最近两天刷 CSDN，AI Agent 这个方向又冒出来一个非常明显的新热点：

Hermes Agent

9 月 12 日，CSDN 上已经出现了“还没来得及学 OpenClaw，来了个更猛的 Hermes Agent”这类新文章；另一篇近期 CSDN 热文则直接把 Hermes Desktop、OpenClaw 和 Agent 助手放在一起讨论。

这还不是最夸张的地方。

目前 NousResearch 的 Hermes Agent GitHub 仓库已经达到约 24.4 万 Stars，而且仓库在 9 月 12 日仍然保持更新。9 月 11 日官方又发布了 v0.21.2，专门修复了 state.db 会话存储的稳定性问题。

所以今天这篇文章，不准备再给你讲：

Hermes 是什么？

而是直接回答三个问题：

第一，Hermes 到底凭什么突然火？

第二，它和 OpenClaw 有什么区别？

第三，普通 Python 开发者到底怎么把它跑起来？

最后我们再做一个简单的 Python 工具，让 Hermes 真正“干活”。

---

一、先说结论：Hermes 到底是什么？

先用大白话解释。

Hermes Agent 不是普通聊天机器人。

它更像：

一个可以长期运行、能够记忆、能够调用工具、还能不断扩展技能的 AI Agent。

官方把它描述为：

“The agent that grows with you”

也就是：

会和你一起成长的 Agent。

当前官方文档强调的能力包括：

• 长期运行

• 多轮记忆

• Skills

• MCP

• 子 Agent

• 浏览器能力

• 消息渠道接入

• 定时任务

• 桌面能力

而且官方目前支持 Linux、macOS、WSL2、原生 Windows 和 Termux。

所以它和普通大模型最大的区别其实就一句话：

普通大模型擅长回答，Hermes 更强调持续完成任务。

---

二、为什么 Hermes 最近突然又火了？

其实这个问题很简单。

因为现在大家对 AI 的要求变了。

以前：

帮我写一下代码。

现在：

帮我把代码写完，然后跑一下测试。

再进一步：

帮我检查项目、修复错误、运行测试、整理结果。

再进一步：

每天晚上帮我检查项目有没有异常，有问题就告诉我。

这时候用户真正需要的已经不再是：

一个聊天机器人。

而是：

一个长期工作助手。

Hermes 就是在这个方向上继续往前走。

---

三、Hermes 和 OpenClaw 到底是什么关系？

这是最近讨论最多的问题之一。

很多人看到 Hermes 后第一反应就是：

“这不就是另一个 OpenClaw 吗？”

其实：

像，但不完全一样。

因为二者确实有不少重叠：

• 都能做 Agent

• 都支持工具调用

• 都支持多渠道

• 都能本地或服务器运行

• 都能扩展技能

• 都能连接外部服务

但是产品思路有一些差别。

---

四、先看一张整体对比图

简单理解：

方向	Hermes Agent	OpenClaw
核心定位	通用型长期 Agent	AI 助手 / Agent 平台
记忆	强调长期记忆	支持记忆体系
Skills	强调技能积累与扩展	强调 Skills 扩展
多 Agent	支持子 Agent / Agent 协作	支持多 Agent
MCP	支持	支持
消息渠道	支持多种平台	支持多种平台
本地运行	支持	支持
目标用户	个人、开发者、研究型任务	个人与团队自动化场景

真正值得注意的其实不是：

谁一定比谁强。

而是：

两个项目都在说明一件事情——AI Agent 正在从“一次性对话”走向“长期工作”。

Hermes 官方当前还把“持续学习”和长期运行作为核心产品思路。

---

五、Hermes 最特别的地方：记忆

这也是我认为 Hermes 最值得关注的一点。

普通聊天模型大多数时候是：

你问问题
↓
模型回答
↓
这轮结束

Hermes 则更强调：

用户
↓
Agent
↓
执行任务
↓
保存经验
↓
以后继续使用
↓
逐渐形成长期上下文

这里最重要的是：

Memory

它让 Agent 不再每次都从零开始。

比如：

今天你告诉它：

“我习惯用 Python 写数据处理脚本。”

