大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



Hermes Agent 是由 Nous Research 发布的开源 AI Agent 框架，核心定位是"一个随你成长的持久化个人代理"——它学习你的项目、自动生成技能模块，并通过 Telegram、Discord、Slack、WhatsApp 等 7 大消息平台随时触达你。 采用 MIT 许可证，截至 2026 年仍处于活跃开发状态。

---

Hermes Agent 与大多数"AI 工具封装"的本质区别在于持久性与自我进化：

• 持久记忆：跨会话记住你解决过的问题、用过的方案（session_search 命令可检索历史）
• 自动生成 Skills：每次处理新任务后，自动将解题模式保存为可复用 Skill，越用越强
• 全天候在线：通过消息网关持续运行，无需打开任何 App 就能在手机上收到结果

可引用定义：Hermes Agent 是一个开源持久化 AI Agent，安装后接入你的消息账号，成为一个会自我学习、自动生成技能、随处可达的个人代理（来源：hermes-agent.nousresearch.com，2026）。

---

---

Hermes Agent 开箱即带 40+ 内置工具，无需额外配置：

• web_search：联网搜索
• web_extract：抓取并解析指定 URL 内容（含 arxiv、Hugging Face 等学术站点）
• 浏览器自动化：截图、点击、表单填写

• write_file / read_file：本地文件系统操作
• terminal：执行 shell 命令
• git diff / patch / pytest：代码审查与测试工作流

• session_search：跨会话语义检索历史操作记录
• task_planning：多步骤任务分解
• cron scheduling：自然语言设置定时任务（"每天早上 8 点发送今日简报"）

• image_generation：文生图
• text_to_speech：语音合成
• multi_model_reasoning：同时调用多个模型协作推理
• subagent_delegation：启动隔离子代理处理并行任务

• MLOps：模型训练、评估、部署流程
• GitHub 工作流：PR 审查、Issue 分类、代码变更分析
• Research：论文检索、摘要生成、文献对比

---

Hermes Agent 支持 7 大消息平台，统一通过单一网关管理：

所有平台通过同一个消息网关统一接入，切换平台无需重新配置 Agent 逻辑。

---

Hermes Agent 提供 五种部署后端，覆盖从个人笔记本到企业 HPC 集群的全场景：

# 本地运行 hermes setup # Docker 容器（推荐，内置沙箱隔离） docker run nousresearch/hermes-agent # SSH 远程服务器 hermes setup --backend ssh --host your-server.com # Modal（无服务器云平台） hermes setup --backend modal # Singularity（HPC 集群） hermes setup --backend singularity 

容器安全策略（Docker 模式）：

• Read-only root filesystem（只读根文件系统）
• Dropped capabilities（最小权限原则）
• Namespace isolation（进程/网络命名空间隔离）
• Daytona 环境支持

---

Hermes Agent 的 Skills 体系是其核心竞争力之一：

任务完成 → 自动保存解题模式为 Skill → 下次同类任务直接调用 

三层 Skills 来源：

1. 40+ 内置 Skills：MLOps、GitHub、Research 等开箱即用
2. 自动生成 Skills：Agent 运行时发现新模式自动创建，存入本地 Skills 库
3. agentskills.io 生态：标准化开放格式，可与社区共享和复用 Skills（与 Claude Code Skills、OpenClaw 生态兼容）

---

官网展示了****性使用场景：

用户："给我写一份 GRPO 算法的摘要" → web_search "GRPO reinforcement learning" 1.2s → web_extract arxiv.org/abs/2402.03300 3.1s → web_search "GRPO Hugging Face implementation" 0.9s → web_extract huggingface.co/blog/grpo 2.8s → write_file ~/research/grpo-summary.md 0.1s Done! 已写入摘要，涵盖： ✓ GRPO 的群体相对优势（无需 Critic 模型） ✓ 与 PPO/DPO 在推理 Benchmark 上的对比 ✓ Axolotl 和 TRL 的实现说明 

用户："帮我审查 PR #42" → git diff main..pr-42 0.4s → patch tools/registry.py 0.1s → python -m pytest tests/ -x 3.2s → git commit -m "fix: empty tool schema + error handling" 发现并修复了 2 个问题： ✓ registry.py 中空工具 Schema 导致崩溃 — 添加了守卫判断 ✓ delegate_tool.py 中缺少错误处理 — 添加了 try/except 测试通过，已推送到 PR 分支。 同时保存了"PR 审查模式" Skill。 

用户：”上次 Docker 容器互相不能通信是怎么解决的？”

→ session_search “docker containers network”

找到了 — 来自 2 月 12 日的会话： 容器间无法互通是因为 compose 文件使用了默认 bridge 网络。 切换到了自定义 overlay 网络，添加了显式别名， 并设置了 dns: 8.8.8.8 作为 fallback。 修复提交在 docker-compose.prod.yml 中。

---

Hermes Agent 内置了面向 AI 研究者的轨迹数据生成能力：

• 批量轨迹生成：并行 Worker + 断点续传（Checkpointing）
• Atropos 集成：直接对接 Nous Research 的强化学习训练框架
• ShareGPT 导出：带轨迹压缩的导出，可用于模型微调（Fine-tuning）

