Hermes Agent 把創意工具變成一句話：ComfyUI、TouchDesigner、HyperFrames 全內建

創意工具的學習曲線一直是門檻。Hermes Agent 把它們變成 agent 可呼叫的能力，門檻從「學會操作」變成「描述你要什麼」。

v0.12.0「Curator Release」（2026-04-30）把 ComfyUI 和 TouchDesigner-MCP 從可選安裝改成預設內建。v0.13.0「Tenacity Release」（2026-05-07）在 295 位貢獻者、864 commits 之後上線，HyperFrames 跟著進來。你現在可以直接對 Hermes 說「用 ComfyUI 跑這個工作流程」，然後去喝咖啡。

ComfyUI：custom node 生態變成 agent surface

ComfyUI 是開源生成式媒體領域最強、也最難的工具——它把所有生成過程拆成節點，你拉線、組 graph、調參數，能做出商業工具做不到的精度。代價是極高的學習門檻：節點目錄看起來像化學週期表。它的核心優勢一直是兩件事：彈性（任何新模型——Flux、SDXL、Wan、Sora 級開源版本——出來的隔天就有人寫 custom node 整合）和可重現（workflow 是 JSON，可以分享、版本控制、確定性執行）。但這兩個優勢都需要使用者自己懂節點怎麼接。普通內容創作者只能用 prebuilt workflow，調參空間有限。

Hermes 的 ComfyUI skill 處理的就是這層摩擦。你給 agent 一句話描述想要的輸出，它自己處理節點安裝、workflow 設定、執行。官方 skill 文件列出的腳本架構：

腳本	用途
`hardware_check.py`	探測 GPU / VRAM / 硬碟，推薦本地 vs Comfy Cloud
`comfyui_setup.sh`	硬體偵測 + 安裝 + 啟動 + 驗證一條龍
`extract_schema.py`	讀工作流程，列出可調整的參數與模型依賴
`check_deps.py`	檢查工作流對照執行中的伺服器，列出缺少的節點
`auto_fix_deps.py`	自動跑 `comfy node install` 和 `comfy model download`
`run_workflow.py`	注入參數、提交、監控、下載輸出（HTTP 或 WebSocket）
`run_batch.py`	同一工作流跑 N 次，支援 sweep 掃描

你說「安裝 ComfyUI」，agent 跑 bash comfyui_setup.sh。你說「把這個工作流跑 5 次，每次換不同 seed」，agent 跑 run_batch.py。生命週期管理用 comfy-cli，執行層走 REST / WebSocket 直連。

它跟「直接 call ComfyUI API」差在哪：

agent 會自己裝節點：透過 /manager/queue/install 端點，缺的 custom node 自己抓
agent 自己組 workflow graph：不是 user 拉一個 prefab workflow，是 agent 看任務描述決定接什麼節點
agent 能 debug：跑壞了會看 error、修 graph、重跑

agent 不是在幫你打指令，它是在做決策——先問硬體，再決定要不要用雲端，再決定缺哪些節點，然後修。Nous Research 在 GitHub commit log 裡（github.com/nousresearch/hermes-agent）可以看到他們在仔細修正節點目錄——把錯誤的 Canny 改成 CannyEdgePreprocessor、修正 IPAdapter 的 enum 處理、移除不存在的 JS-only 節點。這些不是 demo-grade 的東西，是真的在生產級 workflow 上踩坑修出來的。對 custom node 作者來說，這也是一條新分發路線——agent 會自動裝你的 node，前提是 metadata 寫對。

TouchDesigner-MCP：即時視覺也能自然語言驅動

TouchDesigner 是實時視覺工具裡學習曲線最陡的一個。節點圖邏輯、CHOP / TOP 型別系統、GLSL Shader——一般人入門要幾個月。

Hermes 的 touchdesigner-mcp skill 走的是 twozero MCP，連進 port 40404，給 agent 36 個原生工具。插件免費，2026 年 4 月官方確認不需要付費。架構是：

Hermes Agent → MCP (Streamable HTTP) → twozero.tox (port 40404) → TD Python

你說「做一個聲音驅動的 GLSL 視覺」，agent 知道正確的 signal chain 長什麼樣：

AudioFileIn CHOP → AudioSpectrum CHOP (FFT=512, outlength=256)
→ Math CHOP (gain=10) → CHOP to TOP → GLSL TOP

這些細節你以前要自己查文件，現在 agent 直接知道。

HyperFrames：v0.13.0 新增的影片生成

HyperFrames 是 HeyGen 的開源框架，用 HTML/CSS/JS 定義影片場景和時間軸，透過瀏覽器 + FFmpeg 渲染成 MP4。設計理念就是讓 AI agent 驅動。

為什麼 agent 適合操 HyperFrames？因為 LLM 本來就很擅長寫 HTML，而 HyperFrames 把影片結構（片段、字幕、圖片、音軌、轉場）全部用 HTML 元素和 data- 屬性表達。你說「做一個 10 秒的產品介紹，淡入標題、背景影片、背景音樂」，agent 直接生成完整的 HTML 結構。支援的動畫庫：CSS、GSAP、Lottie、Three.js，還有 Anime.js、WAAPI。要求：Node.js ≥22，FFmpeg 已安裝。

幾個可以直接用的 prompt：

Using /hyperframes, create a 10-second product intro with a fade-in title, a background video, and background music.
Take a look at this GitHub repo and explain its architecture using /hyperframes.
Turn this CSV into an animated bar chart race using /hyperframes.

對創作者的意義

三個工具各自的定位：

工具	主要用途	門檻來源	Hermes 解決什麼
ComfyUI	圖片/影片/音頻生成	節點圖、模型管理、依賴地獄	安裝、依賴修復、批次執行自動化
TouchDesigner	實時視覺、互動裝置	CHOP/TOP 系統、GLSL、節點邏輯	36 工具直接控制，signal chain 知識內建
HyperFrames	結構化影片生成	時間軸、場景合成	LLM 直接寫 HTML 結構，渲染出 MP4

三個工具的共同點：都有很深的學習曲線，都有很強的輸出能力。Hermes 不是在降低這些工具的上限，而是在消除你入門到第一個輸出之間的摩擦。對開源生態來說，這是把工具的天花板往上抬，把地板也往下挪。

但有幾件事要清醒：品質還是綁工具本身的模型——agent 解決的是「組 workflow」這層，不是「模型訓練不夠好」這層，爛模型 + agent 還是爛。Self-improving 也是兩面刃——commit log 顯示他們頻繁修「幻覺節點名」，agent 抓錯節點名是真實風險，需要 human review。計算成本同樣會被放大：ComfyUI workflow 動輒吃 8–24GB VRAM，把這件事自動化代表你會更快燒掉本地 GPU 或 cloud GPU 額度。

如果要認真跑這些創意工作流，硬體和工作環境會直接影響產出效率。想在本地跑大型算圖或微調的人，VRAM 是第一道天花板；長時間創意工作則吃環境配備——桌面 4 件套（鍵盤、USB-C Hub、螢幕掛燈、站立書架）對需要久坐剪輯、調參的工作室是合理的基本盤，符合人因工程的配備能降低疲勞。另外，SuperGrok 訂閱可以直接接入 Hermes Agent，不需要另外申請 API key——細節看這篇。

利益揭露：本文部分連結為聯盟連結，點擊購買我會獲得回饋，不影響你的價格。

參考來源：Nous Research v0.12.0 / v0.13.0 release notes、github.com/nousresearch/hermes-agent commit log、ComfyUI 官方 skill 文件、HeyGen HyperFrames 文件。