**Show HN: HermesBench – 个人AI智能体的工作流可靠性评估基准**

_Show HN: HermesBench – workflow reliability evals for personal AI agents_

> HermesBench 是一个用于评估个人AI智能体（如 Hermes 配置）整体工作流可靠性的新基准。它不只测试模型能力，而是评估完整配置（提示、模型、工具、技能、记忆、安全等），当前公开基线在27个预设任务中得分78.2。该基准强调可验证性和透明度，提供脱敏的运行轨迹、方法文档和可复现元数据。用户可通过编程智能体（如 Codex 或 Claude）快速运行单个测试场景，社区正在收集早期反馈以改进。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-05-31 07:03（北京时间）
- **原文**：[打开原文](https://verkyyi.github.io/hermesbench)