Hermes Agent 开发者指南：设置、架构、技能与自我改进的 AI

Hermes Agent 是首款具备内置学习循环的自托管 AI Agent。它由 Nous Research 开发（该实验室也是 Hermes 模型系列和 Atropos 强化学习环境的幕后团队），可以在你的机器上持久运行，连接到你的消息应用，并且使用时间越长越智能。

Hermes Agent 于 2026 年 2 月在 MIT 许可证下发布，迅速成为 OpenClaw 的主要替代方案，深受那些希望 Agent 能够随使用而不断进化、而非保持静态的开发者的青睐。截至 v0.7.0（2026 年 4 月 3 日），它具备可插拔的内存后端、40 多个内置工具、MCP 服务器模式以及六种终端后端。

本指南涵盖了你从零开始部署生产级 Hermes Agent 所需的全部内容：安装、配置、技能开发、内存架构和部署选项。

📑 本指南内容概览

1. 什么是 Hermes Agent？
2. 安装与设置
3. 架构深入解析
4. 自我改进的学习循环
5. 内存架构
6. 技能与工具
7. 消息通道
8. LLM 提供商配置
9. MCP 集成
10. 部署选项
11. 安全最佳实践
12. Lushbinary 如何提供帮助

1. 什么是 Hermes Agent？

Hermes Agent 是一个开源、模型无关的个人 AI Agent，设计为持久运行、跨会话记忆、调度周期性工作，并随时间改进其行为。与每次对话后都会重置的聊天机器人不同，Hermes 保持持久记忆，从经验中创建新技能，并在使用过程中不断完善这些技能。

核心能力：

自我改进的技能

• 从已完成的任务中自主创建和完善可复用的技能

持久记忆

• 基于 FTS5 搜索 + LLM 摘要，跨会话、平台和设备进行记忆

用户建模

• Honcho 辩证建模，建立对你的深度理解

40 多个内置工具

• 文件管理、浏览器、终端、邮件、日历等

6 种终端后端

• 本地、Docker、SSH、Daytona、Singularity、Modal

MCP 服务器模式

• 将 Hermes 暴露为 MCP 服务器，用于 IDE 和工具集成

多渠道

• Telegram、Discord、Slack、WhatsApp、Signal、CLI

200 多个 LLM 模型

• OpenRouter、OpenAI、Nous Portal、Ollama 等

2. 安装与设置

Hermes Agent 可在 Linux、macOS 和 WSL2 上运行。Windows 用户需要先安装 WSL2。

快速安装

# macOS
brew install hermes-agent

# Linux / WSL2
pip install hermes-agent

# 验证版本
hermes --version  # 应显示 v0.7.0+

首次设置

# 初始化你的 Agent
hermes init

# 这将引导你完成：
# 1. 选择 LLM 提供商
# 2. 设置 API 密钥
# 3. 配置消息通道（可选）
# 4. 设置你的角色人格

# 启动 Agent
hermes start

设置向导是交互式的，大约需要 5 分钟。对于最小化启动，你只需要一个 LLM 提供商的 API 密钥（推荐使用 OpenRouter，可访问 200 多个模型）。

3. 架构深入解析

Hermes Agent 的架构以 AIAgent 循环 为中心，而非网关控制平面。这是一个经过深思熟虑的设计选择：学习循环被作为一等架构关切。

核心组件：

• AIAgent 循环：同步编排引擎。负责推理、工具执行、技能创建和自我评估。
• 网关：将来自消息平台的消息路由到 Agent 循环。支持单进程多渠道。
• Cron 调度器：在全新会话中运行周期性任务，自动交付输出。
• 工具运行时：跨六种终端后端执行工具（本地、Docker、SSH、Daytona、Singularity、Modal）。
• ACP 集成：Agent 通信协议，用于外部工具集成（代码编辑器、IDE）。
• SQLite 持久化：会话历史、内存和技能元数据存储在 SQLite 中，支持 FTS5 全文搜索。
• RL 环境：Atropos 集成，用于强化学习训练和轨迹导出。

4. 自我改进的学习循环

学习循环是 Hermes 与所有其他自托管 Agent 的根本区别。以下是它在实际中的工作原理：

1. 任务完成：你要求 Hermes 完成某项复杂任务（例如："研究竞争对手定价并创建对比电子表格"）
2. 模式提取：完成任务后，Hermes 分析它所采取的步骤，识别可复用的模式
3. 技能创建：它编写一个 Markdown 技能文件，将工作流捕获为可复用的流程
4. 技能完善：下次出现类似任务时，Hermes 使用该技能并根据结果进行完善
5. 周期性提示：每完成 15 个任务，Hermes 会评估其整体表现，分析成功和失败

关键创新在于程序性记忆——Hermes 不仅记住事实，还记住方法。它将成功的工作流转换为可复用的程序，下次出现类似问题时加载使用。

缓存感知学习

内存架构是缓存感知的：它在会话初始化时冻结系统提示快照，因此高频模型调用可以高效使用缓存的上下文窗口。学习过程不会不断增加你的 Token 费用。

5. 内存架构

Hermes 使用分层内存系统，严格分离"热"提示内存和"冷"归档存储：

自 v0.7.0 起，内存完全可插拔。你可以通过以下命令切换后端：

hermes memory setup

# 可选项：内置、Honcho、向量存储、自定义数据库

6. 技能与工具

Hermes 技能遵循 agentskills.io 开放标准。技能是描述可复用流程的 Markdown 文件。与 OpenClaw 的静态技能不同，Hermes 技能可以：

