- 综合排序
- 最热优先
- 最新优先
Hermes Agent + Ollama 纯本地运行：不联网也能用的 AI 智能体
为什么要纯本地运行？ 安装HermesAgent展开代码语言：BashAI代码解释curl-fsSLhttps://hermes-agent.org/install.sh|bash步骤4：配置HermesAgent使用Ollama 如果本地电脑配置不够，可以在云服务器上运行Ollama。 Q2：AppleSiliconMac运行Ollama的效果如何？A：M1/M2/M3Mac运行Ollama效果非常好，GPU加速开箱即用。16GBM2Mac可以流畅运行14B模型。 Q3：Ollama支持同时运行多个模型吗？A：支持，但每个模型都会占用内存。建议同时只加载1-2个模型。
4.8K10编辑于 2026-04-15- 来自专栏leehao
采用Ollama运行本地大模型
Ollama Ollama， 羊驼，快速的在本地电脑上运行大模型，只需要下载一个应用包即可，通过简单的安装指令，可以让用户执行一条命令就在本地运行开源大型语言模型，无需安装额外的环境依赖和编译等操作。 运行 打开cmd，输入ollama run {模型名称}，如，运行glm4-9b，则执行 ollama run glm4:9b 如果之前没有下载该模型，那么系统会首先下载模型，下载后运行，其中下载速度还是很快的 8G显存在运行9B模型的时候，非常丝滑，在运行14B模型的时候，类似打字机一样，比较慢。 常用命令 获取模型 ollama pull llama3 运行模型 ollama run llama3 移除模型 ollama rm llama3 多模态 What's in this image? /Users/jmorgan/Desktop/smile.png 显示模型信息 ollama show llama3 罗列已安装模型 ollama list 后端运行服务 ollama serve 下节整合
1.3K20编辑于 2025-02-11 - 来自专栏Hermes Agent 爱马仕
🔥🔥🔥🐎Hermes Agent ：本地部署好以后，怎么使用？
Hermes Agent新手入门教程：从零开始，手把手教你“养马”（附完整案例） 2026年，AI Agent赛道最火的不是OpenClaw，而是Hermes Agent（爱马仕）。 第一部分：准备工作（10分钟）1.1 选择部署方式Hermes Agent不依赖本地电脑，推荐部署在云服务器上，实现7×24小时在线。 ）免费★★★☆☆技术爱好者、本地测试 新手推荐：选择阿里云轻量应用服务器，预装Hermes Agent镜像，买完就能用，不用自己配环境。 第六部分：低成本运行技巧6.1 选择低成本模型 模型成本适用场景DeepSeek-V3极低日常对话、简单任务Qwen3.5-Plus中等内容创作、图片识别GLM-5中等代码生成、复杂推理 原因：Hermes Agent不支持原生Windows。解决方案：先安装WSL2，然后在WSL2中运行安装命令。或直接使用阿里云轻量应用服务器部署。坑2：2GB内存服务器卡顿现象：响应慢，甚至卡死。
98010编辑于 2026-04-22 - 来自专栏Hermes Agent 爱马仕
🔥🔥🐎Hermes Agent --教你本地部署：保姆级
Hermes Agent本地部署完全指南：从零到一，手把手教你“养马”（附完整案例） Hermes Agent（爱马仕）是2026年最火的AI智能体项目，GitHub星标突破6.6万，登顶全球编程应用榜首 关键词：Hermes Agent、爱马仕、本地部署、WSL2、AI智能体、自我进化、微信接入、模型配置标签：#HermesAgent #爱马仕 #本地部署 #AI智能体 #WSL2 #微信机器人 写在前面 优势说明数据隐私所有对话记录、记忆、技能文件存储在本地，不上传云端成本可控可接入本地Ollama模型，零API成本；或选择低成本API7×24小时运行部署在本地服务器或NAS上，全天候待命完全掌控可自由修改配置 x+硬件要求：内存：建议4GB+（仅运行Agent框架，不含本地模型）存储：10GB可用空间网络：需访问GitHub及LLM提供商API1.2 准备工作清单 项目说明是否必需Git版本控制工具 hermes setup，接入API或本地Ollama5分钟微信接入运行hermes gateway setup，扫码绑定5分钟实战体验让Hermes执行任务，观察自我进化15分钟总耗时：约45-60分钟
