1. 项目概述为Hermes智能体注入实时搜索能力如果你正在使用Hermes Agent来构建自己的AI助手并且已经厌倦了它只能基于静态知识库进行回答的局限那么今天分享的这个项目绝对值得你花时间研究。hermes-brave-search-plugin是一个专为Hermes设计的插件它的核心功能非常简单直接为你的Hermes智能体增加一个名为brave_web_search的工具使其能够调用Brave Search的API进行实时网络搜索。这意味着你的AI助手不再“与世隔绝”它可以查询最新的新闻、股价、体育赛事结果或者帮你查找某个刚刚发布的技术文档。这个插件解决的核心痛点是让基于本地或私有模型运行的Hermes Agent具备了获取实时、动态信息的能力。在没有这个插件之前Hermes的回答完全依赖于其训练数据截止日期之前的知识对于“今天天气如何”或“特斯拉最新的财报数据是什么”这类问题往往无能为力或者给出过时甚至错误的答案。通过集成Brave Search智能体可以像我们人类一样在需要时“上网查一下”从而大幅提升其实用性和准确性。这个项目适合所有Hermes的中高级用户特别是那些希望构建具有更强信息获取能力的个人助理、客服机器人或研究助手的开发者。它不要求你修改Hermes的核心代码而是遵循其插件架构通过简单的安装和配置即可启用是一种非常优雅的扩展方式。接下来我将从设计思路、实操部署到深度使用为你完整拆解这个插件并分享我在集成过程中积累的一些关键经验和避坑指南。2. 插件核心设计与架构解析2.1 为什么选择Brave Search API在决定为Hermes添加搜索能力时面临多个API选择如Google Programmable Search、Bing Search等。这个插件选择Brave Search API背后有一系列技术和产品层面的考量理解这些有助于你判断它是否适合你的场景。首先隐私保护导向是Brave Search的立身之本。与主流搜索引擎不同Brave默认不追踪用户、不构建个人画像其API设计也延续了这一理念。对于处理可能涉及敏感查询的AI助手应用例如帮助用户查询医疗信息或财务建议使用一个隐私友好的后端能减少数据滥用的担忧也更容易符合一些地区严格的数据保护法规。其次结果质量与独立性。Brave Search拥有自己的搜索索引而非完全依赖第三方。这意味着其搜索结果具有一定的独立性和差异性有时能提供主流搜索引擎之外的信息视角。对于希望获取多元信息或进行对比研究的智能体来说这是一个加分项。第三API的简洁性与成本。Brave Search API的接口设计相对简洁明了认证方式直接Bearer Token返回的JSON结构也便于解析。从成本角度看它提供了免费的额度具体限额需查阅最新文档对于个人项目或中等规模的原型测试非常友好避免了初期就陷入复杂的计费模型。最后与Hermes插件体系的契合度。Hermes的插件系统期望工具以清晰、模块化的方式暴露。Brave Search API的功能单一执行搜索返回结构规整非常适合被封装成一个独立的工具Tool这与插件需要定义的tool schema完美匹配。相比之下一些功能过于庞杂或返回格式不固定的API集成起来会更复杂。2.2 插件文件结构与职责剖析项目的文件结构非常清晰是典型的Hermes插件范式。每个文件各司其职共同构成了一个可安装、可运行的插件模块。plugin.yaml- 插件清单与环境声明这是插件的“身份证”和“说明书”。它定义了插件的基本元信息如名称、版本以及最重要的部分环境变量要求。在这里它明确声明了运行本插件必须提供BRAVE_API_KEY。Hermes在加载插件时会检查这些变量是否已设置如果缺失则会报错这保证了插件运行的基础条件。这种声明式的依赖管理比把密钥检查逻辑散落在代码中要优雅和可靠得多。schemas.py- 工具模型定义这个文件定义了brave_web_search工具如何“自我介绍”给Hermes背后的AI模型如GPT-4、Claude等。它使用Pydantic模型详细描述了工具名称和描述模型根据描述决定何时调用该工具。输入参数这里主要是query搜索查询词。模型需要知道它应该提供一个什么样的字符串作为搜索关键词。返回结构告知模型工具会返回什么格式的数据通常是搜索结果列表以便模型能理解和利用这些结果来组织回答。 这个定义至关重要它直接影响了AI模型使用工具的“智能”程度。一个清晰、准确的schema能让模型更精准地判断何时该进行搜索。tools.py- 核心逻辑实现这里是插件的心脏包含了与Brave Search API交互的所有代码。其主要工作流程是接收来自AI模型的query参数。构建符合Brave API要求的HTTP请求设置请求头、认证信息、查询参数。发送请求并处理响应包括网络错误、API错误如额度不足、数据解析错误等异常情况。