在 Hermes Agent 里跑/llm-wiki摄入时终端突然抛出cannot access local variable assistant_msg where it is not associated with a value随后紧跟Empty response from model — retrying。这类报错通常不是 Hermes Agent 的 skill 逻辑坏了而是它调用的 OpenAI-compatible 模型通道返回了空响应或结构异常导致内部处理assistant_msg时变量没有绑定。要快速恢复/llm-wiki的 Ingest可以先把模型通道切到 TaoToken 统一兼容通道。TaoToken 官网是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content创建 Key 后把 Hermes Agent 的 Base URL 改为 https://taotoken.net/api再重跑摄入命令通常就能绕开原始模型服务返回异常导致的 assistant_msg 报错。原问题Hermes Agent 跑 /llm-wiki 时抛出 assistant_msg 未定义这个报错的现场很有迷惑性。表面上 Hermes Agent 已经完成了web_extract、execute_code、write_file等步骤甚至可能已经写出了部分 wiki 页面但紧接着模型返回空内容Hermes Agent 内部尝试继续工具调用时拿不到assistant_msg于是整条链路断在这里。日志里还会出现Model returned empty after tool calls — nudging to continue然后就是cannot access local variable assistant_msg。从排障角度看问题不在/llm-wiki这个 skill 本身。/llm-wiki负责的是知识库结构、摄入流程、页面生成和索引维护它依赖 Hermes Agent 的模型通道返回标准的 OpenAI-compatible 响应。如果模型服务返回了空字符串、缺失choices、message结构不完整或者流式响应在工具调用后没有正确结束Hermes Agent 就可能进入重试逻辑最终在变量绑定阶段抛出assistant_msg未定义。换句话说这是模型通道的返回值异常不是 Hermes Agent 的代码写错了。只要换一个更稳定的 OpenAI-compatible 通道让每次请求都能返回结构完整的assistant_msg/llm-wiki的 Ingest 就能继续往下走。我遇到的场景是在gpu3090DESKTOP-...环境里路径/home/gpu3090/wiki是/mnt/g/wiki的符号链接Hermes Agent 版本是 v0.9.0。当时正在摄入 arXiv 论文命令类似hermes /llm-wiki 摄入 https://arxiv.org/html/2604.15302v1 https://arxiv.org/html/2604.15306v1第一次摄入还能跑后面重新摄入或者切换领域时就开始频繁出现assistant_msg报错。有时会卡在preparing skill_manage有时卡在write-technical-paper但根因都一样模型通道返回给 Hermes Agent 的响应不符合预期。TaoToken 前置用统一兼容通道替换模型服务TaoToken 的定位是统一兼容通道把不同模型服务收敛到标准的 OpenAI-compatible 接口上。对于 Hermes Agent 这种依赖工具调用和结构化响应的 Agent 框架来说通道的稳定性比单次模型能力更重要。因为 Agent 会在一次会话里连续发多次请求每次请求都可能带工具调用、工具返回、再补一轮模型输出。只要其中某一次返回空或者结构不完整Hermes Agent 就会触发Empty response from model — retrying重试几次后变量绑定失败就报assistant_msg。换到 TaoToken 之后Base URL 统一是https://taotoken.net/apiKey 在控制台创建。Hermes Agent 不需要改任何业务逻辑也不需要改/llm-wiki的 skill 文件只需要把模型通道的 base_url 和 api_key 指向 TaoToken。这样原来的模型服务返回异常被替换掉OpenAI-compatible 接口的返回值更可控/llm-wiki的 Ingest 就不容易卡在assistant_msg上。前置动作只有三步打开 TaoToken 官网https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content注册或登录后创建 API Key也就是后面配置里的YOUR_API_KEY。记下 Base URLhttps://taotoken.net/api。注意这个地址后面不要再接/v1Hermes Agent 内部会自己拼路径。如果你之前用的是别的模型服务建议先备份 Hermes Agent 的配置文件。通常模型通道配置在~/.hermes/config.yaml也可能通过环境变量注入。