main job: Point agent to correct tools, course-correct when wrong.

不是写 prompt，是配工具 + 纠偏。

🧠 教训 3：Preferences + External Memory = 差异化

真实场景

作者的记忆栈：

撞墙案例（重要）

作者把 Hindsight 接到 OpenRouter + Kimi-k2.6 上，并配置了多个 cron 跑 reflect。结果：

• 每天烧 $20–30 仅在 "reflect" 上
• Reflect 单次经常跑 240 秒，会 timeout
• Cron 的"每日晨会简报"被 reflect 拖垮

修复

Use "Recall" for time-sensitive cron jobs like morning briefs.

关键区分：

给你的模板：Memory 成本审计

加到每日自检 cron：

# Memory 操作成本（过去 24h）
sqlite3 -readonly "$HERMES_HOME/sessiondb.sqlite" <<SQL
SELECT
  CASE WHEN message LIKE '%reflect%' THEN 'reflect'
       WHEN message LIKE '%recall%' THEN 'recall'
       ELSE 'other' END AS op,
  COUNT(*) AS calls,
  SUM(prompt_tokens + completion_tokens) AS tokens
FROM messages
WHERE role='assistant' AND created_at > datetime('now','-1 day')
GROUP BY op ORDER BY tokens DESC;
SQL

发现 reflect 单日 > $5 就该降频。

🔁 教训 4：Feedback Loop 是训练方法

旗舰工作流

作者最稳的工作流：每天 10:00 晨会简报（X 账号、新闻源、portco 更新、Top 10 综合）。

6 步反馈循环

1. Hermes 产出输出
2. 你立刻读 → 标错（具体到哪一段、哪一句）
3. 给具体 correction + 期望的 next steps
4. Hermes 编码为 "permanent rule"（写进 MEMORY.md / SOUL.md / skill）
5. 下次输出自动收紧
6. 重复

关键点：

• 第 2 步要"立刻"——隔天就忘了细节
• 第 3 步要"具体"——不是"写得不好"，是"第 3 段把 TSMC 和 NVIDIA 的因果搞反了"
• 第 4 步必须是 permanent rule，不是当下改一句

未解决的问题：信息茧房

作者承认：经过 60 天反馈循环，"why it matters" 段落开始重复提及现有持仓（NVIDIA、TSMC、MU、VRT、SIVE）。

Echo chamber / self-reinforcing loop 是 feedback loop 的固有副作用。

缓解建议：

• 每周强制引入 1 个"反方信源"（你不同意的 viewpoint）
• 在 SOUL.md 加："如果今天的输出和过去 7 天重合度 > 60%，主动引入新视角"

💳 教训 5：x402 改变工具经济

痛点（前 x402 时代）

想给 Hermes 加一个新工具，你要：

1. 找工具（搜索、问社区）
2. 检查有没有 MCP server
3. 注册账号、申请 API key
4. 谈价格、付费方案
5. 集成调试

每个工具 ≈ 半天到一天。

x402 之后

1. 一次 install
2. 给 agent 钱包充 $5–10 USDC
3. 直接调几百个 premium 工具，按调用次数 cents 计费

作者解锁的 premium 工具：

• Nansen（链上分析）
• Exa / Firecrawl（高级搜索 / 抓取）
• Surf
• BlockRun

已集成进标准 due diligence 工作流。

给你的判断点

📦 教训 6：Skill 是目录，不是 prompt

反模式（作者踩过的坑）

作者的第一个 onchain dump investigation skill：

• 2000+ 字的 monolithic prompt
• 每次发现 bug，prompt 变得更长（"再多加一条规则"）
• 每次会话从零开始，agent 要从"意大利面条墙"里重新推导
• 修一个 bug 引入两个新 bug

正确模式：Skill as Directory

onchain-dump-investigation/
├── SKILL.md             # 流水线逻辑（~100 行）
├── references/
│   ├── nansen-agentcash.md      # endpoint shape + 字段怪癖
│   ├── base-rpc-endpoints.md    # 可用 RPC、限流模式
│   └── cookie-mcp-queries.md    # 查询模板 + 交叉验证矩阵
└── scripts/
    └── check_wallets.sh

经济账

Well-bundled skill costs ~500 tokens to load, saves 5000+ tokens per session. Compounds over hundreds of sessions.

写新 skill 的检查表

• SKILL.md < 200 行
• 至少有 1 个 references/ 文件，把"会变的事实"（API endpoint、字段名、价格）和"不会变的逻辑"分离
• 至少有 1 个 scripts/（如果适用）
• frontmatter 含 when_to_use、prerequisites、known_failure_modes、last_verified_against

⚠️ 边界与风险

📌 关于本案例来源

本文基于 0xJeff 在 Substack 发布的 "6 Workflows, 6 Lessons, 60 Days"（《Hermes as Personal Analyst》系列第 8 篇）做了原创中文整理和模板化扩写。文中所有数据（provider 列表、价格、token 消耗）均来自原文公开内容。

✅ 过关标准

• 你能不能列出自己当前用的 1 个主 provider + 1 个兜底，且能说明"为什么不换"
• 你有没有一张工具选择表，决定什么场景用什么工具
• 你是否知道 reflect / recall 的区别，并按场景使用
• 你的旗舰工作流有没有跑 6 步反馈循环至少 2 周
• 你最长的 skill 是不是已经拆成 directory 结构

➡️ 下一步

完成后进入： 21-Hermes Agent + Ollama：本地部署最快路径

如果你想先回到上一阶段入口重新确认位置： 05-实战应用总览

📖 出处

本文基于以下来源做了原创中文整理：

• 0xJeff — 6 Workflows, 6 Lessons, 60 Days（Substack，《Hermes as Personal Analyst》系列第 8 篇）
• Hermes 官方文档 — Skills System
• Hermes 官方文档 — Memory Architecture
• x402 协议 — x402.org