Hermes Agent — 自进化个人 AI 智能体

来源：极客公园（连冉），2026-04-10；VirtualUncle 完整指南，2026-04-05 GitHub: hermes-agent.nousresearch

简介

Hermes Agent 是 Nous Research 开发的免费、MIT 许可的自主 AI 框架，核心定位是会随着使用不断成长的「自进化 Agent」。

核心数据（不同来源存在差异）：

• 2 月底开源首月破 2.2 万星
• 4 月 8 日 v0.8.0 发布后单日新增 6400+ 星
• 不到两个月 GitHub 总星标突破 4.7 万（AINews，2026-04-16）
• 另有来源称已超 6.1 万星（VirtualUncle，2026-04-05）
• 持续霸榜全球开源榜单第一

核心特性

1. 持久化记忆

• 所有历史会话存储在本地 SQLite 数据库中
• 通过 FTS5 全文检索与 LLM 摘要进行二次组织
• 可回溯几周前的对话，提取具体细节应用到当前工作
• Honcho 用户建模：异步构建 progressively deeper understanding of how you work（默认关闭，需显式启用）

2. 技能自动生成与复用

• 完成复杂任务（通常 5+ 工具调用）后，自动抽象为结构化 Skill
• 技能遵循 open agentskills.io 标准，包含步骤、关键判断、潜在陷阱、验证方式
• 自改进：使用现有技能时发现更优路径，自动更新技能文档
• 社区报告：重复研究任务在 2 小时内生成 3 个 skill 后提速 40%

3. 自训练能力（Atropos RL）

• 运行过程中生成大量工具调用轨迹
• 可导出为 ShareGPT 格式，用于批量 trajectory generation
• 支持用生成的数据 fine-tune 更小、更便宜的模型
• 这是 research-grade infrastructure inside a consumer product

4. 多实例与多平台

• 同一环境中运行多个相互隔离的 Agent
• 每个都有独立的记忆、技能和配置
• Gateway：Telegram、Discord、Slack、WhatsApp、Signal、Email 统一接入
• 跨平台会话连续性：手机上 Telegram 发起，笔记本终端继续

5. MCP 支持

• 将自身的会话与记忆暴露给 IDE 工具
• 支持 Claude Desktop、Cursor、VS Code
• 打通"常驻 Agent"与"开发环境"的边界

学习闭环架构

Hermes 运行一个 closed learning loop，三个组件相互 feeding：

任务执行 → 经验抽象 → 技能沉淀 → 复用优化
    ↑                                    ↓
    └──────────── 反馈改进 ←─────────────┘

1. 持久化记忆 with real recall：FTS5 + LLM summarization，支持 "periodic nudges"（主动保存可能以后有用的信息）
2. Autonomous skill creation：复杂任务完成后合成永久可复用 skill，下次加载 skill 而非从零解决
3. Self-training pipeline：通过 Atropos 生成 batch trajectories，导出 fine-tune 数据

这与 Claude Code Skills 系统理念高度一致：从完成的任务中学习，而非每次从零开始。区别在于 Hermes 的技能由 agent 自己维护，OpenClaw 的技能由人类维护。

五层记忆系统拆解（2026-04-30 深度分析）

来源：宝玉xp 转译 Manthan Gupta

Hermes 把记忆拆成五个独立子系统，而非一套统一的记忆。核心设计原则：保持提示词稳定以便利用 缓存，其他繁杂信息交给工具。

第一层：固化提示词记忆（MEMORY.md + USER.md）

• MEMORY.md：智能体笔记（环境、规范、工具怪癖、教训），上限 2,200 字符
• USER.md：用户画像（偏好、沟通风格、身份），上限 1,375 字符
• 合计约 1,300 Token，刻意极小
• 会话开始时加载并固化快照，会话中途写入不改变已生成的系统提示词
• 字符限制而非 Token 限制 → 与模型无关
• 纯文本 § 分隔 → 无向量数据库、无自定义二进制存储

设计意图："记忆是精选状态，而非日记。"

第二层：session_search 情景回溯

• SQLite 存储所有历史会话，全文搜索
• 工作流：搜索 → 分组 → 加载匹配会话 → 便宜模型摘要 → 返回主模型
• 比盲目塞历史进提示词更便宜高效
• 与 Agent Memory vs Context Substrate 的"冷热分离"原则一致

