大多数 AI 工具有一个共同的问题：用了一年，它还是第一天的样子。
你每次都要重新解释背景，重新告诉它你的偏好，重新教它你的工作方式。记忆不跨会话，技能不会积累，今天学到的东西明天全忘。
Nous Research 开源的 Hermes Agent，正是为了从根本上解决这个问题。
一句话定位
The agent that grows with you.（随你成长的 Agent）
官方的描述更直接：唯一内置学习闭环的 Agent。
它不是一个简单的 IDE 插件，也不是某个 API 的聊天封装，而是一个能够自主运行的智能体。你可以将它部署在 5 美元的 VPS 上、GPU 集群里，或者 Serverless 基础设施上。通过 Telegram 与它聊天，而它则在云端的虚拟机中为你处理任务，你甚至不需要使用 SSH 登录进去操作。
核心：学习闭环
这是 Hermes 区别于其他 Agent 框架最关键的设计理念，它构建了一个完整的学习与进化循环。
技能自动创建
完成一个复杂任务后，Hermes 会自动将这次的解决过程提炼成可复用的「技能（Skill）」，存储起来以备后用。下次遇到类似问题，它可以直接调用这个技能，而无需从头开始推理。
技能自我改进
技能并非一成不变。每次使用过程中，Hermes 会评估效果，并持续优化技能本身。这意味着它用得越多，技能就越精准、越高效。
跨会话记忆
基于 FTS5 全文搜索结合 LLM 摘要技术，Hermes 能够检索自己的历史对话，实现跨会话的语义上下文召回。这不仅仅是「记住你说过什么」，而是真正的基于含义的检索。
用户建模
集成了 Honcho 的辩证式用户建模（Dialectic User Modeling）——随着交互的不断积累，Hermes 会逐渐建立对你个人的深度理解：包括你的工作方式、偏好、习惯乃至思维模式。
主动记忆提示
Hermes 会定期「提醒自己」将重要的交互信息进行持久化存储，而不是被动地等待用户下达「记住这个」的指令。
住在你用的地方
Hermes 支持多种接入方式，适应你的工作流：
- CLI：提供完整的终端 TUI 界面，支持多行编辑、斜杠命令自动补全、流式工具输出和对话历史查看。
- Telegram / Discord / Slack / WhatsApp / Signal：通过一个网关（Gateway）进程，实现全平台覆盖。
- 语音：支持语音备忘录转录，在 CLI、Telegram、Discord 上均能进行实时语音交互。
只需一套配置，即可随处使用。例如，你可以在手机上发送 Telegram 消息，Agent 在云端执行任务，完成后将结果推送回你的手机。
运行在任何地方
Hermes 提供了 6 种终端后端，你可以根据需求灵活选择：
| 后端 |
适用场景 |
| Local |
本地开发，直接运行 |
| Docker |
容器隔离，提供安全沙箱环境 |
| SSH |
连接并操作远程服务器 |
| Daytona |
Serverless 环境，闲置时近乎零成本 |
| Singularity |
HPC / 科研集群 |
| Modal |
Serverless GPU，按需唤醒 |
其中，Daytona 和 Modal 后端特别适合「不想一直开着服务器」的场景——Agent 环境在闲置时会自动休眠，当有请求到来时再自动唤醒，从而将运行成本降到极低。
模型自由选择
Hermes 不绑定任何一家模型提供商，支持广泛的选择：
- Nous Portal（Nous Research 自家服务）
- OpenRouter（聚合了 200+ 个模型）
- OpenAI / Anthropic
- z.ai/GLM、Kimi/Moonshot、MiniMax
- 自定义 endpoint
切换模型只需在 CLI 中输入一条命令：hermes model，无需修改任何代码。
40+ 内置工具
Hermes 内置了超过 40 个开箱即用的工具，覆盖了日常所需：
- 文件读写、代码执行、终端操作
- 网页搜索、内容抓取、网页浏览、视觉理解
- 图片生成、TTS 语音合成
- MCP 协议支持（可接入任意 MCP Server 以扩展能力）
- 子 Agent 并行调度
定时任务
内置了 Cron 调度器，你可以用自然语言描述定时任务，结果会被推送到任意已配置的平台：
- 每天早上自动生成并发送日报
- 每晚自动备份重要数据
- 每周自动生成审计报告
所有这些都可以实现无人值守的全自动运行。
技能生态：agentskills.io
Hermes 的技能系统兼容 agentskills.io 开放标准。这意味着为 Hermes 开发的技能可以跨不同的 Agent 框架进行移植、共享，并且能够接受来自社区的贡献，形成一个活跃的技能生态。
一行命令安装
通过官方提供的安装脚本，部署过程非常简单：
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
该脚本支持 Linux、macOS、WSL2，会自动处理 Python、Node.js 和所有必要的依赖，唯一的前提是你的系统已经安装了 git。
安装完成后，执行以下命令启动：
source ~/.bashrc # 重载 shell 配置
hermes # 开始与 Agent 对话
一些常用的管理命令：
hermes model # 选择模型和提供商
hermes tools # 配置启用的工具
hermes gateway # 启动消息网关（用于 Telegram、Discord 等）
hermes setup # 运行完整配置向导
hermes doctor # 诊断运行问题
hermes update # 更新到最新版本
从 OpenClaw 迁移
如果你之前使用过 OpenClaw，Hermes 提供了一键迁移工具，让过渡变得平滑：
hermes claw migrate # 交互式迁移
hermes claw migrate --dry-run # 预览迁移内容，而不实际执行
可以迁移的内容包括：SOUL.md 人格文件、记忆文件、自定义技能、命令白名单、消息平台配置、API Keys、TTS 资源、工作区指令等。
背后的团队
Nous Research 最初是一家专注于模型训练的研究机构，著名的 Hermes 系列模型（以强大的工具调用能力著称）、Nomos、Psyche 等模型都出自他们之手。
需要特别指出的是，这个 Agent 框架并非外包给工程师打造的产品，而是模型训练团队为自己日常工作而开发的工具。因此，它内部集成了批量轨迹生成、Atropos RL 环境、轨迹压缩等研究向功能，这些功能被直接用于训练下一代工具调用模型。
这个背景至关重要：它的设计目标不仅仅是「让用户觉得好用」，还要「能够产生用于模型训练的高质量数据」。
项目信息
- GitHub：github.com/NousResearch/hermes-agent
- 官方文档：hermes-agent.nousresearch.com/docs
- Stars：18，600+
- 语言：Python
- 许可证：MIT
结语
大多数 Agent 框架解决的是「如何让 AI 完成一项任务」的问题，而 Hermes 志在解决一个更深层次的命题：「如何让 AI 随着时间推移，变得越来越擅长完成 你 的任务」。
这个致力于让智能体持续学习和自我进化的方向，无疑值得每一位关注 AI 应用前沿的开发者持续关注。如果你想了解更多类似的 开源实战 项目，或与同行交流心得，云栈社区 是一个不错的去处。
发表于 昨天 19:11
|
查看: 25|
回复: 0