可以用下面的命令看当前配置hermes config show如果输出里有 base_url、api_key、model 等信息就说明模型通道配置已经被 Hermes Agent 读取。把这几项替换成 TaoToken 的值即可。可复制配置改 Hermes Agent 的 config.yaml 与环境变量Hermes Agent 读取模型通道的方式一般有两种环境变量和~/.hermes/config.yaml。为了确保生效建议两种都检查一遍。先看环境变量。如果 Hermes Agent 用的是 OpenAI-compatible 环境变量可以在~/.bashrc或当前 shell 里设置export OPENAI_BASE_URLhttps://taotoken.net/api export OPENAI_API_KEYYOUR_API_KEY如果 Hermes Agent 使用的是自己的变量名比如HERMES_LLM_BASE_URL或HERMES_API_KEY请以hermes config show显示的变量名为准。核心原则不变Base URL 填https://taotoken.net/apiKey 填YOUR_API_KEY。然后编辑~/.hermes/config.yaml。不同版本的 Hermes Agent 字段名可能略有差异但模型通道部分通常长这样model: provider: openai base_url: https://taotoken.net/api api_key: YOUR_API_KEY model: MODEL_ID如果你的config.yaml里模型配置是嵌套在llm或models下面就找到对应的 base_url 和 api_key 字段改成上面的值。MODEL_ID是你在 TaoToken 控制台选择的模型 ID比如你打算用哪个模型跑/llm-wiki就填哪个模型 ID。不要留空也不要填成模型名称的中文描述。改完之后如果 Hermes Agent 已经在运行需要退出重启。环境变量和配置文件通常在进程启动时加载热改不一定生效。重启命令就是重新运行hermes。进入 Hermes Agent 后可以先用/help看看当前会话是否正常然后再跑/llm-wiki。如果/llm-wiki的 skill 配置里还有旧的模型通道覆盖也要检查一下config.yaml中的skills.config部分。例如skills: config: wiki: path: ~/wiki这里只应配置 wiki 路径不应该再写模型 base_url。模型通道统一由上面的model段控制。验证请求curl 测通 API 后重跑 Ingest配置改完先不要急着跑摄入先用 curl 测一下 TaoToken 的 API 是否能正常返回。命令如下curl -s https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer YOUR_API_KEY \ -H Content-Type: application/json \ -d { model: MODEL_ID, messages: [{role: user, content: ping}], max_tokens: 16 }如果返回的 JSON 里有choices并且choices[0].message.content有内容说明 Key 和 Base URL 都通。如果返回 401说明 Key 无效或没带对如果返回 404说明 Base URL 路径拼错了如果返回空内容换一个模型 ID 再试。curl 通了以后回到 Hermes Agent重跑/llm-wiki的摄入命令。比如hermes /llm-wiki 摄入 https://arxiv.org/html/2604.15294v1观察终端输出。正常情况下你会看到preparing web_extract... fetch arxiv.org preparing read_file... read ./wiki/SCHEMA.md preparing write_file... write ./wiki/raw/papers/2604.15294v1.md如果之前卡在assistant_msg现在应该不会再出现cannot access local variable assistant_msg也不会频繁出现Empty response from model — retrying。摄入完成后检查~/wiki/raw/papers/下是否生成了对应的 Markdown 文件~/wiki/index.md和~/wiki/log.md是否被更新。如果这些文件都正常写入说明模型通道已经恢复/llm-wiki的 Ingest 可以继续。如果仍然遇到Empty response from model — retrying但频率明显降低可以尝试在 Hermes Agent 里换一个更稳的模型 ID。有些模型对长上下文和工具调用的支持不够好容易在工具返回后输出空内容。换模型比反复重试更有效。本篇常见错排查Base URL、Key 与模型 ID第一个常见错误是 Base URL 写错。TaoToken 的 API 地址是https://taotoken.net/api不要写成https://taotoken.net/api/v1也不要写成https://taotoken.net/v1。