Hermes Agent

类别：通用智能体产品 ｜ 更新时间：2026-07

1. 基础信息

2. 核心设计思想

Hermes Agent 的设计理念是"把智能体能力交还给用户"：作为 Nous Research 的开源终端智能体，它围绕工具调用（Function Calling）构建，模型与 Agent 框架解耦——用户可以自由选择底层模型、本地部署、完全掌控数据。多智能体编排是其另一特色：多个子 Agent 可分工协作完成复杂任务，适合在自有基础设施上搭建定制化智能体系统。

与商业闭源产品不同，其价值主张是无厂商锁定：没有订阅费、没有数据外流、没有模型绑定。代价是生态成熟度有限：文档、插件与社区支持不如商业产品，部署与维护需要一定技术能力。

3. 特性

• 开源：Apache 2.0 协议，可自由使用与修改
• 终端智能体形态，面向命令行/开发环境
• 工具调用（Function Calling）为核心能力
• 支持多智能体编排与协作
• 可本地部署，数据不出内网
• 底层模型可自选，无厂商锁定
• 免费使用，仅需自托管算力
• 由 Nous Research 维护，代码托管于 GitHub（Hermes-Function-Calling 仓库）
• 适合隐私敏感与合规要求高的组织
• 生态成熟度（文档、插件、社区）不如商业产品

4. 典型模式

• 本地开发助手：代码仓库内的任务执行。终端启动 Agent → 通过工具调用执行命令、读写文件 → 完成构建、测试、修 Bug，数据全程本地。
• 隐私敏感任务：涉密或合规环境。内网部署模型与 Agent → 处理不允许出网的文档与数据 → 结果不外传。
• 多智能体协作：复杂流程拆分。主 Agent 拆解任务 → 分派多个子 Agent 并行执行 → 汇总结果。

5. 关键对比

何时选它：需要完全自主可控、隐私合规、本地部署，或预算有限的团队，Hermes Agent 的开源与无锁定特性是最优解之一。何时选别人：追求开箱即用的开发体验选 Claude Code（闭源但生态成熟）；想要社区生态更大的开源编码智能体选 OpenHands；需要通用型开源智能体选 OpenClaw。

6. 优缺点

优点

• 完全开源（Apache 2.0），可审计、可修改
• 无厂商锁定，模型可自选，支持本地部署
• 多智能体编排能力强，适合复杂任务拆分
• 零订阅成本，仅需自托管算力

缺点

• 生态成熟度不足：文档、插件、社区支持有限
• 需技术团队自行部署与维护
• 开箱即用体验与商业产品有差距
• 能力上限依赖所选底层模型

7. 落地组合方案

• 隐私合规组合：Hermes Agent + 本地开源模型（如 Hermes 系列）+ 内网 GPU 服务器。适合金融、医疗、政企等数据敏感组织：推理与工具调用全程在内网完成，Apache 2.0 授权下可自由定制，满足合规审计要求。
• 研发自动化组合：Hermes Agent + CI/CD 流水线 + 容器化部署。适合研发团队：将 Hermes 作为终端助手接入开发机与 CI，多智能体分工执行测试、代码审查、发布检查等任务，降低对商业订阅的依赖。

8. 安装步骤（使用入门步骤）

Hermes Agent 是开源项目，无云端托管服务，需自托管部署，主要步骤如下：

1. 访问 https://github.com/NousResearch 下的 Hermes-Function-Calling 仓库，阅读 README 了解环境要求（Python 环境与模型运行依赖）。
2. 将仓库代码获取到本地服务器或开发机（使用 git clone 或直接下载压缩包）。
3. 按仓库文档配置底层模型：可接入本地部署的开源模型（如 Hermes 系列），也可配置 OpenAI 兼容的 API 端点。
4. 完成初始化配置（工具权限、模型端点、工作目录等）。
5. 在终端启动交互会话，通过自然语言调用工具执行任务。

