Hermes 工程化实战专栏：第一个真实任务——「各家 AI 动态日报」端到端跑通

钥匙到手，第一件事不是让它陪聊，是让它干活。

我给 Hermes 派的第一个真实任务，叫「各家 AI 动态日报」：每天盯着六家 AI 公司的动静，国内国外都算上，把发布整理成一张能直接看的网页。这篇就是把这张网页从零跑出来的全程实录——收集、汇总、出网页，三步端到端，中间踩了三个真坑。

就这三步，一条线串到底。这一路会踩三个真坑，两个出在数据源：RSS 是全量存档，OpenAI 一个源抓到 1156 条；智谱和豆包是 JS 渲染的 SPA，静态抓取拿不到条目。第三个出在 Hermes 自己身上——等它第一次开口汇报，你自己看。

载体项目：各家 AI 动态日报

先交代这个项目为什么值得当第一个任务。

需求就三句话：

• 每天 6:00 收集国内外 AI 动态——智谱、Kimi、字节跳动三家国内，Anthropic、OpenAI、Google 三家国外；
• 汇总去重，同一件事只讲一遍；
• 生成一个网页，本地双击就能看。

本期先手动跑一轮，调度（每天 6:00 自动跑）留到 H7，跨天去重（昨天报过的今天不重复）留到 下一篇，现在接着往下看：

项目 README 里，端到端就是三条命令：

python collect.py# 多源抓取 → items.json（标题/链接/来源/日期）python curate.py# 调 Hermes 汇总 → digest.md（今日概览 + 国内/国外分组）python render.py# 渲染 → report.html（本地浏览器打开即可查看）

选它当第一个任务，是因为它把 Hermes 系列后面要碰的能力全串上了：多源收集、汇总、记忆去重、技能沉淀、定时调度、多渠道推送。这一篇先立骨架，后面每篇都是往骨架上装一块。

第一步 收集：先摸清数据源在哪

写收集器之前，先搞清楚一件事：这六家 AI 公司的动态，到底从哪拿？

动手前先探测一遍，每个源发个 HTTP 请求看状态码。这是本机的探测实录：

200 https://www.anthropic.com/news 404 https://www.anthropic.com/feed.xml 403 https://openai.com/news/ # HTML 页被反爬，但 RSS 可用 200 https://openai.com/news/rss.xml 200 https://blog.google/technology/ai/rss/ 200 https://www.kimi.com/blog/ # 月之暗面博客（moonshot.cn/news 跳转至此） 200 https://www.zhipuai.cn/rss.xml # 假 RSS：返回 Next.js HTML SPA 200 https://www.doubao.com/news # JS 渲染，静态抓取无条目

探测结果跟直觉差得远，四类情况：

• OpenAI / Google：有 RSS。openai.com/news这个 HTML 页 403 被反爬，但openai.com/news/rss.xml是 200，RSS 反而畅通。Google 同理。这是最省事的源；
• Anthropic / Kimi：只有 HTML 锚文本。Anthropic 的feed.xml404，没有 RSS，/news/页面的链接锚文本里带着分类+日期+标题；Kimi 的博客也是，锚文本就是标题；
• 智谱：假 RSS。zhipuai.cn/rss.xml返回 200，但内容是一坨 Next.js 的 HTML SPA——名字叫 rss.xml，实际是个空壳页面，解析不出任何条目；
• 豆包：JS 渲染。doubao.com/news是 200，可静态抓取拿不到条目，页面内容全是浏览器里跑 JS 渲染出来的。

所以能用的可靠源一共 4 个：两个 RSS + 两个 HTML 锚文本。智谱和豆包这两个 JS 源，静态抓取这条路走不通。

其实：**数据源是现实世界，不是文档。**文档会告诉你「该有 RSS」，现实是有的源没有、有的源伪装成有、有的源要浏览器渲染。写爬虫的人一半的活，是跟「源不如预期」周旋。