将API返回的原始JSON数据转换、清洗成对AI模型更友好的结构化格式例如提取标题、URL、摘要片段。 这里的代码质量直接决定了搜索的稳定性和结果的有效性。健壮的错误处理和完善的日志记录是评估其可靠性的关键。__init__.py- 插件注册入口这是一个轻量级的文件但作用关键。它利用Hermes提供的插件装饰器如plugin或注册函数将tools.py中实现的工具函数“暴露”给Hermes框架。简单说它告诉Hermes“嗨我这儿有一个新工具叫brave_web_search这是它的实现请把它加入到可用工具列表里。” 没有这个注册过程工具就无法被框架发现和调用。install.sh- 一键安装脚本这是一个便利性脚本体现了开源项目的用户体验思维。它自动化了手动安装的步骤克隆仓库到Hermes的标准插件目录并创建正确的符号链接。对于不熟悉Hermes目录结构的用户或者希望在自动化部署流程中使用这个脚本极大地简化了安装过程。它的存在降低了使用门槛。2.3 Hermes插件机制与工具集Toolset概念要真正用好这个插件必须理解Hermes中两个核心概念插件Plugin和工具集Toolset。插件是功能的物理载体就像一个个可插拔的硬件模块。hermes-brave-search-plugin就是一个插件它包含了一组相关的代码和配置提供了搜索能力。工具集是功能的逻辑分组和开关。一个插件可以提供一个或多个工具集。在这个项目中插件提供了名为brave-search的工具集而这个工具集下面只包含一个工具brave_web_search。为什么需要工具集这个概念这带来了配置的灵活性。在Hermes中你可以为不同的“平台”或“对话场景”配置不同的工具集。例如你有一个用于“技术问答”的Hermes配置你可以只为这个平台启用brave-search工具集让它能搜索最新的技术文档。同时你还有一个用于“创意写作”的配置你可能不希望它去搜索网络以免干扰其创造性那么你就可以在这个平台上禁用brave-search工具集。这种设计允许你精细控制AI助手在不同上下文中的能力边界避免工具滥用也使得同一个Hermes实例能扮演更专业、更专注的不同角色。插件安装只是第一步通过工具集进行启用配置才是让功能生效的关键操作。3. 完整部署与配置实操指南3.1 前期准备获取Brave Search API密钥在安装插件之前我们必须先拿到“通行证”——Brave Search API密钥。这个过程完全在Brave的开发者网站进行。访问Brave开发者门户打开浏览器访问search.brave.com/developers。注册或登录账户如果你没有Brave开发者账户需要先注册。这个过程通常需要邮箱验证。创建新API密钥登录后在控制面板中找到类似“Create new key”或“Generate API Key”的按钮。系统可能会让你为这个密钥命名例如“My-Hermes-Plugin”。复制并安全保存密钥密钥生成后它会显示一次通常是一串长字符。务必立即将其复制并保存到安全的地方比如密码管理器。关闭页面后你可能无法再次查看完整密钥只能重新生成。这个密钥的格式通常类似于BSA-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx。重要提示Brave Search API有免费调用额度但也可能有速率限制。请仔细阅读开发者文档中的“Pricing”和“Usage Limits”部分了解当前的免费限制和超额费用避免意外产生账单。对于个人测试和中等频率使用免费额度通常足够。3.2 环境变量配置安全存储API密钥将API密钥硬编码在代码中是极不安全的做法。正确的做法是使用环境变量。我们需要让Hermes进程能够读取到BRAVE_API_KEY。对于Linux/macOS系统使用Bash/Zsh 最常用的方法是在你的shell配置文件如~/.bashrc,~/.zshrc中添加导出语句。但更推荐针对Hermes会话临时设置。# 临时设置仅对当前终端会话有效 export BRAVE_API_KEY你的_BSA_密钥_字符串 # 然后在这个终端里启动Hermes hermes run为了让配置持久化且更规范可以在Hermes的配置目录下创建环境文件echo BRAVE_API_KEY你的_BSA_密钥_字符串 ~/.hermes/.env然后确保你的Hermes启动方式能加载这个.env文件。有些启动脚本或进程管理器如systemd, supervisord支持指定环境文件。对于Windows系统PowerShell# 为当前会话设置 $env:BRAVE_API_KEY你的_BSA_密钥_字符串 # 然后启动Hermes hermes run要永久设置可以通过系统属性 - 高级 - 环境变量 添加用户变量但更建议在运行Hermes的脚本中设置。