Hermes Agent 是什么

Hermes Agent 是一个能够从使用中自我进化的 AI Agent 框架。与大多数"用完就忘"的 AI 助手不同，它会记住什么方法有效，并在每次任务后自动提炼经验，生成可复用的技能文件。

由 Nous Research 团队开发，这个开源项目在 GitHub 上已经获得 4.8 万个 Stars，是目前增长最快的 AI Agent 项目之一。它的核心理念是：Agent 不应该只是一次性的调用接口，而应该是私有的、常驻的、会积累的，并且能够反哺训练。

项目地址：https://github.com/nousresearch/hermes-agent

核心功能：三层进化机制

1. 记忆层 - 四层记忆系统

Hermes Agent 的记忆系统分为四个层级，每层负责不同类型的信息存储和调取：

• 第一层：常驻提示记忆（MEMORY.md + USER.md）
  存放每次会话自动加载的核心上下文，限制 3575 字符，强制精简关键信息

• 第二层：会话归档
  所有对话写入 SQLite 数据库，支持全文检索。需要历史信息时，通过 LLM 摘要只提取相关部分

• 第三层：技能文件库
  自动生成的可复用操作流程，默认只加载名称和描述，全文按需调入。技能库可从 40 个扩展到 200 个而不增加上下文成本

• 第四层：用户建模（Honcho）
  跨会话积累你的偏好、沟通风格和领域知识，适合长期使用场景

2. 技能层 - 自动生成与优化

每次任务完成后，如果满足以下任一条件，Hermes 会自动在 ~/.hermes/skills 目录生成技能文件：

• 工具调用超过 5 次
• 任务中途出错但自己修复了
• 用户做过纠正
• 走了一条不明显但有效的路径

技能文件包含完整的操作流程：名称、描述、步骤、涉及的工具调用。格式遵循 agentskills.io 开放标准，理论上可跨平台使用（OpenClaw、Claude Code、Cursor 等）。

更重要的是，技能文件不是写死的。当 Hermes 在后续执行中发现更好的路径，会用 patch 方式修改，只更新有问题的部分，而不是整体重写。

3. 训练层 - 数据闭环

Hermes 内置批量轨迹生成能力，接入了 Atropos 强化学习环境。每天执行的任务轨迹可以直接用于训练下一代模型。

这意味着：你的日常使用不仅让当前 Agent 变强，还能为未来的模型积累高质量数据。

与 OpenClaw 的区别

OpenClaw 适合快速搭建一个能控制各种工具的 AI 助手；Hermes Agent 则适合有重复工作流、需要 Agent 从使用中积累经验的场景。

技术特性

多模型支持

Hermes Agent 支持广泛的推理服务商：

• Nous Portal（订阅制，零配置）
• Anthropic（直接用 Claude，支持 API key 或 Claude Code 授权）
• OpenRouter、DeepSeek、Hugging Face
• 阿里云 DashScope（Qwen 系列）
• GitHub Copilot
• Ollama（本地模型）
• 小米 MiMo-V2 系列（支持百万 Token 上下文，目前限免两周）

辅助模型机制

Hermes 有一个 Auxiliary Models 模块，专门处理不值得占用主模型的高频任务：

• 图像分析
• 网页内容提取
• 技能匹配
• 记忆处理

这些任务会自动分配给更轻量的模型（如 Gemini Flash），大幅降低成本。

多平台支持

消息平台方面，支持：

• Telegram（功能最完整）
• Discord
• Slack
• 飞书

支持语音、图片、文件等各种格式，一套网关进程连接所有平台。

快速开始

安装要求

• 支持系统：Linux、macOS、WSL2（Windows 需安装 WSL）、Android（通过 Termux）
• 自动依赖：Python 3.11、Node.js v22、ripgrep、ffmpeg 等

一行命令安装

curl -sSL https://hermes-agent.nousresearch.com/install.sh | bash

安装完成后，通过命令行与 Hermes 交互。配置你的首选模型后即可开始使用。

配置建议

1. 首次使用：建议从 Nous Portal 或 Claude 开始，零配置门槛低
2. 成本优化：配置辅助模型使用 Gemini Flash 处理边缘任务
3. 长期使用：启用 Honcho 用户建模，积累个性化偏好

适用场景

Hermes Agent 特别适合以下场景：

• 重复性工作流：数据处理、内容生成、代码审查等需要定期执行的任务
• 需要经验积累的场景：客户关系管理（CRM）与知识库联动，营销自动化
• 软件工程项目：代码生成、测试、部署流程
• 长期个人助理：日程管理、信息整理、项目跟踪

如果你只需要一个快速响应的 AI 助手，OpenClaw 更适合；但如果你期待三个月后的 Agent 和第一天不一样，能从失败中学习、记住经验，Hermes Agent 是更好的选择。

局限性

• 上手门槛：更像需要运行和维护的基础设施，而非开箱即用的工具
• 配置复杂度：需要理解记忆层级、技能管理等概念
• 资源占用：本地运行需要一定的计算资源
• 安全考量：给 AI 足够权限的同时需要考虑沙箱隔离

总结

Hermes Agent 代表了 AI Agent 的一个新方向：从"用完归零的工具"进化为"能从失败中学习的搭档"。它通过三层机制（记忆、技能、训练）构建了完整的学习闭环，让 AI 助手真正做到越用越强。

对于有长期需求、希望 Agent 能够积累经验和优化工作流的开发者和创作者来说，Hermes Agent 值得投入时间深度使用。

官网：https://hermes-agent.nousresearch.com
GitHub：https://github.com/nousresearch/hermes-agent
文档：https://hermes-agent.nousresearch.com/docs