遇到 JS 源怎么办？我的做法是优雅降级：先不硬刚，跳过它，在输出里记一笔「这个源暂时抓不到」，等后面有浏览器适配器再补。任务不因一个源卡死——宁可少两个源，也不要整条管线死在半路。

这个结构叫「源适配器」：每个源一个适配器，差异收在适配器里，抓取主流程不用改。

JS 源在架构里也占一个位置，只是本期适配器还没写——位置先留着，后面补浏览器适配器时直接填进去。

写收集器 collect.py：把「抓得到」变成「抓得对」

收集器collect.py，纯标准库：urllib 抓页面、xml 解析 RSS、re 提链接，装了 Python 就能跑，不引第三方库。

核心是四组_adapter_*函数，每组对应一个源：

• _adapter_openai/_adapter_google：解析 RSS 里的item；
• _adapter_anthropic：正则提/news/链接，从锚文本里拆分类+日期+标题；
• _adapter_kimi：提kimi.com/blog/文章链接，锚文本即标题。

每个源抓完，都产出同样形状的记录：title、url、date、summary。形状统一，后面汇总、渲染才好处理。title从这里就开始进文档——这是渲染器能生成标题链接的源头。

源清单在SOURCES里：

SOURCES=[{"key":"openai","name":"OpenAI","cat":"国外","type":"rss","url":"https://openai.com/news/rss.xml"},{"key":"google","name":"Google AI","cat":"国外","type":"rss","url":"https://blog.google/technology/ai/rss/"},{"key":"anthropic","name":"Anthropic","cat":"国外","type":"html_links","url":"https://www.anthropic.com/news"},{"key":"kimi","name":"Kimi(月之暗面)","cat":"国内","type":"html_links","url":"https://www.kimi.com/blog/"},# 智谱 / 字节豆包 为 JS 渲染 SPA，静态抓取拿不到条目列表，本期跳过（待浏览器适配器）]

每行一个源：type决定走哪类适配器，cat是国内还是国外，url是抓哪。最后两行注释掉的智谱和豆包不是忘了——是本期适配器还没写，占着位置等浏览器适配器。

初版我栽了个坑，就在「抓多少」这件事上。

第一版写得很天真：把每个源抓到的条目全部收进来。一跑，OpenAI 抓到 1156 条。RSS 是全量存档，不是当天的新闻流——openai.com/news/rss.xml把这几年发的所有新闻全吐出来了。要是全收，今天日报里一半是三个月前的旧闻。

修法是两个约束，写在一个函数里：

RECENT_DAYS=2# RSS 源只保留最近 N 天内的条目MAX_PER_SOURCE=8# 每个源最多取前 N 条，保证日报可读def_slice_source_items(raw:list,src_type:str)->list:"""每源剪裁：RSS 按最近 N 天过滤，HTML 源取最新 N 条（列表即最新）。"""ifsrc_type=="rss":cutoff=datetime.date.today()-datetime.timedelta(days=RECENT_DAYS)recent=[itforitinrawifit["date"]andit["date"]>=cutoff.isoformat()]recent.sort(key=lambdax:x["date"],reverse=True)returnrecent[:MAX_PER_SOURCE]returnraw[:MAX_PER_SOURCE]

RSS 源按日期切：最近 2 天内的才要，再按日期倒序取前 8 条；HTML 源列表本身就是最新在前，直接取前 8 条。RECENT_DAYS = 2、MAX_PER_SOURCE = 8，两个常量写在文件顶部，一眼能调。

去重放在collect()里，按 URL 去重——同一条新闻多个源都报时，保留先抓到的：

# 按 URL 去重（同一条新闻多个源都报时保留先抓到的）seen_url,deduped=set(),[]foritinall_items:ifit["url"]inseen_url:continueseen_url.add(it["url"])deduped.append(it)

跑一遍（命令与输出逐字取自本机取证）：

cd/d/CF-AICoding/hermes-lab/daily-report&&PYTHONIOENCODING=utf-8 .venv/Scripts/python.exe collect.py

收集完成：共 24 条，写入 items.json - OpenAI: 抓到 1156 条，取最近 7 条 - Google AI: 抓到 20 条，取最近 1 条 - Anthropic: 抓到 11 条，取最近 8 条 - Kimi(月之暗面): 抓到 9 条，取最近 8 条 [2026-08-28] OpenAI｜Supporting Thailand's next generation of AI startu...

