Hermes Agent：自进化的 AI Agent¶

什么是 Hermes Agent¶

Hermes Agent 是由 Nous Research 开发的开源 AI Agent。Nous Research 是业界知名的 AI 实验室，旗下拥有 Hermes、Nomos、Psyche 等系列开源模型。Hermes Agent 的核心差异化在于：它是目前唯一一个内置自学习闭环的 Agent——能从经验中创建技能、在使用中自我改进、跨会话持续积累记忆。

与 OpenClaw（无持久记忆）、nanobot（轻量但功能有限）不同，Hermes Agent 设计了一个完整的"经验 → 技能 → 改进"闭环，让 Agent 越用越强。

它不是一个绑定在 IDE 里的编程助手，也不是套壳 API 的聊天机器人。它是一个自主运行的 Agent，可以部署在 $5 的 VPS 上、GPU 集群上、或 Daytona/Modal 等无服务器基础设施上（空闲时几乎零成本）。你可以通过 Telegram 和它对话，而它在云端 VM 上工作——不需要 SSH。

截至 2026 年 4 月，Hermes Agent 最新版本为 v0.8.0，采用 MIT 开源协议。

核心特性一览¶

自学习闭环：Hermes 的核心差异¶

Hermes Agent 与其他 Agent 平台最大的区别在于它的自学习闭环（Closed Learning Loop）。其他 Agent 每次会话都是"从零开始"，而 Hermes 会越用越强。

flowchart LR
    A[执行任务] --> B{任务复杂？<br/>5+ 工具调用}
    B -->|是| C[自动创建 Skill]
    B -->|否| D[正常完成]
    C --> E[保存到技能库]
    E --> F[下次遇到<br/>类似任务]
    F --> G[加载已有 Skill]
    G --> H[使用中发现不足]
    H --> I[自动修补改进]
    I --> E

    style A fill:#4a90e2,color:#fff
    style C fill:#e74c3c,color:#fff
    style I fill:#f39c12,color:#fff
    style E fill:#2ecc71,color:#fff

学习循环的四个阶段¶

Skill 自动创建的触发条件¶

Agent 在以下情况会自动创建 Skill：

• 完成了复杂任务（5 次以上工具调用）并成功
• 在执行过程中遇到错误或死胡同，最终找到了可行路径
• 用户纠正了它的做法
• 发现了非显而易见的工作流程

Skill 自我改进机制¶

1
2
3
4
5
6
7
8

场景：Agent 之前创建了一个"部署到 K8s"的 Skill

1. 几周后再次使用该 Skill
2. 发现 kubectl apply 命令报错（API 版本已更新）
3. Agent 自动用 patch 操作修复 Skill 中的命令
4. 下次使用时不再报错

关键：这一切不需要用户干预，Agent 自主完成

记忆系统：分层持久化¶

Hermes 的记忆系统分为三层，解决了传统 Agent "会话结束就失忆"的痛点：

flowchart TB
    subgraph "热记忆（即时）"
        A[当前会话上下文<br/>系统提示词]
    end

    subgraph "温记忆（持久）"
        B[MEMORY.md<br/>环境/经验/约定<br/>~800 tokens]
        C[USER.md<br/>用户画像/偏好<br/>~500 tokens]
    end

    subgraph "冷记忆（检索）"
        D[SQLite + FTS5<br/>全量历史会话]
        E[LLM 摘要<br/>Gemini Flash 总结]
    end

    subgraph "外部记忆（扩展）"
        F[Honcho 用户建模]
        G[Mem0 语义搜索]
        H[其他提供者...]
    end

    A --> B
    B --> D
    D --> E
    B --> F
    B --> G

    style A fill:#e74c3c,color:#fff
    style B fill:#f39c12,color:#fff
    style C fill:#f39c12,color:#fff
    style D fill:#3498db,color:#fff
    style E fill:#3498db,color:#fff