第三层：压缩与记忆冲刷

• 长对话压缩前先"记忆冲刷"
• 指令模型在压缩前保存用户偏好、修正建议、重复模式
• 牺牲任务细节，保留关键事实

第四层：技能即程序记忆

• 存储在 ~/.hermes/skills/
• 只把技能索引放进提示词，需要时再加载具体技能
• 与 Claude Code Skills 系统 的 progressive disclosure 模式同构

第五层：Honcho 深层建模

• 跨设备、跨平台记忆连续性
• 集成方式：首轮织入系统提示词，后续附加在用户提问后面（不破坏缓存）
• 默认关闭，需显式启用

Hermes vs OpenClaw 记忆对比

核心洞察

记忆应该让智能体变得更好用，而不是通过摧毁提示词的稳定性来换取博闻强识。真正的诀窍不是记住更多，而是在正确的层级、以正确的成本，记住正确的事情。

这一论述与 Your Harness, Your Memory 的"记忆即架构"主张相通——区别在于 Hermes 把"缓存稳定性"作为一等约束，而 OpenClaw 把"文件即事实"作为一等约束。两者代表 Agent 记忆设计的两种范式。

安装与部署

一键安装（推荐 VPS 自托管）

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
hermes setup       # 连接 LLM provider
hermes             # 启动交互式 TUI
hermes gateway setup   # 连接 Telegram/Discord/Slack
hermes gateway install # 注册为 systemd 服务

支持平台：Linux VPS、Mac Mini（24GB 可跑 13B 本地模型）、Windows WSL2。

LLM Provider 选择

• 预算路径：OpenRouter + Claude Haiku / DeepSeek
• 隐私路径：Ollama 本地 13B/30B（ollama launch hermes，v0.8+ 原生支持）
• 性能路径：Claude Sonnet / Opus via Anthropic API

与 OpenClaw 的对比

社区共识：两者互补而非替代

• OpenClaw 负责"干活"——多通道交互、团队工作流
• Hermes 负责"动脑"——持久化记忆、自动生成技能

迁移支持：hermes claw migrate 可一键迁移 OpenClaw 技能、记忆和设置

第三方实测：Peter Yang 的个人 Agent 横评（2026-05-06）

来源：Peter Yang — The Race to Build a Personal AI Agent

Peter Yang（Meta AI 产品负责人）在深度测试 OpenClaw、Hermes、Claude Code、Codex、Gemini 后，将 Hermes 作为日常主力：

结论："如果 OpenClaw 的维护税让你疲惫，试试 Hermes。一周下来，它对我来说更可靠。"

这与 Garry Tan 的类比一致：OpenClaw 是改装车（灵活但常坏），Hermes 是量产车（没那么个性但稳定）。

团队背景

Nous Research 是一家去中心化 AI 研究实验室：

• 创始人：Jeffrey Quesnelle、Karan Malhotra、Teknium、Shivani Mitra（2023 年成立）
• CEO Jeffrey Quesnelle 曾是以太坊 MEV 基础设施项目 Eden Network 首席工程师
• 累计融资约 $65 million，$50M Series A led by Paradigm
• 约 20 名员工，总部位于 Austin, Texas
• 同时推进 Psyche 去中心化训练网络

团队背景是模型训练者而非产品公司， Hermes 3 model family + Atropos RL framework 均为自研。

争议与风险

Web3 背景带来的质疑

• 融资路径带有鲜明的 Web3 特征（代币计价而非股权）
• 社区讨论围绕"空投预期"
• 链上已出现非官方的 "NOUS" 代币

官方立场

• 目前未发行代币
• 未公布代币分发机制
• 技术路径与社区结构天然具备向"代币化激励体系"延展的可能性

开发者判断标准：Hermes Agent 的价值首先来自它作为 Agent 系统本身的能力。任何与"NOUS 代币"直接挂钩的交易、投资或承诺，都需要保持足够谨慎。

核心洞察

Hermes Agent 在尝试把「AI 能力」从一次性调用，变成可以持续积累的资产。

"从看它「当下能做什么」到看它「在时间里变成了什么」。谁能在时间里积累更多能力，谁就拥有更高的上限。"