24 条，四个源按各自的规则收敛：OpenAI 1156 条里留 7 条、Google 20 留 1、Anthropic 11 留 8、Kimi 9 留 8。Google 只留 1 条，因为最近两天它就发了一条——过滤不是「每源灌满」，是「每源只留最近」。「抓到 1156 条，取最近 7 条」这句话本身，就是 RSS 存档坑的体检报告。

写到这，第一步收工。items.json里 24 条，每条带着 title/url/date/summary/source/category，标题已经进文档。下一步，把这些原料交给 Hermes 整理成日报正文。

第二步 汇总：Hermes 当汇总官

第二步是把 24 条原料变成一篇人能读的日报。这步我用 Hermes。

对应的是curate.py，核心动作就一个：调hermes chat，非交互地把 24 条塞进提示词，让它整理成日报正文。命令在main()里：

cmd=[HERMES,"chat","-q",prompt,"--provider",PROVIDER,"-m",MODEL,"-Q"]r=subprocess.run(cmd,capture_output=True,encoding="utf-8",errors="replace")

-q给问题、--provider deepseek走 H1 配的 provider、-m deepseek-v4-flash指定模型、-Q安静模式——不带交互提示符，适合程序化调用。这就是「脚本/定时任务调 Hermes 的标准姿势」：一次性、非交互、把结果拿回来。

提示词由build_prompt拼出来，先给要求再给条目：

defbuild_prompt(data:dict)->str:lines=[f"今天是{data['generated_at']}。下面是我用脚本抓到的各家 AI 动态共{data['count']}条，请整理成一份日报正文：","要求：① 按【国内】/【国外】分组；② 每组里每条给一句话要点（基于摘要，摘要为空的按标题转述，不要编造）；","③ 开头给一句今日概览；④ 结尾给一条『值得关注』；⑤ 中文输出，不客套，不加标题以外的废话。","条目列表：",]fori,itinenumerate(data["items"],1):summary=(it.get("summary")or"").strip()s=summaryiflen(summary)<=60elsesummary[:57]+"…"lines.append(f"{i}. [{it.get('source')}] ({it.get('date')or'近期'}){it.get('title')}——{s}")return"\n".join(lines)

要求五条：分国内/国外、每条一句话要点、开头今日概览、结尾值得关注、中文不客套。条目列表带上来源、日期、标题和摘要——摘要超过 60 字截断，提示词别太长。

跑一遍：

PYTHONIOENCODING=utf-8 .venv/Scripts/python.exe curate.py

原始输出 21143 字符 → 截出正文 1108 字符，返回码 0 今日概览：Anthropic 集中发布 Claude Opus 5、Sonnet 5 并披露多项治理与研究计划，月之暗面批量更新 K3、K2.6 等模型与评测基准，OpenAI 则继续在教育、国际扩张与安全议题上推进。 【国内】- 月之暗面：发布新一代模型 Kimi K3。... 【国外】- OpenAI：与泰国 MHESI 联合推出为期八周的加速器。...

