Hermes Agent 从入门到精通

Cara xu

487人浏览 · 2026-06-30 13:34:39

Cara xu · 2026-06-30 13:34:39 发布

版本信息：基于 Hermes Agent 2026年6月最新版本 | 作者：Nous Research | License：MIT
定位：自托管、有持久记忆、能自动构建技能的开源 AI 智能体

快速入门：认识 Hermes Agent
基础使用：日常操作指南
核心机制：学习闭环详解
记忆系统：从文件到辩证推理
技能系统：自动成长的核心引擎
多平台网关：一处部署处处可达
架构深入：从源码理解设计
生态与集成：MCP、Honcho 与 Nous Portal
竞品对比：Hermes vs OpenClaw vs Claude Code
生产部署：从开发到上线
精通之路：插件开发与贡献
资源汇总

一、快速入门：认识 Hermes Agent

1.1 它是什么？

Hermes Agent 是 Nous Research 于 2026 年 2 月发布的开源自主 AI 智能体。一句话概括：

它不是你 IDE 里的代码补全工具，也不是套壳聊天机器人——它是一个住在你服务器上的、越用越聪明的私人 AI 助手。

核心差异化能力：

能力	说明
持久记忆	跨会话记住你的偏好、项目和环境，不需要每次重新解释
自动技能创建	解决难题后自动写 SKILL.md，保存解决方法，下次直接复用
技能自我改进	技能在使用中不断优化，越用越好
多平台可达	同时连接 Telegram、Discord、Slack、WhatsApp、CLI 等
定时自动化	内置 cron，日报、备份、审计等定时任务无人值守执行
18+ 模型提供商	不锁定任何模型生态，一条命令随时切换

1.2 一分钟安装

# Linux / macOS / WSL2
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

# Windows (PowerShell)
iex (irm https://hermes-agent.nousresearch.com/install.ps1)

安装程序会自动处理：uv 包管理器 → Python 3.11 → 克隆仓库 → 初始配置。无需 sudo，无前置依赖。

安装完成后：

source ~/.bashrc    # 或 source ~/.zshrc
hermes setup        # 交互式配置向导（选择模型、设置偏好）
hermes model        # 选择 LLM 提供商和模型
hermes              # 开始第一次对话！

1.3 运行成本

方案	月成本	说明
本地运行	¥0	用自己的电脑，适合尝鲜和开发
$5 VPS	~¥35	轻量云服务器，够用
Serverless (Daytona/Modal)	近乎 ¥0	空闲时休眠，按需唤醒
Nous Portal 订阅	¥50-150	一站式（模型 + 搜索 + 生图 + TTS + 浏览器）

二、基础使用：日常操作指南

2.1 CLI 核心命令

hermes                  # 进入交互式对话
hermes model            # 切换模型
hermes tools            # 配置启用的工具
hermes config set       # 设置单个配置项
hermes setup            # 运行完整设置向导
hermes update           # 更新到最新版本
hermes doctor           # 诊断问题

2.2 对话中的斜杠命令

命令	作用
`/new` 或 `/reset`	开始新会话
`/model [provider:model]`	切换模型
`/personality [name]`	切换人格
`/retry`	重试上次回答
`/undo`	撤销上次操作
`/compress`	压缩上下文（释放 token 空间）
`/usage`	查看 token 使用情况
`/insights`	查看会话洞察
`/skills`	浏览可用技能
`/<skill-name>`	直接调用某个技能

2.3 模型切换

Hermes 的模型切换极为简便，一条命令搞定：

# 切换到不同提供商
hermes model openai:gpt-4o
hermes model anthropic:claude-sonnet-4-20250514
hermes model deepseek:deepseek-chat
hermes model openrouter:google/gemini-2.5-pro-preview

# 使用本地模型
hermes model ollama:llama3

支持的提供商（18+）：

国际：OpenAI、Anthropic、Google (via OpenRouter)、Meta (via OpenRouter)
国内：DeepSeek、Kimi/Moonshot、阿里云/Qwen、MiniMax、z.ai/GLM、小米 MiMo
开放平台：OpenRouter (200+ 模型)、Hugging Face、NVIDIA NIM
本地：Ollama、vLLM、任意 OpenAI 兼容端点
一站式：Nous Portal（原生 OAuth，300+ 模型）