9. 登录与模型配置

Hermes Agent 是开源终端工具，无云端账号、无需登录，仅需配置底层模型即可使用：可接入任意 OpenAI 兼容 API（DeepSeek、GLM、Qwen、OpenAI、Claude 等），也可完全本地部署开源模型。

9.1 无账号登录说明

• 开源自托管形态，没有注册、登录与订阅流程；git clone代码后在本地/内网服务器启动即可。
• 首次使用只需配置模型端点与工具权限，无需任何账号凭据。
• 多智能体编排与远程协作场景下，可在自己的基础设施内自建账号体系，与 Hermes 本体无关。

9.2 方式一：第三方厂商 API Key（OpenAI 兼容）

Hermes 支持任意 OpenAI 兼容 API，配置环境变量或启动参数即可切换厂商：

# DeepSeek（深度求索）exportOPENAI_API_KEY=sk-xxxxxxxxexportOPENAI_BASE_URL=https://api.deepseek.com/v1exportMODEL=deepseek-chat# GLM（智谱清言，OpenAI 兼容地址）exportOPENAI_API_KEY=xxxxxxxx.yyyyyyyyexportOPENAI_BASE_URL=https://open.bigmodel.cn/api/paas/v4exportMODEL=glm-4.5# Qwen（阿里云百炼）exportOPENAI_API_KEY=sk-xxxxxxxxexportOPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1exportMODEL=qwen-max# OpenAI 官方exportOPENAI_API_KEY=sk-xxxxxxxxexportOPENAI_BASE_URL=https://api.openai.com/v1exportMODEL=gpt-4o

也可写入配置文件（如.env或 Hermes 的 config 文件）持久化；会话启动时传入模型名称，随时按任务切换不同厂商与模型。

9.3 方式二：本地部署开源模型（完全离线）

# 以 Ollama 启动本地模型为例（如 Hermes 系列 / qwen2.5:7b）ollama serveexportOPENAI_BASE_URL=http://localhost:11434/v1exportMODEL=qwen2.5:7b

推理与工具调用全程在本机或内网完成，数据不出域，适合隐私敏感与合规场景。

9.4 各厂商 Key 获取入口

提示：若工具调用兼容性要求高，优先选工具调用（Function Calling）能力强的模型（如 GLM、Qwen、DeepSeek 系列）；本地算力有限时建议接入云端 API 而非本地模型。

10. 简单示例

示例一：本地终端中的典型使用示例（工具调用方式）：

> 扫描当前目录下的 tests 文件夹，运行所有 pytest 测试， 如果失败请读取错误日志，并给出修复建议。

Agent 通过工具调用依次执行：列出目录 → 运行测试命令 → 读取失败输出 → 结合模型给出修复建议，全程数据不出本机。多智能体场景中，可将该任务拆给"测试子 Agent"与"分析子 Agent"并行协作后再汇总结果。

示例二：让 Hermes Agent 生成一个 HTML 小游戏（贪吃蛇）。

1. 在项目目录启动 Hermes 会话，输入：“帮我写一个用 HTML + CSS + JavaScript 实现的贪吃蛇小游戏，单文件，用方向键控制，得分显示在页面上，保存为 snake.html”。
2. Agent 通过工具调用创建snake.html（画布 + 游戏循环 + 键盘事件 + 计分逻辑），并展示生成结果。
3. 继续输入：“起一个本地静态服务器并打开页面验证游戏能正常运行”——Agent 调用终端工具执行python -m http.server 8000（或 node 方式）并验证文件无语法错误，必要时自动修复循环直至通过。
4. 浏览器打开 http://localhost:8000/snake.html 即可试玩。
5. 不满意可继续描述需求（如"增加音效"“改成 20 格 x 20 格”“加一个重新开始按钮”）让 Agent 迭代修改，全程代码与数据不出本机。

说明：本示例按 9.2/9.3 配置的厂商或本地模型计费（开源项目本身免费）；生成 HTML 小游戏消耗 Token 较少，用云端 API 免费额度或本地模型均可完成。