从零部署 Hermes Agent:一只"会成长的 AI 马"保姆级安装教程

Hermes Agent ------ Nous Research 出品的开源 AI Agent 框架,主打"越用越聪明"。本文手把手带你从安装到配置到排坑,全流程实操记录。

前言

2026 年 AI Agent 赛道卷出了天际。OpenClaw(龙虾)凭借多 Agent 协同火爆出圈后,另一款产品悄然崛起------Hermes Agent (爱马仕),口号是 ** "the agent that grows with you" **,主打单一 Agent 的深度自我进化。

和 OpenClaw 最大的不同在于:Hermes 不是"用完归零"的工具,而是一个会从每次交互中学习、沉淀技能、记住你偏好的成长型搭档。用得越久,它越懂你。

本文将从环境准备 → 一键安装 → 模型配置 → 网关部署 → 常见问题排查,完整记录一次真实的部署过程,帮你少走弯路。


一、Hermes Agent 是什么?(30 秒速览)

| 项目 | 说明 |

|------|------|

| 开发团队 | Nous Research |

| 开源协议 | MIT(完全免费) |

| 核心卖点 | 闭环学习系统 + 四层记忆架构 + 40+ 内置工具 |

| 支持平台 | Linux、macOS、WSL2、Android(Termux) |

| 消息平台 | Telegram、Discord、Slack、WhatsApp、飞书 |

| 支持模型 | Claude、OpenRouter、DeepSeek、Qwen、Ollama 本地模型等 |

官方资源:


二、环境准备

2.1 系统要求

Hermes Agent 支持 Linux、macOS、WSL2不支持原生 Windows

⚠️ Windows 用户必须先安装 WSL2(Windows Subsystem for Linux),然后在 WSL2 内运行。

推荐配置:

  • CPU:2 核以上

  • 内存:4GB 以上(推荐 8GB+)

  • 磁盘:10GB+ 可用空间

  • 网络:能访问 GitHub(或配置镜像)

2.2 前置依赖

好消息是------几乎不需要手动装任何东西。安装脚本会自动处理:

  • Python 3.11

  • Node.js v22

  • uv(Python 包管理器)

  • ripgrep

  • ffmpeg

  • 虚拟环境

你唯一需要确保的是系统里有 git

bash 复制代码
# 检查 git 是否已安装

git --version

  


# Ubuntu/Debian

sudo apt install git

  


# macOS(通常自带,或用 Homebrew)

brew install git

2.3 网络加速(国内用户必看)

如果你在国内服务器部署,GitHub 和 npm/pip 的访问速度可能很慢。建议提前配置镜像:

Git 镜像加速:

bash 复制代码
git config --global url."https://mirror.ghproxy.com/https://github.com".insteadOf "https://github.com"

pip 镜像加速:

bash 复制代码
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

pip config set install.trusted-host mirrors.aliyun.com

npm 镜像加速:

bash 复制代码
npm config set registry https://mirrors.cloud.tencent.com/npm/ --global

💡 安装完成后如果不需要加速了,可以用 git config --global --unset-all url.https://mirror.ghproxy.com/https://github.com".insteadOf 清除配置。


三、一键安装

3.1 执行安装脚本

打开终端,执行以下命令:

bash 复制代码
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

脚本会自动完成以下操作:

  1. 检测系统架构(x86_64 / arm64)

  2. 安装 uv、Python 3.11、Node.js v22

  3. 克隆 Hermes Agent 仓库

  4. 创建 Python 虚拟环境并安装依赖

  5. 注册 hermes 全局命令

整个安装过程大约需要 3-10 分钟(取决于网络速度)。

3.2 重新加载 Shell 配置

安装完成后,必须重新加载 shell 配置 才能使用 hermes 命令:

bash 复制代码
# bash 用户

source ~/.bashrc

  


# zsh 用户(macOS 默认)

source ~/.zshrc

3.3 验证安装

bash 复制代码
hermes --version

如果输出了版本号,说明安装成功!🎉


四、模型配置

安装好之后,下一步是配置 LLM 提供商。Hermes 支持多种模型后端:

4.1 交互式配置(推荐)

bash 复制代码
hermes setup

这会启动一个交互式向导,引导你完成:

  • 选择模型提供商

  • 输入 API Key

  • 基本偏好设置

或者直接用模型选择命令:

bash 复制代码
hermes model

4.2 支持的模型提供商

| 提供商 | 配置方式 | 说明 |

|--------|---------|------|

| Nous Portal | OAuth 登录,零配置 | 官方订阅服务,最简单 |

| Anthropic Claude | API Key 或 Claude Code 授权 | 注意:目前尚未被封禁 |

| OpenRouter | API Key | 支持 200+ 模型,灵活度高 |

| DeepSeek | API Key | 国内用户友好,性价比高 |

| 阿里云 DashScope | API Key | 支持 Qwen 系列 |

| Ollama | 本地运行 | 完全离线,隐私优先 |

| 小米 MiMo-V2 | Nous Portal 接入 | 曾限免两周 |

| 自定义端点 | OpenAI 兼容 API | vLLM、SGLang 等 |

4.3 手动配置示例

如果你想手动编辑配置文件:

bash 复制代码
# 打开配置文件

hermes config edit

配置文件位于 ~/.hermes/config.yaml,API Key 等密钥会自动存入 ~/.hermes/.env

使用 DeepSeek 的配置示例:

bash 复制代码
hermes config set model deepseek/deepseek-chat

hermes config set DEEPSEEK_API_KEY sk-your-key-here

使用 Ollama 本地模型的配置示例:

bash 复制代码
# 先启动 Ollama

ollama serve

  