2.4 上下文文件（影响每次对话）

Hermes 在每次对话中会自动注入以下上下文文件，你可以手动编辑它们来塑造 Agent 的行为：

文件	作用	位置
`SOUL.md`	Agent 的性格和核心准则	`~/.hermes/`
`MEMORY.md`	长期记忆，跨会话保持	`~/.hermes/`
`USER.md`	关于你的信息（偏好、习惯）	`~/.hermes/`
`AGENTS.md` / `.hermes.md`	项目级上下文指令	项目根目录

三、核心机制：学习闭环详解

这是 Hermes 最与众不同的系统。它不只是「调用 API 然后回复」，而是通过一个完整的学习循环，让 Agent 越用越聪明。

3.1 四层学习循环

┌──────────────────────────────────────────────────────┐
│                   Hermes 学习闭环                      │
│                                                      │
│  ┌─────────┐    ┌──────────┐    ┌───────────┐        │
│  │ 记忆管理 │───→│ 技能创建  │───→│ 技能改进  │        │
│  │         │    │          │    │           │        │
│  │ 持久化  │    │ 从经验   │    │ 使用中    │        │
│  │ 关键信息 │    │ 提取技能  │    │ 持续优化  │        │
│  └────┬────┘    └────┬─────┘    └─────┬─────┘        │
│       │              │                │              │
│       └──────────────┴────────────────┘              │
│                      │                               │
│                      ▼                               │
│            ┌─────────────────┐                       │
│            │  跨会话回溯      │                       │
│            │  FTS5 + LLM摘要  │                       │
│            │  → 精准检索历史   │                       │
│            └─────────────────┘                       │
└──────────────────────────────────────────────────────┘

3.2 各层详解

第一层：记忆管理

Agent 主动管理 MEMORY.md 和 USER.md
接近上限时自动：合并相似条目 → 删除过时信息 → 压缩多条为一条
记忆硬上限约 1300 tokens（MEMORY.md ≈ 800t + USER.md ≈ 500t）
精准少量记忆 > 模糊大量记忆

第二层：自动技能创建

触发条件：完成 5 次以上工具调用的复杂任务后
自动评估是否值得沉淀 → 写入 SKILL.md
技能内容包含：步骤、踩坑记录、验证方法
兼容 agentskills.io 开放标准，可分享可移植

第三层：技能自我改进

技能在被调用时自动评估效果
发现更好的方法时更新技能内容
实测数据：使用一个月后，同类任务的平均工具调用次数从 25 次降至 8-10 次（模型不变，全靠经验积累）

第四层：跨会话回溯

底层：SQLite + FTS5 全文搜索引擎
上层：LLM 摘要索引
结合 Honcho 辩证式用户建模（见后文）
可以搜索所有历史对话中的关键信息

3.3 自检机制

每 15 次工具调用后，Agent 自动暂停自检：

回顾最近的工具使用模式
识别可优化的重复操作
触发技能创建/更新

四、记忆系统：从文件到辩证推理

4.1 内置记忆系统

Hermes 内置了三层记忆文件：

层级	文件	内容
Agent 人格	`SOUL.md`	行为准则、风格偏好
长期记忆	`MEMORY.md`	项目信息、决策记录、经验
用户画像	`USER.md`	用户偏好、习惯、目标

所有记忆存储在 ~/.hermes/ 目录下，完全本地化，零遥测。

4.2 Honcho：AI 原生记忆后端

Honcho 是由 Plastic Labs 开发的记忆后端，作为 Hermes 的 Memory Provider 插件集成。它在内置记忆基础上增加了：

辩证推理 (Dialectic Reasoning)

