Hermes Agent 从入门到精通

版本信息：基于 Hermes Agent 2026年6月最新版本 | 作者：Nous Research | License：MIT
定位：自托管、有持久记忆、能自动构建技能的开源 AI 智能体

目录

1. 快速入门：认识 Hermes Agent
2. 基础使用：日常操作指南
3. 核心机制：学习闭环详解
4. 记忆系统：从文件到辩证推理
5. 技能系统：自动成长的核心引擎
6. 多平台网关：一处部署处处可达
7. 架构深入：从源码理解设计
8. 生态与集成：MCP、Honcho 与 Nous Portal
9. 竞品对比：Hermes vs OpenClaw vs Claude Code
10. 生产部署：从开发到上线
11. 精通之路：插件开发与贡献
12. 资源汇总

一、快速入门：认识 Hermes Agent

1.1 它是什么？

Hermes Agent 是Nous Research于 2026 年 2 月发布的开源自主 AI 智能体。一句话概括：

它不是你 IDE 里的代码补全工具，也不是套壳聊天机器人——它是一个住在你服务器上的、越用越聪明的私人 AI 助手。

核心差异化能力：

1.2 一分钟安装

# Linux / macOS / WSL2curl-fsSLhttps://hermes-agent.nousresearch.com/install.sh|bash# Windows (PowerShell)iex(irm https://hermes-agent.nousresearch.com/install.ps1)

安装程序会自动处理：uv 包管理器 → Python 3.11 → 克隆仓库 → 初始配置。无需 sudo，无前置依赖。

安装完成后：

source~/.bashrc# 或 source ~/.zshrchermes setup# 交互式配置向导（选择模型、设置偏好）hermes model# 选择 LLM 提供商和模型hermes# 开始第一次对话！

1.3 运行成本

二、基础使用：日常操作指南

2.1 CLI 核心命令

hermes# 进入交互式对话hermes model# 切换模型hermes tools# 配置启用的工具hermes configset# 设置单个配置项hermes setup# 运行完整设置向导hermes update# 更新到最新版本hermes doctor# 诊断问题

2.2 对话中的斜杠命令

2.3 模型切换

Hermes 的模型切换极为简便，一条命令搞定：

# 切换到不同提供商hermes model openai:gpt-4o hermes model anthropic:claude-sonnet-4-20250514 hermes model deepseek:deepseek-chat hermes model openrouter:google/gemini-2.5-pro-preview# 使用本地模型hermes model ollama:llama3

支持的提供商（18+）：

• 国际：OpenAI、Anthropic、Google (via OpenRouter)、Meta (via OpenRouter)
• 国内：DeepSeek、Kimi/Moonshot、阿里云/Qwen、MiniMax、z.ai/GLM、小米 MiMo
• 开放平台：OpenRouter (200+ 模型)、Hugging Face、NVIDIA NIM
• 本地：Ollama、vLLM、任意 OpenAI 兼容端点
• 一站式：Nous Portal（原生 OAuth，300+ 模型）

2.4 上下文文件（影响每次对话）

Hermes 在每次对话中会自动注入以下上下文文件，你可以手动编辑它们来塑造 Agent 的行为：

三、核心机制：学习闭环详解

这是 Hermes 最与众不同的系统。它不只是「调用 API 然后回复」，而是通过一个完整的学习循环，让 Agent 越用越聪明。

3.1 四层学习循环

┌──────────────────────────────────────────────────────┐ │ Hermes 学习闭环 │ │ │ │ ┌─────────┐ ┌──────────┐ ┌───────────┐ │ │ │ 记忆管理 │───→│ 技能创建 │───→│ 技能改进 │ │ │ │ │ │ │ │ │ │ │ │ 持久化 │ │ 从经验 │ │ 使用中 │ │ │ │ 关键信息 │ │ 提取技能 │ │ 持续优化 │ │ │ └────┬────┘ └────┬─────┘ └─────┬─────┘ │ │ │ │ │ │ │ └──────────────┴────────────────┘ │ │ │ │ │ ▼ │ │ ┌─────────────────┐ │ │ │ 跨会话回溯 │ │ │ │ FTS5 + LLM摘要 │ │ │ │ → 精准检索历史 │ │ │ └─────────────────┘ │ └──────────────────────────────────────────────────────┘

3.2 各层详解

第一层：记忆管理

• Agent 主动管理MEMORY.md和USER.md
• 接近上限时自动：合并相似条目 → 删除过时信息 → 压缩多条为一条
• 记忆硬上限约1300 tokens（MEMORY.md ≈ 800t + USER.md ≈ 500t）
• 精准少量记忆 > 模糊大量记忆