设计哲学：开箱即用而非从零开始（2026-06-01）

来源：AI 简报 2026-06-01 Afternoon

Teknium（Nous Research 核心成员）明确阐述了 Hermes 的设计哲学：

• 目标用户：不想花费数周配置 agent 的普通人
• 与极简 agent 的区别：nanoclaw 或 pi 选择"从零开始，用户自己搞定"，Hermes 选择"提供适度基线，用户按需裁剪"
• 可禁用：通过 hermes skills config 或 hermes tools 关闭不需要的能力
• 可分享：支持将整个 Agent 配置上传为 GitHub repo，方便复用和迁移
• 可扩展：提供庞大的扩展接口，支持无限定制

这一设计选择反映了 Hermes 对"agent 工程门槛"的判断：大多数人不想成为 agent 工程师，他们想要一个立即可用、能力足够广泛的基线系统。

版本历史

2026-04-24：v0.11.0 — 大型贡献者版本

来源：[[raw/newsletters/AINews/2026-04-24 [AINews] GPT 5.5 and OpenAI Codex Superapp.md|AINews 2026-04-24]]

• 扩展提供商支持：新增多个 LLM 提供商
• 图像生成支持：集成图像生成功能
• GPT-5.5 即时支持：发布当天即支持 GPT-5.5（@Teknium）
• 几乎在 GPT-5.5 发布后立即完成适配

2026-04-18：Ollama 原生支持 + $25k 创意黑客马拉松

来源：[[raw/newsletters/AINews/2026-04-19 [AINews] The Two Sides of OpenClaw.md|2026-04-19 [AINews] The Two Sides of OpenClaw]]

• Ollama 原生支持：ollama launch hermes 直接启动
• $25k 创意黑客马拉松：Nous Research 与 Kimi 联合发起，重心扩展到创意 Agent 工作流
• 社区生态：衍生项目包括 Hermes Atlas、Hermes-Wiki、HUD 和控制仪表板

2026-04-16：v0.3.0

来源：raw/newsletters/AINews/2026-04-16 RIP Pull Requests (2005-2026)

• /browser connect 浏览器控制（@0xme66）
• QQBot + AWS Bedrock 支持（@Teknium）
• 原生 Swift 桌面应用 alpha（@nesquena）
• artifact-preview 和 hermes-lcm v0.3.0

病毒式传播案例（@elder_plinius）：

1. 加载存储的技能
2. 诊断 Gemma 4 的 NaN 不稳定性
3. 修补底层库
4. 重试多种方法
5. 基准测试结果
6. 生成模型卡
7. 上传 artifacts 到 Hugging Face

实践案例：多 Agent 配置与成本优化 (2026-05-05)

来源：@vmiss33 — Hermes Agent 使用实践

一位用户运行多 Agent 设置的实战经验：

Agent 分工

成本控制策略

• OpenRouter 免费层：加 $10 获 1000 请求/天（非免费账户仅 50/天）
• Nous Portal：$10/月订阅，API 制，含 tool calling
• 本地模型：8GB VRAM surprisingly 够用，Qwen 3.5 9B quant + 64k 上下文
• ChatGPT Plus：$20/月，连接 GPT 5.5，"几乎 flawless"
• NVIDIA NIM：免费模型，适合实验

核心洞察

"最大的错误是从技术开始而非从问题开始。你不需要一堆 3090 才能起步。从你的生活、工作流、摩擦点开始。然后围绕这些构建 Agent。"

这与 Hermes 官方定位（学习能力深度）形成互补：官方强调自动 skill 生成和 Atropos RL，用户实践强调从具体问题出发的手工配置。

Computer Use 预览：支持任何模型的后台电脑控制（2026-05-12）

来源：AI 简报 2026-05-12 Evening

Hermes Agent 正在集成内置 Computer Use 预览，由 trycua 提供底层能力。核心特征：

• 模型无关：支持任何模型（不只是前沿模型）在后台控制电脑
• 不抢占用户输入：agent 在后台运行，不打断用户当前工作
• 学习能力：配合 Hermes 的 skill 自动生成，Computer Use 的操作可被抽象为可复用技能

这降低了 Computer Use 的门槛：不需要高端模型或专门配置，普通模型也能在后台执行 GUI 自动化任务。