• 自动生成：由 Agent 在完成复杂任务后创建
• 自我改进：在后续使用中根据结果自动完善
• 手动编写：你仍然可以手动编写技能

Hermes 还附带 40 多个内置工具，涵盖文件管理、浏览器自动化、终端执行、邮件、日历、网页搜索等。工具可在所有六种终端后端中使用。

子 Agent

Hermes 支持隔离子 Agent——每个子 Agent 都有自己的对话、终端和 Python RPC 脚本，实现零上下文成本的流水线。这适用于你不希望任务相互干扰的并行工作流。

7. 消息通道

Hermes 可从单个网关进程连接到你现有的消息应用。支持的通道：

Telegram

• 完整的 Bot API，支持内联键盘和媒体

Discord

• 支持线程和语音频道的 Bot

Slack

• 支持 OAuth、斜杠命令和线程的应用

WhatsApp

• 支持媒体和模板的商业 API

Signal

• 隐私优先的消息应用（OpenClaw 不支持）

CLI

• 支持多行编辑、自动补全和历史记录的 TUI

在一个通道上开始，在另一个通道上继续——Hermes 跨平台保持上下文。CLI 包含文本用户界面（TUI），具有多行编辑、自动补全、对话历史记录功能，并能在 Agent 执行过程中中断或重定向。

8. LLM 提供商配置

Hermes 是模型无关的。通过一条命令切换模型，无需更改代码：

hermes model  # 交互式模型选择器

支持的提供商：

• OpenRouter：200 多个模型，包括 Claude、GPT、Gemini、Llama、DeepSeek
• OpenAI：GPT-5.4、GPT-5.4 Thinking
• Nous Portal：针对 Agent 使用优化的 Hermes 模型
• Ollama：本地模型（Gemma 4、Llama 4、Qwen 3.5、DeepSeek）
• z.ai、Kimi Moonshot、MiniMax、GLM：其他提供商
• 自定义端点：任何兼容 OpenAI 的 API

9. MCP 集成

Hermes 在两个方向上支持 MCP（模型上下文协议）：

• MCP 客户端：连接到外部 MCP 服务器以访问工具（数据库、API、文件系统）
• MCP 服务器模式（v0.6.0+）：将 Hermes 本身暴露为 MCP 服务器，允许 IDE 和其他工具将 Hermes 用作后端

要深入了解 MCP，请参阅我们的 MCP 开发者指南。

10. 部署选项

Hermes 是可移植的——它不绑定于单个应用或单台机器。部署选项：

• 本地开发：直接在 macOS/Linux/WSL2 上运行
• VPS/云服务器：在 DigitalOcean、AWS、GCP、Azure 上运行
• Docker：使用官方镜像进行容器化部署
• Modal：无服务器部署，按需扩展
• Daytona：云开发环境集成

11. 安全最佳实践

Hermes 的安全默认设置比大多数 Agent 框架更安全，但你仍应遵循以下实践：

• 使用 Docker 后端进行生产部署，配置只读 root 和丢弃的 capabilities
• 启用提示词注入扫描（v0.7.0 中默认开启）
• 审查工具权限——限制 Agent 可在无人监督情况下使用的工具
• 使用凭证过滤防止 API 密钥出现在 Agent 上下文中
• 定期监控 Agent 日志：hermes logs --follow
• 保持 Hermes 更新——安全补丁频繁发布

对于敏感部署，考虑在具有受限网络访问的专用 VPC 中运行 Hermes。有关更多详情，请参阅我们的 Hermes 与 OpenClaw 安全对比。

12. Lushbinary 如何提供帮助

自 OpenClaw 早期以来，我们就在部署 AI Agent，并且是最早在客户项目中采用 Hermes Agent 的团队之一。我们可以帮助：

• 自定义 Agent 开发：针对你的特定工作流构建专用的 Hermes Agent
• MCP 服务器开发：将 Hermes 连接到你的数据库、API 和内部工具
• AWS 部署：具有监控和自动扩展功能的生产基础设施
• 技能开发：针对你的行业和用例的自定义技能
• 从 OpenClaw 迁移：零停机的平稳过渡

🚀 免费咨询

预约免费的 30 分钟通话，讨论你的 AI Agent 需求。我们将帮助你设计正确的架构并让 Hermes 在生产环境中运行。

❓ 常见问题

什么是 Hermes Agent？

来自 Nous Research 的开源自托管 AI Agent，具备内置学习循环。它持久运行，连接消息应用，并随时间改进技能。MIT 许可证，支持 200 多个模型。

如何安装 Hermes Agent？

macOS：brew install hermes-agent。Linux/WSL2：pip install hermes-agent。然后运行 hermes init 配置 LLM 提供商和通道。

自我改进循环如何工作？

完成复杂任务后，Hermes 提取可复用模式并将其编写为技能。技能在使用中自我改进。每完成 15 个任务，Agent 评估其表现。

费用是多少？

免费软件（MIT）。VPS 托管每月 起。成本从0（Ollama）到 $65/月（高级模型）不等。

Hermes 支持哪些模型？

通过 OpenRouter 支持 200 多个模型，加上 OpenAI、Nous Portal、z.ai、Kimi、MiniMax、GLM、Ollama 和自定义端点。

翻译：https://lushbinary.com/blog/hermes-agent-developer-guide-setup-skills-self-improving-ai/