问题:大多数 AI 代理都把你忘了
你花了几个小时教 AI 助手你的工作流、编码风格、项目结构。然后你开启了一个新会话——一切都没了。这个代理每次都把你当成陌生人。
这就是当今大多数 AI 代理的根本局限:没有记忆、没有学习、没有成长。它们按设计就是无状态的,这使它们成为强大的工具,但却是糟糕的长期合作伙伴。
Hermes Agent 用一个激进的方法解决了这个问题:它是唯一内置学习循环的代理。
什么是 Hermes Agent?
Hermes Agent 是由 Nous Research 创建的开源 AI 代理——正是打造了 Hermes 开源大语言模型系列的同一个团队。它在 GitHub 上拥有 136,579+ 星标 和 20,960+ 复刻,是现存最受欢迎的 AI 代理框架之一。
项目的标语说明了一切:“与你共同成长的代理。”
与其他作为静态工具的代理不同,Hermes Agent:
- 从经验中创建技能 —— 学习你的工作流并将它们保存为可复用的技能
- 在使用过程中改进技能 —— 基于反馈精炼其能力
- 跨会话持久化知识 —— 记住你是谁以及你喜欢什么
- 建立对你的深度模型 —— 你用得越多,它就越懂你
核心功能
1. 内置学习循环
Hermes Agent 的核心创新是其自我改进循环:
经验 → 反思 → 技能创建 → 实践 → 改进
当你用 Hermes 完成任务时,它会:
- 分析 什么有效、什么无效
- 提取 可复用的模式
- 创建 记录方法技能文件
- 测试 技能在类似任务上的表现
- 精炼 基于结果进行优化
随着时间的推移,这会创建一个专属于你的个人技能库。
2. 40+ 内置工具
Hermes Agent 配备了全面的工具集:
| 工具类别 | 示例 |
|---|---|
| 文件操作 | 读取、写入、搜索、差异对比、补丁 |
| 终端 | 执行命令、Shell 会话、后台作业 |
| 网页 | 浏览、抓取、下载、API 调用 |
| 代码 | 语法检查、代码检查、格式化、测试 |
| Git | 提交、分支、差异、日志、PR 审查 |
| 系统 | 进程管理、文件监控、定时任务 |
工具集系统让你只启用需要的工具,减少 Token 使用量并提高专注度。
3. 技能系统(程序性记忆)
技能是 Hermes Agent 的秘密武器。它们是可复用的程序文件,捕获:
- 触发条件 —— 何时使用此技能
- 分步说明 —— 该做什么
- 陷阱 —— 要避免的常见错误
- 验证步骤 —— 如何确认成功
示例技能结构:
---
name: "hugo-blog-deploy"
trigger: "deploy hugo blog"
steps:
1. "Run hugo --minify --cleanDestinationDir"
2. "Verify build succeeded"
3. "Run deploy.sh"
4. "Check live site with curl"
pitfalls:
- "Future dates prevent building"
- "Cloudflare cache may show stale content"
verification:
- "curl -s https://site.com | grep title"
技能可以:
- 自动创建 —— 从成功完成的任务中
- 从技能中心下载 —— 社区贡献的技能
- 手动编写 —— 针对你的特定工作流
- 与他人分享
4. 持久记忆
Hermes Agent 维护两种类型的记忆:
用户档案记忆:
- 你喜欢的编码风格
- 你参与的项目
- 你喜欢的工具
- 沟通偏好
- 你常犯的错误(这样它就能帮你避免)
会话记忆:
- 当前项目上下文
- 最近的命令和输出
- 你一直在编辑的文件
- 本次会话的对话
这种记忆跨会话持久化,所以即使你重启电脑,Hermes 也记得你。
5. 消息网关
Hermes Agent 不仅仅是一个 CLI 工具——它是一个多平台消息机器人:
| 平台 | 设置 | 使用场景 |
|---|---|---|
| Telegram | hermes gateway setup | 移动 AI 助手 |
| Discord | hermes gateway setup | 团队协作 |
| Slack | hermes gateway setup | 工作场所集成 |
hermes gateway setup | 个人助手 | |
| Signal | hermes gateway setup | 注重隐私 |
hermes gateway setup | 异步工作流 |
配置完成后,你可以从任何这些平台与 Hermes 聊天,使用相同的命令和技能。
6. MCP 集成
Hermes Agent 支持模型上下文协议(MCP),允许它连接到任何 MCP 服务器以获得扩展能力:
- 数据库服务器 —— 查询 SQL 数据库
- 文件服务器 —— 访问远程文件系统
- API 服务器 —— 与任何 REST API 交互
- 自定义服务器 —— 构建你自己的集成
这使 Hermes 具有无限的可扩展性——如果你能构建 MCP 服务器,Hermes 就能使用它。
7. 定时任务调度
Hermes Agent 可以通过其内置的定时系统运行定时任务:
# 每天早上 9 点运行一个技能
hermes cron add --skill "daily-report" --schedule "0 9 * * *"
