一句话总结

Hermes Agent 是 Nous Research 开源的自我进化个人 AI 智能体：它不只是执行任务，更会从任务中学习 —— 自动创建技能、跨会话记忆、越用越聪明，是目前最接近"永久在线、持续成长"理想的开源 Agent。

项目基本信息

它和普通 Agent 有什么根本区别？

绝大多数 Agent 框架的工作方式是：

Hermes 在执行结束后，多了一个关键步骤：

核心差异： Hermes 不是在重复使用同一个"大脑"，而是在不断扩充这个大脑的经验库。

四层记忆架构

Hermes 的记忆系统是其最核心的创新，分为四个层次：

Layer 1：系统提示记忆（总是在线）

• 存储在 ~/.hermes/memories/ 中的 MEMORY.md 和 USER.md
• 每次会话开始时自动注入到系统提示
• Agent 通过 memory 工具自主管理（增删改）
• 有字符限制：记忆区约 2200 字符，用户区约 1375 字符
• 满了就自动整合，保持聚焦

Layer 2：技能记忆（经验结晶）

• 完成复杂任务后，Agent 自动将成功的方法写成技能文档（Markdown）
• 存储在 ~/.hermes/skills/
• 技能可搜索、可复用、会自我改进
• 下次遇到相似问题直接调用已有技能，无需重新摸索

Layer 3：会话搜索（长期回忆）

• 所有 CLI 和消息平台会话存入 SQLite（~/.hermes/state.db）
• 使用 FTS5 全文检索，配合 Gemini Flash 对结果进行摘要
• Agent 按需调用 session_search 工具，不占用常驻上下文

Layer 4：外部记忆提供商（可扩展）

• 推荐：Hindsight（结构化知识提取 + 实体解析 + 反思综合，本地运行，零成本）
• 可选：Honcho（用户建模）
• 在 LongMemEval 基准测试中，Hindsight 是所有提供商中得分最高的

技能系统（Skills System）

技能 vs. 工具

技能的三级渐进加载

• Level 0：只加载技能名称和描述（~3K tokens，支持 40+ 技能）
• Level 1：按需加载完整 SKILL.md 内容
• Level 2：加载具体参考文件

Agent 只在需要时拉取所需层级，保持上下文精简。

技能的可移植性

• 与 agentskills.io 兼容，社区共享技能库
• 支持平台限制和条件加载（如：没有 Firecrawl API key 时自动 fallback 到 DuckDuckGo 搜索）

核心架构内部

系统提示构建（prompt_builder.py）

每次会话的系统提示由以下内容组装：

工具注册表（tools/registry.py）

• 47 个注册工具，分布在 20 个工具集
• 每个工具文件在导入时自动注册
• 统一处理：schema 收集、分发、可用性检查、错误包装

会话持久化

• SQLite（WAL 模式）：支持并发读，单写者
• 每轮对话后写入：会话内容、工具调用、执行结果
• 原始记录存入 JSONL 文件
• Cron 定义单独存储在磁盘

上下文压缩的记忆安全机制

对话变长需要压缩时，Hermes 先触发记忆刷新：

1. 独立调用模型，只提供 memory 工具
2. 给 Agent 机会在压缩前保存重要信息
3. 压缩后，未被标记的内容彻底消失

平台与部署灵活性

支持的消息平台（一个 Gateway 进程管理全部）

Telegram、Discord、Slack、WhatsApp、Signal、Matrix、Email、Mattermost + CLI

支持的终端后端（6 种）

模型无关性

可接入任意模型，一行命令切换，无需改代码：

支持：Nous Portal、OpenRouter（200+ 模型）、OpenAI、Anthropic、Kimi/Moonshot、MiniMax、自托管端点（Ollama/vLLM/SGLang）等

自进化伴侣项目

hermes-agent-self-evolution

使用 DSPy + GEPA 进行进化式自我改进：

• 优化技能、提示词和代码
• 与 Nous Research 的 RL 框架 Atropos 集成
• 可生成数千条工具调用轨迹，用于微调更小、更便宜的模型

最新版本亮点：v0.8.0（2026.4.8）

"The Intelligence Release"

• 🔔 后台任务自动通知
• 🆓 Nous Portal 免费提供 MiMo v2 Pro 模型
• 🔄 跨平台实时切换模型（无需重启）
• 🔒 MCP OAuth 2.1 支持
• ⏱️ 智能不活跃超时
• ✅ 审批按钮（人类监督钩子）
• 🔌 插件系统扩展（可注册 CLI 子命令、请求范围 API 钩子、会话生命周期事件）
• 📝 结构化日志（~/.hermes/logs/）+ 启动时 YAML 配置验证
• 📦 合并 PR 209 个，修复 Issue 82 个

与竞品对比

Hermes Agent vs. OpenClaw

Hermes Agent vs. AutoGPT / LangChain

• vs. AutoGPT：AutoGPT 聚焦任务分解和网络交互；Hermes 聚焦记忆、学习和技能沉淀。可互补。
• vs. LangChain：LangChain 是构建 AI 应用的工具箱；Hermes 是一个完整的 Agent 框架，内置了 LangChain 需要你自己实现的自主技能创建能力。

Hermes Agent vs. AutoResearch（Karpathy）

对 Agent 领域的重要意义

1. "Agent 操作系统" 的雏形

v0.6.0 引入的多 Profile 支持让开发者可以从单个安装运行多个隔离的 Hermes 实例（各有独立配置、记忆、技能、会话）。这已经不是"个人助手"，而是可复用的 Agent 运行时。

2. 技能即知识产权

技能可以共享（agentskills.io）、可以被社区贡献。这创造了一个 Agent 知识库的生态：好的解决方案一旦被一个 Agent 发现，就可以共享给所有人的 Agent。

3. 闭合学习循环的落地验证

Hermes 证明了自主技能创建在实际产品中是可行的 —— 不只是研究论文中的概念。

4. 指向"不断复利"的 Agent 未来

当前的 Agent 更像"工具"：用完即走，不留痕迹。Hermes 的设计目标是让 Agent 变成真正的"数字同事"：越用越了解你，越用越高效，形成能力复利。

局限与注意事项

⚠️ 技术门槛较高

• 需要自管基础设施
• 持久状态管理有一定复杂性
• 比 SaaS 产品的设置更繁琐

⚠️ 处于快速迭代阶段

• 版本更新频繁（每周级别）
• 可能有 Breaking Changes
• 适合愿意跟进前沿的开发者

⚠️ 单一指标的局限（与 AutoResearch 共同的问题）

自我改进依赖可量化的反馈信号，对模糊、主观的任务效果有限。

⚠️ 记忆边界

Layer 1 记忆有字符限制，长期使用需要关注记忆整合质量。

安装快速上手

我的思考空间

（留给自己的笔记区域，随时补充）

相关链接

Sources

• GitHub - NousResearch/hermes-agent
• Hermes Agent Documentation
• Persistent Memory - Hermes Agent
• Architecture - Hermes Agent
• Inside Hermes Agent: How a Self-Improving AI Agent Actually Works
• Hermes Agent Memory System - 3-Layer Explained
• AI 101: Hermes Agent – OpenClaw's Rival?
• Hermes Agent: A Self-Improving AI Agent That Runs Anywhere - DEV Community
• OpenClaw vs. Hermes Agent - The New Stack
• NousResearch/hermes-agent-self-evolution