项目概览
是什么
Hermes Agent 是 Nous Research 构建的自改进型 AI 智能体。它的核心特点是内置学习循环——能从经验中创建技能、在使用过程中改进技能、主动持久化知识、搜索历史对话，并跨会话构建对用户的深度理解模型。
这不仅仅是又一个聊天机器人或编程助手。Hermes Agent 的野心更大：做一个真正会学习和成长的数字伙伴。
为什么值得关注
在 AI Agent 赛道已经相当拥挤的 2026 年，Hermes Agent 在发布后短短几周内就获得了近 5 万 star，仅今天一天就新增超过 7600 个。这说明开发者社区对它的核心卖点——自进化能力——是买账的。
大多数 AI Agent 本质上是一个固定功能的包装器：你给它一个任务，它执行，然后结束。Hermes Agent 试图打破这个循环——它会在执行任务的过程中学习，下次遇到类似问题时变得更好。
Star 增长趋势（近7天）
核心功能
1. 模型无关性
Hermes Agent 不绑定任何特定的大语言模型。你可以用 Nous Portal、OpenRouter（200+ 模型可选）、z.ai、GLM、Kimi、Moonshot、MiniMax、OpenAI，或者任何兼容的自定义端点。
切换模型只需要一条命令：hermes model。没有供应商锁定，理论上你可以随时换到性价比更高的选择。
2. 闭环学习系统
这是 Hermes Agent 最核心的差异化能力。系统包含多层记忆架构：
- 技能创建：复杂任务完成后自动生成可复用的技能
- 技能进化：技能在使用过程中持续自我改进
- 知识持久化：主动保存重要信息
- FTS5 会话搜索：快速检索历史对话
- Honcho 用户建模：跨会话理解用户偏好
简单来说：你用它越多，它就越懂你，越能帮到你。
3. 多平台消息接入
除了命令行界面，Hermes Agent 可以接入 Telegram、Discord、Slack、WhatsApp、Signal、Email 等平台。
这意味着你可以在任何日常沟通工具里和它对话，而不需要专门打开一个终端窗口。
4. 定时自动化
内置 cron 调度器，可以用自然语言描述任务。比如「每天早上 8 点给我发一份天气摘要」或「每周五下午 6 点备份文件」。
终端界面（TUI）
多行编辑、斜杠命令自动补全、流式工具输出
委托与并行化
生成隔离子智能体实现并行工作流
轨迹压缩
用于训练下一代工具调用模型
研究就绪
内置 RL 训练环境、批量轨迹生成
技术架构
技术栈
| 主要语言 | Python 93.9% |
| 其他语言 | TeX 2.9%, BibTeX 1.0%, Shell 0.6%, Nix 0.4%, JavaScript 0.3% |
| 包管理 | uv（现代 Python 包管理器） |
| 数据库 | SQLite（FTS5 全文搜索） |
| 协议 | Model Context Protocol（MCP）、agentskills.io |
项目结构
hermes-agent/ ├── agent/ # 核心智能体逻辑 ├── gateway/ # 消息网关（多平台接入） ├── skills/ # 技能系统 ├── cron/ # 定时任务 ├── tools/ # 工具集 ├── plugins/ # 插件系统 ├── tinker-atropos/ # RL 训练环境（子模块） ├── docs/ # 文档 └── docker/ # Docker 配置
部署选项
| 后端 | 特点 | 推荐场景 |
|---|---|---|
| Local | 本地运行，完全控制 | 开发测试 |
| Docker | 容器化，一键部署 | 生产环境 |
| SSH | 远程服务器 | 已有服务器 |
| Daytona | Serverless，空闲休眠 | 低成本云端 |
| Modal | Serverless，按需计费 | 临时任务 |
安装使用
快速安装（推荐）
一条命令搞定安装，支持 Linux、macOS、WSL2、Android（Termux）。Windows 用户需要先装 WSL2。
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash # 安装后启动 source ~/.bashrc # 或 source ~/.zshrc hermes # 开始对话！
开发者安装
# 克隆代码 git clone https://github.com/NousResearch/hermes-agent.git cd hermes-agent # 使用 uv 创建虚拟环境（推荐） curl -LsSf https://astral.sh/uv/install.sh | sh uv venv venv --python 3.11 source venv/bin/activate # 安装依赖 uv pip install -e ".[all,dev]" # 运行测试 python -m pytest tests/ -q
常用命令
| 命令 | 功能 |
|---|---|
hermes |
启动交互式 CLI |
hermes model |
选择 LLM 提供商和模型 |
hermes tools |
配置启用的工具 |
hermes gateway |
启动消息网关 |
hermes setup |
完整设置向导 |
hermes doctor |
诊断问题 |
从 OpenClaw 迁移
# 交互式迁移（完整预设） hermes claw migrate # 预览迁移内容 hermes claw migrate --dry-run # 仅迁移用户数据（不含密钥） hermes claw migrate --preset user-data
竞品对比
Hermes Agent 面对的主要竞争对手是 OpenClaw（WorkBuddy 的底层框架）。两者定位有显著差异。
| 维度 | Hermes Agent | OpenClaw |
|---|---|---|
| 星标数 | 49,699（快速增长中） | 137,000+ |
| 核心定位 | 自进化智能体 | 技能框架 + 方法论 |
| 学习能力 | 内置闭环学习系统 | 依赖技能库 |
| 技能数量 | 内置核心技能 + 可扩展 | 13,700+ 现成技能 |
| 部署成本 | $5 VPS 起 | 取决于技能配置 |
| 多平台接入 | Telegram/Discord/Slack/WhatsApp/Email | 需要额外配置 |
| 定时任务 | 内置 cron + 自然语言 | 通过技能实现 |
| 社区规模 | 起步阶段，增长迅猛 | 24万+开发者 |
| 版本迭代 | 4月初至今已发布 v0.8.0 | 成熟稳定 |
我的判断
Hermes Agent 和 OpenClaw 其实不是非此即彼的选择。OpenClaw 的优势在于成熟的生态——技能库、社区、文档都非常完善。Hermes Agent 的优势在于创新——自进化的理念确实在解决一个实际问题。
如果你是开发者，想要一个稳定的工具，OpenClaw 更合适。如果你对「会学习的 AI」这个概念感兴趣，或者想尝试新技术，Hermes Agent 值得关注。
有意思的是，Hermes Agent 提供了从 OpenClaw 迁移的工具，说明团队也意识到很多用户可能两边都会用。
适用场景
个人 AI 助手
部署在低配 VPS 上，作为日常工作的 AI 搭档。Telegram 接入让它随时可联系。
自动化工作流
定时任务 + 技能创建，实现「设置一次，长期自动运行」的流程。
编程助手
可以调用工具、搜索代码、读写文件，支持多模型切换。
AI 研究
内置 RL 训练环境和轨迹压缩，适合研究 Agent 行为和改进方法。
局限性
- Windows 原生不支持：需要 WSL2，对 Windows 用户有一点门槛
- 学习系统需要时间：刚部署时体验可能不如成熟的固定功能助手
- 社区还在建设中：遇到问题可能需要更多自己排查
- 版本相对早期：v0.8.0 虽然更新快，但可能有未发现的 bug
综合评分
Hermes Agent 是一款有真实创新的产品。自进化理念解决了「AI Agent 越用越强」的需求，配合多平台接入和低成本部署，确实值得关注。扣分主要在 Windows 兼容性和早期版本的稳定性上。