# 每周运行备份
hermes cron add --skill "backup-database" --schedule "0 2 * * 0"
# 列出所有定时任务
hermes cron list
非常适合需要按计划运行的自动化工作流。
8. 安全功能
Hermes Agent 认真对待安全:
- 命令审批 —— 风险命令需要显式确认
- 私信配对 —— 敏感操作前验证你的身份
- 容器隔离 —— 在隔离环境中运行不受信任的代码
- 审计日志 —— 所有操作都被记录以供审查
快速开始
安装
# 一行命令安装(Linux、macOS、WSL2)
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
# 或者手动克隆并设置
git clone https://github.com/NousResearch/hermes-agent.git
cd hermes-agent
./setup-hermes.sh
首次对话
source ~/.bashrc # 重新加载 Shell
hermes # 开始聊天
配置提供商
# 设置你喜欢的 LLM 提供商
hermes config set provider openai
hermes config set model gpt-4o
# 或者使用本地模型
hermes config set provider ollama
hermes config set model llama3.1
常用命令
# 开启全新对话
/new
# 随时切换模型
/model anthropic:claude-3-5-sonnet
# 设置个性
/personality developer
# 检查使用情况
/usage
# 浏览可用技能
/skills
# 使用特定技能
/hugo-blog-deploy
# 压缩上下文以节省 Token
/compress
架构
Hermes Agent 采用模块化架构构建:
Hermes Agent
├── CLI 界面(终端 UI)
├── 消息网关(Telegram、Discord 等)
├── 代理核心(推理引擎)
├── 技能系统(程序性记忆)
├── 记忆存储(持久化存储)
├── 工具集管理器(40+ 工具)
├── MCP 客户端(外部集成)
├── 定时调度器(自动化任务)
└── 安全层(审批、隔离)
整个系统使用 Python(2800 万+ 行代码)编写,Web 界面使用 TypeScript 组件。
使用场景
对于开发者
- 代码审查助手 —— Hermes 学习你的代码库并审查 PR
- DevOps 自动化 —— 部署、监控和排查基础设施问题
- 文档编写器 —— 从代码注释自动生成文档
- Bug 猎手 —— 搜索导致过去 Bug 的模式
对于团队
- 共享技能库 —— 团队最佳实践作为可复用技能
- 入职加速器 —— 新团队成员即时访问团队知识
- 7×24 运营 —— 定时任务处理日常维护
- 多平台访问 —— 从 Slack、Discord 或 Telegram 与 Hermes 聊天
对于高级用户
- 个人知识库 —— Hermes 记住你教它的一切
- 工作流自动化 —— 复杂的多步骤任务变成一个命令
- 跨平台助手 —— 桌面、移动端和 Web 上使用同一个助手
- 自定义集成 —— 为你的特定工具构建 MCP 服务器
性能对比
| 功能 | Hermes Agent | Claude Code | Cursor | GitHub Copilot |
|---|---|---|---|---|
| 自我学习 | ✅ 是 | ❌ 否 | ❌ 否 | ❌ 否 |
| 持久记忆 | ✅ 是 | ❌ 否 | ❌ 否 | ❌ 否 |
| 技能系统 | ✅ 是 | ❌ 否 | ❌ 否 | ❌ 否 |
| 多平台 | ✅ 6 个平台 | ❌ 仅 CLI | ❌ 仅桌面端 | ❌ 仅 IDE |
| 开源 | ✅ 是 | ❌ 否 | ❌ 否 | ❌ 否 |
| 定时调度 | ✅ 是 | ❌ 否 | ❌ 否 | ❌ 否 |
| MCP 支持 | ✅ 是 | ❌ 否 | ❌ 否 | ❌ 否 |
| 免费层 | ✅ 自托管 | 💰 API 费用 | 💰 订阅 | 💰 订阅 |
局限性
- 学习曲线 —— 技能系统需要前期投入
- 本地设置 —— 自托管需要技术知识
- 资源使用 —— 持久记忆随时间消耗存储空间
- 提供商成本 —— LLM API 调用仍然花钱(除非使用本地模型)
结论
Hermes Agent 代表了我们对 AI 助手认知的根本性转变。它不是将 AI 视为一次性工具,而是将其视为与你共同成长的长期合作伙伴。
自我改进循环、持久记忆和技能系统创造了复利效应:你用 Hermes 越多,它就越有价值。这与传统 AI 工具随时间提供递减回报的情况正好相反。
如果你厌倦了每次会话都重新教你的 AI 助手同样的事情,Hermes Agent 值得探索。
GitHub: NousResearch/hermes-agent
文档: hermes-agent.nousresearch.com/docs
星标: 136,579+ | 复刻: 20,960+ | 许可证: 开源
你尝试过 Hermes Agent 吗?你对自我改进的 AI 代理有什么体验?在评论中分享你的想法。

有问题或想法?欢迎在下方留下你的评论。使用 GitHub 账号登录即可参与讨论。