Hermes Agent 与 Make.com：推理代理还是场景流？
2026 年 Hermes Agent 与 Make.com 有何不同：何时选推理代理，何时选 Make，以及如何把两者组合起来。
一场不断被拿来对比的对决
如果你搜过 "make.com vs ai 代理"，可能已经隐约感到：这两个工具处在相邻的类别，而不是同一个类别。Make（前身为 Integromat）是一款可视化的自动化平台，你在上面搭建"场景"：由触发器、动作、过滤器和路由组成的流程图，连接超过 3000 款应用。Hermes Agent 是一个有状态的 AI 运行时，你通过 Telegram、WhatsApp、Discord 或终端与它对话，它会自行决定如何处理每一次请求。
Make 在 2025 年推出的 AI Agents 公测把两者拉得更近，所以这场对比已经不再纯属学术。选错依旧代价不小，而在真正应该"两者并用"的场景里只选一个，则是更常见的错误。
Make.com 到底做什么
Make 是一个无代码集成平台。你把应用拖到可视化画布上，用线条连起来，每个模块要么是触发器（Webhook、定时任务、Airtable 新行等），要么是动作（发这封邮件、建这条 Notion 页面、发这条 Slack 消息），要么是逻辑块（路由、过滤、迭代器、聚合器）。一个场景自上而下、确定性地执行，每次跑一遍。
它的强项是规模化下的可靠性。当你清楚知道什么事情该发生，并且需要它每个月以相同方式执行数万次时，Make 就是首选。场景发光的典型例子：
- 新线索进入表单：用 Clearbit 富化、打分、路由给对应销售、写入 HubSpot、通知 Slack。
- Stripe 收款触发 Webhook：新建 Notion 任务、发送 onboarding 邮件、把客户加入 Mailchimp 名单、给创始人发私信。
- 每天定时把 Airtable 昨日新增的行拉出来、转换后写入 BigQuery。
2026 年定价从免费版（每月 1000 credits）到 Core（9 美元 / 月）、Pro（16 美元 / 月）、Teams（29 美元 / 月）。平台在 2025 年 8 月把 "Operations" 改成了 "Credits"，AI 模块消耗的 credits 高于普通模块，所以一旦你开始用平台原生的 AI 功能，credits 就是最需要盯着的指标。
Make 还上线了公测版 AI Agents。代理模块嵌在场景中，可以在运行时根据你定义的目标决定调用哪些工具、以什么顺序、调用多少次。这是把推理引入画布的一次认真尝试，值得认真看待。但当前公测存在硬伤：system prompt 是静态的，不支持动态变量；每个场景只允许一个触发器；换底层模型必须新建一个代理。今天能用，但毕竟是公测，变动很快。
Hermes Agent 到底做什么
Hermes Agent 是 Nous Research 出品的开源代理运行时。它是一个长期运行的进程，你通过 Telegram、WhatsApp、Discord 或终端与它对话，它自行决定如何处理每一次请求。没有画布，没有场景文件，也没有触发器清单要配置。
Hermes 做的事情是"持有状态"。它维护一个 USER.md 记录你的画像、一个 MEMORY.md 记录它对你和你工作的学习，以及一个按需加载的技能库。每一次对话都建立在此前对话之上。它记得你昨天问过什么、上周做的更正、上个月的项目上下文。我们在关于 Hermes Agent 记忆与技能的文章里做过详细讲解。
它的强项是判断力。当你说"给周二见过的那位客户写一封跟进邮件，语气要温和些，上一封太激进了"，它可以在整段对话历史面前完成推理。没有流程要设计。代理按需选择工具：用日历找周二的会议，用记忆找出上一版草稿，用消息技能把改好的文本发回给你审核。
代价在边缘处出现。Hermes 不是确定性的，同样的 prompt 可能产生略微不同的工具调用序列。对模糊、需要判断的工作而言，这恰恰是它的价值所在；对两个 SaaS 之间 100% 可预测的对接来说，就是杀鸡用牛刀。
决策边界
一个干净的思考方式：Make 适合你事先就知道规则的确定性场景，而 Hermes 适合规则要靠代理在运行时结合上下文推断出来的判断型工作。
| 问题 | Make.com | Hermes Agent |
|---|---|---|
| 核心抽象 | 可视化画布上的场景 | 与有状态代理的对话 |
| 编排逻辑 | 由你设计，写在流程里 | 由代理在运行时决定 |
| 跨次运行的状态 | 每次执行有限，加上你手动接的数据存储模块 | 持久化记忆、画像、技能 |
| 确定性 | 高，同样的输入走同样的路径 | 低，代理每回合都重新推理 |
| 最擅长 | 连接 SaaS、事件驱动的流水 | 判断、起草、总结、回忆 |
| 最不擅长 | 读懂自由语言中的细微差别 | 提供固定序列的强保证 |
| 交互界面 | 浏览器画布 | Telegram、WhatsApp、Discord、CLI |
| 可自托管 | 否（Make 只支持云端） | 是，Docker，MIT 许可证 |
| 定价模型 | 按模块执行计 credits | 你自己模型提供方的 token 账单 |
如果你发现自己在 Make 里堆一长串过滤器和路由，去应付人话消息的凌乱形状，这就是信号。你在用分支模拟推理，而分支只会越长越多。这类工作属于代理。
如果你发现自己写的 Hermes 技能永远按同样的顺序对同样的三个 API 跑同样的七步，这就是另一个信号。你在用代理模拟场景，会为此付出延迟和费用。这类工作属于 Make。
什么时候 Make.com 胜出