不是简单的「记下来」，而是思考你这个人：

每一轮对话后 →
  Honcho 分析交流内容 →
  推导关于你偏好、习惯、目标的洞察 →
  随着对话积累，理解不断加深 →
  超越你明确表述的内容

双层上下文注入

每轮对话中，Honcho 组装两层上下文注入到系统 prompt：

基础层（你是谁）— 会话摘要、用户画像、AI 自我认知
辩证层（什么最重要）— LLM 推理你对当前任务的需求和状态

冷启动 vs 热启动

状态	策略
冷启动	通用查询：「这个人是谁？偏好、目标、工作方式？」
热启动	会话级查询：「结合当前讨论，什么上下文最相关？」

安装配置

hermes memory setup     # 选择 "honcho"
# 在 honcho.dev 获取 API Key
echo 'HONCHO_API_KEY=***' >> ~/.hermes/.env

关键配置参数

参数	默认值	说明
`contextCadence`	1	基础上下文刷新频率（轮）
`dialecticCadence`	2	辩证推理频率（轮，推荐 1-5）
`dialecticDepth`	1	每次辩证的推理轮数（1-3）
`contextTokens`	null	上下文注入 token 预算
`recallMode`	hybrid	hybrid / context / tools
`sessionStrategy`	per-directory	会话与工作目录的映射策略

观察模式

预设	行为
`directional`（默认）	完全互相观察，双方向辩证推理
`unified`	共享池语义，单一观察者

五、技能系统：自动成长的核心引擎

5.1 技能是什么？

技能（Skills）是 Hermes 的过程记忆——把「做过的事」变成「可复用的方法」。每个技能是一个 SKILL.md 文件，包含：

触发条件（什么时候用这个技能）
执行步骤（怎么做）
注意事项（踩过的坑）
验证方法（怎么确认做对了）

5.2 技能的三种来源

来源	说明	例子
内置技能（40+）	出厂自带，始终可用	MLOps、GitHub、图表、笔记
自动创建	Agent 完成任务后自动生成	部署流程、数据处理模板
社区安装	从 agentskills.io 下载	各行业专用技能

5.3 技能生命周期

使用 Hermes 完成复杂任务
        │
        ▼
  自动评估（≥5 次工具调用触发）
        │
        ▼
  沉淀经验 → 创建 SKILL.md
        │
        ▼
  后续调用该技能 → 自动评估效果
        │
        ▼
  发现优化空间 → 自动更新技能
        │
        ▼
  技能越用越精准

5.4 技能管理命令

hermes skills              # 查看已安装的技能
hermes skills install X    # 安装技能
hermes skills enable X     # 启用技能（可按平台粒度）
hermes skills disable X    # 禁用技能
hermes skills hub          # 浏览技能中心

5.5 官方可选技能

optional-skills/ 目录下的官方可选技能（需显式安装）：

高级文档处理
专业数据分析
多媒体生成
更多场景专用技能…

六、多平台网关：一处部署，处处可达

6.1 支持的平台

Hermes 通过单一 gateway 进程连接 20 个消息平台：

类别	平台
国际 IM	Telegram、Discord、Slack、WhatsApp、Signal、Matrix、Mattermost
国内 IM	钉钉、飞书、企业微信、微信、QQ Bot
传统	Email、SMS
智能家居	HomeAssistant
开发	CLI、Webhook、API Server
其他	BlueBubbles、Yuanbao

6.2 网关配置

# 引导式连接各平台
hermes gateway setup

# 启动消息网关
hermes gateway

# 安装为 systemd 服务（后台常驻）
hermes gateway install

6.3 跨平台连续性

在 Telegram 开始对话 → 在终端继续 → 在 Discord 查看结果。所有平台共享同一个会话历史和记忆。

6.4 安全机制

机制	说明
DM 配对	新用户需在 CLI 授权后才能通过消息平台交互
命令审批	危险操作需要用户确认
白名单	可配置允许的用户列表
容器隔离	Docker 后端提供沙箱执行
工具粒度控制	可按平台禁用特定工具

