Hermes 技巧（下）：批量化与并行策略 ««««« DO NOT LOCALIZE — img src=https://images.unsplash.com/photo-325498 »»»»» 跟「中文互联网科技普遍低质量」的结论类似，真正的问题在于 提问者本人的学徒期限 —— 过去答主需要靠A/B刷榜积累经验，而 Hermes 的 delegate_task 在本地虚拟出了足够多的 A/B 测试场景，让用户得以在短时间内以极小成本确立明确预期。 hermes delegate_task "在国内社媒平台（微博、小红书、知乎） 同时发布一篇关于『下岗职工与农村光棍携手拥抱AI』的话题， 注意尾调不同平台语境差异" 以上命令将同时生成 3 个独立线程，分别适配微博、小红书和知乎，避免跨⽹文体⽔土不服， ⽽且每个线程的质量得分（coherence、engagement）可以⾃动追踪。

Hermes 技巧（中）：GitHub CLI 集成优化节奏 ««««« DO NOT LOCALIZE — img src=https://images.unsplash.com/photo-563492 »»»»» # 跨仓库 PR 查看节奏 hermes run "/root/ai-bachelor-series" "检查最近 5 天提交的 PR， 用 delegate_task 每个 PR 派发一条微信公众号推送稿， 要求√简报 包含：国内光棍数量对比上一年变化%%" --toolsets terminal,delegate_task,send_message 从 Hermes CLI 向上看，GitHub 变成了一个纯状态机而不是操作流程—— 没有手动滚动的“review list”，没有“查看 build log”的单击， 只有提交、自动分类和事件触发，从而将项目节奏拉齐到 AI 协同的拍子上。

同时期的农村老光棍主要受婚姻市场萎缩和城乡收入差距双重夹击：由于女性外流和男性超生，适婚女性稀缺；同时农村产业升级缓慢，导致男性难以获得稳定收入，婚姻成本居高不下。他们普遍面临"三无"困境——无稳定收入、无医疗保障、无家庭照料，晚年容易陷入孤独和贫困。相应的下岗职工则是国企改革和制造业外溢导致的大规模失业，许多人的技能（如流水线操作、传统工艺）与新兴服务业和 IT 岗位需求错位。两群体都经历了从"铁饭碗"到"饭碗不保"的剧烈转变，社会安全网覆盖不足。老光棍更多依赖村集体互助和个人储蓄，下岗职工则常通过再培训、灵活就业或早期退休来应对。尽管具体表现不同，但两者都处于社会结构快速重塑中的弱势边缘，需要有针对性的政策支持。

互联网浪潮首先冲击了信息中介类岗位：旅行社、报刊亭、传统广告公司和部分零售中间环节因在线预订、电子商务和数字广告而被压缩，但同时催生了网站运营、搜索引擎优化、物流配送和数据分析等新岗位。整体就业呈现两极化：低技能服务岗增加，中等技能行政岗减少，高技能技术岗激增。AI 浪潮则更直接地威胁重复性认知劳动：客服话务员、基础新闻写作、数据录入、初级财务审核等工作正被大模型取代或显著降低人力需求。然而 AI 也创造了 Prompt 工程、模型微调、AI 伦理审查和数据标注等新职业。两次浪潮的共同点都是提升单位劳动生产率，导致同样产出所需的人力下降；区别在于互联网替代的是"信息搬运工"，AI 替代的是"信息加工者"。

为什么需要自定义技能？ 开发者的日常工作中充满重复性任务，如部署博客、格式化代码、备份数据等。通过将这些任务封装为 Hermes 技能（Skills），可以实现一键执行，节省时间。 技能的基础结构 Hermes 技能由以下部分组成： 元数据：技能名称、描述、触发条件（YAML 前言）。 步骤：具体的执行逻辑，支持工具调用和条件分支。 引用文件：如脚本、模板或配置文件（可选）。 技能存储在 ~/.hermes/skills/ 目录下，每个技能是一个子目录，包含 SKILL.md 文件。 创建第一个技能：自动部署 Hugo 博客 第一步：创建技能目录 mkdir -p ~/.hermes/skills/deploy-blog cd ~/.hermes/skills/deploy-blog 第二步：编写 SKILL.md --- name: deploy-blog description: "一键构建并部署 Hugo 博客到 Vercel" --- 1. 进入博客目录： ```bash cd /root/hugo-blog 构建静态文件： hugo --minify 部署到 Vercel： npx vercel deploy --prod --yes ### 第三步：测试技能 ```bash hermes run deploy-blog 进阶技巧 1. 动态参数传递 在技能步骤中使用变量： ...