以后它就更有机会知道：

“这个任务可以优先考虑 Python。”

这才是“长期助手”真正有价值的地方。

---

六、第二个关键：Skills

如果说 Memory 是：

让 AI 记住。

那么 Skills 就是：

让 AI 学会。

这也是 Hermes 很值得看的一个设计。

官方文档目前提供了 Skills Hub，可以搜索、安装和管理技能；每个技能还可以直接变成 Agent 可以调用的能力。

比如：

Skills
├── Kubernetes
├── GitHub
├── Python
├── Web Search
├── 数据分析
├── 浏览器
└── 自定义技能

你可以理解为：

给 AI 装插件。

---

七、最有意思的是：Skills 不只是插件

传统插件更像：

人写好一个功能 → AI 调用。

Hermes 想做得更进一步：

Agent 完成任务 → 形成经验 → 沉淀为可复用技能。

也就是说：

任务
↓
执行
↓
发现有效方法
↓
记录
↓
形成 Skill
↓
下次直接复用

早期关于 Hermes 的公开报道就特别强调了这个“任务完成后提炼可复用 Skills，再在后续任务中继续优化”的思路。

这和普通聊天机器人最大的区别就是：

它开始尝试积累经验。

---

八、第三个核心：MCP

如果你最近一直关注 AI Agent，应该已经绕不开 MCP 了。

Hermes 当前也把 MCP 纳入了自己的工具生态。

官方文档给出的方式可以直接在配置文件里增加 MCP Server。比如：

mcp_servers:
  github:
    command: npx
    args:
      - "-y"
      - "@modelcontextprotocol/server-github"
    env:
      GITHUB_PERSONAL_ACCESS_TOKEN: "ghp_xxx"

这意味着：

Hermes 不需要自己实现所有工具。

它可以通过 MCP：

接入外部工具生态。

这也是现在 Agent 开发非常重要的一条路线。

---

九、好了，真正开始实战

我们直接部署 Hermes。

官方目前推荐方式非常简单。

---

十、第一步：安装 Hermes

Linux / macOS / WSL2 / Termux：

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

Windows PowerShell：

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

这是目前 Hermes 官方文档给出的安装方式。

---

十一、它会帮你安装什么？

这点对于小白很友好。

官方安装程序会处理：

• Python

• Node.js

• ripgrep

• ffmpeg

• uv

• 项目代码

• 虚拟环境

• Hermes CLI

也就是说：

一般情况下，你不需要自己手动把这些环境一个个装起来。

官方安装文档明确说明安装程序会自动处理这些依赖。

---

十二、第二步：启动 Hermes

安装完成以后：

hermes

就可以直接进入交互式聊天。

也可以：

hermes setup

完成初始化。

查看模型：

hermes model

检查环境：

hermes doctor

官方 Quick Start 当前也提供了这些命令。

---

十三、先不要急着上复杂功能

官方文档有一个非常值得学习的建议：

先让一次普通对话跑通，再去加 Gateway、Cron、Skills、Voice 或其他复杂功能。

这个思路其实非常适合所有 Agent 项目。

不要：

安装
↓
MCP
↓
多 Agent
↓
数据库
↓
浏览器
↓
自动任务

一口气全部搞上。

很容易把自己搞懵。

应该：

先聊天
↓
再工具
↓
再技能
↓
再记忆
↓
再自动化

---

十四、第三步：让 Hermes 真正调用 Python

这一部分才是 Python 开发者最应该看的。

我们写一个简单的 Python 数据分析工具。

创建：

sales_analyzer.py

代码：

import pandas as pd


def analyze_sales(file_path: str):
    df = pd.read_csv(file_path)

    total_sales = df["sales"].sum()

    product_sales = (
        df.groupby("product")["sales"]
        .sum()
        .sort_values()
    )

    worst_product = product_sales.index[0]

    return {
        "total_sales": float(total_sales),
        "worst_product": worst_product,
        "worst_sales": float(
            product_sales.iloc[0]
        )
    }


if __name__ == "__main__":
    result = analyze_sales("sales.csv")

    print(result)