七、架构深入：从源码理解设计

7.1 系统总览

┌──────────────────────────────────────────────────────────────┐
│                      入口点 (Entry Points)                    │
│  CLI  │  Gateway  │  ACP (IDE)  │  Cron  │  Batch  │  API   │
└────────────────────────┬─────────────────────────────────────┘
                         │
                         ▼
┌──────────────────────────────────────────────────────────────┐
│                   AIAgent (run_agent.py)                      │
│                                                              │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐        │
│  │ Prompt       │  │ Provider     │  │ Tool         │        │
│  │ Builder      │  │ Resolution   │  │ Dispatch     │        │
│  └──────────────┘  └──────────────┘  └──────────────┘        │
│                                                              │
│  3 种 API 模式：chat_completions / codex_responses /         │
│                 anthropic_messages                           │
└──────────┬────────────────────────────────────┬──────────────┘
           │                                    │
           ▼                                    ▼
┌──────────────────────┐          ┌──────────────────────────┐
│  Session Storage     │          │  Tool Backends           │
│  SQLite + FTS5       │          │  Terminal (7 后端)        │
│  hermes_state.py     │          │  Browser (5 后端)         │
└──────────────────────┘          │  Web / File / MCP ...    │
                                  └──────────────────────────┘

7.2 目录结构

hermes-agent/
├── run_agent.py              # AIAgent 核心对话循环
├── cli.py                    # HermesCLI 交互式终端 UI
├── model_tools.py            # 工具发现、schema 收集、分发
├── toolsets.py               # 工具分组与平台预设
├── hermes_state.py           # SQLite + FTS5 会话数据库
├── hermes_constants.py       # 常量与路径
├── batch_runner.py           # 批量轨迹生成
├── agent/                    # Agent 内部模块
│   ├── prompt_builder.py     # 系统 prompt 组装
│   ├── context_compressor.py # 有损摘要压缩
│   ├── prompt_caching.py     # Anthropic prompt 缓存
│   ├── memory_manager.py     # 记忆管理器编排
│   ├── memory_provider.py    # 记忆提供者 ABC
│   └── skill_commands.py     # Skill 斜杠命令
├── hermes_cli/               # CLI 子命令
├── tools/                    # 70+ 工具实现
├── gateway/                  # 消息平台网关（20 适配器）
├── cron/                     # 调度器
├── skills/                   # 内置技能（40+）
├── optional-skills/          # 官方可选技能
├── plugins/                  # 插件系统
└── tests/                    # 3000+ 测试

7.3 Agent 循环（核心流程）

用户输入
    │
    ▼
prompt_builder.build_system_prompt()
    │  来源：SOUL.md + MEMORY.md + USER.md + Skills + 工具指引
    ▼
runtime_provider.resolve()
    │  确定 (api_mode, api_key, base_url)
    ▼
API 调用 → 响应
    │
    ├── 有 tool_calls？
    │   └── model_tools.handle_function_call() → 执行 → 继续循环
    │
    ├── 需要压缩？
    │   └── context_compressor 有损摘要
    │
    └── 最终响应 → 显示 → 保存至 SessionDB

7.4 设计原则

原则	含义
Prompt 稳定性	系统 prompt 在对话中途不变，避免缓存失效
可观测执行	每次工具调用对用户可见（CLI spinner / Gateway 状态更新）
可中断	API 调用和工具执行可在中途被用户取消
平台无关核心	同一个 AIAgent 服务所有入口点
松耦合	可选子系统使用注册表模式，无硬依赖
Profile 隔离	每个 profile 独立配置、记忆、会话、Gateway PID

7.5 终端后端（7 种）

后端	适用场景
Local	直接在当前机器执行
Docker	容器化隔离执行
SSH	远程服务器执行
Daytona	Serverless 持久化，空闲休眠按需唤醒
Modal	Serverless，几乎零成本空闲
Singularity	HPC 高性能计算环境
（实验性）	其他正在开发的后端

7.6 会话持久化

存储引擎：SQLite + FTS5 全文检索
关键特性：
- 会话血缘追踪（跨压缩的父/子关系）
- 按平台隔离
- 原子写入与竞争处理
核心文件：hermes_state.py、gateway/session.py

