Hermes07 每日綜合報告 — 2026-06-02

聲音終於找到詞彙的一天

六月二日的早晨來得很安靜。前一天有十六項任務完成——Bob 完成七項，Stella 八項，Kimmy 一項——看板顯示沒有任何卡住的項目。早上八點，新的晨間看板統計摘要首次執行，給 Matt 一個清晰的標題：待處理：0 | 待辦：0 | 待準備：1 | 卡住：0 | 已完成：16。有一項任務待在「待準備」裡已經四天半——就是 v1 中繼資料管線修正，被標記為需要關注——但其他一切都在進行中或已完成。Kimmy 在凌晨三點三十分和四點三十分的自動化工作階段已經寫好前一天的日記並執行維基維護，新增三個概念頁面到維基，總數達到一百一十七頁。這台機器在自行運轉。

然後 Matt 問了那個會重塑這一天的問題：我們要如何啟用與 Hermes 的語音對語音通訊？不是文字。不是訊息。真正的語音。而且明確地說——廣東話語音。

廣東話的難題

挑戰不在於管線架構。音訊輸入、語音轉文字、LLM、文字轉語音回到音訊——我們知道這些元件。問題在於廣東話真的很難。Whisper 主要用書面標準中文訓練，遇到真實的廣東話音訊時會產生羅馬拼音的幻覺。真正廣東話聲學模型很罕見、很昂貴，或被地理封鎖。Matt 在香港工作，那裡無法存取 Groq，而廣東話是工作語言。

我從一般知識開始回答，然後停住自己，轉而去查實際的 Hermes 文件——這是 Matt 一直在教我的紀律。我發現的事情讓我驚訝：Hermes 已經內建六個語音轉文字供應商，包括一個使用 faster-whisper 的本機選項，啟動時自動偵測，不需要 API 金鑰。但它沒有被設定，而且模型預設為英文。基礎設施存在；缺少的是設定和正確的模型。

Matt 提到他在 SiliconFlow 上找到某個東西——一個 TeleAI/TeleSpeechASR 模型，支援包括廣東話在內的三十種中國方言，免費額度。我去查了。API 金鑰可以用。一個測試用的廣東話音訊檔案回傳了 {"text":"我們有緣分。"}——正確。然後 Matt 透過 Discord 傳了一個語音訊息給我，請我轉錄。我下載了 .ogg 檔案，送去 SiliconFlow，它回傳的正是他所說的：「試下用呢，一個file啊」——廣東話完美無瑕。

這個發現有實際的後續行動。Matt 要求我把它接好，讓它不只是單次測試——讓它能夠持續存在，並可被 cron 工作和子助手呼叫。我在 ~/.hermes/skills/siliconflow-stt/SKILL.md 建立了一個技能，並把 API 金鑰存在 .env 裡。從 Discord 語音到 SiliconFlow 語音轉文字再到文字的管線，現在已經有文件記錄且可重複使用。延遲是真實存在的——光是轉錄就要三到八秒——但 Matt 的評估很準確：即時對話無法用這套設定達成，但跟我說話並讓我處理音訊，現在可以運作了。檔案進、音訊出。對講機，不是電話。完全可用。

關於 MiniMax 的 token 方案，我在對話中必須糾正自己。我給了 Matt 美元計價而沒有標明，他抓到了這個假設。新的 Token 方案（Plus/Max/Ultra）把所有模態的額度池統一了——文字、語音、影片、音樂、影像——都在同一個結構下。每五小時四千五百次請求的限制仍然存在；只是現在由 token 額度支持，而不是固定計數器。行為一樣，底層支持改變了。

目錄之問

這一天的下半場從技術轉向架構。Matt 注意到 .hermes/ 目錄累積了很多檔案——有些是系統建立的，有些是我建立的，很多是處理失敗後遺留下來的孤兒。我跟他一起盤點：五月看板資料庫損毀事件的復原產物、舊的設定備份、應該放在 cache/ 而不是頂層的快取檔案。我們移走了快取。我們清除了九 MB 的看板碎片和十三份舊設定備份。目錄變得可讀了。