验证环境变量是否生效 在启动Hermes的终端中运行echo $BRAVE_API_KEY(Linux/macOS) 或echo $env:BRAVE_API_KEY(Windows PowerShell)确认能正确打印出你的密钥出于安全考虑确认后可以清除输出。3.3 插件安装两种方法详解项目提供了两种安装方式一键脚本安装和手动安装。我强烈建议先理解手动安装的步骤这样在出现问题时你能知道如何排查。方法一一键脚本安装推荐给大多数用户curl -fsSL https://raw.githubusercontent.com/rabilrbl/hermes-brave-search-plugin/main/install.sh | bash这条命令做了以下几件事curl -fsSL从给定的URL下载安装脚本。-f表示失败时静默-s静默模式-S显示错误-L跟随重定向。| bash将下载的脚本内容通过管道传递给bash解释器执行。潜在风险与检查直接从网络下载并执行脚本存在安全风险。虽然本项目是开源的但良好的习惯是在管道到bash之前先检查一下脚本内容。你可以分两步操作# 1. 先下载脚本并查看 curl -fsSL https://raw.githubusercontent.com/rabilrbl/hermes-brave-search-plugin/main/install.sh -o install_brave.sh cat install_brave.sh # 仔细阅读脚本内容确认它做的事情你认可 # 2. 再执行 bash install_brave.sh如果脚本执行成功它会自动完成克隆代码和创建符号链接的工作。方法二手动安装便于理解和控制手动安装分为两步正好对应Hermes插件目录的两个常见结构源码目录和激活目录。# 第一步克隆插件源码到 Hermes 的插件源码目录 git clone https://github.com/rabilrbl/hermes-brave-search-plugin.git ~/.hermes/plugins-src/brave-search # 第二步创建符号链接将插件链接到 Hermes 的激活插件目录 ln -sfn ~/.hermes/plugins-src/brave-search ~/.hermes/plugins/brave-search让我们拆解这两条命令git clone ... ~/.hermes/plugins-src/brave-search: 将GitHub仓库的代码克隆到本地~/.hermes/plugins-src/目录下的一个名为brave-search的文件夹中。plugins-src是一个很好的约定用于存放所有插件的源代码便于管理和更新。ln -sfn ...: 创建一个符号链接软链接。-s创建软链接类似于Windows的快捷方式。-f强制创建如果目标已存在则覆盖。-n将链接目标视为普通文件防止对目录链接的一些意外行为。这条命令在~/.hermes/plugins/目录下创建了一个名为brave-search的链接指向刚才克隆的源码目录。Hermes在启动时会扫描~/.hermes/plugins/目录下的每一个条目文件夹或链接并尝试将其作为插件加载。通过链接的方式你可以轻松启用或禁用插件删除链接即禁用重新创建链接即启用而无需移动或删除源码。安装后验证 执行完安装步骤后你可以检查目录结构是否正确ls -la ~/.hermes/plugins/ | grep brave-search # 应该显示类似lrwxr-xr-x ... brave-search - /Users/yourname/.hermes/plugins-src/brave-search ls -la ~/.hermes/plugins-src/brave-search/ # 应该能看到 plugin.yaml, tools.py 等文件3.4 启用插件与工具集配置安装插件文件只是第一步接下来需要在Hermes中启用它。这需要通过Hermes的命令行工具或配置文件来完成。通过Hermes CLI工具启用 这是最直接的方法。假设你的Hermes已经安装并配置好。# 首先查看当前所有可用的工具集和工具 hermes tools list # 你应该能在输出列表中看到新安装的 brave-search 工具集。 # 接下来为你想要启用搜索的“平台”platform激活这个工具集。 # 假设你的平台配置名是 “default” hermes tools enable default brave-search # 或者如果你有多个平台比如 “research-assistant” hermes tools enable research-assistant brave-searchhermes tools enable platform_name toolset_name这条命令的本质是修改对应平台的配置文件通常位于~/.hermes/platforms/platform_name.yaml在enabled_toolsets列表中添加brave-search。通过直接编辑平台配置文件 如果你更喜欢直接操作文件或者需要更复杂的配置如调整工具调用参数可以手动编辑平台配置文件。找到你的平台配置文件例如~/.hermes/platforms/default.yaml。打开文件找到enabled_toolsets部分如果不存在可以添加。确保brave-search在列表中。# ~/.hermes/platforms/default.yaml 示例片段 model: provider: openai name: gpt-4 enabled_toolsets: - brave-search # 添加这一行 # - 其他已启用的工具集...重启Hermes这是一个必须且关键的步骤。Hermes在启动时加载插件和工具配置。任何插件安装、工具集启用的更改都需要重启Hermes服务进程才能生效。如果你是在终端前台运行hermes run按CtrlC停止然后重新运行。如果你使用系统服务如systemd或进程管理器运行则需重启对应的服务。# 假设是简单的前台运行 pkill -f hermes # 终止现有进程谨慎使用确保没有其他重要任务 hermes run # 重新启动4. 深度使用、测试与问题排查4.1 验证插件是否正常工作重启Hermes后如何确认插件已成功加载并可用呢方法一检查Hermes启动日志观察Hermes启动时的输出信息。成功的加载日志通常会包含类似以下内容INFO:hermes.plugin_manager:Loading plugin from /Users/xxx/.hermes/plugins/brave-search INFO:hermes.plugin_manager:Registered toolset brave-search from plugin brave-search INFO:hermes.plugin_manager:Registered tool brave_web_search in toolset brave-search如果看到Registered tool brave_web_search基本说明插件加载成功。如果看到错误信息如Missing required environment variable: BRAVE_API_KEY则说明环境变量配置有误。方法二在对话中测试与你的Hermes智能体进行对话提出一个明确需要最新信息的问题。避免问“你是谁”这种模型本身就知道答案的问题。好的测试问题“今天北京的最高气温是多少”、“特斯拉股票TSLA当前股价是多少”、“帮我搜索一下最近一周关于‘量子计算新突破’的新闻摘要。”观察点思考过程如果Hermes启用了类似“链式思考”的功能你可能会看到它在“思考”时决定调用brave_web_search工具并显示搜索词。回答内容回答中应包含显然是来自网络的新信息并且可能附带信息来源的提及如“根据Brave Search的结果显示...”。回答的时效性应该是“今天”、“几小时前”等。方法三使用工具调试命令一些Hermes的CLI工具或高级接口可能允许你直接测试工具。例如可能存在类似hermes tools test brave_web_search --query “test search”的命令具体命令取决于你的Hermes版本和功能。查阅你的Hermes文档以确认。4.2 编写高效的搜索查询提示词AI模型如何决定何时使用搜索工具很大程度上取决于你如何提问以及模型工具schema的描述。但你可以通过优化你的提示词Prompt来引导模型更有效地使用搜索。明确要求实时信息在问题中直接强调“最新”、“当前”、“今天”、“近期”。例如“查询一下今天国际金价的最新行情。” 这给模型一个强烈的信号它内部的知识可能过时需要求助外部工具。指定信息类型如果你想要新闻、股价、体育比分、百科摘要可以在问题中说明。例如“搜索新闻关于OpenAI最新模型Sora的业界反响。”避免模糊或过于宽泛的查询像“告诉我关于人工智能的一切”这样的问题会让搜索工具返回海量且杂乱的结果模型很难从中提炼出有用的答案。应该更具体如“人工智能在医疗影像诊断领域近两年有哪些主要应用进展”结合上下文进行追问在对话中如果模型基于搜索给出了一个答案你可以紧接着追问更深度的、基于该答案的问题。例如模型搜索并告诉你某公司发布了新财报你可以接着问“对比它上一个季度的数据营收增长了多少百分比” 模型可能会基于已有的搜索结果进行推理也可能发起一次新的、更精确的搜索。