Make 是正确答案，当：
- 触发条件清晰、期望动作也清晰（"Stripe 收款成功就做 X、Y、Z"）。
- 你需要一个有重试、有错误分支、每次执行都有审计轨迹的确定序列。
- 你所需的集成已经在 3000+ 目录里，而你不想写代码。
- 你在意吞吐：每小时数千次执行，且单次成本可预测。
- 拥有该自动化的团队更愿意用可视化画布，而不是聊天界面。
商业自动化的大头都在这里：线索路由、账单流、通知扇出、SaaS 之间的 ETL、每日报表。Make 吃这类活。如果你的负载更像 n8n 的地盘，我们在 Hermes Agent vs n8n 里详细比较过，同样的框架也适用于本文。
什么时候 Hermes Agent 胜出
Hermes 是正确答案，当：
- 输入是非结构化语言，回答依赖于理解它。
- 工作是个人的，不是共享的业务流。你的代理、你的项目、你的联系人。
- 你想要跨多次会话的长期记忆，而不只是一次运行内的状态。
- 交互界面应该是你每天要打开十次的聊天，而不是又一个浏览器仪表盘。
- 你希望通过写一个 markdown 技能文件来扩展能力，而不是把模块拖到画布上。
个人代理这个类别就在这里。用你的语气写每日摘要、结合项目上下文回答参考问题、每天记日记、整理阅读队列，能撑过好几周的专注型工作助手。我们在 Hermes Agent 对比 ChatGPT、Claude 和 Gemini 中把 Hermes 与主流"只聊天"AI 工具做了对比，正是这种 memory-first 的推理方式，把它和 Make 的 scenario-first 模型区分开。
从 Hermify 开始，一分钟内就能拥有一个部署在 Telegram 上的托管版 Hermes Agent，且无需自己维护服务器。
打败两者的混合模式
要避免的错误，是把它当成非此即彼。2026 年最强的组合往往同时使用两者，交接干净：
- **Make 负责搬运数据。**Webhook、cron 触发、API 流水、确定性扇出、重试、审计日志。可靠性和吞吐住在这一层。
- **Hermes 负责决定要拿这些数据做什么。**当场景需要判断力（"总结这条支持工单并正确打标签"、"用我们平时的语气写一封回复"、"决定这个线索是否值得叫醒销售"），Make 通过 OpenAI 兼容的 HTTP 接口调用 Hermes，然后把返回结果作为另一个模块的值继续处理。
实际上就是一条由 Webhook 触发的 Make 场景，在流程中间用非结构化 payload 去打 Hermes 的接口，解析 Hermes 返回的结构化响应，然后继续走确定性路径。Hermes 把记忆、判断和你积累的上下文带进场景，Make 在外围提供可靠性、集成和有限速的扇出。
反方向一样成立。Hermes 的技能可以调用 Make 的 Webhook，去有保证地"把事情做掉"：真正把邮件发出去、把记录改掉、把数据扇出到实际 SaaS 里。代理负责推理，Make 负责执行。
Make 自家的 AI Agents 呢？
问得公道。Make 的 AI Agents 公测本身就说明平台看到了这块缺口，对于某一类工作，内置的代理模块就够用。如果你的自动化有 90% 是确定性流水，只有其中一步需要模型来判断，那留在 Make 里是更简单的答案。
内置代理今天真正短板的地方，是任何"记忆重"或"对话式"的工作。静态 system prompt 意味着代理很难随着一周一周累积的上下文而自然演化。每场景只能有一个触发器，让"和自己的代理聊天"这种模式几乎无从谈起。而模型被绑定在代理实例上，想试试更便宜或更新的提供方，就得推倒重来。
Hermes 从设计上就是 memory-first、conversation-first 的。如果工作跨越很多轮对话、需要记住你上个月说过什么、并要在你已经在的地方找到你，这正是 Hermes 被构建出来处理的负载。如果工作只触发一次、走五步确定性动作、返回一个结果，那就是 Make 的主场，无论用不用内置代理。
成本、托管与锁定
Make 只有云端版本，由 Celonis 托管，目前不支持自托管。定价按 credits 计，AI 模块比普通模块消耗更多 credits，所以 AI 密集型场景可能比"执行次数"看起来更快地烧完套餐。
Hermes 采用 MIT 许可证，提供多种后端，包括 Docker 和 SSH。成本主要取决于你接入的大模型服务商：你在 OpenAI、Anthropic 或 OpenRouter 的账单，运行时本身开销几乎可以忽略。Hermes 天生 bring-your-own-key，模型选择和支出都在你手上。自托管与托管的取舍我们在 Hermes Agent 托管与自托管 一文里详细拆解过。
对多数独立操作者来说，Hermes 每月真实账单在 5 到 30 美元之间，取决于对话量，再加上可选的托管费用。Make 的现实账单一般落在 Core 或 Pro（9 到 16 美元），前提是你盯住 AI 模块上的 credits 消耗。
如何选择
一个简短的决策速查：
- 如果你的问题是"某件事发生时把这些 SaaS 连起来"，选 Make。
- 如果你的问题是"我想要一个了解我、代表我行事的 AI"，选 Hermes。
- 如果你的问题是"我要 SaaS 自动化，还要它能聪明地处理非结构化输入"，两者都用：让 Make 在场景中途调用 Hermes，或者让 Hermes 调用 Make 完成确定性步骤。
强迫其中一个去做另一个的工作，就是故障模式。Make 不是一个 memory-first 的推理代理，Hermes 也不是一个场景引擎。把这一点内化之后，选择会变得容易，混合模式也开始显得理所当然。