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。



“The agent that grows with you.”（会随你成长的 Agent）

这是「一天一个开源项目」系列的第 75 篇文章。今天介绍的项目是 Hermes Agent（GitHub）。

当前几乎所有的 AI Agent 框架都共享一个根本缺陷：无状态。每次对话结束，Agent 对这次任务学到的一切——解决问题的方法、你的偏好、成功的策略——全部归零。下次遇到相似问题，又要从头开始。

Nous Research 用 Hermes Agent 给出了一个截然不同的答案：让 Agent 真正积累经验。通过闭环技能学习系统，Hermes 在每次完成任务后自动提炼可复用的”技能”，存储到持久化记忆中；通过三层记忆架构，它记住你的偏好和习惯；通过辩证用户建模，它理解你和它之间关系的演变。

90k+ Stars，12k+ Forks，这是 AI Agent 领域目前最受关注的开源项目之一——不只是一个工具，而是一个会成长的伙伴。

你将学到什么

• Hermes Agent 的核心理念：为什么「自我改进」是 AI Agent 的下一个临界点
• 三层记忆架构：Session 上下文 + 持久化事实 + 程序性技能
• 技能系统（Skills）的工作原理：从任务到可复用代码的闭环
• 辩证用户建模：Honcho 的 12 个身份层次追踪
• 6 种部署后端 + 多平台消息网关的架构设计

前置知识

• 了解 AI Agent 的基本概念
• Python 基础（可选，用于扩展开发）
• 有使用 Claude Code / AutoGPT 等 AI 工具的经验

---

项目简介

Hermes Agent 是 Nous Research 开发的自我改进型 AI Agent 框架。「Hermes」来自希腊神话中的信使之神，象征知识的传递与积累——这个命名暗示了项目的核心追求：让知识在 Agent 的使用过程中不断沉淀和传承。

项目解决的本质问题是 Agent 的「失忆症」：

传统 Agent： 任务 A → 解决 → 结束 → 遗忘 任务 B → 解决 → 结束 → 遗忘 任务 N → 解决 → 结束 → 遗忘 （无法从经验中积累）

Hermes Agent： 任务 A → 解决 → 提炼技能 → 存储 任务 B → 召回相关技能 → 更快解决 → 优化技能 任务 N → 技能库更丰富 → 解决更高效 （真正的经验积累）

关于 Nous Research

• 定位：AI 加速器公司（The AI Accelerator Company）
• 使命：通过开源语言模型推动 AI 技术民主化
• 研究重点：模型架构创新、数据合成技术、微调技术、推理能力增强
• 旗舰模型：Hermes 4（高性能工具调用 LLM）
• GitHub 仓库数：71 个
• 生态合作：NVIDIA NeMo、PyTorch

Nous Research 是美国开源 AI 运动中最重要的组织之一，以「开放、研究驱动」著称。Hermes Agent 是他们将模型研究能力与工程实践结合的旗舰产品。

项目数据

• ⭐ GitHub Stars: 90,300+
• 🍴 Forks: 12,400+
• 📝 总提交: 4,306+
• 🐛 Open Issues: 1,700+
• 📦 最新版本: v0.9.0（2026 年 4 月）
• 📄 License: MIT
• 🤖 支持模型数: 200+

---

核心差异：闭环学习系统

Hermes Agent 最根本的差异化在于技能生成的闭环：

用户交互 → Agent 完成任务

 ↓ 任务后反思（Post-task Reflection） "我刚才用了什么方法？这个方法可以复用吗？" ↓ 技能提炼与存储 ~/.hermes/skills/task-type-xxx.skill ↓ 下次类似任务：召回技能 → 直接执行 ↓ 技能使用后：优化 → 存储改进版本 

