最近AI圈爆火的Hermes到底是什么？

大家好，我是苏三，又跟大家见面了。

前言

如果你还在用 OpenClaw，那最近你一定会频繁听到“Hermes”这个名字。

作为从 2026 年 2 月底才发布的开源项目，Hermes Agent 在不到两个月的时间里，GitHub 总星标已突破 4.7 万，贡献者数百人，并在多日内持续霸榜全球开源榜单第一。

今天这篇文章就专门跟大家一起聊聊Hermes Agent，希望对你会有所帮助。

一、Hermes Agent是什么？

Hermes Agent 由美国开源 AI 研究实验室 Nous Research 开发，采用 MIT 协议，完全免费、可商用。

它的核心定位是一句 slogan：“The agent that grows with you.”——一个会随着使用不断成长的“自进化 Agent”。

和传统 Agent 不同，Hermes 试图成为一个能够持续积累经验的长期系统：它会从已经完成的任务中学习，在不同会话、不同平台之间保留记忆，并逐渐形成一套属于用户自己的能力结构。

你用得越久，它越懂你。

官方将其定位描述为“介于 Claude Code 风格 CLI 与 OpenClaw 风格消息平台之间的智能体”。

也就是说：既能像 Claude Code 那样深度编码，也能像 OpenClaw 那样全天候在 Telegram、飞书等 IM 工具中服务，还不绑定特定厂商的模型。

根据社区反馈，这种设定正好击中了一个长期存在的痛点——开发者越来越关心，Agent 能不能“记住”和“变强”。

二、Hermes 的三大核心机制

2.1 自我进化闭环：Agent 自己写 Skill

这是 Hermes 最让我觉得厉害的地方，也是跟其他 Agent 拉开差距的核心。

Hermes 不是靠你手动编写配置文件来扩展能力，而是自己在执行复杂任务后，自动提炼出可复用的解决方案。

具体流程：

触发创建 Skill 的具体条件包括：工具调用超过 5 次、中途出过错然后自己修复了、用户做过纠正、或者走了一条不明显但有效的路径。

满足任何一条，它就会在 ~/.hermes/skills 目录里生成一个 Skill 文件。

Skill 文件遵循 agentskills.io 开放标准，本质是结构化 Markdown，包含 frontmatter 元数据和正文指令两部分。

加载策略采用了渐进式披露：Level 0 只加载 Skill 列表（名称+触发词），Level 1 才加载完整详情，显著节约 Token。

更重要的是，Skill 在使用过程中会自我迭代——当你使用某个 Skill，Agent 发现更优的方法，会自动更新 Skill 文档。

2.2 分层记忆架构

Hermes 的记忆系统是目前开源 Agent 框架中设计最完善的。

它采用了五层记忆架构，每层解决不同时间跨度的记忆问题。

前四层各司其职，互不重叠。底层存储基于 SQLite，并辅以 FTS5（全文搜索索引）实现按需检索，避免全量加载带来的上下文膨胀]。

会话搜索工具让 Agent 可以跨所有历史会话按关键词检索，并用 LLM 总结相关上下文。

这意味着你可以问 Agent：“上周我们关于认证系统讨论了什么？”它真的能翻出来给你看。

用 /insights 命令还能查看会话统计数据——Token 消耗、工具调用频率、会话时长等。

2.3 全平台消息网关 + MCP 集成

Hermes 内置了一个全平台消息网关，只启动一个进程，就能同时接入多个 IM 平台：Telegram、Discord、Slack、WhatsApp、Signal，以及 v0.6.0 新增的飞书和企业微信。

这意味着你可以把 Agent 邀请进团队群聊，直接给它发自然语言指令，它会在后台执行任务，再把结果推回群里。

你甚至可以把它当成 MCP 服务器，通过 hermes mcp serve 暴露会话和消息给任何 MCP 兼容客户端（Claude Desktop、Cursor、VS Code 等），同时支持 stdio 和 Streamable HTTP 传输。

此外，MCP 集成还支持连接任意 MCP 服务器来扩展 Hermes，接入外部工具、API 和数据源。

三、安装与配置

3.1 系统要求

支持 Linux、macOS 和 WSL2。

原生 Windows 不支持，需先安装 WSL2。

3.2 一键安装

安装脚本会自动处理 Python、Node.js、所有 Python 依赖和 hermes CLI 符号链接：

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

安装完成后重载 shell：

source ~/.bashrc  # 或 source ~/.zshrc

运行设置向导，选择 LLM 提供商、配置网关等：

hermes setup

直接启动 CLI 模式开始对话：

hermes

更新到最新版本：

hermes update

四、核心使用技巧

五、优缺点与适用场景

优点

• 自我进化能力：自动从经验中生成和改进技能，越用越聪明
• 五层记忆架构：分层设计，短期记忆不污染长期存储，会话可全文检索
• 全平台网关：Telegram、飞书、企业微信全覆盖，真正实现“常驻服务”
• 开源自由度高：MIT 协议，200+ 模型可选，无厂商锁定
• 安全沙箱完善：支持 Docker、SSH、Modal 等多种后端隔离执行，供应量已做过全面安全审计
• MCP 原生集成：可作为 MCP Server 接入 IDE，双向打通

缺点

• 学习曲线比传统 CLI 工具略陡
• 记忆系统的高级功能（如 Honcho 用户建模）依赖外部服务
• 对 Windows 用户需要额外安装 WSL2
• 部分高级功能尚在快速迭代中

适用场景

• 个人数字助理：跨平台、跨会话持久陪伴，越用越懂你
• 企业自动化：定时任务、日报周报自动生成、流程监控
• 多平台服务：通过 Telegram、飞书、企业微信等多个入口统一访问
• 开发工作流增强：从代码生成到 CI/CD 自动化

六、Hermes和OpenClaw 的差异

如果只对照功能列表，Hermes 和 OpenClaw 的重合度不低：同样支持多消息平台接入，同样具备持久化记忆、技能系统和多模型切换能力，也都采用 MIT 协议、自托管部署。真正拉开差距的，是底层的设计哲学。

OpenClaw 采用的是中心辐射式架构，靠的是修改配置文件，联合多个 Agents 来处理各项复杂的任务；Hermes Agent 则是一个单一的 Agent 框架，它的能力会随着实际使用的运行时间增加而不断增强。

OpenClaw 的记忆是静态的——我们把信息写进配置文件，它读取，会话结束，等下次再读。它不会主动从执行过程里提炼什么，也不会因为我们纠正过它一次，下次就自动做对。

而 Hermes 从底层架构的学习循环，到记忆系统，到 Agent 执行内部，都把“越用越懂你”作为核心设计目标。

社区评价：“OpenClaw does the junior work, Hermes is the senior.” ——@gkisokay on X。“这是我从 OC 切换到 Hermes 的原因。5.4 在 OC 上表现糟糕，在 Hermes 上好得多。” ——@branchandleaf

总结

Hermes 的核心价值可以概括为一句话：它是一个会自我进化的 AI 智能体，你用它的时间越长，它就越懂你。

Hermes 让“Agent 可以记住什么方法有效”从口号变成了工程实践。

它的学习循环、技能系统和分层记忆，不是为了卖概念，而是真的从代码层面实现了。

项目团队更新频率极高，v0.8.0 已发布，每次迭代都有大量代码合并和实用的功能更新。

未来已来，你准备好拥有一个会“长大”的 AI 伙伴了吗？

项目地址：https://github.com/NousResearch/hermes-agent

官网：https://hermes-agent.nousresearch.com