4.3 性能优化与高级配置思路当插件基本工作后你可能需要考虑性能和稳定性问题。处理速率限制Brave Search API有调用频率限制。如果你的Hermes使用频繁可能会触发限流。插件代码中应该有相应的错误处理检查HTTP 429状态码。为了更稳健你可以考虑在插件代码中添加重试逻辑当遇到429错误时等待一段时间如2秒、5秒、10秒的指数退避后重试。在应用层添加限流如果你自己封装了调用Hermes的代码可以在你的客户端代码中控制向Hermes发送请求的频率避免短时间内触发大量搜索。缓存常见结果对于相对静态或短时间内结果变化不大的查询如“爱因斯坦的生平”可以在插件或上层应用中添加一个简单的缓存如使用functools.lru_cache缓存几分钟减少对API的调用。结果数量与质量调优Brave Search API的请求参数可能允许你指定返回结果的数量如count10或地区如countryUS。你可以修改tools.py中的请求构建部分添加这些参数来优化结果。例如对于需要全面信息的研究性问题可以请求更多结果如15-20条对于需要快速答案的事实性问题5条可能就够了。结果后处理API返回的原始摘要可能包含省略号或格式混乱。你可以在tools.py中解析API响应后增加一个文本清洗步骤比如移除多余的换行符、合并短句使最终交给模型的文本更干净、更易读从而提高模型生成答案的质量。多搜索源备用对于关键应用可以考虑开发一个增强版插件它内部集成多个搜索API如Brave、SearXNG自建实例。当主API失败或返回结果不满意时可以自动尝试备用源。这增加了复杂性和成本但提升了可靠性。4.4 常见问题与故障排除实录在实际集成和使用过程中我遇到了几个典型问题以下是排查思路和解决方法。问题1插件加载失败日志显示“ModuleNotFoundError: No module named ‘requests’”。原因分析插件依赖了Python的requests库来处理HTTP请求但这个库没有安装在Hermes运行的环境中。解决方案需要将依赖安装到Hermes使用的Python环境中。首先确定Hermes使用的Python解释器路径。通常可以在启动日志中找到或者通过which hermes找到命令位置再查看其链接或脚本开头。使用该Python的pip进行安装。例如如果Hermes使用虚拟环境先激活虚拟环境source /path/to/hermes/venv/bin/activate然后运行pip install requests。如果是全局安装可能需要sudo pip install requests或pip install --user requests。一个更规范的做法是在插件的plugin.yaml中声明依赖本项目可能已声明然后使用Hermes的插件管理命令来安装依赖如果框架支持例如hermes plugins install-deps brave-search。问题2环境变量已设置但Hermes启动时仍报错“Missing required environment variable: BRAVE_API_KEY”。原因分析环境变量没有在Hermes进程的上下文中正确设置。常见于在A终端export变量却在B终端启动Hermes。通过系统服务如systemd启动Hermes但未在服务文件中定义环境变量。使用了虚拟环境或容器环境变量传递有问题。解决方案临时测试在启动Hermes的同一个终端会话中设置并导出变量。持久化配置对于用户级服务将export BRAVE_API_KEY...添加到你的~/.bashrc或~/.profile然后重新登录或执行source ~/.bashrc。对于Systemd服务在服务的.service文件中使用Environment指令例如EnvironmentBRAVE_API_KEYyour_key_here。使用.env文件如前所述在~/.hermes/下创建.env文件并确保Hermes的启动方式能读取它。有些框架支持自动加载同目录下的.env文件。验证在启动Hermes的脚本最前面添加echo “Key is: $BRAVE_API_KEY”来调试输出确认变量值是否存在。问题3搜索功能已启用但AI模型从不调用搜索工具总是基于固有知识回答。原因分析工具Schema描述不清schemas.py中对工具的描述不够准确导致模型无法理解何时该调用它。描述应强调“获取实时、最新、当前网络信息”。模型能力或配置问题某些较小的或特定版本的模型可能工具调用能力较弱。或者平台的配置中工具调用的“温度”temperature或相关参数设置不当抑制了模型的工具使用倾向。提示词问题用户的问题没有触发模型的搜索需求。解决方案检查并优化Schema查看schemas.py中brave_web_search函数的docstring或Pydantic模型的description。