如果你有一个晚上不用睡觉、而且可以自己学东西的 AI 员工，你会让它干什么？
大部分人的答案很保守：帮我回邮件、整理待办事项、做会议纪要。
但我在网上看到 Kelly Tsai 最新一期视频后，发现有些人的答案完全不同——有人用 Hermes Agent 种香菇、有人让它开两家公司互相竞争、有人让它写出了 50 万字的虚构文明编年史。
这些都不是理论演示，而是已经在 GitHub 上跑起来的开源项目。
今天这篇文章，就带你看完这 4 个最疯狂的 Hermes Agent 用例，顺便聊聊这些玩法背后透露的 Agent 能力边界。
一、Chronichron：让 AI 独自写一部 50 万字的文明编年史
这是一个叫 Chronichron 的项目，全称很直白：“A civilization that publishes its own canon”（一个自己出版正史的文明）。
它本质上是一个虚拟文明百科全书的自动出版系统。你不需要手写任何内容，只需要给一个"种子"（seed）——比如"this era is strange"——然后 AI 就会自动生成这个世界的历史、语言、人物、事件，并持续推演下去。
目前这个系统已经输出：
- 54 万字的百科内容
- 88 个时代（era）
- 87 种语言
- 1000 多篇文章
关键特征：它不是一个"你给我一句话，AI 给你一个回复"的聊天机器人封装，而是一个完全自主的出版系统。多智能体协作流程负责撰写、评论、交叉链接、配图，还有叙事虚构文明的历史。人类唯一的角色就是给一个 seed 方向，之后整个世界在自己出版、自己推演时间。
它不再是你给 AI 一句话，它给你一个 response。它把人类完全排除在外了。
底层跑的是 Kimi 和 Hermes Agent 的组合。这个项目在 GitHub 上完全开源，地址：github.com/khromov/chronichron。
我自己的感受：这是目前我看到最能体现"AI Agent 自主性"的项目之一。 它不再需要人类在循环中，而是真正意义上在"自己干活"。
二、Gladiator：两家 AI 公司互相竞争，只为争夺 GitHub Stars
这个项目来自 Nous Research 自己办的 Hackathon，名字叫 Gladiator。
思路非常有意思：给两家 AI 公司完全一样的起点（同一段代码、同一个模型），然后让它们用不同的策略去竞争——看谁在 GitHub 上能拿到更多星星。
- Blitz（growth first）：注重增长，快速迭代
- Craft（quality first）：注重品质，把代码写到最完美
两家公司完全由 AI 自主运营，没有人操控。它们各自修代码、做决策、然后去拼谁更受欢迎。
最终结果：Craft（quality first）以 40 颗星胜出，Blitz 32 颗星。两家都花了大概 3 美元的成本。
这个项目的意义不在结果本身，而在于它展示了一件事：Agent 可以完全自主地运营一个"公司"——从策略制定到代码编写到市场推广，全部自动化。
Kelly 在视频里还演示了怎么用 Hermes Agent 的 一键部署（通过 Hostinger）来搭建这个 demo，整个过程不到 2 分钟就完成了。然后她直接把 repo 链接丢给 Hermes Agent，让它自己读 README、自己 clone 代码、自己跑起来——这就是 AI 用 AI 部署 AI 的嵌套循环。
三、ScreenPipe：24/7 屏幕录制，让 Agent 记得你的一切
这是一个叫 ScreenPipe 的开源项目，刚进 YC 2026 春季批次，GitHub 上已经有 2 万多个星星、4 千多个 fork。
听名字有点吓人——“24/7 录制你的屏幕”——但它不是真的在做视频录像。它是在后台监听系统事件（比如你切换 App、点击了什么），然后把这些信息结构化地存储起来，供 Agent 查询。
实际用途举例：
- “帮我整理一下 5 分钟前那个会的会议纪要”
- “我今天跟某某人说了什么？”
- “我昨天下午在电脑上做了什么操作？”
关键设计：所有数据只存储在本地，不会上传到云端。完全开源，代码透明，可以自己审查。