安装：

pip install pandas

现在我们有了一个非常普通的 Python 数据分析程序。

---

十五、问题来了：AI 怎么调用它？

答案就是：

Skill + Tool

我们可以给 Hermes 一个技能描述：

当用户要求分析 CSV 销售数据时：

1. 找到 CSV 文件
2. 调用 Python
3. 运行 sales_analyzer.py
4. 读取结果
5. 把分析结果整理成中文

这其实就是：

把 Python 变成 Agent 的“手”。

---

十六、于是整个系统就变成了这样

用户：

帮我看看这个销售文件。

Hermes：

理解需求。

↓

选择：

Python 数据分析 Skill

↓

调用：

sales_analyzer.py

↓

拿到：

销售总额
下降最多产品
产品排名

↓

继续推理

↓

最终回答用户。

这时候你就已经不是：

“AI 聊天机器人”

而是：

AI + Python 自动化系统。

---

十七、这其实也是 Python 开发者最值得抓住的机会

如果你是 Python 开发者，我特别建议把能力分成两层。

第一层：

AI Agent

负责：

• 理解任务

• 规划任务

• 调用工具

• 记住上下文

第二层：

Python

负责：

• 数据处理

• 文件处理

• API

• 自动化

• 数据库

• 业务逻辑

最终：

AI
+
Python

会变成一个非常强的组合。

---

十八、再接入消息渠道

Hermes 当前支持多种消息入口。

官方文档和项目介绍中已经包含 Telegram 等消息渠道，以及 Gateway、长期运行等能力。

于是你的 Agent 就可以变成：

飞书 / Telegram / Discord / 其他渠道
                    ↓
                 Hermes
                    ↓
                  Agent
                    ↓
            Python / MCP / Skills
                    ↓
               完成任务
                    ↓
                 返回结果

这样你以后甚至不需要打开终端。

手机发一句话：

“帮我看一下服务器昨天有没有异常。”

Agent 就可以开始工作。

---

十九、Hermes 为什么强调长期运行？

因为真正有价值的 Agent，不应该只工作 10 秒。

它可以：

每天工作。

定时执行。

接收消息。

积累上下文。

持续运行。

官方当前已经支持 Cron 等定时任务相关能力，v0.21.0 版本还进一步增强了带记忆和连续性的定时 Agent，以及子 Agent 实时控制等能力。

所以：

“长期运行”本身正在成为 Agent 的重要能力。

---

二十、这也是 Hermes 和普通 ChatGPT 类产品最大的区别之一

传统聊天：

打开网页
↓
输入问题
↓
得到答案
↓
结束

Agent：

任务来了
↓
自己判断
↓
调用工具
↓
执行
↓
记录
↓
以后继续工作

所以以后我们评价 AI 助手，可能会越来越少问：

“回答得像不像人？”

而会越来越关注：

“这个 Agent 到底能不能帮我把事情做完？”

---

二十一、Hermes 适合什么人？

如果你属于下面几类人，我认为值得试一下。

Python 开发者

很适合。

因为你可以很容易给它加 Python 工具。

---

AI Agent 学习者

也很适合。

你可以把：

Memory
Skills
Tools
MCP
Multi Agent

一次串起来学习。

---

自动化爱好者

也很适合。

比如：

• 自动日报

• 自动文件整理

• 自动数据分析

• 自动代码检查

• 自动网页查询

• 自动运维

---

企业开发者

则需要更加谨慎。

因为 Agent 一旦拥有：

Shell
文件
网络
数据库

权限控制就非常重要。

---

二十二、一定要注意安全

这件事情必须单独讲。

因为 Hermes 不是普通聊天机器人。

它可以执行工具。

官方 CLI 本身甚至提供了：

--yolo

用来跳过危险命令审批。

这类能力在自动化场景非常方便，但生产环境绝对不能随便打开。

官方文档同时提供了命令执行、工具、MCP 和安全相关机制，所以真正部署时一定应该遵守：

最小权限原则。

也就是：

能不给权限，就不给。

能限制范围，就限制。

能人工确认，就不要完全自动。

---

二十三、我最看重 Hermes 的，其实不是“会调用工具”

