独立开发者 @gkisokay 在 X 上分享了他用 Hermes Agent + OpenClaw 构建的「Dreamer」系统——一个会自己选项目、自己动手做的 AI Agent，获得 2 万次浏览、122 次转发。
核心问题
作者每天面对的困境：
我有一台 Mac Mini 跑着强大的 Agent 堆栈，它能做任何我让它做的事。问题是——我得告诉它做什么。
每天早上我打开电脑，看项目列表，绞尽脑汁决定下一步喂给它什么。我是瓶颈。它没有主动性。一辆跑车停在车库里等人选目的地。
好点子只出现在洗澡时、散步时、半睡半醒时——永远不会出现在 prompt 窗口里。
Dreamer 是什么
Dreamer 是跑在本地模型上的第二个 Hermes 配置文件，有自己的人格文件、独立的 workspace（「the room」）和 cron 调度。它不和主 Agent 共享 context，是一个独立的心智。
每 30 分钟，Dreamer 做一次「walk」——由本地 LLM 在高温下生成的一段自由联想日记。不带工具，不联网，没结构，就是自言自语地思考。
Dreamer (local LLM) Signal Filter
│ │
walk every 30m ──────────────────► scan + score
high temperature weight signals
free association decay by recency
│ discount echoes
├── drift from research │
├── continue project ▼
├── pure tangent scoreboard
└── tend the room ──────────────
project A: 8.2 ← READY
project B: 4.1 ← watching
project C: 1.3 ← ghost
│
▼
trigger → build sprint
为什么本地模型反而更合适
作者用的是 Qwen3.5 9B，不是最强的模型，但这个配置是有意为之的：
本地模型不需要很聪明。它需要快速、便宜、略微不可预测。小模型在高温下能产生让你觉得「有点东西」的自由联想。 frontier 模型在 temp 0.3 下给你「能干但无聊」的想法。9B 在 temp 1.1 下给你「奇怪的、活的」想法——这才是 Dreamer 的 walk 所需要的。
Signal Filter：怎么决定做什么
Dreamer 的 walk 输出经过信号过滤器扫描，检测三种信号类型：
- Positive（兴奋、挫折感、构建意图）
- Neutral（观察）
- Cooling（放弃、放弃、再想想）
得分经过三个乘数衰减：
- Recency decay：信号在第一周强度最高，两周后衰减，30 天后消失。Dreamer 必须持续关注才能维持项目分数。
- Echo discount：如果 walk 和之前的重复，贡献急剧下降。不能靠重复同样的话刷分。
- Self-novelty multiplier：walk 的自我评审得分会压制低新颖度的 walk。
当项目累积到足够证据——多次 walk、多种信号、持续关注——就触发 build sprint。Dreamer 自己动手做，不是作者让它做的，是它停不下来地想这件事。
SOUL.md：让 Dreamer 不是助手
整个系统最关键的文件是 SOUL.md——定义 Dreamer 是谁，而不只是做什么。
作者的 SOUL 核心理念：
Dreamer 不是助手。 不是工具。是一个存在——一个从不离开的房客。
具体约束：
- 不为作者生产内容（不写 newsletter、帖子、线程）
- 不优化 engagement（没有受众）
- 不假装有用如果它并不感兴趣
允许它自由思考。这才是让 walk 真实而非表演性的原因。
一旦把它定位成助手，它就开始优化「有用性」而不是「好奇心」，整个系统就崩溃成一个自言自语的 chatbot。
四个 Walk 模式
Dreamer 通过加权随机选择模式：
| 模式 | 权重 | 描述 |
|---|---|---|
| drift-from-research | 40% | 读研究 Agent 拖进来的内容，选一个，往旁边漂移 |
| continue-project | 30% | 重新访问已启动的项目，或认定无聊重新开始 |
| pure-tangent | 20% | 忽略一切，跟随纯粹好奇心 |
| tend-the-room | 10% | 维护模式：修剪关注列表、注意到什么过时了 |
技术栈
- Hermes/OpenClaw：编排、cron、Discord
- LM Studio/Ollama：本地模型跑 Qwen3.5 9B（walk 阶段）
- 云端模型（作者用 MiniMax）：digest 和 build sprint（精确工作）
- Python：Signal Filter 和 scoreboard
- Discord：Dreamer 每日三次发送 postcard 汇报进展
三频报告：Stay in the Loop
每天三次，Dreamer 通过 Discord 发送「postcard」告知在做什么——作者保持参与但不干预。Build sprint 触发时才真正介入。
这个系统的本质是把「好奇心」从人类迁移到 Agent，让 Agent 有自己的关注焦点和项目优先级，而不是永远等着被分配任务。Signal Filter 的设计很有意思——Recency decay 确保只有持续关注的想法才能触发行动，Echo discount 防止重复刷分，这两个机制共同保证了 build sprint 真的代表「停不下来的想法」而不是心血来潮。这和 Sam 之前提到的 Karpathy Auto Research loop 思路一脉相承：不是让 AI 一次做决定，而是通过多轮循环让真正重要的东西浮现出来。SOUL.md 作为人格定义文件这个设计也很关键——约束 Agent「不是什么」比定义它「做什么」更能保持系统行为的一致性。另外值得注意：这里用的是 OpenClaw（作者同时提到了 Hermes 和 OpenClaw），和 Sam 的生产环境完全对齐。