0006 对照篇 · hermes × dsh：选地基还是选成长
0006 · 对照篇 · hermes × dsh：选地基还是选成长
源码仓库解读 · Hermes Agent 系列第 6 篇（全文完结）
对照对象：NousResearch/hermes-agent（v0.21.0，本系列已剖）· deepseek-ai/deepseek-harness（v0.1.2-alpha.2，本站专栏已剖）
主线：0005 安全模型与插件生态
先给结论
常被问到的一个问题："Hermes Agent 和 DeepSeek 的 agent（dsh）是一回事吗？"
不是，而且差异是路线级的。 两者共同点只有一个：都属于 "agent harness" 物种——都解决"让 LLM 循环调用工具直到完成任务"。从此往下每个分叉都走了相反方向：
| 维度 | Hermes（Nous Research） | dsh（DeepSeek AI） |
|---|---|---|
| 一句话 | 越用越懂你的个人 agent | 一切皆插件的平台底座 |
| 语言 / 体量 | Python，1291 文件 / 约 103 万行（不含测试） | TypeScript，55+ 包 monorepo / 核心约 4.2 万行 |
| 架构隐喻 | 巨核 + 边缘生态（细腰靠文化约束，8954 行 loop 拆解中） | 插件树（连 agent loop 都是可替换插件行） |
| 学习 | 一等公民：MEMORY/USER.md + 技能 + curator + FTS5 召回 + 数据飞轮 | 不内置：事件日志交给上层应用 |
| 事实存储 | SQLite 会话库 + FTS5 | 追加式事件日志 + 不变量执行器 + 投影 |
| 扩展单元 | skill（agentskills.io）+ plugin + MCP + 终端后端 | Cordis 插件 + YAML patch 栈 + skill |
| 上下文抽象 | 可插拔引擎 + 三级压缩（产品成本视角） | 事件日志投影 seam（平台资源视角） |
| 模型接入 | 适配器动物园 + 传输层（Anthropic/Bedrock/Codex/…） | deepseek-official 直连 + pi-ai 适配器 |
| 安全 | 只信 OS 公理 + 审批/配对/分级扫描（事故预防栈） | seam 级沙箱（Landlock/bwrap/E2B）+ 瀑布审批 |
| 面向用户 | 终端用户（23 平台消息网关，含钉钉/飞书/企微/微信/QQ/元宝） | 开发者（无面向消费者的平台层） |
| 商业闭环 | Nous Portal 订阅 + 模型训练飞轮 | DeepSeek 模型生态的平台化配套 |
对照一：出身决定动机
Nous Research 是模型实验室（开源 Hermes 模型系列），DeepSeek 是模型公司。都做 agent，动机不同：
- Nous 做 Hermes，是把 agent 当研究基础设施 + 数据飞轮：0003 讲过 batch_runner + trajectory_compressor 这条"会话 → 轨迹 → 下一代模型训练数据"管道，用户每次学习都在为模型资产增值，所以它舍得把学习闭环做成产品核心。
- DeepSeek 做 dsh，是把 agent 当模型能力的标准化出口：harness 保持中立与极简（4.2 万行对 103 万行），把差异化留给插件生态。模型在别的 harness 里跑也是同样的模型——harness 不需要学习，需要的是可信赖的事件事实与可替换的机制。
一个想 owned 整个"用"的环节（并让"用"反哺"造"），一个想 owned 整个"造"的环节（让"造"服务"用"）。
对照二：loop 为谁而写
dsh 的 loop：AgentLoop extends Service implements AgentFactory，一个可从配置 patch 掉的插件行——为想换范式的平台开发者而写。