这个循环让 Hermes Agent 随使用时间指数级地变得更有效率。

三层记忆架构

三层记忆协同工作：当遇到新任务时，Hermes 首先检索程序性技能（第三层），结合持久化事实（第二层）中的偏好信息，在当前上下文（第一层）中执行。

跨会话记忆搜索

Hermes 使用 SQLite FTS5 全文索引配合 LLM 摘要实现历史对话搜索：

• 对话历史自动索引，支持关键词全文检索
• LLM 对搜索结果进行语义摘要，提取最相关信息
• Agent 周期性自我「nudge」，主动将重要信息固化到长期记忆

辩证用户建模（Honcho）

基于 Honcho 框架，Hermes 通过 12 个身份层次持续建模用户：

• 不只记住「你是谁」（姓名、职业、偏好）
• 还追踪「你和这个 Agent 的关系如何演变」
• 随着交互增多，Agent 的回应方式和任务执行策略会自适应调整

40+ 内置工具

支持通过 MCP 服务器扩展工具集，以及 Python RPC 自定义工具接入。

多平台消息网关

单一 Gateway 进程同时桥接 7 个平台，跨平台保持对话连续性：

Telegram ──┐ Discord ──┤ Slack ──┤── Hermes Gateway ── Hermes Agent Core WhatsApp ──┤ Signal ──┤ CLI ──┤ Email ──┘ 

支持语音备忘录转录（手机发语音 → 自动转文字 → 执行任务）。

6 种部署后端

同一工作流可以无需代码改动地在不同后端之间切换。

快速开始

# 一键安装（Linux/macOS/WSL2） curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

# 启动 CLI hermes

# 配置 LLM 提供商（支持 200+ 模型） hermes model

# 运行完整配置向导 hermes setup

# 启动多平台消息网关 hermes gateway

# 查看工具状态 hermes tools

开发者环境：

git clone https://github.com/NousResearch/hermes-agent.git cd hermes-agent uv venv venv –python 3.11 && source venv/bin/activate uv pip install -e ”.[all,dev]” pytest tests/ -q 

项目优势对比

---

整体架构

┌────────────────────────────────────────────────┐ │ Gateway 层（7 个平台入口） │ │ Telegram / Discord / Slack / WhatsApp / │ │ Signal / CLI / Email │ └───────────────────┬────────────────────────────┘

 │ 

┌───────────────────▼────────────────────────────┐ │ Agent 编排核心（agent/） │ │ 工具选择 → 工具执行 → 响应生成 │ │ ↑ ↓ │ │ 技能召回 技能提炼 │ └──────┬──────────────────────┬──────────────────┘

 │ │ 

┌──────▼──────────┐ ┌─────────▼──────────────────┐ │ 记忆系统 │ │ 技能系统（skills/） │ │ SQLite FTS5 │ │ ~/.hermes/skills/ │ │ 持久化事实 │ │ agentskills.io 标准 │ │ Honcho 用户建模 │ │ 跨 Agent 共享 │ └─────────────────┘ └────────────────────────────┘

 │ 

┌──────▼──────────────────────────────────────────┐ │ 执行环境（environments/） │ │ Local / Docker / SSH / Daytona / Modal / … │ └─────────────────────────────────────────────────┘

技能系统深度解析

技能（Skill）是 Hermes Agent 最核心的技术实现，本质上是带元数据的可执行代码单元：

# 技能文件示例：~/.hermes/skills/deploy-to-staging.skill { “name”: “deploy-to-staging”, “description”: “将当前项目部署到 staging 环境”, “trigger_patterns”: [

"deploy to staging", "push to staging", "staging 部署" 

], “parameters”: {

"project_path": {"type": "string", "required": True}, "environment": {"type": "string", "default": "staging"} 

}, “steps”: [

{"tool": "shell", "command": "docker build -t {project}:{tag} ."}, {"tool": "shell", "command": "docker push registry/{project}:{tag}"}, {"tool": "shell", "command": "kubectl rollout restart deployment/{project}"} 