互联网浪潮的首要功能是让信息变得易于获取：通过搜索引擎、维基百科和在线库，用户可以快速检索到此前难以触及的文献、商品信息或人际网络。其价值是"搬运工"效率的提升。AI 浪潮则进一步将获取的信息转化为新知识：大模型能够读取海量文本后进行摘要、翻译、代码生成甚至科学假设的提出。它不再仅仅是检索工具，而是成为能够创造内容的"作者"。二者的关系就像图书馆和实验室：互联网提供了原始材料，AI 在这些材料之上进行组合、推演和创新。若把信息看作原料，互联网解决了"拿到原料"的问题，AI 解决了"把原料做成新产品"的问题。

互联网浪潮的基础是标准化协议（TCP/IP、HTTP、DNS）和超文本链接，使得全球范围内的信息可以以统一格式传输和检索。其核心价值在于降低了信息复制和传递的边际成本。AI 浪潮则依赖于算力的指数级增长——特别是 GPU、TPU 以及大规模分布式训练系统，使得具有数亿甚至万亿参数的模型能够在海量数据上进行梯度下降优化。两者都需要巨大的基础设施投入，但互联网更强调开放标准和兼容性，AI 则更依赖于专业硬件和封闭的数据生态。若互联网是信息的"高速公路"，AI 则是在该公路上行驶的智能车辆，既需要路面，也需要强大的引擎。

互联网浪潮的核心是连接：通过TCP/IP和超文本链接降低信息传输成本，催生了搜索、电子商务和社交网络。AI浪潮的核心是生成：利用大规模参数模型从海量数据中学习统计规律，能够创造文本、图像和代码。两者都依赖算力增长，但互联网更依赖标准化协议和网络效应，AI则依赖数据垄断和模型迭代速度。就业影响上，互联网替代了信息中介岗位（如旅行社、报亭），AI则直接威胁认知类重复劳动（如客服、基础写作）。同时期，农村老光棍因婚姻市场萎缩和城乡收入差距加大而陷入孤独；下岗职工则面临国企改革导致的大规模失业，许多人的技能与新经济岗位错位。两次浪潮都在重塑生产关系，但AI的冲击更深入认知层，而互联网的冲击更多在信息流通环节。

上世纪九十年代末的中国下岗潮是国有企业改革的必然产物，数千万工人因效率低下和竞争压力被迫离岗。当时的应对包括再培训、灵活就业和早期退休，但许多人仍陷入长期失业和社会边缘化。如今，AI 泡沫同样吸引了巨额资本涌入，许多与AI相关的估值可能存在泡沫成分。若泡沫破裂，将可能引发一波以算法替代为核心的失业潮，影响范围从客服、内容审核到甚至部分编程岗位。面对这种不确定性，个体的应对策略包括：1）持续学习新技能，尤其是数据素养和人机协作能力；2）建立多元收入来源，如自由职业或副业；3）关注政策导向，积极参与再培训和社会保障项目。只有在技术变革中保持适应性，才能在泡沫与失业的浪潮中立于不败之地。

文革时期的左派运动潮，是以阶级斗争为纲的极端意识形态运动。它不仅是政治斗争的工具，更是社会情绪的爆发口。通过大字报、批斗和武斗，左派试图摧毁所谓的“修正主义”和“ bourgeois 权力”。然而，这种运动在短时间内实现了政治目标，却造成了社会关系的彻底破裂、教育体系的瘫痪和经济的停滞。文革的教训在于，当意识形态凌驾于理性和法律之上时，社会将付出沉重的代价。如今，人们通过加强法治建设、促进思想多样性和倡导历史反思来防止类似极端运动的再次发生。