越来越多的人在使用智能体，也有不少人正在搭建自己的AI工作台。
今天这篇文章，介绍我摸索出来的一种完全工作在本地电脑，不需要联网就能跑通的智能体 你的专属助手。
这是方案：Qwen3.5:9b + Hermes，下面介绍我的一手实测，详细搭建步骤，感兴趣的可以看看。
1 实测 Qwen3.5:9b
目前开源领域，Qwen系列应该是独一档。
不光国内都在用，最近英伟达也在量化它家的模型，如Qwen3.6-27B：
说起这个模型，我在自己的电脑实测过，量化后的Qwen3.6:27B要想在单张消费级显卡跑流畅，只可能是32G的5090显卡。
这个要求太高了，可能百分之八九十的人，都无法跑流畅这个模型。
基于现实考虑，退而求其次，经过我的大量实测，发现 Qwen3.5: 9b 模型，是最接地气的。
它只需要16G内存+8G显卡，就能跑通。12G-16G的显卡，流畅运行。
比如我实测的环境，32G 5090显卡，运行非常流畅。如下图，5090显卡实测，对单张图的理解速度达到500 tokens/s:
那么推理速度怎么样呢？对上面输入我做了10次测评，并绘制如下折线图：
首token延时（也就是TTFT）平均为 2.29s，上图中绿色折线图，首token后生成平均：0.40s
推理输出token数/s，曲线如下所示：
模型推理的平均速度为175.5 tokens/s
以上使用ollama搭载的qwen3.5:9b，单人单机最佳场景。
所以实测下来，Qwen3.5:9B 更像是本地 Agent 的甜点位模型。
它不像 27B 那样吃显存，也不像小模型那样一到复杂任务就容易露怯。
另外，它最大支持 256K 上下文，对大多数本地 Agent 任务已经够用：
再结合 Hermes 自带的记忆功能，多轮任务的连续性会更好。
总结下来，它接进 Hermes 后，不只是聊天，而是能胜任很多本地Agent任务了，这也是我觉得它特别适合单机本地玩 Agent 的原因。
2 接入Hermes
为什么这次我选择把 Qwen3.5 9B 接进 Hermes，而不是先测别的 Agent 工具？
一个很现实的原因是：Hermes 相对比较容易安装
它 相对更轻，安装链路也更短，对普通用户来说，成功跑起来的概率更高。
这点其实很重要。因为本地 Agent 工具不是看起来多酷，而是你能不能在自己的电脑上快速装好、接上模型，然后真的开始干活。
Ollama现在也方便支持Hermes了，只需下面一行命令，它会自动指定模型为 qwen3.5:9b，这样你后面都不用再手动配置它了，非常方便：
ollama launch hermes --model qwen3.5:9b如果Hermes没安装，它会自动帮你安装，非常方便：
点击 Yes，自动开始在你电脑里安装Hermes，
大概不到3分钟，Hermes就安装好了，Windows电脑也丝滑兼容：
如图显示为 qwen3.5: 9b，来个测试提问：
这套搭建方案，因为接入本地算力，所以token随便用，想怎么问就怎么问，再也不担心token花费问题。
你看这个接入步骤，真的太方便了，如果你之前从来没有安装过Hermes，真的只需要一行命令。
如果你之前安装过它，可能会遇到一个问题。
解决方法如下：
首先执行下面两行命令：
hermes config path hermes config show找到输出的配置文件具体路径，比如我的是：
C:\Users\guozh\AppData\Local\hermes\config.yaml
打开这个文件，输入下面这些到yaml文件中：
model: default: qwen3.5:9b provider: custom base_url: http://127.0.0.1:11434/v1 api_key: ollama context_length: 65536以上就是完整接入Hermes的步骤，中间没有任何省略。
3 开始本地玩Agent
- 如直接理解一张图，告诉它图片路径就行了：
- 当OCR用，如下提取图片中的文字：
- 自动分析Excel文件，告诉它Excel文件在哪里，中间它会安装pandas等数据分析包：
最后得出如下结论：
中间遇到问题，Hermes都会学到：
如果超过模型上下文，Hermes会自动压缩，如下图所示：
Hermes比较好的地方，Hermes 不只是一次性聊天，它会在多轮使用中自动更新用户画像和长期记忆：
比如这里显示 User profile updated · Memory updated，说明它已经把本轮对话中有长期价值的信息写入记忆了。
篇幅关系，更多实用 好玩的场景，大家自行去实践，总之本地玩蛮有意思。
2026年AI行业最大的机会，毫无疑问就在应用层！
字节跳动已有7个团队全速布局Agent
大模型岗位暴增69%，年薪破百万！
腾讯、京东、百度开放招聘技术岗，80%与AI相关……
如今，超过60%的企业都在推进AI产品落地，而真正能交付项目的大模型应用开发工程师**，**却极度稀缺！
落地AI应用绝对不是写几个prompt，调几个API就能搞定的，企业真正需要的，是能搞定这三项核心能力的人：
✅RAG：融入外部信息，修正模型输出，给模型装靠谱大脑
✅Agent智能体：让AI自主干活，通过工具调用（Tools）环境交互，多步推理完成复杂任务。比如做智能客服等等……
✅微调：针对特定任务优化，让模型适配业务
目前，脉脉上有超过1000家企业发布大模型相关岗位，人工智能岗平均月薪7.8w！实习生日薪高达4000！远超其他行业收入水平！
技术的稀缺性，才是你「值钱」的关键！
具备AI能力的程序员，比传统开发高出不止一截！有的人早就转行AI方向，拿到百万年薪！👇🏻👇🏻
AI浪潮，正在重构程序员的核心竞争力！现在入场，仍是最佳时机！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
⭐️从大模型微调到AI Agent智能体搭建
剖析AI技术的应用场景，用实战经验落地AI技术。从GPT到最火的开源模型，让你从容面对AI技术革新！
大模型微调
掌握主流大模型（如DeepSeek、Qwen等）的微调技术，针对特定场景优化模型性能。
学习如何利用领域数据（如制造、医药、金融等）进行模型定制，提升任务准确性和效率。
RAG应用开发
- 深入理解检索增强生成（Retrieval-Augmented Generation, RAG）技术，构建高效的知识检索与生成系统。
- 应用于垂类场景（如法律文档分析、医疗诊断辅助、金融报告生成等），实现精准信息提取与内容生成。
AI Agent智能体搭建
- 学习如何设计和开发AI Agent，实现多任务协同、自主决策和复杂问题解决。
- 构建垂类场景下的智能助手（如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等）。
如果你也有以下诉求：
快速链接产品/业务团队，参与前沿项目
构建技术壁垒，从竞争者中脱颖而出
避开35岁裁员危险期，顺利拿下高薪岗
迭代技术水平，延长未来20年的新职业发展！
……
那这节课你一定要来听！
因为，留给普通程序员的时间真的不多了！
立即扫码，即可免费预约
「AI技术原理 + 实战应用 + 职业发展」
「大模型应用开发实战公开课」
👇👇
👍🏻还有靠谱的内推机会+直聘权益！！
完课后赠送：大模型应用案例集、AI商业落地白皮书