91710编辑于 2026-04-22 本地跑 Hermes + Qwen3.5-27B 全流程踩坑记录
本地跑Hermes+Qwen3.5-27B全流程踩坑记录（低配显卡也行）用集成显卡的普通笔记本，通过OllamaCPU推理+WSL环境，搭建本地大模型Agent平台并打通toolcalling的完整实战记录 前言最近折腾了一把本地大模型Agent平台，目标很简单：在AMDAIMAX+64G内存（48G显存）上跑一个能真正执行工具的AIAgent，不依赖云端API，数据不出本机。 ，给同样在折腾本地Agent的朋友避坑。 3.finish_reason必须正确设置当有tool_calls时，finish_reason必须设为"tool_calls"（不是"stop"），否则Hermes不会触发工具执行逻辑。 希望这篇能帮到正在折腾本地大模型Agent的朋友。有问题欢迎评论区交流。
41810编辑于 2026-04-25Hermes Agent 三大进阶玩法：免费模型 + 美化界面 + 省 Token
方案一：先用Ollama把Hermes跑通这套方案适合什么场景想先用最短路径把HermesAgent跑起来想直接接本地模型或OllamaCloud不想一开始就手动改太多配置Hermes和Ollama现在已经有官方集成页 cloud模型）自动把Hermes指到Ollama本地接口可选地继续接消息网关，最后进入Hermes对话Ollama官方目前给Hermes推荐的模型里，cloud方向包括：kimi-k2.5:cloudglm 如果你要纯本地运行有些场景不适合云端模型，比如：数据不能离开内网希望完全离线不想引入额外API成本只是想先在自己机器上试清楚这时可以让Hermes直接接本地Ollama。 Hermes官方配置文档里，把Ollama归在“本地OpenAI兼容服务”这一类。 纯本地模式的硬件判断可以粗略这样看：场景建议配置轻量试用8GB内存起步，先跑小模型日常开发16GB以上更稳更大模型/更长上下文优先看显存和内存，而不是只看CPU如果你是AppleSilicon，Ollama
62441编辑于 2026-04-27- 来自专栏百科知识
什么是 Hermes Agent？Hermes Agent 详细介绍：2026 年最值得关注的开源自进化 AI 智能体
、GLM-4本地模型：通过Ollama运行Llama、Mistral等开源模型可以为不同类型的任务指定不同模型，实现成本和效果的最优平衡。 /hermes-agent.org/install.sh|bashhermesinithermesstart支持macOS12+、Ubuntu20.04+、WindowsWSL2，需要Python3.11 Docker部署展开代码语言：BashAI代码解释dockerrun-d--namehermes-agent\--restartunless-stopped\-v~/.hermes:/root/.hermes \-p3000:3000\nousresearch/hermes-agent:latest纯本地运行（Ollama+零API成本）展开代码语言：BashAI代码解释ollamapullqwen2.5:7b ：https://github.com/nousresearch-hermes-agent/hermes-agent中文社区：https://hermesagent.org.cn中文文档：https:/
4K20编辑于 2026-04-15 Hermes Agent 本地安装保姆级教程：MacLinuxWindows 全平台覆盖
Node.js18+：展开代码语言：BashAI代码解释brewinstallpython@3.12node步骤2：一键安装HermesAgent展开代码语言：BashAI代码解释curl-fsSLhttps://hermes-agent.org /install.sh|bash步骤3-4：同上展开代码语言：BashAI代码解释hermesinithermesstart验证安装展开代码语言：BashAI代码解释hermes--version#查看版本 hermesstatus#检查运行状态hermeschat#进入交互式对话升级到云端本地安装适合体验和开发场景。 建议先用curl-fsSLhttps://hermes-agent.org/install.sh|less审查脚本内容。Q2：安装后配置文件在哪里？ A：所有配置和数据存储在~/.hermes/目录下，包括config.yaml、记忆数据库、技能文件等。Q3：可以同时安装多个HermesAgent实例吗？A：同一台机器上通常只运行一个实例。