确保描述清晰包含“search the web for current information”、“find live results”等关键词。你可以尝试修改并重新加载插件。调整模型配置在平台配置文件中尝试使用工具调用能力更强的模型如GPT-4 Turbo通常比GPT-3.5更擅长使用工具。确保没有设置强制禁用工具调用的参数。优化用户提问如前所述在问题中明确需要“最新搜索”。强制工具调用测试用有些AI框架允许在对话中强制指定使用某个工具。这可以用于测试工具本身是否工作正常。如果强制调用能返回结果但模型不主动调用那就问题出在模型决策上。问题4搜索返回错误或空结果但API密钥正确。原因分析API密钥无效或过期去Brave开发者后台检查密钥状态。额度用尽检查API使用情况。网络问题插件无法连接到api.search.brave.com。查询词格式问题某些特殊字符可能需要URL编码。解决方案直接测试API使用curl命令直接测试API隔离插件问题。curl -H “X-Subscription-Token: YOUR_BRAVE_API_KEY” \ “https://api.search.brave.com/res/v1/web/search?qtestcount3”如果这个命令失败问题出在密钥、网络或API服务本身。查看Hermes详细日志启用DEBUG级别的日志查看插件发送的具体请求和收到的原始响应有助于定位问题。检查插件代码查看tools.py中的错误处理逻辑看它是否捕获并打印了有用的错误信息。问题5更新插件后新功能不生效。原因分析Hermes缓存了已加载的插件模块。解决方案完全重启Hermes进程有时还不够因为Python可能会缓存导入的模块。需要确保重启是彻底的。最可靠的方法是停止Hermes进程。删除Python的字节码缓存文件。在插件源码目录和其父目录中查找并删除所有__pycache__文件夹和.pyc文件。find ~/.hermes/plugins-src/brave-search -name “__pycache__” -type d -exec rm -rf {} find ~/.hermes/plugins-src/brave-search -name “*.pyc” -delete重新启动Hermes。5. 插件扩展与二次开发建议如果你不满足于基本功能想对这个插件进行定制或学习其开发模式这里有一些方向。1. 修改结果处理逻辑默认的插件可能只返回标题、URL和摘要。你可以修改tools.py中处理API响应的部分提取更多字段比如发布日期如果API返回可以提取并格式化。网站名称/来源从URL或额外字段中提取让答案更可信。结果分类Brave API可能对结果进行分类新闻、视频、学术等你可以利用这个信息让模型在回答时说明“根据新闻搜索结果...”或“找到一篇学术文章...”。2. 增加搜索参数Brave Search API支持更多参数如safesearch安全搜索、freshness结果新鲜度过滤、country国家地区。你可以扩展schemas.py中工具的参数定义让AI模型或用户在提问时能指定这些选项。例如可以增加一个可选的safesearch布尔参数让家长控制模式下的助手自动启用安全搜索。3. 开发类似的插件学习模板这个插件是一个绝佳的Hermes插件开发模板。如果你想为Hermes集成其他服务如查询天气、发送邮件、控制智能家居可以复制这个项目的结构plugin.yaml修改名称和所需环境变量。schemas.py定义你的工具名称、描述和参数。tools.py实现与目标服务API的实际交互逻辑。__init__.py修改工具注册的导入和名称。 通过研究这个插件你能快速掌握Hermes插件开发的核心流程定义工具、实现功能、注册插件。4. 集成到自动化工作流将开启了搜索能力的Hermes接入你的自动化脚本。例如你可以写一个Python脚本定期向Hermes询问“今日科技头条摘要”然后将回答整理后发送到你的笔记软件或社交平台。或者构建一个自动化的研究助手根据你提供的主题关键词让Hermes进行多轮搜索和总结生成初步的研究报告。这个hermes-brave-search-plugin项目虽然代码量不大但它清晰地展示了如何以一种标准化、可配置的方式为AI智能体扩展关键能力。从获取API密钥、安全配置环境变量到理解插件架构、进行工具集配置再到深度使用和问题排查每一步都需要对系统有一定的理解。实际部署中最常遇到的问题往往集中在环境配置和插件加载环节。我的经验是严格按照步骤操作并善用日志输出进行调试大多数问题都能顺利解决。当你的Hermes智能体第一次准确回答出关于“此刻”的问题时你会觉得这一切的配置都是值得的。它从一个静态的知识库真正变成了一个能与你同步感知世界的智能伙伴。