Agent之Hermes：Hermes Agent的简介、安装和使用方法、案例应用之详细攻略
目录
[Hermes Agent的简介](#Hermes Agent的简介)
[Hermes Agent的安装和使用方法](#Hermes Agent的安装和使用方法)
[2）Windows 安装](#2）Windows 安装)
[2.2、使用 Nous Portal 的一键方案](#2.2、使用 Nous Portal 的一键方案)
[2.3、CLI 与消息平台的通用命令](#2.3、CLI 与消息平台的通用命令)
[Hermes Agent的案例应用](#Hermes Agent的案例应用)
[6）从 OpenClaw 平滑迁移](#6）从 OpenClaw 平滑迁移)
Hermes Agent的 简介
Hermes Agent 是 Nous Research 构建的一个"自进化 AI 代理"。仓库把它描述为带有"内置学习闭环"的代理：它能从经验中创建技能、在使用中改进技能、主动持久化知识、检索过往对话，并在跨会话中逐步形成对用户的深层理解。它既可以运行在低成本 VPS 上，也可以运行在 GPU 集群或 serverless 基础设施上；用户甚至可以在 Telegram 里和它对话，而它在云端 VM 上执行任务。
从定位上看，它不是一个只局限在本地电脑上的聊天工具，而是一个可跨终端、跨平台、跨会话持续工作的 agent。仓库强调它可以在多种模型提供方之间切换，并且不需要改代码即可更换模型或 endpoint。
Github地址 ：https://github.com/NousResearch/hermes-agent
1、特点
|-----------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 支持多模型、可自由切换 | 仓库明确写到 Hermes 可以使用多种模型来源，包括 Nous Portal、OpenRouter、NVIDIA NIM、Xiaomi MiMo、z.ai/GLM、Kimi/Moonshot、MiniMax、Hugging Face、OpenAI，以及自定义 endpoint；切换模型只需执行 hermes model，无需改代码，也没有锁定。 |
| 终端体验完整，适合重度交互 | 它提供"真正的终端界面（TUI）"，支持多行编辑、斜杠命令自动补全、对话历史、中断后重定向，以及流式工具输出，适合在 CLI 环境中长时间使用。 |
| 可跨平台消息协作 | Hermes 不只停留在命令行，还能通过单个 gateway 进程接入 Telegram、Discord、Slack、WhatsApp、Signal、CLI，中文 README 还补充了 Email。仓库强调它支持语音备忘录转写，并能保持跨平台对话连续性。 |
| 闭环学习与记忆能力 | 仓库把"闭环学习"列为核心能力：代理会管理记忆并定期提醒自己；复杂任务后自动创建技能；技能在使用中自我改进；还能通过 FTS5 会话搜索结合 LLM 摘要实现跨会话回溯，并兼容 agentskills.io 开放标准。 |
| 支持定时自动化 | Hermes 内置 cron 调度器，可以把任务投递到任意平台。README 举的例子包括日报、夜间备份、周审计，而且这些任务可以用自然语言描述后无人值守运行。 |
| 支持子代理与并行执行 | 仓库说明它可以生成隔离子代理来处理并行工作流，也能编写 Python 脚本通过 RPC 调用工具，把多步管道压缩成更少的上下文轮次。 |
| 部署位置灵活 | 仓库列出它支持的终端后端包括本地、Docker、SSH、Daytona、Singularity、Modal（英文 README 还提到 Vercel Sandbox）。其中 Daytona 和 Modal 提供 serverless 持久化，环境空闲时会休眠、按需唤醒。 |
| 面向研究与训练 | README 还把它定位为"research-ready"，支持批量轨迹生成和轨迹压缩，可用于训练下一代工具调用模型。 |
Hermes Agent的安装和使用方法
1、安装
1）快速安装
仓库给出的 Linux、macOS、WSL2、Termux 安装方式是一行命令：
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash中文 README 说明该安装程序会自动处理平台特定配置。
2）Windows 安装