6.3K20编辑于 2026-04-15Hermes Agent 开发者指南：设置、架构、技能与自我改进的 AI
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。 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。 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）。 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 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
84110编辑于 2026-04-22- 来自专栏前沿技术解读
Hermes vs OpenClaw 全面对比：谁更适合做企业级AI智能体？（附真实应用场景拆解）
2026年3月底推出的"TaskBrain"进一步强化了这个中心化设计，把ACP（AgentControlProtocol）、子Agent、Cron任务、后台CLI进程全部统一到一个SQLiteLedger 记忆与学习——Hermes结构性领先。OpenClaw的记忆实现比较朴素：每个Assistant在工作区维护MEMORY.md和按日期组织的记忆文件，本质是纯文本持久化。 OpenClaw支持Claude、GPT、Gemini、DeepSeek及本地模型（通过Ollama）。 微软建议不要在标准个人或企业工作站上运行OpenClaw。Hermes截至2026年4月，零Agent相关CVE。 Hermes可以配合Ollama和本地模型实现完全气隙部署，不依赖任何云端API。零CVE的安全记录对合规审计也是加分项。
1.2K52编辑于 2026-04-23 AI Agent 入门科普｜OpenClaw 与 Hermes 这类“能动手的 AI”到底是什么，又该怎么选？
OpenClawvs☤Hermes：两种“能动手的AI”，两条路线如果把Agent当成“数字员工”，那OpenClaw更像坐在你电脑旁、随叫随到的本地助理：它强调“接入你常用的聊天入口、把能力变成可安装的技能 Hermes则更像能长期在服务器上跑、越用越顺手的工程队友：它强调“长期运行、定时任务、强隔离的沙箱执行，以及会把成功经验沉淀成技能文档，让自己越来越熟练”。 provider（如ollama/lmstudio）可接自建endpoint/多provider（更偏环境可迁移）差别为什么会“越用越明显”（三句话抓重点）记忆：OpenClaw更像“本地笔记本”；Hermes 3)哪个更省token？取决于用法。总原则：长期信息放进记忆/技能，一次性细节别反复塞对话。OpenClaw强调技能列表开销可控；Hermes强调技能按需加载与记忆冻结快照。 ｜https://hermes-agent.nousresearch.com/docs/user-guide/features/skills｜https://hermes-agent.nousresearch.com
31400编辑于 2026-04-24Hermes Agent Docker 部署完整指南：5分钟搞定云端 AI 智能体
HermesAgent展开代码语言：BashAI代码解释dockerrun-d\--namehermes-agent\--restartunless-stopped\-v~/.hermes:/root/ .hermes\-p3000:3000\-eHERMES_MODEL_PROVIDER=deepseek\-eHERMES_API_KEY=your-api-key\nousresearch/hermes-agent ：展开代码语言：YAMLAI代码解释version:'3.8'services:hermes-agent:image:nousresearch/hermes-agent:latestcontainer_name -20260413.tar.gz-C/日志管理展开代码语言：BashAI代码解释#查看实时日志dockerlogs-fhermes-agent#查看最近100行dockerlogs--tail100hermes-agent Q3：如何在Docker内使用Ollama本地模型？A：可以在同一台服务器上运行Ollama容器，通过Docker网络让HermesAgent容器访问。