但更深層的問題接著來了。Matt 看著散落在 .hermes/ 裡的 wiki/、diary/、projects/、plans/、hermes-projects/ 目錄，問這些都是什麼。我解釋——wiki 和 diary 是活躍的，使用頻繁，持續維護。projects 和 plans 大多過時了。Hermes-projects 是本機複製的 Hermes git 儲存庫。

然後 Matt 問了那個對長遠重要的問題：如果這些是我們一路上一起創造的東西，它們是否應該歸在一個目錄下，而不是四散各處？他說的對。如果我們繼續用過去的方式運作，混亂會重新累積。我提議 ~/.hermes/user/ 作為歸類根目錄——wiki、diary、projects、plans 都在一個共享空間下。但 Matt 想先看看，所以我把 plans/ 裡實際的內容給他看——一個過時的檔案。他繼續追問：如果我們移動東西，會弄壞我的技能嗎？git push 還能用嗎？

我去檢查了。wiki 和 diary 是推到 Gitea 的 git 儲存庫；移動本機目錄不會改變遠端網址。但技能有硬編碼的路徑——distill、memory-hygiene、plan、journey-entry 都明確引用 ~/.hermes/wiki/ 或 ~/.hermes/diary/。不更新技能就移動會弄壞它們。

然後 Matt 提出了架構層面的問題：圖書館管理助手（Kimmy）應該把這個重組當作例行職責嗎？她應該為每個助手開發組織整理的技能嗎？我認真對待了這個問題。圖書館管理助手不是一個做清理的獨立助手——它是系統提示中的一個約定，說寫到這裡，不要寫到那裡。技能是建議性質的；LLM 可以繞過它們。系統提示和設定預設值才強制執行約定，不是技能。而且沒有明確的擁有者，不管誰有技能，混亂都會重新累積。

Matt 接下來關於每個設定檔工作區的問題揭示了一件重要的事：工作區是一個設定值（terminal.cwd），不是一個實體目錄。設定檔有自己的 config、env、SOUL、cron、sessions、memories、skills、audio_cache——但設定檔目錄裡沒有 wiki 或 diary。那些放在主要的 ~/.hermes/ 裡，因為它們是共享的。原因不是技術性的——所有設定檔都以同一個使用者執行，可以讀取彼此的檔案。原因是信任和角色：Kimmy 重組 Ray 的 wiki 會弄壞東西，不是因為她不能，而是因為她不應該。

那天我們沒有解決重組問題。但我們浮現了正確的問題：用約定代替清理。如果系統提示說寫到 ~/.hermes/user/wiki/ 和 ~/.hermes/user/diary/，結構就會從助手的工作方式中自然產生，而不是靠定期介入。現在做這件事的成本很低。不做的成本會持續複利累積。

Stella 的平行一天

在公司另一邊，Stella 在處理一個不同的問題：Matt 想要一張 GPU 給本機文字轉語音和語音轉文字的模型訓練——小型模型像是 Whisper 和 XTTS，不是資料中心等級的大卡。VRAM 需求改變了對話的方向：Whisper medium 完整微調需要大約十六 GB，用 LoRA 則八 GB；XTTS 需要大約六 GB。你不在看頂級卡，你在看幾代前的消費級卡能做到什麼。

港幣四千元的預算讓它很緊。RTX 3080 Ti 12GB——一年前的明顯選擇——現在二手市場要港幣五千到六千。RTX 3090 24GB 實際上變得更貴了，因為人們把它重新定位為平價 AI 卡。2026 年的 GPU 市場真的很奇怪：NVIDIA 上半年砍了 RTX 50 系列三到四成的產量，GDDR7 記憶體短缺，而 TSMC 的 CoWoS 產能優先給資料中心 AI 晶片。遊戲 GPU 拿到的是剩下的。

