Hermes Agent 是 Nous Research 在 2026 年 2 月开源的 AI 智能体框架，MIT 协议，发布四个月 GitHub 星数已超过 18 万。它和普通聊天助手的区别在于带一套学习闭环：用得越久，积累的记忆和技能越多，能力越强。本文基于官方文档和海外开发者 Parvez Mohammed 的实操教程，讲清它是什么、核心机制、安装步骤和进阶玩法。
Hermes Agent 是什么
它是一个跑在自己电脑或服务器上的智能体运行时：接入任意大模型（Anthropic、OpenAI、DeepSeek、Ollama 本地模型等都支持），通过消息网关连到你已经在用的聊天平台，然后替你执行任务。网关覆盖 Telegram、Discord、Slack、WhatsApp、邮件，也包括飞书、钉钉、企业微信，这一点对国内用户比较友好。执行后端支持本地 Shell、Docker、SSH 等，通过配置切换。
核心机制：记忆、技能与自我进化
Hermes 的记忆分三层，不是一个大黑盒：
图：Hermes 的三层记忆体系（据官方文档整理重绘）
第一层是两个小 Markdown 文件：MEMORY.md 记环境、约定和踩过的坑，USER.md 记用户偏好，每次会话开始注入提示词；快写满时智能体会自动做合并整理。第二层是 SQLite 数据库 state.db，存全部历史对话，可全文检索。第三层是八种可插拔的外部记忆插件，作为补充。
技能系统是它自我进化的核心。完成复杂任务、纠错或学到新流程后，智能体会调用 skill_manage 把过程沉淀成技能文件；后台的 Curator 定期修剪这些自建技能（30 天没用标过期、90 天归档）；更进一步的 GEPA 用执行记录离线验证技能改进方案，只提交 PR 不直接改，单次成本约 2-10 美元，不需要 GPU。
图：技能从沉淀到验证的闭环（据原文流程图重绘）
怎么装、怎么用
前置要求：Python 3.11 以上，8GB 内存，一个模型 API key 或本地模型端点，模型上下文至少 64K。安装到上手四步：
- 安装：终端执行
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash，Windows 用官方 Desktop 安装包； - 初始化：跑
hermes setup向导，用hermes model选模型和提供商； - 对话：输入
hermes进入命令行会话，hermes --continue恢复上次会话； - 接聊天平台：
hermes gateway setup，以 Telegram 为例，找 BotFather 建个机器人拿到 token 填入即可，手机上就能使唤它。
身份设定写在 ~/.hermes/SOUL.md 里，这个文件决定智能体”是谁”，在提示词里排第一位，记忆和技能都在这个身份之下积累。
进阶：一台机器跑多个智能体
Hermes 的 Profile 机制可以在一台机器上建多个完全隔离的智能体，各有各的配置、记忆、技能和聊天机器人。教程里的示范是 hermes profile create 建出设计师、程序员、研究员三个角色：程序员档案把具体的改代码、跑测试委托给 Claude Code 执行，自己只做调度；研究员档案挂上 MCP 文件系统服务器读代码库，再配一个工作日定时任务，每天定点把研究摘要推到 Telegram。需要图形界面的话，装上 web 扩展后 hermes dashboard 会在本机 9119 端口开一个配置面板，功能和命令行一一对应。
官网地址与使用提示
官网与文档：hermes-agent.nousresearch.com；源码：github.com/nousresearch/hermes-agent。两点提示：一是它本身免费，但模型调用要花钱，国内用户可以接 DeepSeek 的 API 或用 Ollama 跑本地模型，零门槛试起来；二是给智能体开 Shell 执行权限有安全风险，生产环境建议把执行后端切到 Docker 隔离。想看更多开源智能体项目，可以参考我们之前介绍过的 Craft-Agent 深度研究智能体。
本文核心信息来自 Hermes Agent 官方文档及 Towards Dev 上 Parvez Mohammed 的教程，安装命令和参数以官方文档为准。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