第二层：自动技能创建

• 触发条件：完成5 次以上工具调用的复杂任务后
• 自动评估是否值得沉淀 → 写入SKILL.md
• 技能内容包含：步骤、踩坑记录、验证方法
• 兼容 agentskills.io 开放标准，可分享可移植

第三层：技能自我改进

• 技能在被调用时自动评估效果
• 发现更好的方法时更新技能内容
• 实测数据：使用一个月后，同类任务的平均工具调用次数从25 次降至 8-10 次（模型不变，全靠经验积累）

第四层：跨会话回溯

• 底层：SQLite + FTS5 全文搜索引擎
• 上层：LLM 摘要索引
• 结合 Honcho 辩证式用户建模（见后文）
• 可以搜索所有历史对话中的关键信息

3.3 自检机制

每15 次工具调用后，Agent 自动暂停自检：

• 回顾最近的工具使用模式
• 识别可优化的重复操作
• 触发技能创建/更新

四、记忆系统：从文件到辩证推理

4.1 内置记忆系统

Hermes 内置了三层记忆文件：

所有记忆存储在~/.hermes/目录下，完全本地化，零遥测。

4.2 Honcho：AI 原生记忆后端

Honcho 是由Plastic Labs开发的记忆后端，作为 Hermes 的 Memory Provider 插件集成。它在内置记忆基础上增加了：

辩证推理 (Dialectic Reasoning)

不是简单的「记下来」，而是思考你这个人：

每一轮对话后 → Honcho 分析交流内容 → 推导关于你偏好、习惯、目标的洞察 → 随着对话积累，理解不断加深 → 超越你明确表述的内容

双层上下文注入

每轮对话中，Honcho 组装两层上下文注入到系统 prompt：

1. 基础层（你是谁）— 会话摘要、用户画像、AI 自我认知
2. 辩证层（什么最重要）— LLM 推理你对当前任务的需求和状态

冷启动 vs 热启动

安装配置

hermes memory setup# 选择 "honcho"# 在 honcho.dev 获取 API Keyecho'HONCHO_API_KEY=***'>>~/.hermes/.env

关键配置参数

观察模式

五、技能系统：自动成长的核心引擎

5.1 技能是什么？

技能（Skills）是 Hermes 的过程记忆——把「做过的事」变成「可复用的方法」。每个技能是一个SKILL.md文件，包含：

• 触发条件（什么时候用这个技能）
• 执行步骤（怎么做）
• 注意事项（踩过的坑）
• 验证方法（怎么确认做对了）

5.2 技能的三种来源

5.3 技能生命周期

使用 Hermes 完成复杂任务 │ ▼ 自动评估（≥5 次工具调用触发） │ ▼ 沉淀经验 → 创建 SKILL.md │ ▼ 后续调用该技能 → 自动评估效果 │ ▼ 发现优化空间 → 自动更新技能 │ ▼ 技能越用越精准

5.4 技能管理命令

hermes skills# 查看已安装的技能hermes skillsinstallX# 安装技能hermes skillsenableX# 启用技能（可按平台粒度）hermes skills disable X# 禁用技能hermes skills hub# 浏览技能中心

5.5 官方可选技能

optional-skills/目录下的官方可选技能（需显式安装）：

• 高级文档处理
• 专业数据分析
• 多媒体生成
• 更多场景专用技能…

六、多平台网关：一处部署，处处可达

6.1 支持的平台

Hermes 通过单一gateway进程连接20 个消息平台：

6.2 网关配置

# 引导式连接各平台hermes gateway setup# 启动消息网关hermes gateway# 安装为 systemd 服务（后台常驻）hermes gatewayinstall

6.3 跨平台连续性

在 Telegram 开始对话 → 在终端继续 → 在 Discord 查看结果。所有平台共享同一个会话历史和记忆。

6.4 安全机制

七、架构深入：从源码理解设计

7.1 系统总览

┌──────────────────────────────────────────────────────────────┐ │ 入口点 (Entry Points) │ │ CLI │ Gateway │ ACP (IDE) │ Cron │ Batch │ API │ └────────────────────────┬─────────────────────────────────────┘ │ ▼ ┌──────────────────────────────────────────────────────────────┐ │ AIAgent (run_agent.py) │ │ │ │ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │ │ │ Prompt │ │ Provider │ │ Tool │ │ │ │ Builder │ │ Resolution │ │ Dispatch │ │ │ └──────────────┘ └──────────────┘ └──────────────┘ │ │ │ │ 3 种 API 模式：chat_completions / codex_responses / │ │ anthropic_messages │ └──────────┬────────────────────────────────────┬──────────────┘ │ │ ▼ ▼ ┌──────────────────────┐ ┌──────────────────────────┐ │ Session Storage │ │ Tool Backends │ │ SQLite + FTS5 │ │ Terminal (7 后端) │ │ hermes_state.py │ │ Browser (5 后端) │ └──────────────────────┘ │ Web / File / MCP ... │ └──────────────────────────┘