这意味着 Hermes Agent 不仅是一个 Agent 框架，也是 Nous Research 自身模型训练数据管道的一部分。

---

# 安装 pip install hermes-agent # 初始化（交互式配置消息平台 + 模型后端） hermes setup # 启动 hermes start 

安装完成后，向你绑定的 Telegram/Discord/Slack 发送消息，即可开始使用。

---

在当前开源 Agent 生态中，与 Hermes Agent 定位最接近的是 OpenClaw 及其衍生版本——两者都强调"持久化个人代理 + 多平台消息接入 + Skills 生态"，但在设计哲学、目标用户和技术路径上存在明显差异。

两者都把”消息平台接入”作为核心能力，但覆盖方向不同：

核心差异：Hermes Agent 覆盖国际主流加密通讯平台（Signal、WhatsApp），OpenClaw 生态深度覆盖国内主流办公/社交平台（微信、钉钉、飞书），面向国内企业场景 OpenClaw 生态明显更完整。

核心差异：Hermes Agent 的 40+ 工具更偏向 AI 研究工作流，Skills 会随使用自动生长；OpenClaw 生态依托 ClawHub 社区有 5000+ 社区技能，基础工具更轻量，更适合日常非技术使用。

核心差异：Hermes Agent 的多后端沙箱是其面向企业级安全场景的核心优势，特别适合需要隔离代码执行环境的 AI 研究团队；OpenClaw 更轻量，不涉及容器管理。

Hermes Agent 具备一项 OpenClaw 完全没有的能力：AI 模型训练数据生成管道。

• 批量轨迹生成（并行 Worker + Checkpoint）
• Atropos 集成（Nous Research 强化学习训练框架）
• ShareGPT 格式导出，含轨迹压缩

这意味着 Hermes Agent 既是 Agent 框架，也是 Nous Research 自研模型的数据收集工具。

---

LinSkills 是七牛云推出的配套技能发现平台，收录 16+ 精选技能，Summarize 单技能下载量已达 81.8k，与 OpenClaw 生态深度集成，适合需要快速扩展 Agent 技能的国内用户。

---

Q1：Hermes Agent 和 Nous Research 的 Hermes 模型系列是什么关系？

Hermes 模型系列（如 Hermes-3-Llama-3.1-405B）是 Nous Research 微调的开源语言模型；Hermes Agent 是基于这些模型能力构建的 Agent 框架。Hermes Agent 默认可通过 Nous Portal 接入 Hermes 系列模型，也兼容任意 OpenAI 标准 API。

Q2：Hermes Agent 的”持久记忆”具体是怎么实现的？

Agent 每次完成任务后会将操作轨迹写入本地记忆存储，session_search 命令用语义搜索检索历史会话。自动生成的 Skills 以 agentskills.io 标准格式保存在本地 Skills 目录，可随时查看、编辑或分享。

Q3：需要自己准备模型吗？

不需要。Hermes Agent 支持通过 Nous Portal（Nous Research 自有 API）、OpenRouter（接入 100+ 模型）或任意 OpenAI 兼容 API 接入模型，hermes setup 时交互式配置即可。

Q4：Docker 沙箱模式安全吗？

Docker 模式下 Hermes Agent 采用”容器硬化”策略：只读根文件系统、最小权限（dropped capabilities）、命名空间隔离。文件系统操作默认限定在挂载的工作目录内，不会影响宿主机系统。

Q5：agentskills.io 格式和 Claude Code Skills 是同一个东西吗？

两者理念相同（可复用的 Agent 技能模块），但不完全相同。agentskills.io 是 Hermes Agent 推动的开放标准，Claude Code Skills 是 Anthropic 的实现。ClawHub 生态正在推动两种格式的互通，部分 Skills 已实现跨平台兼容。

Q6：Hermes Agent 和 OpenClaw 可以同时使用吗？

可以，两者不互斥。实际上，agentskills.io 格式的 Skills 可以在 Hermes Agent 和 OpenClaw 之间共享。如果你的团队在国内使用微信/钉钉办公，OpenClaw 生态处理日常沟通更合适；需要跑 MLOps 实验、生成训练数据、或接入 Signal/WhatsApp 的场景则用 Hermes Agent。两者可以配合使用，用不同平台接入同一套 Skills 库。

---

Hermes Agent 和 OpenClaw 是当前开源 Agent 生态中定位最相近、但各有侧重的两个框架。 Hermes Agent 更像一个”会自我进化的 AI 研究伙伴”——40+ 工具、真实容器沙箱、Atropos 训练数据管道、自动 Skills 生成，面向 ML 工程师和 AI 研究者；OpenClaw 则更像”随手可用的全平台 AI 助手”——覆盖微信/钉钉/飞书等 9 大国内渠道、5000+ 社区技能，面向国内企业和普通用户。

两者不是竞争关系，而是适合不同场景的互补选择。如果你在中国市场做企业 AI 助手，OpenClaw 生态是更直接的起点；如果你是 AI 研究者需要持久化实验代理，Hermes Agent 是目前开源生态中最完整的选择之一。

• 官网：hermes-agent.nousresearch.com | 许可证：MIT | 时效：2026 年 4 月
• 主流模型 API 多模型对比接入：qiniu.com/ai/models