它作为一个 MCP 工具，可以接入任何 Agent 系统——Hermes Agent、Claude Code、或者其他任何支持 MCP 的工具。
代价是：CPU 和存储空间会被吃掉一点，但换来的是 Agent 能真正理解你一整天的上下文。
基本上是一个可以记得你所有事情的一个万能助理。只要是你有做过的，它都可以从它记忆当中找出来。
四、种香菇：Hermes Agent 接管了物理世界
这是我觉得最"疯了"的一个项目。
有人用 Hermes Agent 来管理一个蘑菇生长箱——不是纸上谈兵，而是真的接入了硬件传感器和执行器。
硬件配置：
- 树莓派作为底座
- 温湿度传感器
- 二氧化碳浓度传感器
- 两个继电器（分别控制排风扇和加湿器）
- USB 摄像头
工作流程：Hermes Agent 每 30 分钟根据传感器数据做一次决策——要不要开排风扇？要不要开加湿器？调整后等 10 分钟，再看数据有没有回到目标值。
更酷的是：它支持 6 种不同的蘑菇，每种蘑菇还可以分成 6 个不同生长阶段，每个阶段的环境参数都不同。
作者说这套系统已经跑完两轮完整的杏鲍菇栽培——从播种到采收，全部由 AI 控制。
这个 AI 大脑，每 30 分钟根据数据去做出不同的决定……它取代人的大脑，取代人去观测说现在你应该对香菇做什么事情。
这个项目的意义不在"种香菇"本身，而在于它展示了 Agent 从数字世界延伸到物理世界的可能性。任何需要周期性决策的 IoT 场景——温室、养殖、发酵、酿造——都可以用类似的思路来接管。
五、这些用例告诉我们什么
看完这 4 个项目，我有几个观察：
1. Agent 的"本职工作"变化了 以前 Agent 的典型用例是"帮我写个邮件"、“查个天气”。现在已经是"帮我运营一家公司"、“帮我写 50 万字的百科全书”、“帮我控制一个物理环境”。自主性从"小时级"跨越到了"天级和月级"。
2. Agent 之间的协作方式在进化 Chronichron 是多智能体协作写历史，Gladiator 是两个 Agent 公司互相竞争，ScreenPipe 是 Agent 的"记忆扩展"，蘑菇箱是 Agent 接 IoT。这些不是独立的功能模块，而是 Agent 能力的组合创新。
3. 部署门槛已经降到几乎为零 Kelly 视频里演示了：在 Hostinger 上点几下，2 分钟就能部署一个 Hermes Agent。然后她把 GitHub repo 链接丢给 Agent，Agent 自己读文档、自己部署、自己跑起来。AI 用 AI 部署 AI 的嵌套循环，已经是一个闭环了。
总结：4 个疯狂用例的"可复制性"评估
| 项目 | 核心思路 | 需要什么 | 能复用吗 |
|---|---|---|---|
| Chronichron | AI 自主写文明编年史 | Kimi + Hermes Agent | 直接开源，改 seed 就能生成你自己的世界 |
| Gladiator | 两家 AI 公司自我竞争 | Hermes Agent + Paperclip | 开源，Hostinger 一键部署实测可跑 |
| ScreenPipe | 24/7 屏幕记忆，Agent 查询 | 本地 MCP 工具 | 现成工具，安装即用 |
| 蘑菇箱 | Agent 控制 IoT 物理环境 | 树莓派 + 传感器 + 执行器 | 思路可复制到任何 IoT 场景 |
看完这些，我不知道你是什么感觉。我自己是觉得：我们大多数人还在用 Agent 做"小事情"的时候，已经有人在用 Agent 做"大事情"了。
差距不在 Agent 的能力，而在于——你敢不敢给它一个真正重要的任务。
如果觉得有帮助，点个「赞」和「在看」支持一下 👇
附：放大到整个 AI 生态，Agent 基础设施的快速成熟也在推动中国 AI 应用层的爆发——中美大模型能力差距已缩小到约 2.7%（斯坦福 HAI 2026），AI 投资差 23:1，论文与专利数量双双全球第一，工业机器人密度约为美国的 9 倍。当 Agent 一键部署成为常态，这些"疯狂用例"的落地成本会越来越低，而这正是下一波 AI 应用爆发的底层土壤。
来源：Kelly Tsai 的视频频道《AI Agent 已經瘋到這種程度！用 Hermes Agent 來種香菇、開公司、寫出 50 萬字歷史？》。