(来源:磐创AI)
开源项目观察Hermes Agent:唯一能自我进化的 AI 代理27.3k stars 的开源项目,它会”长大”
大多数 AI Agent 的能力是固定的。
你用它,它帮你完成任务。仅此而已。
但 Hermes Agent 不一样——它会从经验中学习,创建新技能,改进旧技能,建立对你的深度理解。
官方定位是:”The agent that grows with you”。
核心特点
1. 自我学习闭环
这是 Hermes Agent 最独特的功能:
- 自动创建技能:完成复杂任务后,自动生成可复用的技能
- 技能自我改进:使用中不断优化技能表现
- 记忆持久化:定期提醒自己保存重要信息
- 跨会话搜索:搜索历史对话,LLM 总结关键内容
- 用户建模:使用 Honcho 对话式建模,理解”你是谁”
这不是简单的”记住上次对话”,而是真正的持续学习和进化。
2. 跨平台支持
一个 Agent,多个入口:
- CLI:完整的终端界面
- Telegram:语音转文字,跨平台对话
- Discord
- Slack
- Signal
只需要运行一个 gateway 进程,就可以从任何平台访问。
3. 多模型支持
不绑定任何模型提供商:
- Nous Portal
- OpenRouter(200+ 模型)
- z.ai/GLM
- Kimi/Moonshot
- MiniMax
- OpenAI
- Anthropic
- 自定义端点
切换模型只需一行命令:hermes model,无需改代码。
4. 灵活部署
六种终端后端:
- 本地:直接在笔记本运行
- Docker:容器化部署
- SSH:远程服务器
- Daytona:无服务器持久化
- Singularity
- Modal:无服务器,空闲时几乎零成本
可以在 5 美元的 VPS 上运行,也可以在 GPU 集群上运行。Daytona 和 Modal 支持按需唤醒——空闲时环境休眠,收到消息时自动唤醒,按使用计费。
5. 定时任务
内置 cron 调度器:
- 日报、周报自动生成
- 定期备份
- 自动审计
全部用自然语言配置,无人值守运行。
与 OpenClaw 的关系
Hermes Agent 来自 Nous Research,而 OpenClaw 是之前流行的开源 Agent。
支持从 OpenClaw 迁移:
hermes claw migrate
自动导入:
- SOUL.md(人设文件)
- 记忆(MEMORY.md、USER.md)
- 技能
- 命令白名单
- API keys
- 平台配置
这是官方支持的迁移路径。
安装与使用
一键安装
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
支持 Linux、macOS、WSL2。安装脚本处理所有依赖——Python、Node.js、hermes 命令。
基本命令
hermes # 启动交互式 CLIhermes model # 选择 LLM 提供商和模型hermes tools # 配置启用的工具hermes config set # 设置配置值hermes gateway # 启动消息网关(Telegram、Discord 等)hermes setup # 运行完整设置向导hermes update # 更新到最新版本
常用命令
| 功能 | CLI | 消息平台 |
|---|---|---|
| 新对话 | /new | /new |
| 切换模型 | /model provider:model | /model provider:model |
| 设置人设 | /personality name | /personality name |
| 重试上一轮 | /retry | /retry |
| 压缩上下文 | /compress | /compress |
| 查看技能 | /skills | /skills |
| 中断工作 | Ctrl+C | /stop |
技能系统
技能 = 从经验中提取的可复用能力。
- 完成复杂任务后,Hermes 自动创建技能
- 技能随使用不断改进
- 兼容 agentskills.io 开放标准
- 社区技能中心:Skills Hub
这意味着:用得越多,它越懂你。
安全与隔离
-
- 命令审批:敏感操作需确认
- DM 配对:消息平台的安全验证
- 容器隔离:Docker 沙箱执行
架构亮点
Agent Loop
核心循环:
- 用户输入
- 模型生成响应
- 工具调用
- 结果反馈
- 上下文更新
- 记忆持久化
子代理委托
可以生成隔离的子代理,并行处理多个工作流。支持 RPC 调用,将多步管道压缩为零上下文成本的轮次。
研究导向
-
- 批量轨迹生成
- Atropos RL 环境
- 轨迹压缩:用于训练下一代工具调用模型
文档资源
完整文档:hermes-agent.nousresearch.com/docs
| 板块 | 内容 |
|---|---|
| Quickstart | 2 分钟安装到第一次对话 |
| CLI Usage | 命令、快捷键、人设、会话 |
| Configuration | 配置文件、提供商、模型 |
| Messaging Gateway | Telegram、Discord、Slack 等集成 |
| Tools & Toolsets | 40+ 工具、工具集系统 |
| Skills System | 技能创建、技能中心 |
| Memory | 持久记忆、用户画像 |
| MCP Integration | 连接任何 MCP 服务器 |
| Cron Scheduling | 定时任务与平台投递 |
为什么值得关注
Hermes Agent 代表了一个新方向:AI Agent 不再是工具,而是持续进化的伙伴。
关键创新:
- 自我学习闭环:用得越多,能力越强
- 跨平台统一:CLI + 消息平台,一个 Agent
- 灵活部署:从笔记本到 GPU 集群
- 模型无关:不绑定任何提供商
- 研究友好:RL 环境、轨迹生成、模型训练
MIT 开源,27.3k stars,3321 次提交——这是一个活跃且成熟的项目。
- GitHub:https://github.com/NousResearch/hermes-agent
- 文档:https://hermes-agent.nousresearch.com/docs/
- Discord:https://discord.gg/NousResearch
- Skills Hub:https://agentskills.io
本文来自投稿,不代表发现AI立场,如若转载,请注明原作者出处