八、生态与集成：MCP、Honcho 与 Nous Portal

8.1 MCP 集成

Hermes 支持通过 Model Context Protocol (MCP) 连接外部系统：

# MCP 工具由 tools/mcp_tool.py 驱动
# 配置后即可在对话中调用任意 MCP 服务器提供的工具

MCP 让 Hermes 的能力边界可以无限扩展——任何实现了 MCP 协议的服务都可以接入。

8.2 Nous Portal：一站式订阅

不想为模型、搜索、生图、TTS、浏览器分别申请多个 API Key？

Nous Portal 用一个订阅覆盖全部：

服务	说明
300+ 模型	`/model <name>` 随时切换
网页搜索	Firecrawl 集成
图像生成	FAL 集成
文字转语音	OpenAI TTS
云浏览器	Browser Use 云实例

hermes setup --portal    # 快速设置

8.3 技能市场

agentskills.io — 官方技能中心
hermes-ai.net/skills — 社区技能导航
hermesatlas.com — 中文社区资源站
awesome-hermes-agent-zh — 中文资源合集

8.4 社区桥接

项目	说明
HermesClaw	社区微信桥接
企业微信回调	官方内置适配器
钉钉/飞书	官方内置适配器

九、竞品对比：Hermes vs OpenClaw vs Claude Code

9.1 定位差异

产品	一句话定位
Claude Code	坐在 IDE 里的顶级编码助手
OpenClaw	多渠道 AI 运营中枢（生态最大）
Hermes Agent	服务器上 7×24h 待命的自进化个人 Agent

9.2 核心差异对比

维度	Claude Code	OpenClaw	Hermes Agent
GitHub Stars	~140K	247K	27K
记忆策略	无持久记忆	全量持久化+向量检索	有限记忆+主动压缩
自学习机制	❌	❌	✅ 内置学习循环
技能来源	内置+用户编写	社区共建 13K+	自创（经验生成）
LLM 提供商	仅 Anthropic	多家（推荐自家）	18+
消息平台	0	22+	20
最低成本	本地环境	本地环境	$5/月 VPS
License	API 条款	闭源/开源混合	MIT

9.3 选型建议

选 Claude Code，如果你：

核心需求是写代码、改代码、跑测试
工作流在 IDE/终端内，不需要跨平台
追求最佳代码生成质量

选 OpenClaw，如果你：

需要多渠道运营（同时管理多个平台）
团队使用，需要共享 Agent 能力
偏好大而全的生态，要现成技能

选 Hermes Agent，如果你：

想要轻量、长期使用的个人 Agent
不想被锁死在某个模型生态
希望 Agent 越用越顺手（自学习）
预算有限（$5/月可跑）
对数据隐私有要求（MIT + 零遥测）

9.4 三者能否共存？

完全可以。 三者不存在冲突：

Claude Code = IDE 里的编码专家
OpenClaw = 多渠道运营中枢
Hermes Agent = 7×24h 私人助理

十、生产部署：从开发到上线

10.1 VPS 部署

# 最低配置：1 核 CPU、1GB RAM、10GB 硬盘
# 推荐：2 核、2GB RAM

# SSH 登录后一键安装
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

# 配置
hermes setup
hermes model openrouter:google/gemini-2.5-flash  # 选用性价比模型

# 安装为系统服务
hermes gateway install

10.2 Serverless 部署

# Daytona 后端（Serverless 持久化）
hermes config set terminal.backend daytona

# Modal 后端（几乎零闲置成本）
hermes config set terminal.backend modal

特点：空闲时自动休眠，收到消息时按需唤醒——不使用时几乎零成本。

10.3 Docker 部署

# Docker 后端提供容器隔离执行
hermes config set terminal.backend docker

安全加固：只读根目录、权限降级、PID 限制。

10.4 Profile 多实例管理

# 创建独立 profile
hermes -p work setup      # 工作 profile
hermes -p personal setup  # 个人 profile

# 每个 profile 拥有独立的：
# - 配置
# - 记忆
# - 会话历史
# - Gateway PID

# 可同时运行多个 profile

10.5 安全最佳实践

实践	说明
使用 Docker 后端	隔离执行环境
启用 DM 配对	防止未授权用户通过消息平台访问
配置命令审批	危险操作需要确认
按平台禁用工具	减少攻击面
定期备份 ~/.hermes/	保护记忆和技能
使用独立 profile	工作和个人分离

10.6 从 OpenClaw 迁移

hermes claw migrate              # 交互式迁移（完整预设）
hermes claw migrate --dry-run    # 预览将要迁移的内容
hermes claw migrate --preset user-data   # 仅迁移用户数据
hermes claw migrate --overwrite  # 覆盖已有冲突