原生 Windows 处于 early beta，可在 PowerShell 中执行：
iex (irm https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.ps1)它会自动安装 uv、Python 3.11、Node.js、ripgrep、ffmpeg，以及一个便携式 Git Bash（MinGit）；若系统已装 Git，则会优先使用现有 Git。中文 README 则写得更保守：原生 Windows 不受支持，建议安装 WSL2 后执行上面的 Linux 命令。
3）安装后如何启动
仓库建议安装后先重新加载 shell 配置：
source ~/.bashrc（或 source ~/.zshrc），然后运行 hermes 开始对话。
2、使用方法
2.1、最常用的入门命令
README 把入门命令整理得很清楚：
hermes 用于启动交互式 CLI；
hermes model 用于选择模型提供商和模型；
hermes tools 用于配置启用的工具；
hermes config set 用于设置单个配置项；
hermes gateway 用于启动消息网关；
hermes setup 用于一次性完成完整设置；
hermes claw migrate 用于从 OpenClaw 迁移；
hermes update 用于更新版本；
hermes doctor 用于诊断问题。2.2、使用 Nous Portal 的一键方案
仓库还提供一个可选方案：如果不想分别管理模型、网页搜索、图像生成、TTS、云浏览器等多个 API Key，可以用 Nous Portal 统一覆盖。安装后可运行：
hermes setup --portal它会通过 OAuth 登录、把 Nous 设为 provider，并启用 Tool Gateway；之后还能用 hermes portal status 查看状态。仓库同时说明你也可以按工具维度继续使用自己的 API Key。
2.3、CLI 与消息平台的通用命令
仓库给出了 CLI 与消息平台的快速对照。比如：
开始对话时，CLI 直接运行 hermes，消息平台则先 hermes gateway setup 再 hermes gateway start，然后给机器人发消息；
新对话可用 /new 或 /reset；
换模型用 /model [provider:model]；
设置人格用 /personality [name]；
重试或撤销上一轮用 /retry、/undo；
压缩上下文或查看用量用 /compress、/usage、/insights；
浏览技能用 /skills 或 /<skill-name>；
中断当前工作可用 Ctrl+C 或 /stop。Hermes Agent的案例应用
1）跨平台持续陪伴式对话
README 的一个非常具体的案例是：你可以在 Telegram 上和它对话，而它在云端 VM 上工作；同时它还能通过 Telegram、Discord、Slack、WhatsApp、Signal、CLI 乃至 Email 保持连续会话。这个案例体现的是"人在哪，代理就在哪"的持续工作模式。
2）自动化日常运维任务
仓库明确列出可用 cron 做定时自动化，例如日报、夜间备份、周审计，而且这些任务能通过自然语言描述后无人值守运行。也就是说，Hermes 不只是回答问题，还能承担固定节奏的运营/维护工作。
3）复杂任务拆解与并行执行
仓库给出的另一个应用方向是把复杂工作拆成多个子任务：通过子代理并行处理工作流，再用 Python 脚本通过 RPC 调用工具。这个设计适合多步骤、多来源信息整合的任务，例如需要同时做检索、整理、执行和总结的工作流。
4）跨会话知识沉淀与个性化
Hermes 会主动持久化知识、搜索历史对话、构建用户画像，并通过 FTS5 会话搜索与 LLM 摘要做跨会话回溯。仓库还提到它会逐步建立对"你是谁"的理解，因此它适合长期陪伴式使用，而不是一次性问答。
5）研究与数据生成场景
README 明确写到它"research-ready"，支持批量轨迹生成和轨迹压缩，用于训练下一代工具调用模型。这说明它不仅适合日常使用，也适合研究、数据采集与模型训练相关的场景。
6）从 OpenClaw 平滑迁移
仓库还给出一个实际迁移场景：如果你原本使用 OpenClaw，Hermes 可以自动导入设置、记忆、技能、API Key、消息设置、工作区指令等内容；安装向导会自动检测 ~/.openclaw 并提供迁移选项。