Hermes Agent：会自我成长的 AI 智能体

原创于 2026-06-25 10:15:02 发布 · 130 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#AI #自动化

Hermes Agent：会自我成长的 AI 智能体

来源：NousResearch/hermes-agent · 由 Nous Research 构建

🧠 核心观点

Hermes Agent 是一个具备自我改进能力的 AI 智能体，其最核心的差异化特性是内置的闭环学习机制——它不只是执行任务，而是从经验中创建技能、在使用中持续优化技能、跨会话记忆用户画像。这使其区别于绝大多数"用完即走"的 AI 助手，真正实现了"越用越聪明"的设计目标。

🔑 关键信息

1. 闭环学习系统（核心亮点）

能力	说明
技能自动生成	完成复杂任务后自主创建可复用的 Skill
技能自我优化	Skill 在使用过程中持续迭代改进
记忆持久化	定期主动触发记忆固化（periodic nudges）
跨会话搜索	基于 FTS5 + LLM 摘要实现历史会话全文检索
用户建模	集成 Honcho 进行辩证式用户画像建模
开放标准兼容	兼容 agentskills.io 开放技能标准

2. 多平台接入能力

消息平台：Telegram、Discord、Slack、WhatsApp、Signal、Email
终端后端：Local、Docker、SSH、Singularity、Modal、Daytona
Serverless 支持：Daytona 和 Modal 提供无服务器持久化，空闲时几乎零成本
部署灵活性：$5/月 VPS、GPU 集群、无服务器基础设施均可运行

3. 模型无锁定（Model Agnostic）

支持切换以下提供商，无需修改代码：

提供商	特色
Nous Portal	300+ 模型 + 工具网关一站式订阅
OpenRouter	200+ 模型
NovitaAI	AI 原生云（模型 API + Agent 沙箱 + GPU 云）
NVIDIA NIM	Nemotron 系列
Xiaomi MiMo	小米大模型平台
z.ai/GLM	智谱 GLM
Kimi/Moonshot	月之暗面
MiniMax	MiniMax
Hugging Face / OpenAI	通用平台
自定义 Endpoint	私有化部署

切换命令：

hermes model

4. 主要功能矩阵

功能模块	描述
终端 TUI	多行编辑、斜杠命令自动补全、历史记录、流式工具输出
定时自动化	内置 Cron 调度器，自然语言描述任务，自动发送到任意平台
并行子智能体	派生隔离子 Agent 处理并行工作流
Python RPC 工具	编写 Python 脚本通过 RPC 调用工具，将多步骤流程压缩为零上下文消耗
研究模式	批量轨迹生成 + 轨迹压缩，用于训练下一代工具调用模型
MCP 集成	接入任意 MCP 服务器扩展能力
语音备忘录	语音转录，跨平台对话连续性

⚡ 快速安装

Linux / macOS / WSL2 / Termux

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

Windows（PowerShell 原生）

iex (irm https://hermes-agent.nousresearch.com/install.ps1)

安装程序自动处理：uv、Python 3.11、Node.js、ripgrep、ffmpeg 及便携版 Git Bash（无需管理员权限）

安装后启动

source ~/.bashrc   # 重载 Shell
hermes             # 开始对话！

🛠️ 常用命令速查

hermes               # 交互式 CLI，开始对话
hermes model         # 选择 LLM 提供商和模型
hermes tools         # 配置启用的工具
hermes config set    # 设置单项配置
hermes gateway       # 启动消息网关（Telegram、Discord 等）
hermes setup         # 运行完整配置向导
hermes update        # 更新到最新版本
hermes doctor        # 诊断问题
hermes setup --portal  # 一键接入 Nous Portal（OAuth 登录 + 工具网关）

对话内斜杠命令

命令	作用
`/new` 或 `/reset`	开始新对话
`/model [provider:model]`	切换模型
`/personality [name]`	设置个性化人格
`/retry` / `/undo`	重试或撤销上一轮
`/compress` / `/usage`	压缩上下文 / 查看用量
`/skills`	浏览已有技能
`/stop`	中断当前任务（消息平台）

⚠️ Windows 防病毒误报处理

uv.exe 可能被 Windows Defender / Bitdefender 误判为恶意软件，这是误报（Rust 二进制文件常见问题）。

验证文件真实性：

# 安装 GitHub CLI 并验证
gh auth login
$uv = "$env:LOCALAPPDATA\hermes\bin\uv.exe"
$ver = (& $uv --version).Split(' ')[1]
# 下载官方包并校验哈希与 GitHub 认证
gh attestation verify $zip --repo astral-sh/uv

白名单设置（推荐按文件夹而非文件哈希）：

# Windows Defender
Add-MpPreference -ExclusionPath "$env:LOCALAPPDATA\hermes\bin"

💡 个人启发

"学习闭环"才是 AI Agent 的真正护城河：大多数 Agent 框架专注于工具调用的广度，而 Hermes 的核心竞争力是把"经验→技能→优化"做成自动化闭环，这才是让 Agent 真正"成长"的关键设计理念。
Serverless + 无锁定 = 新的部署范式：Agent 不再必须绑定在本地或固定服务器，Modal/Daytona 的休眠唤醒机制让 AI Agent 的运维成本趋近于零，这对个人开发者极具吸引力。
多平台统一网关是刚需：通过单一 gateway 进程同时覆盖 Telegram/Discord/Slack/WhatsApp，意味着用户无需迁移使用习惯，Agent 自然融入日常工作流——这比单独的 App 更有粘性。

🔭 延伸思考

技能的质量控制如何保障？
Hermes 的 Skill 是由 Agent 自主生成并自我改进的，但 AI 生成的技能可能存在偏差甚至错误积累——如何设计人工干预机制或质量评估体系，防止"自我强化错误"是值得深入研究的问题。
跨用户的技能共享与隐私边界在哪里？
agentskills.io 开放标准暗示技能可以在用户间流通，但用户建模（Honcho）又涉及大量个人隐私数据——在技能共享与用户隐私保护之间，行业应如何建立规范？
自我改进的 Agent 是否会产生"目标漂移"？
当 Agent 能够自主修改自身行为（技能优化、记忆持久化），在长期使用中其行为模式是否会偏离用户的原始预期？这是 AI 对齐领域在 Agent 层面需要面对的新挑战。