MEMORY.md 与 USER.md¶

两个文件存储在 ~/.hermes/memories/，在每次会话启动时注入系统提示词。Agent 通过 memory 工具自主管理记忆（add / replace / remove），不需要用户干预。

记忆注入示例：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

══════════════════════════════════════════════

MEMORY (your personal notes) [67% — 1,474/2,200 chars]

══════════════════════════════════════════════

User's project is a Rust web service at ~/code/myapi using Axum + SQLx

§

This machine runs Ubuntu 22.04, has Docker and Podman installed

§

User prefers concise responses, dislikes verbose explanations

会话搜索（Session Search）¶

除了持久记忆，Hermes 还能搜索所有历史会话：

• 所有 CLI 和消息平台的会话存储在 SQLite（~/.hermes/state.db）中，支持 FTS5 全文搜索
• 搜索结果通过 Gemini Flash 进行 LLM 摘要
• Agent 可以找到几周前讨论的内容，即使不在活跃记忆中

外部记忆提供者¶

Hermes 内置 8 种外部记忆提供者插件，与内置记忆并行运行（不替代）：

1
2

hermes memory setup   # 选择并配置提供者
hermes memory status  # 查看当前状态

技能系统：639 个技能的生态¶

Hermes 的技能系统兼容 agentskills.io 开放标准（我们在 Skill 使用介绍 中详细介绍过该标准），并在此基础上增加了自学习和社区生态。

技能来源¶

技能分类（精选）¶

渐进式加载¶

技能使用三级渐进式加载，最小化 Token 消耗：

1
2
3

Level 0: skills_list()  → [{name, description, category}]  (~3k tokens)
Level 1: skill_view(name) → 完整内容 + 元数据
Level 2: skill_view(name, path) → 特定参考文件

Agent 只在真正需要时才加载完整技能内容。

Skills Hub¶

Hermes 内置技能市场，支持多来源安装：

1
2
3
4
5
6

hermes skills browse                    # 浏览所有技能
hermes skills search kubernetes         # 搜索技能
hermes skills inspect openai/skills/k8s # 安装前预览
hermes skills install openai/skills/k8s # 安装（含安全扫描）
hermes skills check                    # 检查更新
hermes skills audit                     # 安全审计

支持的技能来源：

所有 Hub 安装的技能都经过安全扫描，检查数据外泄、Prompt 注入、破坏性命令等威胁。

工具系统：47 个内置工具¶

Hermes 内置 47 个工具，涵盖文件操作、代码执行、Web 交互等：

MCP 集成¶

Hermes 支持连接任何 MCP 服务器，扩展工具能力：

1
2
3
4
5
6
7
8
9

# ~/.hermes/config.yaml
mcp:
  servers:
    filesystem:
      command: npx
      args: ["-y", "@modelcontextprotocol/server-filesystem", "/data/docs"]
    database:
      command: npx
      args: ["-y", "@modelcontextprotocol/server-postgres", "postgresql://..."]

相关文章：关于 MCP 协议的详细介绍，请参阅我们的 MCP 文章。

多平台消息网关¶

Hermes 的消息网关支持 15+ 平台，从一个进程统一管理：

flowchart LR
    subgraph "消息平台"
        T[Telegram]
        D[Discord]
        S[Slack]
        W[WhatsApp]
        SI[Signal]
        E[Email]
        FE[飞书]
        DD[钉钉]
    end

    subgraph "Hermes Gateway"
        G[统一网关进程]
    end

    subgraph "终端后端"
        L[本地]
        DO[Docker]
        SSH[SSH]
        DA[Daytona]
        MO[Modal]
    end

    T --> G
    D --> G
    S --> G
    W --> G
    SI --> G
    E --> G
    FE --> G
    DD --> G
    G --> L
    G --> DO
    G --> SSH
    G --> DA
    G --> MO

    style G fill:#4a90e2,color:#fff

平台特性¶

快速上手¶

安装¶

1
2
3
4
5
6
7
8

# 一键安装（Linux、macOS、WSL2）
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

# 重载 Shell
source ~/.bashrc  # 或 source ~/.zshrc

# 启动
hermes

Windows 用户：需安装 WSL2 后在 WSL 中运行。

初始配置¶

1
2
3
4

hermes setup      # 交互式配置向导（模型、API Key、平台等）
hermes model      # 选择 LLM 提供商和模型
hermes tools      # 配置启用的工具
hermes gateway    # 启动消息网关