很多 Agent 现在都已经会：

调用工具。

真正让我觉得值得关注的是：

“记忆 + Skills + 长期运行”

因为这三个东西一旦组合起来：

记忆
+
技能
+
持续执行

AI 才开始真正接近：

“数字工作伙伴”。

---

二十四、未来的 Agent 很可能都是这个形态

我认为未来比较典型的 Agent 架构大概率会越来越像：

                Agent
                  │
      ┌───────────┼───────────┐
      ↓           ↓           ↓
   Memory       Skills       Tools
      │           │           │
      └───────────┼───────────┘
                  ↓
          MCP / API / Python
                  ↓
              真实世界

其中：

Memory

负责“记住”。

Skills

负责“会什么”。

Tools

负责“能做什么”。

Agent

负责“现在应该做什么”。

这套思路其实比单纯研究某个模型参数，更值得长期学习。

---

二十五、Hermes Agent 0.21.2 这次为什么值得关注？

因为它不是一个停留在“发布 Demo”的项目。

截至 2026 年 9 月 11 日，官方刚刚发布了 v0.21.2，主要修复会话存储 state.db 相关的问题；前一个 v0.21.1 还包含了 MCP 授权、定时任务、模型与 Provider 更新、文件操作、启动性能以及 Agent 委派可靠性等一系列改动。

换句话说：

Hermes 现在已经不是一个刚发出来的小实验项目。

它正在快速向完整 Agent Runtime 演化。

---

二十六、这时候再回头看 OpenClaw

你会发现一个非常有意思的现象：

OpenClaw 火起来以后，

Hermes 也迅速火起来。

然后又有更多：

• Agent Runtime

• Agent Harness

• MCP

• Skills

• Memory

• 多 Agent

• 浏览器 Agent

不断出现。

这说明一个趋势：

下一阶段竞争的核心可能不再只是“大模型谁更强”。

而是：

谁能把 AI 变成一个真正能够长期工作的 Agent。

---

二十七、普通开发者到底应该学什么？

我建议非常简单。

不要同时学 20 个 Agent 框架。

先把：

Python
↓
大模型调用
↓
Tool Calling
↓
Agent
↓
Memory
↓
Skills
↓
MCP

这条链路学明白。

然后再去选择：

Hermes
OpenClaw
LangChain
LangGraph
其他 Agent Runtime

这样你学的不是某个工具的 API。

而是：

Agent 的底层能力。

---

二十八、最后总结

最近两天 CSDN 上 Hermes Agent 相关内容再次明显升温，这个方向值得关注，不只是因为“爱马仕”这个名字有梗。

更重要的是它背后代表了一种 Agent 的新思路：

AI 不再只回答问题。

它开始：

记住你。

学习技能。

调用工具。

持续运行。

执行任务。

而对于 Python 开发者来说，这个变化尤其值得关注。

因为 Python 恰好可以承担 Agent 的执行层：

Agent
+
Python
+
MCP
+
Skills
+
Memory

最后组合成一个真正可以工作的 AI 助手。

---

二十九、写在最后

如果你现在还只是：

调用一次大模型 API

那么其实只是刚刚进入 AI 开发。

如果你可以做到：

让 AI 调 Python

已经开始进入 Agent。

如果进一步做到：

让 AI 记住过去、学会技能、调用多个工具、持续执行任务

那么你做的已经不只是聊天机器人。

而是在做：

真正的 AI Agent。

而 Hermes Agent，恰好就是最近非常值得拿来研究这一套能力的开源项目之一。

一句话总结：

OpenClaw 更像是在教你“怎么养一个 AI 助手”，Hermes 更像是在研究“怎么让这个助手越用越懂你”。

这也是我认为这两天这个方向值得写成一篇 CSDN 精品文章的原因。