9月份的AI Agent排行榜一出来开发者群里立刻就炸了。Hermes直接登顶Claude Code和Codex也挤进了前十。乍一看是三个名字在竞争其实它们根本不在一条赛道上Hermes代表的是“开源模型Agent框架”的组合生态Claude Code和Codex则是把大模型装进命令行终端、直接参与工程开发的智能体产品。如果你最近也一直在搜“AI Agent是什么”“DeepSeek属于哪一类”“Hermes怎么安装”这波排行正好是一个把概念和实操一次理清的切口。这篇文章我会从榜单背后的技术风向讲起再把Agent、LLM、AI模型的区别用大白话讲透然后给出从零部署Hermes、Claude Code、Codex的完整步骤和踩坑记录适合刚接触AI Agent的新人也想写给那些已经装了工具但经常被各种报错卡住的朋友。1. 九月榜单背后的风向为什么是Hermes、Claude Code、Codex1.1 Hermes登顶的底层原因我看到的这份9月榜单不是某个官方机构发布的权威排名而是几个技术社群根据项目活跃度、安装量、讨论热度综合出来的月度统计。Hermes能排第一并不是说它的模型能力碾压了GPT-5或者Claude而是它踩中了一个非常真实的需求很多人手里有DeepSeek这类开源模型但不想只会调API想要的是一个能规划、能调用工具、能真正跑起来的Agent框架。Hermes恰好就是这个角色。很多人在搜“DeepSeek Hermes”本质上就是想知道“我能不能用Hermes把DeepSeek变成一个会干活的智能体”。答案是可以。Hermes在开源社区里通常被描述为一套Agent方案/框架它把LLM推理、工具调用、任务记忆封装成清晰的接口同时官方提供了安装部署教程和桌面客户端。它跟DeepSeek配合得好是因为它原生就支持OpenAI兼容接口填一个Key就能把DeepSeek作为推理后端。这种低门槛正是它登顶的关键。说白了Hermes第一不是因为它是个多神秘的产品而是它让“拿开源模型搭私人智能体”这件事从折腾变成了顺手能做的事。这也释放了一个信号以后不会再有人说“开源模型只能做聊天机器人”因为Agent框架把模型的行动力补齐了。1.2 Claude Code和Codex凭什么进前十Claude Code是Anthropic推出的命令行编码Agent它能在终端里读取整个项目的代码结构、修改文件、运行测试、跟进任务。Codex则是OpenAI的编码智能体核心能力是把自然语言描述拆解成可执行的代码任务。这两个产品进前十说明开发者已经不满足于“聊天窗口里写一段代码”而是想让Agent直接住进开发环境里帮自己干那些重复的机械活。它们受欢迎还有一个现实原因这两个工具都支持通过设置Base URL接入DeepSeek等第三方模型。大家用一套CLI工具但推理后端可以换成自己觉得顺手的模型既省钱数据又相对可控。这套操作在社区里非常火也是“开源模型质变”这个说法的主要来源——开源模型能力上来了商用CLI工具也愿意开放兼容两边一结合开发体验直接上一个台阶。为什么它们能挤掉很多老牌对话式AI产品因为命令行的使用门槛虽然高但效率也是真高。你给Claude Code一个任务它会连续执行“读代码→改文件→跑测试→看报错→再改”这么一长串动作。这就是Agent和聊天机器人的本质区别聊天机器人只负责说Agent负责做。2. 先把概念理顺Agent、LLM、AI模型到底什么关系2.1 用开车类比讲清楚我经常被人问“DeepSeek算是AI Agent吗”每次我都要先缓一下因为这不是一个非黑即白的问题。打个比方LLM是发动机只管输出动力AI模型是一整套包含发动机、底盘、油路的系统而AI Agent是坐在驾驶座上的人它负责规划路线、踩油门、打方向盘、遇到红灯踩刹车。DeepSeek就属于“发动机/模型”这层它本身没有眼睛和手不会自己打开网页、读写文件、执行命令。你调用DeepSeek的API它能写出一段“你该打开文件并读取内容”的文字但它不会真的帮你打开文件。而Hermes、Claude Code、Codex属于Agent这一层它们负责调度模型这个“发动机”同时接上方向盘、刹车、导航让车真正跑起来。所以回答那个高频问题DeepSeek不是AI Agent它是一个开源大模型LLM。但DeepSeek一旦被装进Agent框架就拥有了行动能力这时候你得到的东西才是真正意义上的AI Agent。理解了这个区别再看各种排行榜和宣传语就不会被绕晕。2.2 Agent组成结构规划、记忆、工具、行动一个能独立完成任务的Agent至少要包含四部分规划模块把大目标拆成小步骤。比如“整理本周的博客数据”Agent会拆成“读取CSV→计算均值→生成图表→写总结”。记忆模块短期记忆存当前任务的上下文长期记忆用向量数据库保存历史知识也就是常说的RAG。