一句话定义：Hermes Agent 是 Nous Research 开发的开源自进化 AI Agent 框架，它不是聊天机器人，而是一个越用越懂你、能自主积累技能的"数字员工"。
一、项目背景与爆火历程
2026 年 2 月 25 日，Nous Research 正式开源 Hermes Agent。首月 GitHub Star 即突破 2.2 万，4 月 8 日 v0.8.0 版本发布后单日新增超 6400 颗星，不到两个月总 Star 数突破 4.7 万，多日霸榜全球开源项目排行第一。
Nous Research 是美国知名开源 AI 研究实验室，2023 年从 Discord 社区中一群 AI 爱好者的草根协作成长而来，已完成 5000 万美元 A 轮融资（Paradigm 与 North Island Ventures 领投），旗下 Hermes 系列大模型在开源社区广受好评。
二、核心理念：The agent that grows with you
传统 AI Agent 存在一个根本缺陷------用完即忘，每次会话结束后什么都不留下。
Hermes Agent 的核心哲学正是解决这个问题：
Agent 不应该只是临时调用的接口，而应该是长期存在的系统------私有的、持续运行的，并在使用中不断积累能力。
Hermes 的能力循环如下：
自主解决任务
↓
记录执行经验
↓
提炼为可复用技能（SKILL.md）
↓
下次自动调用并持续优化
↓
反哺自身，越用越强三、核心特性详解
3.1 闭环学习系统（最大护城河）
这是 Hermes 区别于所有竞品的核心能力。其他 Agent（包括 Claude Code）都是无状态或被动记忆型------你告诉它记什么它才记。
Hermes 的闭环学习包含：
- 自主技能创建 ：完成复杂任务后，自动将执行流程提炼成
SKILL.md文件 - 技能自我修复：后续执行中发现更优路径，自动以 patch 方式更新技能（而非全量重写，更安全、token 消耗更少）
- 智能记忆写入 ：自动判断哪些信息值得记住，写入
MEMORY.md，无需手动配置
3.2 四层记忆系统
| 层级 | 名称 | 内容 | 触发时机 |
|---|---|---|---|
| 第一层 | 常驻提示记忆 | MEMORY.md + USER.md，上限 3575 字符 | 每次会话自动加载 |
| 第二层 | 会话归档 | SQLite + 全文索引（FTS5） | Agent 主动检索历史 |
| 第三层 | 技能库 | SKILL.md 文件集合 | 任务匹配时自动调用 |
| 第四层 | 用户画像 | 持续构建用户偏好模型 | 跨会话自动完善 |
设计亮点：常驻记忆层故意限制在 3575 字符，强制筛选真正重要的信息，而非无限堆砌。
3.3 多平台消息网关
Hermes 原生支持 12 个消息平台，全部通过单一 Gateway 进程统一管理：
Telegram / Discord / Slack / WhatsApp / Signal
钉钉 / 飞书 / Email / Home Assistant
Webhook / API Server / CLI TUI这意味着你可以在手机上发一条 Telegram 消息，让 Hermes 在后台执行任务，完成后把结果发回来------无需打开终端，无需守着屏幕。
3.4 全面模型兼容，零厂商锁定
支持 18+ 大模型提供商 ，执行 hermes model 即可一键切换，无需改一行代码：
- 国际平台：Nous Portal（400+ 模型）、OpenRouter（200+ 模型）、OpenAI、Anthropic、HuggingFace、DeepSeek、GitHub Copilot
- 国内平台：智谱 GLM、Kimi、MiniMax、阿里通义千问
- 本地推理：Ollama、vLLM、llama.cpp（无需任何付费 API）
3.5 灵活部署方式
支持 6 种部署方案，从最轻量到重量级均覆盖：
5 美元 VPS → Docker → Serverless → 本地机器 → Android (Termux) → GPU 集群四、快速安装
环境要求
- Linux / macOS / WSL2（不支持原生 Windows）
- 网络可访问 GitHub
一行命令安装
bash
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash启动
bash
source ~/.bashrc # zsh 用户执行：source ~/.zshrc
hermes # 开启智能体对话切换模型
bash
hermes model五、使用示例
# 设置每日简报
hermes ❯ 每天早上9点检查 Hacker News 上的 AI 新闻，并通过 Telegram 给我发送摘要
# 代码任务
hermes ❯ 帮我分析这个 Python 项目的性能瓶颈并给出优化建议
# 文件处理
hermes ❯ 整理 ~/Downloads 目录，把图片、文档、代码分别归类到对应文件夹六、与主流 Agent 竞品对比
| 能力维度 | Hermes Agent | Claude Code | OpenClaw | Gemini CLI | Goose |
|---|---|---|---|---|---|
| 闭环学习系统 | ✅ | ❌ | ❌ | ❌ | ❌ |
| 消息平台数量 | 12个 | 部分 | 3个 | CLI only | CLI only |
| 模型提供商 | 18+ | 有限 | 多 | 仅Google | 30+ |
| 一键安装 | ✅ | ✅ | ✅ | ✅ | ✅ |
| 本地推理支持 | ✅ | ❌ | ✅ | ❌ | ✅ |
| 技能自动生成 | ✅ | ❌ | 手动 | ❌ | ❌ |
结论：在"自我进化"这个维度上，Hermes Agent 目前是开源社区中唯一做完整的项目。
七、架构设计概览
用户接入层
├── CLI TUI（终端交互）
├── 消息平台 Gateway（12个平台）
└── API Server
核心 Agent 层（run_agent.py）
├── 主对话循环
├── 工具调用分发（model_tools.py）
└── 消息历史管理
工具执行层
├── terminal_tool.py（多执行后端）
├── mcp_tool.py（MCP协议接入）
├── browser_tool.py（浏览器自动化）
└── file_tool.py（文件操作）
持久化层
├── SQLite + WAL + FTS5（会话归档）
├── MEMORY.md / USER.md（常驻记忆）
└── SKILL.md（技能库）
扩展层
├── RL 训练环境（Atropos集成）
├── WandB 实验追踪
└── 轨迹压缩（训练数据生产）八、技术亮点：技能修复策略
Hermes 更新技能文件时优先使用 patch（补丁）方式，而非整体重写：
- 只修改有问题的部分，不破坏原来有效的逻辑
- Token 消耗更低，传入旧字符串和替换内容即可
- 更安全可控，避免全量覆写带来的回归风险
这个设计细节体现了 Hermes 在工程上的成熟度。
九、适合哪些人使用
| 人群 | 使用场景 |
|---|---|
| 个人开发者 | 自动化日常任务、代码辅助、知识整理 |
| 内容创作者 | 每日资讯汇总、多平台信息聚合 |
| 小团队 | 共享 Agent 入口，统一调度各类任务 |
| AI 研究者 | 训练数据生产、RL 实验、模型评估 |
十、总结
Hermes Agent 代表了 AI Agent 从"工具"向"伙伴"演进的重要方向。它的出现回答了一个关键问题：
AI 的能力，不再只是"被调用"，而是可以"被拥有"。
如果你厌倦了每次都要重新解释自己的偏好，厌倦了工作流跑完就消失的痛点，Hermes Agent 值得深入体验。
项目信息
- GitHub：https://github.com/NousResearch/hermes-agent
- 官网文档：https://hermes-agent.nousresearch.com
- 开源协议：MIT
- 当前版本：v0.8.0（2026年4月）
如果本文对你有帮助，欢迎点赞收藏！有问题欢迎在评论区交流 🙌