4.2K30编辑于 2026-04-15- 来自专栏运维开发王义杰
Ollama：本地运行大型语言模型的轻量级框架
Ollama是一个轻量级、可扩展的框架，用于在本地机器上构建和运行大型语言模型（LLM）。它提供了一个简单的API来创建、运行和管理模型，以及一个预构建模型库，可以轻松用于各种应用程序。 Ollama的出现，使得在本地运行大型语言模型变得更加容易和方便。这对于以下用户群体来说非常有价值： 研究人员: Ollama可以帮助研究人员快速原型化和测试新的LLM模型。 代码生成: Ollama可以用于生成代码，例如Python代码、JavaScript代码等。 Ollama是一个非常有用的项目，它为本地运行大型语言模型提供了一个简单、轻量级和可扩展的解决方案。 性能: Ollama运行速度快，占用资源少，即使在低配机器上也能流畅运行。 功能: Ollama支持多种模型架构和任务，可以满足用户的各种需求。 以下是一些值得期待的未来发展方向： 支持更多模型架构: Ollama将支持更多流行的模型架构，例如Transformer、GPT-3等。
6.2K10编辑于 2024-02-26 - 来自专栏AI大流行时代
Ollama系列：轻松3步本地部署deepseek
本文主要介绍如何通过ollama快速部署deepseek、qwq、llama3、gemma3等大模型，网速好的小伙伴10分钟就能搞定。让你摆脱GPU焦虑，在普通电脑上面玩转大模型。 ollama run deepseek-r1:1.5b下载完成后，ollama会为我们运行刚下载的大模型。下面是我运行成功的截图：第三步：使用大模型恭喜你已经在本地成功安装了第一个私有大模型。 内容讲解（干货）ollama是什么？Ollama 是一款开源工具，能让你在个人电脑上本地运行各种大语言模型（如 DeepSeek、QwQ等）。 总结本文介绍了如何使用ollama本地部署DeepSeek等大模型，通过干货分享了ollama常用的指令，以及如何获取更多大模型。但是我们目前仍然只是在命令行使用大模型，非常的不友好。 下一章我们将介绍如何摆脱命令行的束缚，将ollama集成到本地的AI工具中，实现聊天、自定义智能体等功能。
1K10编辑于 2025-03-15 - 来自专栏云云众生s
使用Ollama和Llama 2设置和运行本地LLM
上周我发表了关于摆脱云端的文章，本周我将关注在我的 Mac 本地运行开源 LLM。 除了不必支付他人服务器的运行成本外，你还可以在不担心安全问题的情况下运行对私有数据的查询。 为此，我使用的是 Ollama。这是“一个允许你在本地机器上运行开源大型语言模型 (LLM) 的工具”。 如果你正在寻找作为测试工作流一部分的 LLM，那么 Ollama 就是适合的选择： @patrickdubois 的 GenAI 测试演示 对于测试来说，从 Ollama 控制的本地 LLM 是很好的自包含系统 但它确实运行了，只是非常缓慢。 你可以看到，已经有了一个内置终端，所以我进行了一个快速的测试查询： 这并不快，但模型显然还在运行。 Ollama 将自己设置为本地服务器，端口为 11434。我们可以通过一个快速的 curl 命令来检查 API 是否响应。
1.2K20编辑于 2024-03-28 - 来自专栏翩翩白衣少年
6行代码搞定AI Agent记忆！这个16K Star的开源项目打破了传统RAG痛点！
目前这个项目在GitHub上已经有 16K Star，支持 CLI 和本地 UI，还能兼容 Ollama 本地模型，对于想给 Agent 搭建记忆系统的开发者来说，简直是雪中送炭。 # 忘记所有信息 cognee-cli forget --all 如果你想打开本地UI，只需要运行： cognee-cli -ui Cognee已经和多个流行的AI Agent框架集成好了，让我们看看几个例子 /cognee-integrations/integrations/claude-code 或者，你也可以连接到Cognee Cloud而不是本地运行： export COGNEE_SERVICE_URL Hermes Agent集成 你可以在Hermes Agent中启用Cognee作为记忆提供者，实现会话感知的知识图谱记忆和自动路由回忆。 # 开始聊天——会话记忆和图持久化都是自动的 或者运行hermes memory setup并选择Cognee。
19510编辑于 2026-04-22 - 来自专栏大模型系列
Windows 下部署与配置 Hermes Agent 完全指南：AI 智能体、OpenRouter、LLM、本地大模型、WSL2、自动化、自进化 AI