工具调用Agent需要调用API、命令行、文件系统否则它只能“想”不能“做”。行动反馈每执行完一步把结果带回模型模型根据新情况决定下一步。我建议新人不要一上来就背框架先理解Agent的一次完整循环用户提问→Agent规划→调用工具→观察结果→再次规划→最终输出。举个例子我让Agent“给老板写一封项目周报”。它先读取本周的git提交记录发现只改了三个模块然后调用LLM生成草稿再把草稿写成Markdown文件最后告诉我路径。这一串动作缺一个环节就不是Agent而是普通聊天机器人。理解了循环后面不管你用Hermes还是LangChain还是Claude Code都会觉得万变不离其宗。3. 从0到1搭建一个AI Agent工具链实操3.1 选型思路Claude Code、Codex、Hermes怎么选直接给结论按你的场景选工具。工具/方案定位适合谁是否支持DeepSeek上手难度Claude Code命令行编码Agent每天写代码的工程师支持中等Codex自然语言转代码Agent想快速出代码的开发者支持中等Hermes通用Agent框架/智能体想自己组装Agent应用的人原生支持稍高如果你主要写工程代码优先Claude Code它对多文件工程上下文的理解比较稳。如果你只想快速把一段自然语言变成脚本Codex更直接。如果你想研究Agent本身或者想把DeepSeek做成一个业务机器人选Hermes更合适。三个不冲突可以同时装但要注意配置隔离。3.2 安装Claude Code和Codex并把DeepSeek接进去先说前提Claude Code基于Node.js要求Node 18以上。装之前先检查版本node -v npm -v版本没问题后全局安装Claude Codenpm install -g anthropic-ai/claude-code装完后如果要接入DeepSeek需要设置环境变量。DeepSeek官方提供了Anthropic兼容接口地址是https://api.deepseek.com/anthropic。在终端里这样配置export ANTHROPIC_BASE_URLhttps://api.deepseek.com/anthropic export ANTHROPIC_AUTH_TOKEN你的DeepSeek_API_Key设置完成后运行claude让它“读一下当前目录的结构”如果它能正常返回目录列表说明接入成功。需要注意环境变量只在当前终端会话里生效关掉终端就没了。想永久生效就写入~/.bashrc或~/.zshrc。Codex的安装也走npmnpm install -g openai/codexCodex接入DeepSeek同样是修改Base URL。因为DeepSeek提供了OpenAI兼容接口https://api.deepseek.com/v1所以配置如下export OPENAI_BASE_URLhttps://api.deepseek.com/v1 export OPENAI_API_KEY你的DeepSeek_API_Key然后运行codex。不过不同版本对环境变量的名称要求略有差异装完先执行codex --help确认。我遇到过有人配了OPENAI_BASE_URL但Codex读的是OPENAI_API_BASE这种细节只能靠版本文档来确认。3.3 用Hermes部署一个最小AgentHermes提供了桌面版但最灵活的方式是用Python写一个最小Agent。先确认Python版本在3.10以上然后安装Hermes的Python包具体包名以官方文档为准pip install hermes-agent接下来创建一个Python文件写入下面这段代码from hermes import Agent agent Agent( modeldeepseek-chat, api_key你的DeepSeek_API_Key, tools[read_file, run_command] ) if __name__ __main__: print(agent.run(读取当前目录下的readme.md并总结项目结构))这段代码的意思是让Agent拥有读文件和执行命令的能力然后完整地处理用户问题。运行起来后你会看到它不会像普通聊天那样一次性给出答案而是会先确认“当前目录有哪些文件”再读取再总结最后输出。这个“先确认再回答”的过程就是Agent和普通LLM应用的核心差别。如果你是想搭一个长期运行的服务把agent.run包进FastAPI或者定时任务里就能让它变成一个自动工作的智能体。从0到1的路径其实就是装好框架、配好模型Key、给它几个工具、让它跑一个简单任务先动起来再说。4. 实操中常见的坑和排查实录4.1 本地端点切换报错到底怎么解决最近社区里高频出现一个报错大意是“cc switch 的本地端点切换在处理 codex 端点时失败”。