常用命令¶

从 OpenClaw 迁移¶

如果你之前使用 OpenClaw，Hermes 支持一键迁移：

1
2

hermes claw migrate          # 交互式迁移
hermes claw migrate --dry-run # 预览迁移内容

迁移内容：

安全机制¶

Hermes 在安全方面做了多层防护：

1
2
3
4
5

# 安全配置示例
security:
  command_approval: true        # 启用命令审批
  dm_pairing: true              # 启用 DM 配对
  container_isolation: true     # 启用容器隔离

与其他 Agent 平台对比¶

如何选择¶

• 选 Hermes：需要自学习能力、多平台部署、丰富的技能生态、或从 OpenClaw 迁移
• 选 OpenClaw：需要完整的系统权限控制、本地优先的深度集成
• 选 nanobot：学习 Agent 架构、极简部署、研究实验

架构概览¶

flowchart TB
    subgraph "用户界面层"
        UI1[CLI TUI]
        UI2[Telegram / Discord / Slack ...]
        UI3[语音交互]
    end

    subgraph "网关层"
        GW[消息网关<br/>统一协议转换]
    end

    subgraph "Agent 核心"
        CTX[上下文管理<br/>SOUL.md + Context Files]
        MEM[记忆系统<br/>MEMORY.md + USER.md + FTS5]
        SK[技能系统<br/>639 Skills + 自学习]
        TL[工具系统<br/>47 Tools + MCP]
        AG[Agent Loop<br/>推理 + 决策 + 执行]
    end

    subgraph "执行层"
        EX[代码沙箱]
        SUB[子代理]
        CRON[定时调度]
    end

    UI1 --> GW
    UI2 --> GW
    UI3 --> GW
    GW --> AG
    CTX --> AG
    MEM --> AG
    SK --> AG
    TL --> AG
    AG --> EX
    AG --> SUB
    AG --> CRON

    style AG fill:#e74c3c,color:#fff
    style MEM fill:#f39c12,color:#fff
    style SK fill:#2ecc71,color:#fff

关键设计决策¶

适用场景¶

推荐使用¶

• 个人 AI 助手：部署在 VPS 上，通过 Telegram/Discord 随时交互
• 开发自动化：代码审查、PR 管理、Issue 处理、CI/CD
• 研究助手：arXiv 论文搜索、实验管理、论文写作
• 运维自动化：K8s 管理、日志分析、定时巡检
• 内容创作：博客监控、社交媒体管理、多媒体生成
• MLOps：模型微调、评估、部署全流程

当前局限¶

• 不支持原生 Windows：需通过 WSL2 运行
• 资源消耗：完整功能需要一定的内存和存储
• 学习曲线：功能丰富意味着配置选项多
• 自学习的边界：自动创建的 Skill 质量取决于任务复杂度和模型能力
• 外部记忆提供者：部分提供者需要额外配置和 API Key

总结¶

一句话理解 Hermes：如果说 OpenClaw 是"给你一把瑞士军刀"，nanobot 是"一把精致的小刀"，那 Hermes 就是"一个会自己学新技能的工匠"——它不仅工具多，而且越用越熟练。

相关文章：

• Skill 使用介绍 — Agent Skills 开放标准，Hermes 技能系统的基础
• What is MCP — MCP 协议详解，Hermes 的工具扩展机制
• OpenClaw — Hermes 的主要对比对象，支持一键迁移
• nanobot — 超轻量 Agent，适合对比学习
• Agentic AI — Agentic AI 五层架构，Hermes 的设计理论基础
• AI 安全与对抗 — Agent 安全防护，Hermes 的安全机制参考

本文作者： 王科文