NousResearch/hermes-agent 是由去中心化 AI 研究组织 Nous Research 推出的开源 AI Agent 框架。它自称"与你共同成长的智能代理"——这个定位在所有主流开源 Agent 中独树一帜。
其他 Agent 工具，不管是 AutoGPT 还是 OpenClaw，本质上都是用户发出指令、Agent 执行命令的单次往返。但 Hermes Agent 做了本质上的升级：它会把执行结果沉淀为技能，在下次遇到类似场景时自动调用并持续优化。相当于从"每次都重新学"进化到了"一次学会、持续进化"。
Nous Research 本身也值得关注。2022 年成立后，这家去中心化 AI 团队拿到了 Paradigm 领投的 5000 万美元 A 轮融资，旗下拥有 DisTrO（低带宽分布式训练协议）、Hermes 系列开源大模型（Hermes-3-70B、Hermes-4）、Psyche 训练网络等项目。
这是 Hermes Agent 与其他 Agent 框架的根本差异。大多数 Agent 在每次对话结束后清空状态，下次重启就是一个"新人"。Hermes Agent 则构建了一个持续运转的闭环系统：
具体来说：
这套系统的意义在于：Hermes Agent 不只是一个更强大的工具，而是真正像一个"同事"一样工作——你用得越久，它就越懂你、越能提前完成任务。
Hermes Agent 的另一大核心设计是"模型无关"。一条命令 hermes model 就可以在任意 LLM 之间切换：
| 提供商 | 特点 |
|---|---|
| Nous Portal | Nous 官方 |
| OpenRouter | 支持 200+ 模型 |
| NVIDIA NIM | Nemotron 系列 |
| Xiaomi MiMo | 小米开源模型 |
| z.ai / GLM | 智谱 GLM 系列 |
| Kimi / Moonshot | 月之暗面模型 |
| MiniMax | MiniMax 系列 |
| Hugging Face | 所有开源模型 |
| OpenAI | GPT 系列 |
| 自定义端点 | 任意 OpenAI 兼容接口 |
OpenAI 涨价？换。Anthropic 宕机？换。自己部署的开源模型？也可以直接用。这种设计让用户完全不受单一提供商的限制。
Hermes Agent 内置了强大的消息网关，支持以下 12+ 平台：
这意味着你可以通过任何日常沟通工具与 Agent 交互，不局限于终端窗口。对于需要随时随地调用 AI 能力的用户来说，这个功能解决了"想起来要用但不在电脑前"的问题。
| 后端 | 适用场景 |
|---|---|
| Local | 本地开发调试 |
| Docker | 隔离环境部署 |
| SSH | 远程虚拟机 |
| Daytona | Serverless，休眠 / 唤醒 |
| Singularity | HPC 高性能计算 |
| Modal | Serverless，休眠 / 唤醒 |
Daytona 和 Modal 两个 Serverless 后端尤其有意思——空闲时自动休眠，基本不消耗资源，$5 一月的 VPS 就足够运行。
40+ 内置工具，覆盖搜索、提取、视觉、创作、MCP 集成等。另有程序化工具调用——通过 execute_code 将多步管道压缩为单次推理。另外支持子代理并行，一个任务可拆解为多个 Agent 同时处理。
RL 训练轨迹导出是另一个被严重低估的功能：Hermes Agent 的每次执行都会生成完整的"轨迹"（任务描述 + 执行步骤 + 结果），这些轨迹可以导出用于微调自己的模型。用通用大模型完成任务 → 收集轨迹 → 微调小模型 → 得到业务专用 Agent，整个过程完全在自有基础设施内完成。
一行命令搞定 Linux / macOS / WSL2 / Android (Termux)：
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash# Windows 用户需要先安装 WSL2
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 config set # 设置配置项
hermes gateway # 启动消息网关（支持 Telegram 等平台）
hermes setup # 运行完整设置向导
hermes claw migrate # 从 OpenClaw 一键迁移所有配置
hermes update # 更新版本
hermes doctor # 诊断配置问题hermes claw migrate # 交互式迁移
hermes claw migrate --dry-run # 先预览迁移内容
hermes claw migrate --preset user-data # 仅迁移用户数据
hermes claw migrate --overwrite # 覆盖已有冲突迁移内容包括：SOUL.md（人格定义）、记忆、技能、命令白名单、消息设置、API 密钥、TTS 资产、工作区指令。相当于把之前几个月的配置完整带过来。
# 1. 安装
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
# 2. 配置模型（以 OpenRouter + GLM-5.1 为例）
hermes model
# 选择 OpenRouter，填入 API Key，选择 glm/glm-z1-urbo-250614
# 3. 启动 Telegram 网关
hermes gateway
# 按提示配置 Bot Token
# 4. 发送消息测试
# 打开 Telegram，给 Bot 发一条消息：帮我总结今天的 GitHub Trending选择 Agent 工具时，需要根据具体需求在开源灵活性、模型选择、生态规模和稳定性之间做权衡。
| 项目 | Stars | Forks | 语言 | 许可证 |
|---|---|---|---|---|
| hermes-agent | 134,170 | 20,471 | Python | MIT |
| openclaw | 368,657 | 75,973 | TypeScript | MIT |
| AutoGPT | 184,008 | 46,239 | Python | Other |
| Claude Code | — | — | — | 闭源 |
| 功能 | Hermes Agent | AutoGPT | OpenClaw | Claude Code |
|---|---|---|---|---|
| 开源 | ✅ MIT | ✅ | ✅ MIT | ❌ |
| 模型选择 | 任意模型 | 多种 | OpenAI | Claude only |
| 自进化技能 | ✅ 自动创建 + 优化 | ❌ | 手动创建 | 生态系统（手动） |
| 跨会话记忆 | ✅ FTS5 + LLM | 有限 | 有限 | CLAUDE.md |
| 消息平台 | 15+ 个 | ❌ | CLI | CLI + IDE |
| 执行后端 | 6 种 | 本地 | Sandbox | 云端 |
| RL 训练轨迹 | ✅ | ❌ | ❌ | ❌ |
| OpenClaw 迁移 | ✅ 一键 | ❌ | N/A | ❌ |
| Serverless 部署 | ✅ | ❌ | ❌ | ❌ |
选 Hermes Agent：想要自进化 Agent、模型灵活性、开源可控、有 RL 训练需求的团队。
选 OpenClaw：需要多渠道消息集成、在意生态规模（75,000 Stars）和社区活跃度。
选 AutoGPT：作为入门体验，了解 Agent 概念。
选 Claude Code：追求稳定性和编码质量，不在意闭源和锁定。
Hermes Agent 代表了开源 Agent 领域一个重要的技术方向——从"每次清零的工具"进化为"持续学习的同事"。自进化学习闭环是真实有价值的功能差异，而不是营销概念。如果稳定性能进一步提升（减少 open issues），它有潜力成为开源 Agent 领域的标杆项目。
使用 GLM-5.1（MIT 许可，SWE-Bench Pro 58.4%）驱动 Hermes Agent，实现完全开源的 AI 编程堆栈。代码留在自己服务器，模型可选，成本可控。
在服务器上部署 Hermes + Telegram Gateway，从手机发消息让 Agent 执行命令、检查日志、部署代码。随时随地拥有命令行能力。
通过 tinker-atropos 子模块导出 RL 训练数据，用大模型完成任务，用轨迹微调小模型，形成业务专用 Agent。
保留所有配置和习惯，同时获得模型无关和自进化能力，切换成本极低。
使用子代理生成让多个 Agent 并行处理不同任务，适合需要同时处理多个独立工作流的场景。