Hermes Agent 内部会按 OpenAI-compatible 规范拼接路径如果你在 base_url 里已经带了/v1最终请求可能变成/v1/v1/chat/completions直接 404 或者返回空。也不要在末尾多写斜杠保持https://taotoken.net/api即可。第二个常见错误是 Key 无效。YOUR_API_KEY只是占位符必须替换成你在 TaoToken 控制台创建的真实 Key。复制时注意不要带空格不要只复制一半。如果 Key 被删除或过期curl 会返回 401Hermes Agent 也会报模型调用失败。遇到 401 就重新创建一个 Key更新到config.yaml和环境变量里然后重启 Hermes Agent。第三个常见错误是模型 ID 填错。MODEL_ID必须是 TaoToken 支持的模型 ID不能随便写一个名字。如果你不确定填什么可以在控制台或模型对话页面里选一个模型把对应的 ID 复制过来。模型 ID 错误时API 可能返回 400 或空响应Hermes Agent 重试几次后就会报assistant_msg。第四个常见错误是环境变量没生效。你改了~/.bashrc但没有执行source ~/.bashrc或者 Hermes Agent 是在另一个终端会话里启动的。更稳妥的做法是直接在~/.hermes/config.yaml里写死 base_url 和 api_key减少环境变量不一致的问题。改完配置后一定要重启 Hermes Agent。第五个常见错误是 Hermes Agent 缓存了旧配置。有些情况下skill 会话会保留上一轮的模型通道设置。可以先退出 Hermes Agent重新运行hermes再进入/llm-wiki。如果还是不行用hermes config show确认当前生效的 base_url 和 api_key 是不是 TaoToken 的值。第六个常见错误是网络问题。curl 能通但 Hermes Agent 不通可能是 Hermes Agent 走了不同的代理或者防火墙拦截了请求。检查 Hermes Agent 启动时的环境变量确认没有旧的HTTP_PROXY或HTTPS_PROXY指向不可用的地址。如果公司网络有白名单需要把taotoken.net加入允许列表。第七个常见错误是/llm-wiki的摄入源格式不对。摄入命令里的 URL 必须带https://多个 URL 用空格隔开。如果 URL 有重定向或需要登录Hermes Agent 的web_extract可能拿不到内容后续模型没有足够上下文也容易返回空响应。尽量使用可直接访问的 HTML 或 PDF 链接。第八个常见错误是模型对工具调用支持不好。/llm-wiki的 Ingest 流程会频繁调用read_file、write_file、execute_code等工具。如果模型不擅长工具调用它可能在工具返回后不再输出assistant_msg而是直接结束。表现就是Model returned empty after tool calls — nudging to continue然后重试。换一个工具调用能力更强的模型 ID通常能解决。语义一致 CTA排障接入与长期编码如果你现在正卡在assistant_msg报错上建议先去 TaoToken 的 API Keys 页面创建一个新 Key然后对照接入文档把 Hermes Agent 的 Base URL 改成https://taotoken.net/api。具体入口API Keyshttps://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentapi_keys接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentdoc改完配置后可以用模型对话页面快速验证模型是否正常返回确认通道没问题后再回 Hermes Agent 重跑/llm-wiki模型对话https://taotoken.net/console/model-chat?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentmodel_chat如果你打算在 Hermes Agent 里长期跑编码、Agent 任务和/llm-wiki的持续摄入可以了解 Coding Plan把日常模型调用固定到更稳定的通道上Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentcoding_plan总结一下assistant_msg未定义和Empty response from model — retrying不是/llm-wiki的 skill 逻辑问题而是模型通道返回异常。把 Hermes Agent 的 Base URL 换成https://taotoken.net/apiKey 换成YOUR_API_KEY模型 ID 填对重启后重跑 Ingest通常就能恢复。遇到问题先 curl 测通再看hermes config show最后检查/llm-wiki的摄入源格式。按这个顺序排障基本不会卡在assistant_msg上。