], “success_rate”: 0.94, “usage_count”: 47, “last_optimized”: “2026-04-10” }

技能的生命周期：

1. 生成（Creation） Agent 完成复杂任务后 → 分析执行步骤 → 抽象为可复用模式 → 保存为 .skill 文件

1. 召回（Retrieval） 新任务输入 → 语义匹配触发词 → 召回最相关技能 → 注入执行上下文
2. 优化（Optimization） 技能执行后 → 记录成功/失败 → 更新成功率 → 必要时重写步骤
3. 共享（Sharing） 通过 agentskills.io 开放标准 → 社区共享技能 → 跨 Agent 复用

   FTS5 记忆检索机制

   Hermes 选择 SQLite + FTS5（Full-Text Search 5）而非向量数据库，这是一个有趣的设计选择：

   – 对话历史表（带 FTS5 索引） CREATE VIRTUAL TABLE conversation_fts USING fts5( content, speaker, timestamp, session_id );

– 周期性记忆固化 CREATE TABLE long_term_memory ( id INTEGER PRIMARY KEY, fact TEXT NOT NULL, confidence REAL, source_session TEXT, created_at TIMESTAMP, last_reinforced TIMESTAMP );

为什么不用向量数据库？

• SQLite 无需额外服务，零运维成本
• FTS5 全文搜索对精确记忆（人名、项目名）更准确
• LLM 摘要层弥补了语义搜索的不足
• 本地部署场景下，轻量化更重要

RL 训练集成：Tinker-Atropos

Hermes Agent 内置了与 Atropos（Nous Research 的 RL 训练框架）的集成，这是它区别于所有其他 Agent 框架的独特之处：

• Agent 的执行轨迹自动记录为 RL 训练数据
• 可用于训练下一代工具调用专用模型（Hermes 4 的训练数据来源之一）
• 形成了「应用层产品 → 训练数据 → 更好的模型 → 更好的应用层产品」的飞轮效应

从 OpenClaw 迁移

Hermes Agent 提供了从 OpenClaw 的无缝迁移通道，支持导入：

• SOUL.md 角色设定文件
• MEMORY.md 记忆条目
• 自定义技能库
• API 密钥配置

---

官方资源

• 🌟 GitHub: https://github.com/NousResearch/hermes-agent
• 📚 官方文档: https://hermes-agent.nousresearch.com/docs/
• 🌐 Nous Research: https://nousresearch.com
• 🤖 技能标准: https://agentskills.io
• 🐛 Issue Tracker: https://github.com/NousResearch/hermes-agent/issues

Nous Research 相关项目

• Atropos（1k ⭐）：LLM 强化学习环境框架
• Hermes Agent Self-Evolution（1.8k ⭐）：基于 DSPy + GEPA 的 Agent 进化系统
• Hermes 4：旗舰工具调用语言模型

---

核心要点回顾

1. 闭环学习：技能的自动生成→召回→优化循环，是目前开源 Agent 框架中最完整的自我改进实现
2. 三层记忆：Session 上下文 + 持久化事实 + 程序性技能，覆盖了 AI 记忆的完整谱系
3. 辩证用户建模：Honcho 的 12 层身份追踪，让 Agent 真正理解「你是谁」以及「你们的关系如何演变」
4. 多平台网关：7 个平台统一接入，跨平台对话连续性是独特竞争优势
5. RL 飞轮：应用层轨迹数据 → 训练更好的模型 → 改善应用层，Nous Research 正在构建一个自我强化的研究飞轮

适用人群

• 个人 AI 助理构建者：想要一个随时间变得越来越了解自己的专属 AI
• AI 工程师：研究 Agent 自我改进机制的实践者
• 独立开发者 / 一人公司：需要跨平台统一 AI 工作流的用户
• AI 研究人员：研究持久记忆、技能学习、用户建模的学者（Nous Research 会开放训练数据）

值得思考的问题

Hermes Agent 代表了一个 AI Agent 演进方向的预判：从「工具」到「伙伴」。工具是无状态的，用完即弃；伙伴是有记忆的，会随你成长。当 AI Agent 开始拥有「职业生涯」概念——在与特定用户的长期合作中积累技能和默契——AI 与人的关系模型将发生根本性转变。

---

欢迎来我的个人主页找到更多有用的知识和有趣的产品