Hermes Agent：会自我成长的 AI 智能体

# Hermes Agent：会自我成长的 AI 智能体 > 来源：[GitHub - NousResearch/hermes-agent](https://github.com/NousResearch/hermes-agent) > 作者：Nous Research | 许可证：MIT --- ## 一、核心观点 Hermes Agent 是由 Nous Research 开发的**自我进化型 AI 智能体**，其最大亮点在于内置了一个**闭环学习机制**——它能从经验中自动创建技能、在使用中持续改进、跨会话检索记忆，并逐渐建立对用户的深度认知模型。它不是一个简单的聊天工具，而是一个可以**长期陪伴成长、在云端独立运行的个人 AI 助手**。 --- ## 二、关键信息 ### 2.1 六大核心能力 | 能力模块 | 描述 | |---|---| | 🖥️ **真实终端界面** | 完整 TUI，支持多行编辑、斜杠命令自动补全、会话历史、流式工具输出 | | 📱 **多平台接入** | 支持 Telegram、Discord、Slack、WhatsApp、Signal 和 CLI，单一网关进程统一管理；支持语音备忘录转录 | | 🔄 **闭环学习系统** | 自动创建技能、技能自我进化、FTS5 全文检索历史会话、LLM 摘要辅助跨会话回忆、Honcho 用户建模 | | ⏰ **定时自动化任务** | 内置 Cron 调度器，支持自然语言描述任务，可投递到任意平台（日报、备份、审计等） | | 🤖 **并行子智能体** | 可派生隔离子智能体并行执行任务，Python 脚本通过 RPC 调用工具，压缩多步流水线成本 | | 🌐 **随处运行** | 支持 Local / Docker / SSH / Singularity / Modal / Daytona / Vercel Sandbox 七种后端；低至 $5 VPS 即可运行 | --- ### 2.2 学习闭环（Learning Loop）详解 这是 Hermes Agent 区别于其他 Agent 的**核心差异点**： - **技能自动创建**：完成复杂任务后自主归纳为可复用的「技能」 - **技能自我优化**：每次使用技能时持续改进 - **主动记忆提醒**：定期「推动」自己持久化重要知识 - **跨会话搜索**：FTS5 全文索引历史对话 + LLM 摘要，实现长期记忆检索 - **用户建模**：通过 [Honcho](https://github.com/plastic-labs/honcho) 辩证式建模，逐步深化对用户的理解 - **开放标准兼容**：兼容 [agentskills.io](https://agentskills.io) 开放技能标准 --- ### 2.3 模型支持（无厂商锁定） 支持通过 `hermes model` 命令一键切换，无需改动代码： | 提供商 | 说明 | |---|---| | Nous Portal | 官方推荐入口 | | OpenRouter | 200+ 模型 | | NVIDIA NIM | Nemotron 系列 | | Xiaomi MiMo | 小米大模型平台 | | z.ai / GLM | 智谱 AI | | Kimi / Moonshot | 月之暗面 | | MiniMax | MiniMax | | Hugging Face | 开源模型 | | OpenAI | GPT 系列 | | 自定义端点 | 私有部署 | --- ### 2.4 从 OpenClaw 迁移 对原 OpenClaw 用户提供完整迁移路径，可导入： - `SOUL.md` 人格文件 - `MEMORY.md` / `USER.md` 记忆条目 - 用户自创技能 - 命令白名单 - 各平台配置及 API 密钥 - TTS 音频资产 --- ## 三、安装与快速上手 ### 3.1 安装（Linux / macOS / WSL2 / Termux） ```bash curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash ``` ### 3.2 Windows（PowerShell，早期 Beta） ```powershell irm https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.ps1 | iex ``` > ⚠️ Windows 原生支持为早期 Beta，推荐使用 WSL2 路径更稳定。 ### 3.3 安装后启动 ```bash source ~/.bashrc # 重载 Shell hermes # 开始聊天！ ``` ### 3.4 常用命令速查 ```bash hermes # 启动交互式 CLI hermes model # 选择 LLM 提供商和模型 hermes tools # 配置启用的工具 hermes config set # 设置配置项 hermes gateway # 启动消息网关（Telegram/Discord 等） 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 hermes claw migrate # 从 OpenClaw 迁移 ``` ### 3.5 对话内斜杠命令（CLI 与消息平台通用） | 操作 | 命令 | |---|---| | 开启新会话 | `/new` 或 `/reset` | | 切换模型 | `/model [provider:model]` | | 设置人格 | `/personality [name]` | | 重试 / 撤销 | `/retry` / `/undo` | | 压缩上下文 | `/compress` | | 查看用量 | `/usage` / `/insights` | | 浏览技能 | `/skills` | | 中断当前任务 | `Ctrl+C`（CLI）/ `/stop`（消息平台）| --- ## 四、开发者贡献 ### 快速克隆并运行 ```bash git clone https://github.com/NousResearch/hermes-agent.git cd hermes-agent ./setup-hermes.sh # 自动安装 uv、创建虚拟环境、安装依赖、软链接 ./hermes # 自动检测 venv，无需手动 source ``` ### 手动安装路径 ```bash curl -LsSf https://astral.sh/uv/install.sh | sh uv venv .venv --python 3.11 source .venv/bin/activate uv pip install -e ".[all,dev]" scripts/run_tests.sh ``` --- ## 五、个人启发 1. **「记忆 + 技能」双飞轮是关键设计**：大多数 Agent 只有短期上下文，而 Hermes 通过记忆持久化 + 技能自动创建构建了真正的长期积累机制。这让它越用越聪明，而不是每次从零开始。 2. **无厂商锁定的架构哲学值得借鉴**：用 `hermes model` 一条命令切换 200+ 模型，意味着用户可以随时响应模型能力迭代，不被任何一家厂商绑架。这种设计在个人工具开发中极具参考价值。 3. **Serverless 思路降低了持续运行成本**：利用 Modal / Daytona 等无服务器后端，Agent 空闲时休眠、按需唤醒，真正做到"低成本 7×24 小时在线"，对个人用户极其友好。 4. **多平台统一网关是实用性的关键**：支持 Telegram / WhatsApp / Signal 等渠道意味着可以随时随地在手机上与 Agent 交互，同时 Agent 在云端异步工作，彻底打破"AI 只在电脑前才能用"的局限。 --- ## 六、延伸思考 1. **技能的质量保障问题**：Agent 自主创建和优化技能，如何防止「坏习惯」的固化？例如某次任务的错误解法被反复强化，是否需要人工审核或评分机制来介入？ 2. **跨用户技能共享的边界在哪里？**：agentskills.io 开放标准意味着技能可以跨用户流通，但每个用户的上下文和需求差异巨大，通用技能与个性化技能如何平衡、如何防止隐私泄露，是值得深入探讨的工程与伦理问题。 3. **长期用户建模带来的"信息茧房"风险**：Hermes 会持续深化对用户的认知模型，这一方面让交互更精准，另一方面也可能导致 Agent 只提供用户"期望听到"的答案，丧失客观性——如何在个性化与多样性之间取得平衡？