这里先按下不表：**Hermes 第一次汇总，出了个意外。**21143 字符里，正文只占 1108，剩下全是它「想」出来的东西。怎么想的、怎么把正文捞出来，下一节讲。

推理模型的第一个坑：输出混着 reasoning_content

问题出在deepseek-v4-flash身上——它是推理模型，思考模式默认开。

什么是思考模式？模型在给出正式答案前，先自己过一遍脑子。这条链路里，它的思考不是悄悄进行的——hermes chat把思考过程整个打印出来了，混在正式输出里。而且它不止想了一版：正文 108 行、142 行、257 行、294 行各起草一次，多版草稿都留在输出里，真正的日报正文藏在最后一次「今日概览」和session_id:之间。

一句话：21143 字符原始输出 = 整段英文思考 + 四版草稿 + 最后的正文。它把草稿纸也一起交上来了。

这是推理模型接 harness 的第一个真实问题——也是系列第 2 篇埋的伏笔。那篇探测 DeepSeek 时，响应里有个reasoning_content字段，正文content反而是空的，当时留了句「这个字段后面是整篇的伏笔」。现在兑现：当 harness 把模型输出原样打回时，推理模型会把思考过程一并吐出来，程序要自己把正文从思考里捞出来。

curate.py的解法在extract_report里：

defextract_report(out:str)->str:"""从 Hermes 原始输出里截出日报正文。 推理模型（deepseek-v4-flash 思考模式默认开）会把整段英文思考/多版草稿 一起吐出来，正文在最后一段「今日概览」与 session_id 之间。 这是推理模型接 harness 的第一个真实坑：输出混着 reasoning_content。 """end=out.find("session_id:")ifend==-1:end=len(out)start=out.rfind("今日概览")ifstart==-1:start=out.rfind("每日概览")body=out[start:end].strip()ifstart!=-1elseout[:end].strip()# 去掉草稿里穿插的英文残留（如 "...one sentence..."）body=re.sub(r"今日概览[：:]\s*\.\.\.one sentence\.\.\.","",body)returnbody

两个定位点，一前一后把正文夹出来：

• rfind("今日概览")：从后往前找「今日概览」，拿到的是最后一次出现的位置——正文的开头；
• find("session_id:")：从前往后找session_id:，那是 Hermes 会话编号——正文的结尾；
• 两者之间，就是正文。

为什么用rfind不用find？因为「今日概览」在草稿里也出现过，find会拿到第一版草稿的概览，rfind才拿得到真正正文那版。多版草稿这个坑，用「取最后一次」绕过去。

除了截取，还要剥装饰。Hermes 输出带着 ANSI 转义和┌─ Reasoning ─┐装饰框，strip_ansi把它们去掉：

defstrip_ansi(text:str)->str:"""去掉 ANSI 转义与 Reasoning 装饰框，只留纯文本内容。"""text=re.sub(r"\x1b\[[0-9;]*m","",text)lines=[lnforlnintext.splitlines()ifnotre.match(r"^[\s]*[┌└│┐┘─]+",ln)]return"\n".join(lines).strip()

截取 + 剥装饰，21143 字符压成 1108 字符干净正文。流程画出来：

这步的价值不在正则写得多妙，在定位了「推理模型接 harness」这个坑本身：模型给的不只是答案，还有它的思考过程；程序要的只是答案，就得学会把两者分开。后面 H3/H4/H5 只要还调推理模型，这个截取逻辑都得跟着走。

第三步 出网页：render.py 生成静态 HTML

原料齐了：items.json（24 条）加digest.md（Hermes 汇总的日报正文）。第三步把它们渲染成一个网页。

render.py，纯标准库生成静态 HTML。两份输入，一个输出：items.json+digest.md→report.html。

做日报时我定了一条硬规矩：**标题必须进文档。**日报不能只是「机器能读的 JSON」，得是「人打开就能看」的网页——浏览器标签页要有标题、页面顶部要有可见大标题、每条新闻的标题要作为链接写进正文。这条规矩落下来，就是item_links函数：

defitem_links(items:list)->str:"""按国内/国外分组渲染条目标题链接（标题写进文档）。"""groups={"国内":[],"国外":[]}foritinitems:groups.setdefault(it.get("category","其他"),[]).append(it)blocks=[]forcatin("国内","国外","其他"):arr=groups.get(cat)ifnotarr:continuerows=[]foritinarr:title=html_mod.escape(it.get("title","(无标题)"))url=it.get("url","")date=it.get("date")or"近期"link=f'<a href="{html_mod.escape(url)}">{title}</a>'ifurlelsetitle rows.append(f'<li><span class="date">{date}</span>{link}'f' <span class="src">{html_mod.escape(it.get("source",""))}</span></li>')blocks.append(f'<h2>{cat}·{len(arr)}条</h2><ul class="items">{"".join(rows)}</ul>')return"\n".join(blocks)

