2 月 25 日,一个叫 Nous Research 的团队在 GitHub 上悄悄推了一个 v0.1.0。最早 Hermes 这个模型只有一行安装命令和一句话的产品定位:「An agent that grows with you」。
当时很少有人就注意到它,即使 Nous Research 在模型圈有一定声誉,他们的 Hermes 系列模型在 HuggingFace 上已经积累了 3300 万次下载,但整个开发者社区的关注度都在被奉若神明的 OpenClaw「小龙虾」上。33 天超过 React 成为历史第一,「小龙虾」成为了 GitHub 有史以来涨星最快的项目,高峰期每小时 710 颗星,但就在此时有安全研究人员在同一时间窗口内,以平均每天 2.2 个 CVE 的速度持续披露漏洞,63 天累计 138 个安全漏洞。整个社区开始重新思考一个问题:这东西到底能不能用在生产环境?
在这样的背景下,同为竞品的 Hermes Agent 终于有了可趁之机,也迎来了自己的第一个快速增长期。
Hermes 在自己的代码里写进了一键从 OpenClaw 迁移的工具,那批从 OpenClaw 出走的开发者,需要一个地方落脚,Hermes Agent 成了一个口口相传的好选择。
于是 从 3 月初开始,Hermes Agent 杀进了 GitHub Trending,最高冲到第 11 位,星数突破 2200。AwesomeAgents 把它称为「2026 年迄今最具野心的开源 Agent 发布」,目前 Hermes 的 github 有 69.9k 的 Star 和 9k 的 Fork。
今天律动 BlcokBeats 和大家聊一聊这个 Agent 有何不同之处。
Hermes Agent 是什么?
Hermes Agent 是由 Nous Research 构建的一款自我进化 AI 智能体,也是目前唯一内置学习闭环的 Agent。
它能从使用经验中自动创建技能、在使用过程中持续改进这些技能、主动将知识固化为可复用资产、检索自己过去的对话历史,并在多次会话中不断加深对你这个用户的理解。
所以简单来说,Hermes Agent 最大的优点就是:越用越聪明,越用越顺手。
它的定位,不是绑定在 IDE 里的编程助手,也不是对某个单一 API 的聊天封装,而是一个真正驻留在你的服务器上、能记住它学到的东西、运行时间越长能力越强的自主 Agent。
Nous Research 从一开始就将自己定位为开源优先、去中心化方向的 AI 实验室,目标是构建用户可自主控制的 AI,而不是将智能集中在少数几家封闭公司手中。他们早期的工作集中在 Hermes 模型系列,同时在基础设施和系统层面大量投入,还探索了跨全球分布式消费级 GPU 进行模型训练的 DisTrO 技术,以及 WorldSim、Doomscroll 等多智能体交互、长程行为的仿真环境。
Hermes Agent 这个团队,是曾打造了 Nomos、Psyche 一系列模型背后的同一批人。
好用的工具有哪些?
Hermes Agent 的最核心机制是它的记忆系统和技能系统。Agent 维护两个精简的核心文件:MEMORY.md 存储环境信息、约定和从过去任务中总结的经验;USER.md 存储你的偏好和沟通风格。这两个文件在每次会话开始时自动注入系统提示,相当于 Agent 的「长期工作记忆」。此外,所有历史会话都存入 SQLite 全文搜索数据库,让 Agent 能检索数周前的对话内容。
在技能系统方面,每次完成复杂任务(通常是 5 次以上工具调用),Agent 会自主创建一份结构化的 Markdown「技能文档」,记录操作步骤、已知内容和验证方式,供未来复用。技能文件遵循渐进披露模式:Agent 默认只看技能名称和描述(约 3000 token),需要时才加载某条技能的完整内容,以此控制 token 消耗。
工具层面,Hermes Agent 内置超过 40 种工具,涵盖网页搜索、浏览器自动化、视觉理解、图像生成、文字转语音,还支持通过自然语言设置定时任务,让 Agent 在无人值守的情况下自动执行报告生成、数据备份、系统监控等周期性工作。
其中最受欢迎的工具,也就是社区用户在实际使用中频率最高、反馈最多,以及根据 Hermes 的功能架构和开发者社区的典型需求,排在前面的是这几个工具:
Hindsight 是目前生态内最火的单一工具,是 Hermes 官方推荐的长期记忆插件。它在每次 LLM 调用前自动召回相关上下文,支持本地 PostgreSQL 或云端部署,已作为原生 Memory Provider 集成进 Hermes。
Anthropic-Cybersecurity-Skills 是生态内 Stars 最高的技能包,收录了 753+ 条结构化网络安全技能,完整映射 MITRE ATT&CK 框架,适合安全研究与渗透测试场景。
mission-control 是目前生态内最热门的 Agent 编排仪表盘,支持 Agent 舰队管理、任务分发、成本追踪和多 Agent 协同工作流,被社区推荐为生产级部署的标配。
Hermes Agent Self-Evolution 是一个进化式自我改进技术,使用 DSPy + GEPA 来优化技能、提示和代码。
Hermes Workspace 是 Hermes 原生工作区,集成聊天界面、终端和技能管理器,是最受欢迎的图形化入口。
此外,它还可以派生出独立的子 Agent,每个子 Agent 拥有自己的对话上下文、独立终端和 Python RPC 脚本,从而实现零上下文成本的并行流水线。
在基础设施灵活性上,支持六种终端后端:本地运行、Docker、SSH 远程、Daytona 无服务器、Singularity 容器和 Modal 云函数。Daytona 和 Modal 在空闲时会休眠,成本几乎为零。你可以在 5 美元的 VPS 或 GPU 集群上运行它,通过 Telegram 下达指令,让它在你从不直接 SSH 进入的云服务器上工作。
Hermes Agent 目前与 OpenClaw 构成最直接的竞争关系,两者都是面向开发者的开源 Agent 框架。
两者的架构哲学截然不同:OpenClaw 的设计核心是一个「控制平面」,一个统一的长期运行进程,负责管理会话、路由、工具执行和状态,所有东西都流经这个中央控制器。Hermes 则以 Agent 自身的执行循环为核心,把网关、定时调度器、工具运行时等全部围绕这个「做、学、改进」的反复循环来构建。
在技能系统上两者差异尤其显著:OpenClaw 的技能大多是人工编写的,从 workspace、personal、shared 或插件等不同层级加载;Hermes 的思路则是让 Agent 自己从经验中生成技能,形成真正的自主学习闭环。
如何安装与使用
上手极其简单。一行命令「curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash」即可完成安装,支持 Linux、macOS 和 WSL2,Hermes Agent 会自动完成全部配置,无需手动操作。
Hermes 官网
Hermes Agent 安装完成后,运行「hermes setup」启动引导向导,选择你的模型提供商(支持 Nous Portal、OpenRouter、OpenAI 或任何自定义端点),接入你的消息平台(Telegram、Discord、Slack 或 WhatsApp),然后开始第一次对话。从第一次交互开始,Hermes Agent 就立即进入学习模式,开始构建记忆、创建技能、每次会话后都变得更有能力。
日常使用的核心命令包括:
hermes(开始对话)、
hermes model(选择 LLM 提供商和模型)、
hermes tools(配置启用哪些工具)、
hermes gateway(启动消息网关,接入 Telegram、Discord 等平台)、
hermes setup(运行完整的设置向导,一次性配置所有内容)、
hermes claw migrate(从 OpenClaw 迁移)、
hermes update(更新到最新版本)、
hermes doctor(诊断问题);
Hermes Agent 适合的场景包括:需要跨会话记住上下文并持续改进能力的通用 AI 助手;需要组合使用工具、插件、MCP 服务器、浏览器或 Shell 的自定义 Agent 工作流;在本地硬件、云 VM 或低成本无服务器基础设施上部署 Agent;以及需要跨平台保持可搜索对话历史和习得技能的持久助手场景。
更具体而言,可以用它在 Telegram 上与它对话的同时让它在云 VM 上执行任务、设置自动化并将报告推送到任意平台、让它接管周期性任务;也可以将它接入 Slack 或 Discord 为整个团队提供 AI 协作支持;或者利用其轨迹导出功能,为下一代 tool-calling 模型的 RL 训练生成训练数据。