可迁移内容：SOUL.md、MEMORY.md、USER.md、技能、命令白名单、消息平台配置、API 密钥、TTS 资产、工作区指令等。

十一、精通之路：插件开发与贡献

11.1 插件系统

插件发现来源：

~/.hermes/plugins/ — 用户级插件
.hermes/plugins/ — 项目级插件
pip entry point — 通过 pip 安装的插件

能力：通过上下文 API 注册工具、hook 和 CLI 命令。

11.2 自定义 Memory Provider

实现 agent/memory_provider.py 中的抽象基类：

# 实现自定义记忆后端
class MyMemoryProvider(MemoryProvider):
    def search(self, query: str) -> List[MemoryEntry]: ...
    def store(self, entry: MemoryEntry) -> None: ...
    def get_context(self) -> str: ...

放置到 ~/.hermes/plugins/memory/ 后即可在 hermes memory setup 中选择。

11.3 开发环境搭建

# 获取完整开发环境
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
cd "${HERMES_HOME:-$HOME/.hermes}/hermes-agent"

# 安装开发依赖
uv pip install -e ".[all,dev]"

# 运行测试（3000+ 测试用例）
scripts/run_tests.sh

11.4 添加新工具

工具注册采用导入时自动注册模式：

# tools/my_tool.py
from tools.registry import registry

@registry.register(
    name="my_tool",
    description="我的自定义工具"
)
def my_tool(param: str) -> str:
    """工具实现"""
    return f"处理结果: {param}"

将文件放入 tools/ 目录即可自动发现，无需手动维护导入列表。

11.5 轨迹生成与模型训练

Hermes 也是 AI 训练平台：

# 批量生成训练数据
hermes batch run --config batch_config.yaml

# 输出 ShareGPT 格式
# 可用于微调模型

功能	说明
批量处理	并行生成数千条工具调用轨迹，支持自动检查点
RL 训练	集成 Atropos 框架，11 种工具调用解析器
轨迹导出	ShareGPT 格式，支持压缩至 token 预算范围内

11.6 贡献指南

Fork GitHub 仓库
创建功能分支
编写代码 + 测试
提交 PR

社区渠道：

十二、资源汇总

官方资源

资源	链接
官网	hermes-agent.org
GitHub	github.com/NousResearch/hermes-agent
官方文档	hermes-agent.nousresearch.com/docs
Nous Portal	portal.nousresearch.com
技能中心	agentskills.io

中文社区

资源	链接
中文文档镜像	hermes-doc.aigc.green
中文社区	hermesagent.org.cn
Awesome List	hermesatlas.com
技能导航	hermes-ai.net/zh/skills
微信桥接	HermesClaw

学习路径推荐

第一阶段：入门（1-2 天）
  ├── 安装并运行 Hermes
  ├── 完成 3-5 次简单对话任务
  ├── 了解 MEMORY.md / USER.md 的作用
  └── 尝试 /skills 浏览内置技能

第二阶段：进阶（1 周）
  ├── 配置消息网关（Telegram / 微信）
  ├── 设置定时任务（日报 / 备份）
  ├── 安装 Honcho 记忆后端
  ├── 观察 Agent 自动创建技能的流程
  └── 尝试不同的模型提供商

第三阶段：高级（2 周）
  ├── 配置 Docker / Serverless 后端
  ├── 编写自定义工具
  ├── 开发 Memory Provider 插件
  ├── 使用多 Profile 管理
  └── 批量轨迹生成

第四阶段：精通（持续）
  ├── 贡献代码到主仓库
  ├── 发布社区技能到 agentskills.io
  ├── 搭建团队共享的 Hermes 实例
  ├── 自定义 Agent 循环逻辑
  └── 利用 Hermes 进行模型训练研究

