Hermes Agent 教程

Hermes Agent 是由 Nous Research 开发、于 2026 年 2 月正式发布的开源自进化 AI Agent,采用 MIT 许可证。
Hermes 运行在你自己的服务器或本地机器上,跨会话持续记忆,并在每次完成任务后主动学习、提炼可复用的技能——越用越聪明。
Nous Research 官方标语 -- The agent that grows with you.
谁适合阅读本教程?
本教程面向以下几类读者:
开发者 / 工程师
想要一个能持久记忆项目上下文、自动积累工作流经验的本地 AI 助手,而不是每次会话都从零开始重新解释代码库结构、命名规范和部署流程。-
研究人员
需要能跨会话追踪研究进展、自动整理文献信息、执行长期调研任务的智能助理。 -
效率工具爱好者
希望把 AI Agent 真正嵌入日常工作流——接入 Telegram、Slack、Discord 等常用平台,设置定时自动化任务。 -
AI / ML 从业者
对 Agent 架构感兴趣,或需要用 Hermes 批量生成工具调用轨迹、进行强化学习训练数据的研究人员。 -
注重数据隐私的用户
所有数据保留在本地机器,无遥测、无追踪、无云端锁定(Cloud Lock-in)。
阅读前需要具备的基础能力
本教程不要求 AI 研究背景或深度机器学习知识。你需要具备:
| 能力 | 要求程度 | 说明 |
|---|---|---|
| 命令行基础操作 | 必须 | 能在终端执行命令、设置环境变量 |
| Python 基础 | 了解即可 | 知道 pip 安装包、读懂简单脚本 |
| 基本 API 概念 | 了解即可 | 知道什么是 API Key、如何申请 |
| Git 基础 | 可选 | 进阶章节(插件开发)会用到 |
操作系统要求:Linux、macOS 或 Windows WSL2(三选一)。
Hermes Agent 与普通 AI 工具有什么本质区别?
这是理解 Hermes 最重要的一步。
当前大多数 AI 工具的困境:失忆问题
你是否有过这样的经历——花一个下午教会 Claude 或 ChatGPT 你项目的特殊规范,一次极其高效的协作后关闭了对话窗口,第二天打开新会话,一切又回到了原点?
这叫做 AI 工具的失忆问题(The Amnesia Problem)。能力在,记忆不在。
Hermes 的解法:闭合学习循环
Hermes 通过三个核心机制解决这个问题:
任务执行
↓
提炼可复用技能(Skill)
↓
更新持久记忆(Memory)
↓
下次执行类似任务时自动加载
↓
持续改进 ……
1. 持久记忆(Persistent Memory)
三层记忆架构——工作记忆(当前会话)、语义长期记忆(memory.md)、情节日志(SQLite + 全文检索)。Agent 会主动整理和更新自己的记忆文件,而不是靠你每次手动提供上下文。-
2. 自动技能创建(Autonomous Skill Creation)
当 Agent 完成一个复杂任务(通常涉及 5 步以上的工具调用),它会自动将这个工作流提炼成一个可复用的 Skill 文件(Markdown 格式)。下次遇到类似任务,直接加载这个 Skill,无需重复摸索。 -
3. 模型无关设计(Model-Agnostic)
Hermes 不绑定任何特定模型。可以接入 Nous Portal、OpenRouter(200+ 模型)、OpenAI、Anthropic,或本地部署的 Ollama 模型,一行命令切换,无需修改任何代码。
与其他常见工具的对比
| 对比维度 | ChatGPT / Claude.ai | Claude Code / Cursor | Hermes Agent |
|---|---|---|---|
| 跨会话记忆 | 有限/无 | 无 | ✅ 三层持久记忆 |
| 自动学习技能 | ✗ | ✗ | ✅ 自动提炼 Skill |
| 运行方式 | 云端 SaaS | IDE 插件 | 本地长期运行进程 |
| 多平台接入 | 网页/APP | IDE 内 | Telegram/Slack 等 15+ 平台 |
| 数据隐私 | 上传云端 | 上传云端 | ✅ 100% 本地 |
| 定时自动化 | ✗ | ✗ | ✅ 内置 Cron 调度 |
| 模型绑定 | OpenAI/Anthropic | OpenAI/Anthropic | ✅ 任意模型 |
| 开源 | ✗ | 部分 | ✅ MIT License |
Hermes 与其他开源 Agent 框架的区别
和 AutoGPT / CrewAI 的区别
AutoGPT、CrewAI 等框架擅长编排多步骤任务,但它们本质上是无状态的——每次运行都从零开始,没有记忆积累,也没有从过去经验中提炼工作流的机制。
Hermes 的差异在于时间维度:它不只是执行当前这个任务,而是在执行过程中同步在构建一个越来越强大的自我。
和 OpenClaw 的区别
OpenClaw 是目前与 Hermes 最接近的竞品,两者都支持持久记忆和跨平台接入。核心差异在于:
- OpenClaw 以"控制平面优先"为设计理念,强调生态系统广度,技能由人工编写和维护。
- Hermes 以"自进化循环"为核心,技能由 Agent 自主创建和改进,强调学习深度。
简单说:OpenClaw 是你精心调教的助手,Hermes 是会自我成长的学徒。
在正式开始安装之前,先对 Hermes 的整体能力有个全貌印象:
- 🧠 持久记忆 — 跨会话三层记忆 + Honcho 用户建模,越用越懂你
- ⚡ 技能系统 — 自动创建/改进 Skill,
/learn命令从文档一键学习 - 🔌 工具丰富 — 70+ 内置工具:文件系统、网页浏览、代码执行、视觉、语音
- 🌐 多平台接入 — Telegram、Discord、Slack、WhatsApp、Signal 等 15+ 平台
- 🔒 隐私优先 — 所有数据本地存储,无遥测,无云端强制依赖
- 🤖 模型无关 — 支持 200+ 模型,一行命令切换
- ⏰ 定时任务 — 内置 Cron 调度,支持跨平台消息投递
- 🔬 研究就绪 — 批量轨迹生成、ShareGPT 格式导出、RL 训练集成
相关资源
在开始之前,以下资源值得收藏:
官方资源
| 资源 | 链接 |
|---|---|
| 官方文档 | hermes-agent.nousresearch.com/docs |
| GitHub 仓库 | github.com/NousResearch/hermes-agent |
| 技能社区 Hub | agentskills.io |
| 模型提供商 | Nous Portal |