7.2 目录结构

hermes-agent/ ├── run_agent.py # AIAgent 核心对话循环 ├── cli.py # HermesCLI 交互式终端 UI ├── model_tools.py # 工具发现、schema 收集、分发 ├── toolsets.py # 工具分组与平台预设 ├── hermes_state.py # SQLite + FTS5 会话数据库 ├── hermes_constants.py # 常量与路径 ├── batch_runner.py # 批量轨迹生成 ├── agent/ # Agent 内部模块 │ ├── prompt_builder.py # 系统 prompt 组装 │ ├── context_compressor.py # 有损摘要压缩 │ ├── prompt_caching.py # Anthropic prompt 缓存 │ ├── memory_manager.py # 记忆管理器编排 │ ├── memory_provider.py # 记忆提供者 ABC │ └── skill_commands.py # Skill 斜杠命令 ├── hermes_cli/ # CLI 子命令 ├── tools/ # 70+ 工具实现 ├── gateway/ # 消息平台网关（20 适配器） ├── cron/ # 调度器 ├── skills/ # 内置技能（40+） ├── optional-skills/ # 官方可选技能 ├── plugins/ # 插件系统 └── tests/ # 3000+ 测试

7.3 Agent 循环（核心流程）

用户输入 │ ▼ prompt_builder.build_system_prompt() │ 来源：SOUL.md + MEMORY.md + USER.md + Skills + 工具指引 ▼ runtime_provider.resolve() │ 确定 (api_mode, api_key, base_url) ▼ API 调用 → 响应 │ ├── 有 tool_calls？ │ └── model_tools.handle_function_call() → 执行 → 继续循环 │ ├── 需要压缩？ │ └── context_compressor 有损摘要 │ └── 最终响应 → 显示 → 保存至 SessionDB

7.4 设计原则

7.5 终端后端（7 种）

7.6 会话持久化

• 存储引擎：SQLite + FTS5 全文检索
• 关键特性：
  • 会话血缘追踪（跨压缩的父/子关系）
  • 按平台隔离
  • 原子写入与竞争处理
• 核心文件：hermes_state.py、gateway/session.py

八、生态与集成：MCP、Honcho 与 Nous Portal

8.1 MCP 集成

Hermes 支持通过Model Context Protocol (MCP)连接外部系统：

# MCP 工具由 tools/mcp_tool.py 驱动# 配置后即可在对话中调用任意 MCP 服务器提供的工具

MCP 让 Hermes 的能力边界可以无限扩展——任何实现了 MCP 协议的服务都可以接入。

8.2 Nous Portal：一站式订阅

不想为模型、搜索、生图、TTS、浏览器分别申请多个 API Key？

Nous Portal用一个订阅覆盖全部：

hermes setup--portal# 快速设置

8.3 技能市场

• agentskills.io — 官方技能中心
• hermes-ai.net/skills — 社区技能导航
• hermesatlas.com — 中文社区资源站
• awesome-hermes-agent-zh — 中文资源合集

8.4 社区桥接

九、竞品对比：Hermes vs OpenClaw vs Claude Code

9.1 定位差异

9.2 核心差异对比

9.3 选型建议

选 Claude Code，如果你：

• 核心需求是写代码、改代码、跑测试
• 工作流在 IDE/终端内，不需要跨平台
• 追求最佳代码生成质量

选 OpenClaw，如果你：

• 需要多渠道运营（同时管理多个平台）
• 团队使用，需要共享 Agent 能力
• 偏好大而全的生态，要现成技能

选 Hermes Agent，如果你：

• 想要轻量、长期使用的个人 Agent
• 不想被锁死在某个模型生态
• 希望 Agent 越用越顺手（自学习）
• 预算有限（$5/月可跑）
• 对数据隐私有要求（MIT + 零遥测）

9.4 三者能否共存？

完全可以。三者不存在冲突：

• Claude Code = IDE 里的编码专家
• OpenClaw = 多渠道运营中枢
• Hermes Agent = 7×24h 私人助理

十、生产部署：从开发到上线

10.1 VPS 部署

# 最低配置：1 核 CPU、1GB RAM、10GB 硬盘# 推荐：2 核、2GB RAM# SSH 登录后一键安装curl-fsSLhttps://hermes-agent.nousresearch.com/install.sh|bash# 配置hermes setup hermes model openrouter:google/gemini-2.5-flash# 选用性价比模型# 安装为系统服务hermes gatewayinstall

