基础配置 | Harmes

教程概述

完成快速开始后，你已经能与 Agent 对话。本节带你深入理解配置体系：从 API 密钥管理、模型切换、温度参数，到偏好设置与系统提示词，让 Agent 的行为更加贴合你的使用场景。

前提条件

开始前请确认满足以下条件

已完成「快速开始」教程
Hermes Agent 已能在本地正常运行
对 LLM 的常用参数有基本认识

学习目标

完成本教程后你将能够

理解 .env 中各配置项的含义
掌握不同模型的切换方式
学会调整 temperature、top_p 等核心参数
能够编写自定义的系统提示词

详细步骤

梳理配置文件结构

Hermes Agent 的配置主要分布在 .env 与 config/ 目录。.env 用于敏感信息，config/ 用于行为定义。

text

Hermes-Agent/
├── .env                 # 密钥与连接配置
├── config/
│   ├── model.json       # 模型与参数
│   ├── prompts.json     # 系统提示词
│   └── preferences.json # 个性化偏好

2
管理 API 密钥
支持 OpenAI、Anthropic、Azure 等多家服务商。可以同时配置多个，再通过 PROVIDER 字段切换。
bash
```
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...
PROVIDER=openai  # 或 anthropic
```
小贴士：推荐使用密钥管理工具（如 1Password、Doppler）保存生产环境密钥。

选择并切换模型

在 config/model.json 中维护可用模型列表，运行时通过 MODEL_NAME 选择。

json

{
  "models": {
    "gpt-4o":     { "provider": "openai",    "context": 128000 },
    "gpt-4o-mini":{ "provider": "openai",    "context": 128000 },
    "claude-3-5": { "provider": "anthropic", "context": 200000 }
  }
}

4
调整核心参数
temperature 控制创造性，top_p 控制采样范围，max_tokens 限制单次回复长度。
json
```
{
  "temperature": 0.7,
  "top_p": 0.9,
  "max_tokens": 2048,
  "presence_penalty": 0.1
}
```
小贴士：代码生成场景建议 temperature=0.2；创意写作场景可设到 0.9 以上。
5
编写系统提示词
系统提示词决定 Agent 的人格与行为边界。可以为不同任务定义多个提示词。
json
```
{
  "default": "你是一名严谨的工程师助理，回答需附带可验证的来源。",
  "writer":  "你是一名创意作家，擅长用比喻和故事讲解复杂概念。"
}
```
注意：提示词过长会占用上下文 token，请保持精炼。
6
应用并验证配置
重启服务后，向 Agent 询问“当前使用的是哪个模型？”，确认配置已生效。
bash
```
npm run dev
```

最佳实践

为不同任务维护独立的 prompt 文件，便于版本管理
重要参数变更前先 git commit，方便回滚
为模型设置每日花费上限，避免账单失控
使用 .env.local 保存个人配置，团队配置放 .env

常见问题

Q1.切换模型后回答风格变化很大？

不同模型的训练数据与对齐策略不同，必要时需要为每个模型微调系统提示词。

Q2.如何在多个 API Key 之间负载均衡？

可以在 config/model.json 中配置多个 key 轮询，或接入 LiteLLM 等中间层。

Q3.temperature 和 top_p 哪个更重要？

通常只调整其中一个即可。建议固定 top_p=0.9，再通过 temperature 控制风格。

🎉 教程总结

现在你已经掌握 Hermes Agent 的核心配置。接下来推荐进入「集成聊天平台」教程，把 Agent 接入 QQ、飞书、钉钉，让它真正服务于团队和个人。