这个报错通常出现在同时装了Claude Code和Codex又用类似cc-switch这样的本地端点切换工具来回调整模型接口的场景。报错的表层含义是切换工具在处理Codex的/responses端点时没能正确完成转发导致Claude Code访问失败。根据我自己的排查经验原因一般有三个配置文件里把Claude Code和Codex的Base URL写成了同一个导致路由冲突。本地转发服务没有启动或者端口被占用。环境变量设置残留旧的地址把新地址覆盖了。解决思路按顺序来先检查当前环境变量用env | grep -i BASE_URL\|API_KEY看有没有多余配置有就清掉。打开切换工具的配置文件确保Claude Code和Codex的端点配置是独立的两组不要共用一个地址。重启本地转发服务然后不通过切换工具直接运行claude看能否正常响应。如果能响应问题就出在切换工具的配置上。这个报错本身不复杂但它暴露了一个核心思路多个Agent共用一套本地端点配置是风险点最好每个工具单独保留一份配置文件避免来回覆盖。4.2 安装和使用高频问题速查我实际操作中还踩过不少别的坑列成速查表方便你对照问题原因处理方式claude: command not foundnpm全局目录不在PATH中执行npm bin -g把路径加入PATHCodex报错“model not found”模型名写错在配置里改为deepseek-chat或对应模型名中文输出乱码终端编码不对设置export LANGzh_CN.UTF-8Agent读不到文件权限工作目录权限限制使用绝对路径并检查系统权限DeepSeek API返回超时请求上下文过长或网络波动减小上下文长度开启流式输出npm安装卡住网络原因或镜像问题设置国内镜像后重装如npm config set registry这里特别提醒装Claude Code时如果遇到权限报错EACCES别直接加sudo那是npm全局目录权限的问题。用npm config get prefix查看目录把权限调整一下或者改用nvm管理Node版本比sudo干净得多。5. 再往后走AI Agent还能做什么5.1 一个让我兴奋的场景AI Agent和PLC编程我在热搜词里看到“AI Agent与PLC编程”这个方向确实值得聊几句。PLC是工业控制领域最常见的控制器传统上要用手持编程器或专用IDE写梯形图、结构化文本ST。现在如果把PLC的指令集、项目规范、历史程序段作为知识库喂给Agent再让Agent调用代码生成工具完全能实现“你说需求Agent帮你生成ST语言程序框架”。我试过用Claude Code配合一份电机启停控制的需求说明让它生成对应的ST功能块。它给出的初稿包含了输入输出变量定义、启停逻辑、安全连锁已经能给工程师提供很好的起点。当然工业场景讲究严谨AI生成的代码不能直接下载到PLC里跑必须经过严格的仿真和审核。我的建议是把Agent当高级助手生成初稿、补充注释、做语法检查、生成测试用例最终决策权永远在工程师手里。5.2 还有哪些AI Agent产品值得关注除了榜单里的三个下面这几个产品也建议你了解一下AutoGPT最早把“AI自主完成多步任务”概念带火的框架适合学习Agent的基本逻辑。MetaGPT模拟软件公司角色分工让多个Agent协作完成项目适合研究多智能体协作。Manus号称能把任务自动分解并直接交付成果的Agent产品更偏向最终应用。Cursor基于AI的代码编辑器内置很强Agent能力适合日常开发。通义灵码国内常用的编码Agent对中文工程场景友好上手简单。这些产品虽然定位不同但底层逻辑都一样模型提供认知能力Agent提供行动能力。你只要理解了这条主线换任何产品都不慌。5.3 新手练手建议三个小项目最后给你三个练手项目从小到大逐个做命令行问答机器人只调用DeepSeek API完成对话理解LLM的基础调用方式。带工具的文件整理Agent用Hermes或LangChain写一个能读取目录、移动文件的脚本理解工具调用和行动反馈。个人知识库问答用向量数据库把几十篇文档索引起来让Agent基于文档内容回答理解RAG和长期记忆。每完成一个你对“AI Agent到底是什么”的理解就会深一层。别想着一步到位做一个大产品先让Agent跑起来再逐步加模块。我个人体会是Agent开发的核心瓶颈往往不是模型能力而是任务拆解和工具边界。榜单上那些工具能霸榜不是因为用了多强的模型而是它们把“拆解-执行-反馈”这个循环做得足够顺滑。最后分享一个小技巧调试Agent时别一上来就让它跑复杂任务先用一个“把中间工具返回结果全部打印”的调试模式打开全部日志。很多玄学问题顺着中间日志就能找到原因。希望这篇文章能帮你把Hermes、Claude Code、Codex这些名字从“榜单上的词”变成“手里能用的工具”。