附录：关键概念速查

概念	一句话解释
AIAgent	核心对话引擎，所有入口点的统一后端
Skill	可复用的过程记忆，自动从经验中生成
Memory Provider	可插拔的记忆后端（内置/Honcho/自定义）
Gateway	多平台消息网关，统一 20 个平台的接入
Profile	独立的 Agent 实例，拥有自己的配置和记忆
Terminal Backend	命令执行的环境（Local/Docker/SSH/Daytona/Modal 等）
Cron	内置定时任务调度器
MCP	Model Context Protocol，连接外部工具的开放协议
Nous Portal	一站式订阅服务（模型+搜索+生图+TTS+浏览器）
Honcho	AI 原生记忆后端，提供辩证推理和深度用户建模
FTS5	SQLite 全文搜索引擎，支撑会话历史检索
Context Compressor	有损摘要压缩器，控制 token 消耗

Hermes Agent 的核心哲学：一个好的 Agent 不应该只是一问一答的工具，而是一个会成长、会学习、会越来越懂你的长期伙伴。这也是它被社区称为「养马」的原因——你投入的时间越多，它就越有价值。

文档编制于 2026 年 6 月 30 日 | 基于 Hermes Agent 最新版本

AI Agent技术社区

Agent 垂直技术社区，欢迎活跃、内容共建。

更多推荐

AI Agent 对比和选型

AI Agent技术社区

2026企业微信AI Agent实测：7款技术方案对比

会话审计、敏感词管理、聊天质检、敏感行为识别、舆情、属性、词频及竞品分析覆盖服务风险；线索公海、客户、产品、商机、订单、回款、发票和业绩目标则连接销售全过程。快创助手负责快速建运营任务，策略生成把目标拆成方案，智能客服回答系统使用咨询，数据报表处理自然语言查数，AI洞察联合标签、订单和会话分析客户。我们设计了客户筛选、订单关联、销售交接、会话质检和异常恢复任务，配合技术访谈与行业公开资料复核。准备

AI Agent技术社区

如何构建 AI Agent Harness 2.0，让 AI Agent 比 99% 的开发者更工程化

AI Agent技术社区

所有评论(0)

查看更多评论

Cara xu

@weixin_47370723

已为社区贡献1条内容

Hermes Agent 从入门到精通

Cara xu

目录

一、快速入门：认识 Hermes Agent

1.1 它是什么？

1.2 一分钟安装

1.3 运行成本

二、基础使用：日常操作指南

2.1 CLI 核心命令

2.2 对话中的斜杠命令

2.3 模型切换

2.4 上下文文件（影响每次对话）

三、核心机制：学习闭环详解

3.1 四层学习循环

3.2 各层详解

3.3 自检机制

四、记忆系统：从文件到辩证推理

4.1 内置记忆系统

4.2 Honcho：AI 原生记忆后端

辩证推理 (Dialectic Reasoning)

双层上下文注入

冷启动 vs 热启动

安装配置

关键配置参数

观察模式

五、技能系统：自动成长的核心引擎

5.1 技能是什么？

5.2 技能的三种来源

5.3 技能生命周期

5.4 技能管理命令

5.5 官方可选技能

六、多平台网关：一处部署，处处可达

6.1 支持的平台

6.2 网关配置

6.3 跨平台连续性

6.4 安全机制

七、架构深入：从源码理解设计

7.1 系统总览

7.2 目录结构

7.3 Agent 循环（核心流程）

7.4 设计原则

7.5 终端后端（7 种）

7.6 会话持久化

八、生态与集成：MCP、Honcho 与 Nous Portal

8.1 MCP 集成

8.2 Nous Portal：一站式订阅

8.3 技能市场

8.4 社区桥接

九、竞品对比：Hermes vs OpenClaw vs Claude Code

9.1 定位差异

9.2 核心差异对比

9.3 选型建议

9.4 三者能否共存？

十、生产部署：从开发到上线

10.1 VPS 部署

10.2 Serverless 部署

10.3 Docker 部署

10.4 Profile 多实例管理

10.5 安全最佳实践

10.6 从 OpenClaw 迁移

十一、精通之路：插件开发与贡献

11.1 插件系统

11.2 自定义 Memory Provider

11.3 开发环境搭建

11.4 添加新工具

11.5 轨迹生成与模型训练

11.6 贡献指南

十二、资源汇总

官方资源

中文社区

学习路径推荐

附录：关键概念速查

所有评论(0)

温馨提示：您尚未绑定手机号

Cara xu