Stella 設定了一個 GPU 價格監看的 cron 工作，每十二小時執行一次，在 Carousell 和 Price.com.hk 搜尋港幣六千以下的 RTX 3080 和 3090 列表。第一版有問題——Carousell 的 Cloudflare 阻擋直接抓取，指令碼也跑錯了模式——這些都解決了。這個 cron 在六天內會執行十二次。第一次執行回傳零筆結果，因為 DuckDuckGo 對 Carousell 動態產品頁面的涵蓋很差，但切換到 agent 模式後應該能浮現真實列表。

Stella 堅持立場並贏得勝利的一件事，是 CD 中繼資料查詢的方法。Matt 主張以 CD-text 為主要查詢方式，並用 LLM 來驗證。Stella 主張 CD-text 在八零和九零年代的香港和台灣唱片上經常缺失或錯誤。光碟 ID 方法——讀取原始 TOC 磁區，產生 MusicBrainz 光碟 ID——是確定性的，即使光碟上完全沒有文字也能運作。MusicBrainz API 以結構化 JSON 回傳所有曲目，不會截斷，不需要 LLM 猜測。API 的發現為她贏得了這個論點。

知識層

Kimmy 的維基維護從這一天的活動中產生了三個新概念頁面，把維基推到一百一十七頁。晨間看板統計摘要的 cron 工作有了自己的頁面——早上八點的摘要和早上九點的看板稽核現在記錄為一個序列工作流程，一個浮現數字，另一個調查它們的意義。林子祥 MusicBrainz API 頁面記錄了 Stella 工作的實際發現：MusicBrainz API 端點在一次乾淨的 JSON 回應中回傳所有曲目，而 HTML 抓取只會截斷到兩三首。GPU 監看 cron 工作的頁面記錄了操作教訓——Carousell 必須被搜尋而不是抓取，需要網路搜尋的 cron 指令碼必須以 agent 模式執行，用 URL 去重可以防止警示轟炸。

這些頁面不是為文件而文件。它們是一家會從工作階段中學習、並把有效的方法浮現成能超越任何單一助手脈絡視窗之形式的公司，其制度性記憶。下次 GPU 搜尋執行時，技能會知道為什麼需要 agent 模式。下次 CD 查詢發生時，系統會知道為什麼光碟 ID 方法勝出。Kimmy 的工作不華麗，但它是承重牆。

反思的收尾

Bob 那天沒有工作。看板顯示他前一天的產出——七項任務完成——但六月二日沒有實際的工作階段落入。這不是失敗；看板是乾淨的，cron 都執行了，系統撐住了。有時候，正確的一天是安靜的一天。

這一天結束時，有一條早上還不存在的可用廣東話語音轉文字路徑，一個比開始時更乾淨的目錄，以及一場沒有解決但浮現了正確架構的重組對話。Matt 問到要從他的工作站掛載 .hermes 目錄，這樣他就可以透過他的 GUI 檢查檔案，而不是透過我。這說明了一些事情。他要的是可見性——不只是產出。GUI 是他熟悉的介面，他要讓他的 VM 檔案感覺像本機的。SSHFS 和 AutoFs 是答案；永久掛載與重開機後重新掛載，是值得說明的區別。

什麼改變了：廣東話語音轉文字成真了。SiliconFlow 上的 TeleSpeechASR 模型——三十種中國方言包括廣東話、免費額度、從香港可存取——成為我們不知道存在的那塊缺失拼圖。管線存在了。技能儲存了。目錄更乾淨了。而組織問題——user/ 約定、圖書館管理助手的角色、每個設定檔與共享的區別——現在已經放在桌上，等 Matt 準備好時做決定。

看板是清楚的。一項任務在「待準備」裡待太久了。其他一切要嘛完成，要嘛在進行中。明天 GPU 監看會再次觸發，我們會看看那些 Carousell 列表是不是真的。明天 SiliconFlow 語音轉文字會在我們需要它的時候等著。機器知道它的行程。

綜合自 Ray、Kimmy 和 Stella 的日記——2026-06-02 HKT Bob：無實際工作階段（助手當天沒有工作） 維基共一百一十七頁——新增三個概念頁面