24 条按category分成国内/国外两组，每条渲染成<li>：日期 + 标题链接 + 来源。标题从items.json的title字段来——收集器那步把title写进items.json，这里把它写进 HTML。源头在这里闭合。

页面结构在main()里（节选）：

html_doc=f"""<!DOCTYPE html><html lang="zh-CN"><head><meta charset="utf-8"><meta name="viewport"content="width=device-width, initial-scale=1"><title>{title}·{today}</title><style>...<body><h1>{title}</h1><divclass="meta">报告日期：{today}｜ 抓取时间：{data.get('generated_at','')}｜ 共{data.get('count',0)}条 ｜ 来源：{', '.join(n.split('：')[0]fornindata.get('notes',[]))}</div><h2>今日概览（Hermes 汇总）</h2><divclass="digest">{md_to_html(digest)}</div><h2>全部条目</h2>{item_links(data.get('items',[]))}

<title>{title} · {today}</title>是浏览器标签，<h1>{title}</h1>是页面顶部可见大标题，正文先放 Hermes 汇总的今日概览，再放全部条目链接。标题进文档的三个落点：浏览器标签、可见 h1、每条标题链接。

md_to_html是一个极简 Markdown→HTML 转换，覆盖日报会用的#、**、-列表，不引第三方模板。

跑一遍：

PYTHONIOENCODING=utf-8 .venv/Scripts/python.exe render.py

已生成 report.html（7321 字符），本地浏览器打开即可查看

校验结果：<title>各家 AI 动态日报 · 2026-08-28</title>、页面顶部<h1>各家 AI 动态日报</h1>、24 条标题链接、国内/国外分组 h2，HTML 标签闭合校验无错误。7321 字符一个静态页，双击report.html就能看。

端到端复盘：Hermes 的定位与边界

三条命令串起来，就是开头那张全景图：

collect.py → items.json → curate.py(Hermes) → digest.md → render.py → report.html

本地打开就是一张日报：顶部是 Hermes 写的今日概览，往下是国内/国外两组 24 条标题链接。

到这里，先把 Hermes 的定位说清楚。这一期里它扮演的角色是汇总官——纯对话，把 24 条原料整理成正文。它没有调工具：抓取是 collect.py 干的，渲染是 render.py 干的，Hermes 只在中间做「理解并整理」这一步。

结论：骨架立起来了

回到开头那句话：第一个真实任务不是让 Hermes 陪聊，是让它干活。现在它干完了一轮——24 条原料进来，一张网页出去，中间 Hermes 当汇总官，把 24 条整理成 1108 字符的日报正文。

真装真跑的价值，就藏在这三个坑里。文档不会告诉你 RSS 是全量存档、不会告诉你有些源伪装成 RSS、更不会告诉你推理模型会把草稿纸一起交上来——这些只有跑一遍才知道。

但这才是个开始。这张日报今天记得住，明天就忘了——昨天报过的 OpenAI 那条，今天可能又报一遍。这是 H3 要解决的事：让 Hermes 记住昨天报过什么，跨天去重。骨架立起来了，后面 H3 记忆、H4 学习闭环、H5 技能固化、H6 多渠道推送、H7 每天 6:00 无人值守，都是往这根骨架上装肉。

你的 agent 第一个真实任务是什么？卡在哪一步？是跟我一样卡在「源比文档刁钻」，还是卡在把模型输出整理成程序能用的样子，还是压根没想好让 agent 干什么？评论区聊聊~

下一篇会接着聊：让 agent 记住昨天的事。想看跨天去重怎么做的，关注别走丢。