# 配置 Hermes 使用本地模型

hermes config set model ollama/llama3

4.4 辅助模型配置(进阶)

Hermes 有一个 Auxiliary Models 模块,专门处理图像分析、网页提取、Skill 匹配等"侧任务",自动分配给轻量模型以节省成本:

yaml 复制代码
# ~/.hermes/config.yaml

auxiliary:

  vision:

    api_key: ${GOOGLE_API_KEY}

  delegation:

    api_key: ${DELEGATION_KEY}

默认会自动检测并优先使用 Gemini Flash,无需手动配置。


五、开始使用

5.1 CLI 模式(命令行交互)

直接输入:

bash 复制代码
hermes

即可进入全交互式终端界面,开始和 Agent 对话。支持所有内置工具(文件操作、终端命令、网页搜索等)。

常用斜杠命令:

| 命令 | 功能 |

|------|------|

| /new/reset | 开启新对话 |

| /model [provider:model] | 快速切换模型 |

| /skills | 浏览已安装技能 |

| /usage | 查看 Token 使用量 |

| /tools | 查看可用工具列表 |

5.2 消息网关模式(手机/多平台)

如果你希望通过 Telegram、Discord、Slack 等平台和 Agent 交互:

bash 复制代码
# 第一步:交互式网关配置

hermes gateway setup

  


# 第二步:启动网关

hermes gateway

  


# 第三步(可选):安装为系统服务,开机自启

hermes gateway install

按照向导提示,输入各平台的 Bot Token 即可完成接入。一套网关进程连接所有平台,会话统一管理。


六、目录结构说明

了解配置目录结构,有助于后续排查问题:

bash 复制代码
~/.hermes/

├── config.yaml     # 主配置文件(模型、终端、TTS 等)

├── .env            # API Key 等密钥(不要提交到 Git!)

├── auth.json       # OAuth 凭证(Nous Portal 等)

├── SOUL.md         # Agent 人格设定(系统提示词 slot #1)

├── memories/       # 持久记忆(MEMORY.md、USER.md)

├── skills/         # Agent 自动创建的技能文件

├── cron/           # 定时任务

├── sessions/       # 网关会话记录

└── logs/           # 日志(errors.log、gateway.log)

常用管理命令:

bash 复制代码
hermes config              # 查看当前配置

hermes config edit         # 编辑配置文件

hermes config check        # 检查缺失配置

hermes config migrate      # 交互式补充缺失配置

hermes update              # 更新到最新版本

七、从 OpenClaw 迁移

如果你之前是 OpenClaw 用户,Hermes 提供了一键迁移工具:

bash 复制代码
# 首次 setup 时会自动检测 ~/.openclaw 目录并提示迁移

hermes setup

  


# 或手动触发迁移

hermes claw migrate

迁移内容包括:


八、常见问题排查

❌ 问题 1:hermes: command not found

原因: Shell 配置未重新加载。

解决:

bash 复制代码
source ~/.bashrc   # 或 source ~/.zshrc

  


# 如果还不行,手动添加到 PATH

export PATH="$HOME/.hermes/bin:$PATH"

❌ 问题 2:安装脚本下载超时 / 连接失败

原因: 国内网络无法直接访问 GitHub。

解决:

bash 复制代码
# 方案一:配置 Git 镜像(见 2.3 节)

git config --global url."https://mirror.ghproxy.com/https://github.com".insteadOf "https://github.com"

  


# 方案二:手动克隆后安装

git clone https://github.com/NousResearch/hermes-agent.git

cd hermes-agent

bash scripts/install.sh

❌ 问题 3:Python 版本冲突

原因: 系统已有 Python 版本和 Hermes 要求的 3.11 冲突。

解决: Hermes 使用 uv 管理独立的 Python 环境,通常不会冲突。如果仍有问题:

bash 复制代码
# 检查 uv 是否正常

uv --version

  


# 手动安装 uv

curl -LsSf https://astral.sh/uv/install.sh | sh

  


# 重新运行安装脚本

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

❌ 问题 4:模型调用失败 / API Key 无效

原因: API Key 配置错误或余额不足。

解决:

bash 复制代码
# 检查当前模型配置

hermes config

  


# 重新配置模型

hermes model

  