10.2 Serverless 部署

# Daytona 后端（Serverless 持久化）hermes configsetterminal.backend daytona# Modal 后端（几乎零闲置成本）hermes configsetterminal.backend modal

特点：空闲时自动休眠，收到消息时按需唤醒——不使用时几乎零成本。

10.3 Docker 部署

# Docker 后端提供容器隔离执行hermes configsetterminal.backenddocker

安全加固：只读根目录、权限降级、PID 限制。

10.4 Profile 多实例管理

# 创建独立 profilehermes-pwork setup# 工作 profilehermes-ppersonal setup# 个人 profile# 每个 profile 拥有独立的：# - 配置# - 记忆# - 会话历史# - Gateway PID# 可同时运行多个 profile

10.5 安全最佳实践

10.6 从 OpenClaw 迁移

hermes claw migrate# 交互式迁移（完整预设）hermes claw migrate --dry-run# 预览将要迁移的内容hermes claw migrate--presetuser-data# 仅迁移用户数据hermes claw migrate--overwrite# 覆盖已有冲突

可迁移内容：SOUL.md、MEMORY.md、USER.md、技能、命令白名单、消息平台配置、API 密钥、TTS 资产、工作区指令等。

十一、精通之路：插件开发与贡献

11.1 插件系统

插件发现来源：

1. ~/.hermes/plugins/— 用户级插件
2. .hermes/plugins/— 项目级插件
3. pip entry point — 通过 pip 安装的插件

能力：通过上下文 API 注册工具、hook 和 CLI 命令。

11.2 自定义 Memory Provider

实现agent/memory_provider.py中的抽象基类：

# 实现自定义记忆后端classMyMemoryProvider(MemoryProvider):defsearch(self,query:str)->List[MemoryEntry]:...defstore(self,entry:MemoryEntry)->None:...defget_context(self)->str:...

放置到~/.hermes/plugins/memory/后即可在hermes memory setup中选择。

11.3 开发环境搭建

# 获取完整开发环境curl-fsSLhttps://hermes-agent.nousresearch.com/install.sh|bashcd"${HERMES_HOME:-$HOME/.hermes}/hermes-agent"# 安装开发依赖uv pipinstall-e".[all,dev]"# 运行测试（3000+ 测试用例）scripts/run_tests.sh

11.4 添加新工具

工具注册采用导入时自动注册模式：

# tools/my_tool.pyfromtools.registryimportregistry@registry.register(name="my_tool",description="我的自定义工具")defmy_tool(param:str)->str:"""工具实现"""returnf"处理结果:{param}"

将文件放入tools/目录即可自动发现，无需手动维护导入列表。

11.5 轨迹生成与模型训练

Hermes 也是 AI 训练平台：

# 批量生成训练数据hermes batch run--configbatch_config.yaml# 输出 ShareGPT 格式# 可用于微调模型

11.6 贡献指南

1. Fork GitHub 仓库
2. 创建功能分支
3. 编写代码 + 测试
4. 提交 PR

社区渠道：

• Discord
• GitHub Issues
• GitHub Discussions

十二、资源汇总

官方资源

中文社区

学习路径推荐

第一阶段：入门（1-2 天） ├── 安装并运行 Hermes ├── 完成 3-5 次简单对话任务 ├── 了解 MEMORY.md / USER.md 的作用 └── 尝试 /skills 浏览内置技能 第二阶段：进阶（1 周） ├── 配置消息网关（Telegram / 微信） ├── 设置定时任务（日报 / 备份） ├── 安装 Honcho 记忆后端 ├── 观察 Agent 自动创建技能的流程 └── 尝试不同的模型提供商 第三阶段：高级（2 周） ├── 配置 Docker / Serverless 后端 ├── 编写自定义工具 ├── 开发 Memory Provider 插件 ├── 使用多 Profile 管理 └── 批量轨迹生成 第四阶段：精通（持续） ├── 贡献代码到主仓库 ├── 发布社区技能到 agentskills.io ├── 搭建团队共享的 Hermes 实例 ├── 自定义 Agent 循环逻辑 └── 利用 Hermes 进行模型训练研究

附录：关键概念速查

Hermes Agent 的核心哲学：一个好的 Agent 不应该只是一问一答的工具，而是一个会成长、会学习、会越来越懂你的长期伙伴。这也是它被社区称为「养马」的原因——你投入的时间越多，它就越有价值。

文档编制于 2026 年 6 月 30 日 | 基于 Hermes Agent 最新版本