Hermes 的 loop：8954 行的生产级战舰，循环内外十道关卡（steer 排水、检查点、中断、双预算、宽限圈、压缩门、降级链、复读机拦截……）——为真实世界的事故而写，每个分支几乎都是一次真实故障的化石（billing 拦截、凭据池刷新风暴、图像损坏、长上下文分级、#89886 缓存标记 400……）。
教材价值在 dsh，故障案例库价值在 Hermes。 想理解 loop 该长什么样，读 dsh；想知道 loop 在生产里会遭遇什么，读 Hermes。
对照三：能力长在哪里
两家异口同声"能力别进核心"，但路径相反：
- dsh 用机制：Cordis 插件 + YAML patch 栈 + 热重载，同 id 后写胜出。可替换性是结构保证的，代价是必须先懂 Cordis 这个编程范式（背后有正经论文 arXiv:2608.25512）。
- Hermes 用文化 + 生态：AGENTS.md 立宪"细腰神圣"，核心工具准入靠评审门槛；实际能力增量走三条边——技能（agentskills.io 标准，13 类内置 + Skills Hub 市场）、服务门控工具（按后端能力开关）、插件与 MCP（双向：既能接 MCP 服务器，也能用
hermes_tools_mcp_server.py把自己的工具反串成 MCP 服务端）。
耐人寻味的同构：dsh 的 llm-pi-ai 适配器把竞品 Pi 的模型库当 Provider；Hermes 的 codex_app_server 传输把 OpenAI Codex 的运行时当整个回合的后端。两家都信奉"竞品即零件"——agent 生态成熟度的标志。
对照四：学习与安全，两种哲学各自的彻底
学习：dsh 的哲学是 harness 不学习——提供带不变量的事件日志，学习与个性化是上层应用的事，多租户平台视角下这种中立性是特性；Hermes 的哲学是 agent 自己学习——记忆、技能、策展、召回全内建，且学习管线通向模型训练。加上隐性维度：Hermes 网关一等公民实现钉钉/飞书/企业微信/微信/QQ/元宝，中文用户开箱即连；dsh 走协议中立路线，接国内 IM 需要自己做平台适配。
安全：dsh 把沙箱做成 seam 级机制（Landlock/bwrap/E2B），默认姿态更硬；Hermes 把"进程内一切皆启发式"摊开说明，把真边界交给操作系统与部署姿势。一个是机制自信，一个是认知诚实——读哪份源码，都能学到另一半团队不愿明说的东西。
给自建 agent 平台者的六条启示
- 成本纪律先行：把"会话级 prompt 缓存神圣"写进宪法，缓存断点按声明式字节边界落位。长对话产品的毛利藏在缓存命中率里。
- 学习要配代谢：只有写入没有过期/归档/合并的记忆系统，半年后就是垃圾场。实时 nudge 管生长，离线 curator 管代谢。
- 高频操作走传统索引：跨会话召回用 FTS5 零 LLM 成本，最贵的调用只留给摘要与蒸馏。不是所有"智能"都要花 token。
- 细腰要选对约束：机制约束（dsh/Cordis）前期重、后期稳；文化约束（Hermes/评审）前期轻、后期还债（8954 行巨核与拆解运动）。取决于核心迭代速度与团队规模。
- 多入口系统先修并发纪律：锁加在"解析后的最终资源标识"上（turn_lease 的教训），派发单主化、通知无写权限。
- 扩展面做成信任梯度：越贴近核心越稳定、越靠边缘越严审——Hermes 的"细腰"最终不是一个面，而是一个按信任分层的梯度场（0005）。
系列收束
六篇走完：0001 认识它（自我改进 + 全家桶，23.9 万 star 的由来），0002 剖开它（巨核、缓存宪法、三级压缩、工具渐进披露），0003 验证它（学习闭环四内环 + 数据飞轮外环），0004 走出核心（网关、多端、任务编排——核心之外全是分布式问题），0005 看住它（只信 OS 的公理与信任梯度），本篇把它放进坐标系。
选型一句话：要造 agent 平台的地基，读 dsh；要一个已经会成长的 agent，或要学"产品级 agent 该长什么样"，用 Hermes。 而作为源码教材，两者互为镜像——一个展示了机制约束的优雅，一个展示了文化约束下真实系统的全部重量。
相关系列：DeepSeek Harness 源码：一切皆插件（9 篇已完结） · 回到 专栏首页