# 检查 .env 文件中的 Key 是否正确

cat ~/.hermes/.env

❌ 问题 5:Docker 后端启动失败

原因: Docker 未安装或未运行。

解决:

bash 复制代码
# 检查 Docker 状态

docker version

  


# 如果 Docker 未安装

# Ubuntu

sudo apt install docker.io

sudo systemctl start docker

sudo usermod -aG docker $USER

  


# macOS:安装 Docker Desktop

  


# 或者切换回本地后端

hermes config set terminal.backend local

❌ 问题 6:网关启动后 Telegram Bot 无响应

原因: Bot Token 配置错误或网络问题。

解决:

bash 复制代码
# 检查网关日志

cat ~/.hermes/logs/gateway.log

  


# 重新配置网关

hermes gateway setup

  


# 确认 Bot Token 有效(在 Telegram 中找 @BotFather 验证)

❌ 问题 7:内存占用过高

原因: Hermes 会话积累过多或技能文件膨胀。

解决:

bash 复制代码
# 查看会话列表

hermes sessions list

  


# 清理旧会话

hermes sessions clean --before 2026-04-01

  


# 检查记忆使用量(系统提示中会显示百分比)

hermes config edit  # 查看 memories/ 目录

❌ 问题 8:hermes update 更新失败

原因: Git 仓库有本地修改冲突。

解决:

bash 复制代码
cd ~/.hermes

git stash          # 暂存本地修改

hermes update      # 重新更新

git stash pop      # 恢复本地修改

九、进阶配置建议

9.1 终端后端选择

Hermes 支持 6 种终端后端,根据你的使用场景选择:

| 后端 | 适用场景 | 安全性 |

|------|---------|--------|

| local | 个人开发机,快速上手 | 无隔离 |

| docker | 需要沙箱隔离 | 完全隔离 |

| ssh | 远程服务器部署 | 网络隔离 |

| modal | 弹性云计算 | 云 VM 隔离 |

| daytona | 托管云开发环境 | 云容器隔离 |

| singularity | HPC 集群 | 命名空间隔离 |

bash 复制代码
# 切换到 Docker 后端(推荐生产环境使用)

hermes config set terminal.backend docker

9.2 记忆系统调优

yaml 复制代码
# ~/.hermes/config.yaml

memory:

  memory_enabled: true

  user_profile_enabled: true

  memory_char_limit: 2200    # Agent 记忆上限(~800 tokens)

  user_char_limit: 1375      # 用户画像上限(~500 tokens)

当记忆使用超过 80% 时,Agent 会自动合并和精简条目。

9.3 定时任务

Hermes 内置 cron 调度器,支持自然语言设置定时任务:

bash 复制代码
# 在对话中直接说

"每天早上 9 点给我发一份天气报告"

"每周五下午 5 点生成本周工作总结"

十、总结

Hermes Agent 的安装过程整体非常流畅,官方的一键脚本几乎把所有脏活都干了。整个部署流程总结下来就是三步:

bash 复制代码
# 1. 安装

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

source ~/.bashrc

  


# 2. 配置模型

hermes setup

  


# 3. 开始使用

hermes

相比 OpenClaw 的"多 Agent 并行"思路,Hermes 走的是"单 Agent 深度进化"路线------它不是最早上手的那个,但可能是越用越值的那个。如果你有一些重复性、会演化的工作流,愿意让 AI 从日常使用中积累经验,Hermes Agent 值得花时间认真部署和打磨。

📌 官方资源汇总


*本文基于 Hermes Agent 官方文档及实际部署体验撰写,软件迭代较快,建议以官方文档为准。 *

相关推荐
taoqick2 小时前
ICRL 2026部分论文(RS-GRPO、AgentGym-RL、MeMAgent、InPlaceTTT)粗读
人工智能·机器学习
weixin_513449962 小时前
EXTREME-PARKOUR项目学习记录
人工智能·学习·算法·机器人
QYR_112 小时前
乙二醇汽车冷却液市场深度分析:热管理技术如何重塑行业格局?
大数据·人工智能
sp_fyf_20242 小时前
【大语言模型】 WizardLM:赋能大型预训练语言模型以遵循复杂指令
人工智能·深度学习·神经网络·语言模型·自然语言处理
深度学习lover2 小时前
<数据集>yolo 瓶盖识别<目标检测>
人工智能·python·yolo·计算机视觉·瓶盖识别
煜bart2 小时前
多智能体系统破解AI幻觉难题
人工智能·机器人·ai编程
跟着珅聪学java2 小时前
Java AI 开发完全教程
java·开发语言·人工智能
Ztopcloud极拓云视角2 小时前
实战:GPT-6 + Gemma 4 端云混合 AI 调用架构设计
大数据·人工智能·gpt
测绘第一深情2 小时前
MapQR:自动驾驶在线矢量化高精地图构建的端到端 SOTA 方法
数据结构·人工智能·python·神经网络·算法·机器学习·自动驾驶