从零搭建一个会自我进化的 AI Agent：Hermes Agent 完整指南-平芜编程栈

从零搭建一个会自我进化的 AI Agent：Hermes Agent 完整指南

【免费下载链接】hermes-agentThe agent that grows with you项目地址: https://gitcode.com/GitHub_Trending/he/hermes-agent

你搭过 AI Agent 吗？大概率被同一个问题卡住：每开一个新会话，它就把你当成陌生人，上次教它的流程全忘了。Hermes Agent 是一个把"经验变资产"写进架构的自进化 AI Agent 框架——任务做完自动沉淀成技能，技能随使用不断改进，记忆跨会话持续积累。下面按你实际会拿它做什么来拆，最后带你从零跑通。

它到底是什么：一个内置学习闭环的 Agent 框架

Hermes Agent 是 Nous Research 做的个人级 AI Agent，同一套核心同时驱动终端 CLI、桌面端、Telegram/Discord/Slack 等二十多个消息平台。它和同类框架的差异不在工具数量，而在闭环学习：普通 Agent 用完即忘，它会把复杂任务固化为技能并持续维护。

技能自学习：完成复杂任务后自动创建技能，使用中自我改进
多入口单进程：CLI、桌面端、聊天平台共用一个网关，会话跨平台连续
自然语言定时任务：内置 cron 调度器，日报、夜间备份一句话配置
随处可跑：本地、Docker、SSH 到 Serverless 后端，$5 VPS 或 GPU 集群都行

核心能力：你会拿它做什么

当你要 Agent 越用越聪明时

效果：做完一个复杂任务，Agent 自己写出一份可复用的技能文件；空闲时后台审查器会评估技能该固定（pin）、归档还是合并，只归档、不删除，随时可恢复。依赖 agent/curator.py，它由空闲触发，不依赖 cron 守护进程：

# curator 的三条不变量 # - 只碰 agent 自己创建的技能 # - 永不自动删除，只归档（可恢复） # - 不碰主会话的 prompt cache

跨会话的记忆由 agent/memory_manager.py 统一管理，桌面端还能把"学过的技能 + 记住的事"渲染成一张关系图（agent/learning_graph.py），知识积累第一次变得可视化：

当你要无人值守的定时自动化时

效果：一句自然语言——"每早 9 点汇总昨日会话并推送到 Telegram"——就能挂上定时任务，结果自动投递到任意平台。健康面看 agent/monitoring/cron_health.py，它投影出任务状态机：claimed / running / completed / failed，投递结果单独跟踪：

_KNOWN_STATUSES = {"claimed", "running", "completed", "failed"} _KNOWN_DELIVERY_OUTCOMES = { "delivered", "failed", "suppressed", "not_configured"}

这意味着定时任务失败不是"悄悄没执行"，而是有状态可查、可告警——做无人值守自动化时这是底线能力。

当你要并行干活时

效果：把子任务委派给隔离的 subagent，主会话上下文不膨胀，多条工作线并行推进。契约在 agent/subagent_lifecycle.py，插件通过它监督子会话，目标、上下文、结果都有硬性长度上限，防止失控：

_MAX_GOAL_CHARS = 16_000 _MAX_CONTEXT_CHARS = 32_000 _MAX_RESULT_CHARS = 32_000

跟着做一遍：最小可跑实例

第 1 步，拿到项目。

git clone https://gitcode.com/GitHub_Trending/he/hermes-agent cd hermes-agent

做完后你应该看到一个包含agent/、acp_adapter/、apps/的目录，apps/里是桌面端和安装器。

第 2 步，装依赖并安装。

uv venv venv --python 3.11 && source venv/bin/activate uv pip install -e ".[all]"

装好后hermes --version应输出版本号。

第 3 步，跑设置向导，一次配齐模型和工具。

hermes setup

向导里选一个模型供应商、填入 key，确认默认工具集。

第 4 步，开始对话。

hermes

你应该看到完整 TUI：多行编辑、斜杠命令自动补全、流式输出都在。

第 5 步，验证学习闭环。给它一个稍复杂的多步任务（比如"整理这份日志并按模板归档"），完成后输入/skills，你应该能看到它沉淀出的技能条目——这就是"会成长的 Agent"落地的第一个证据。

让它更稳：三个可直接照做的调优点

现象：成本随会话时长突然翻倍。思路：长会话每轮都在复用一个缓存前缀，任何中途改动系统提示或工具集的操作都会击穿它。做法：不要写"对话中途热切换工具集"的逻辑，新能力一律走插件或技能，核心保持窄腰——这是 AGENTS.md 明确的第一设计原则。

现象：技能库用久了变脏、命中率下降。思路：依赖 curator 的定期审查，配合 pin 机制保住关键技能。想手动干预时打开~/.hermes/skills/下的SKILL.md调整 frontmatter 即可，归档随时可恢复。

现象：想接第二个记忆后端，工具 schema 开始膨胀。思路：agent/memory_manager.py 刻意只允许同时注册一个外部 provider，这是防止 schema 膨胀和后端冲突的硬约束，别绕过它，二选一并跑hermes doctor验证。

真实落地效果，和新手最常踩的坑

跑一个月后你能直观看到变化：/skills里躺着它自己写、自己改过多次的技能，记忆文件持续积累，桌面端的技能图谱密度稳步增长——同一台 $5 的 VPS 就能 7x24 托管，Serverless 后端下空闲成本接近零。

新手最容易踩三个坑：

中途换工具集击穿缓存：表现为 token 费用陡增，解法是换模型用/model，换能力走插件
Windows 杀软把uv.exe报病毒：是误报，按 README.md 说明把整个bin目录加白名单，而不是单文件
把新功能硬塞进核心：每个模型工具都会出现在每次 API 调用里，正确路线是"CLI 命令 + 技能"或插件，见 AGENTS.md 的贡献评审标准

下一步

打开终端，clone 仓库，跑hermes setup——5 分钟后你会完成第一次对话，然后花一周观察它给你的/skills列表"长肉"的速度。想深入架构，从 agent/ 目录读起。

【免费下载链接】hermes-agentThe agent that grows with you项目地址: https://gitcode.com/GitHub_Trending/he/hermes-agent

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

从零搭建一个会自我进化的 AI Agent：Hermes Agent 完整指南