为什么你需要在Windows上运行HermesAgent？ 步骤2：执行官方安装脚本展开代码语言：PowerShellAI代码解释irmhttps://raw.githubusercontent.com/NousResearch/hermes-agent/main /scripts/install.ps1|iex脚本会自动：安装Python3.10+、Git、Node.js、ripgrep克隆仓库到%LOCALAPPDATA%\hermes\hermes-agent /NousResearch/hermes-agent/main/scripts/install.sh|bashsource~/.bashrchermessetup浏览器自动化配置（WSL2专用）编辑~/ （本地运行Llama3.1/Mistral等）#provider:ollama#model_name:"llama3.1:8b"#base_url:"http://localhost:11434"2.工具启用
3.4K190编辑于 2026-04-15 - 来自专栏架构驿站
一文读懂如何基于Ollama在本地运行LLM
无论是本地部署还是云端服务，Ollama的简洁设计和完备功能确保了LLM的无缝集成和高效运行。用户可以轻松调用各种计算资源，如GPU加速等，充分释放模型的算力潜能。 通过本地化运行和数据加密等策略，确保了对话内容和用户数据的完全保密，有效回应了人们对数据安全日益增长的忧虑。在一些涉及敏感信息或隐私法规的领域，Ollama无疑是LLM部署的最佳选择。 Ollama 开源项目独有的优势 运行Ollama的优势众多，它是一个备受欢迎的开源项目，提供了在本地部署和运行大型语言模型的能力。 3、灵活的部署选项 Ollama提供了便捷的docker容器，使我们可以在本地运行LLM，而无需担心繁琐的安装过程。 本地运行 Ollama 基本操作步骤 1.
85610编辑于 2024-11-01 - 来自专栏大模型系列
Windows 本地部署 Hermes Agent！完整安装教程 + 飞书接入，全程避坑
在Ubuntu终端中粘贴并运行：展开代码语言：BashAI代码解释curl-fsSLhttps://raw.githubusercontent.com/NousResearch/hermes-agent 命令添加到你的PATH步骤3：重载Shell并验证安装安装完成后，为了让hermes命令生效，需要重载你的Shell配置：展开代码语言：BashAI代码解释#对于Bash用户source~/.bashrc 选择一个默认模型（如gpt-4o,claude-3-5-sonnet-20241022）。配置完成后，你可以通过hermes命令直接与Agent对话，测试其基本功能。 权限问题：不要在WSL2中使用sudo来运行hermes命令，这可能导致权限混乱。始终以普通用户身份运行。 步骤3：获取凭证在“凭证与基础信息”页面，记下：AppIDAppSecret步骤4：在WSL2中配置HermesGateway回到你的WSL2Ubuntu终端，运行gateway配置命令：展开代码语言：
10.7K22编辑于 2026-04-13 GitHub 热榜变化：AI 开发的下一条主线开始从“会调用”转向“会组织”
stars today •中文摘要：展示端侧机器学习与生成式 AI 用例的示例集，强调模型本地运行与 on-device ML/GenAI 体验。 NousResearch / hermes-agent •链接：https://github.com/NousResearch/hermes-agent[8] •Star：27,317 •新增 stars •中文摘要：本地运行 Kimi、GLM、DeepSeek、Qwen、Gemma 等模型的主流基础设施，依然是本地 AI 生态的核心入口之一。 NousResearch / hermes-agent •链接：https://github.com/NousResearch/hermes-agent[23] •Star：27,317 •新增 stars NousResearch / hermes-agent •链接：https://github.com/NousResearch/hermes-agent[33] •Star：27,317 •新增 stars
37310编辑于 2026-04-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号