Hermes 路线图：给 AI 装上体检报告系统

AI 干活慢、费钱、失败，最气人的是不知道卡在哪一步。Hermes 的路线图里，要给每次运行装上“黑匣子”——哪个环节慢、烧了多少 token、为什么失败，事后全查得到。

这个方向是什么：给 AI 的每一次“出差”写工作日志

想象你是一家公司的老板，派了一位全能助理（AI）去办一件复杂的差事：订机票、联系客户、查资料、写报告、发邮件。助理回来告诉你“办好了”，但你想知道：机票在哪家订的？客户电话打了多久？资料查了几次？邮件发出去没有？如果助理办事特别慢或者花超了预算，你甚至不知道是哪个环节出了问题。

结构化可观测性，就是给这位助理配一本强制填写的“工作日志”。不是让他事后回忆，而是每走一步，系统自动记录：此刻在做什么、调用了哪个工具、花了多少钱、用了多少时间、结果如何。这本日志不是给人看的流水账，而是可以按“会话”“工具”“供应商”分类检索的数据库。

Hermes 这次规划的方向，就是把这本“日志”从可选的辅助功能，变成核心引擎里自带的标准配置。就像飞机上的黑匣子，平时不显眼，但一旦需要排查问题，它就是唯一的真相来源。

官方规划了哪些事：从“记什么”到“怎么用”

规划里最基础的一件事，是给所有关键动作打上“结构化 spans”。你可以把 span 理解为日志里的一条带时间戳的条目。模型调用是一条，工具调用是一条，插件钩子是一条，记忆调用是一条，甚至连消息投递到哪个平台都有一条。这些条目不是孤立的，而是像套娃一样嵌套：一次运行是一个大盒子，里面装着“调用模型”“调用工具”“发送结果”几个中盒子，中盒子里还有更细的小盒子。这样，任何一步出问题，都能顺着盒子一层层剥开，精确到毫秒级定位。

第二件事，是给这些日志加上“财务和绩效标签”。每次调用大模型，花了多少 token、折合多少钱、耗时多久，全部按会话、按工具、按供应商、按平台自动归集。这就好比助理的每一笔差旅费都自动记到对应的项目编号下，月底一看报表，哪个客户最烧钱、哪家航空公司最慢，一目了然。官方特别提到了“慢工具/慢 provider 诊断”，意思是系统会自动标记那些响应时间异常长的环节，不用你手动对比历史数据。

第三件事，是记录“决策路径”。比如，当首选模型供应商超时，系统自动切换到备用供应商，这个过程会留下一条完整的“fallback 决策”记录：为什么切换、切换时等了多久、备用供应商表现如何。这就像助理在出差时临时改签航班，日志里要写明原航班延误了多久、改签后是否准时到达。同时，prompt 缓存命中情况也会被记录——如果缓存命中了，说明这次没花钱重新计算，这对成本分析至关重要。

最后，规划里提到“导出运行包”。这相当于把一次运行的所有日志、输入输出、配置参数打包成一个文件。这个包可以用来调试，也可以发给支持团队分析。官方特别强调了两条红线：一是可观测性默认关闭，只有你主动开启才会记录和上传数据，绝不在你不知情时把日志发到外部；二是调试包里默认不包含任何密钥，即使你把这个包发给别人，对方也拿不到你的 API 密钥或敏感信息。

验收标准很简单：操作员要能回答三个问题——这次运行为什么慢？为什么贵？为什么失败？只要这三问能通过日志得到答案，这个功能就算合格。

对用户意味着什么：从“猜”到“查”，从“认栽”到“索赔”

以前，AI 模型跑得慢，你只能干等；跑得贵，你只能看账单发呆；跑失败了，你只能重试。有了结构化可观测性，你第一次有了“事后复盘”的能力。下次再遇到“AI 突然变笨”的情况，你可以打开日志，看到底是记忆检索没找到关键信息，还是工具调用超时，还是模型供应商临时抽风。

对于开发者来说，这意味着调试时间从“小时级”缩短到“分钟级”。对于普通用户，这意味着你可以理直气壮地追问：“为什么这次花了这么多钱？”——而答案不再是“模型成本波动”，而是精确到“你在第三步调用了三次同一个工具，每次都重复计算了相同的长文本”。

更贴心的是，隐私保护被写进了设计原则。日志默认留在本机，只有你明确同意才会发送遥测数据；导出的调试包也经过了脱敏处理。这就像助理的工作日志虽然详细，但涉及你隐私的对话内容会被自动打码，只有你本人能看到全文。

总而言之，Hermes 正在把“AI 的可解释性”从一句口号，变成一件可以实际使用的工具。它不是为了让 AI 更聪明，而是为了让 AI 的每一次“犯傻”都有据可查。对于所有依赖 AI 干活的人来说，这大概是最实用的“售后保障”了。