第一章：Hermes Agent 项目简介与核心理念

1.1 Hermes Agent 是什么

1.1.1 一句话介绍

Hermes Agent（以下简称 Hermes）是 Nous Research 出品的 开源、自学习的通用型 AI 智能体（self-improving AI agent）。它不是一个 IDE 插件，也不是某一个大模型的简单封装，而是一套完整的 Agent Harness：

「The self-improving AI agent built by Nous Research. It’s the only agent with a built-in learning loop — it creates skills from experience, improves them during use, nudges itself to persist knowledge, searches its own past conversations, and builds a deepening model of who you are across sessions.」

翻译过来就是：Hermes 是唯一内置完整学习闭环的开源 Agent——它会在使用过程中自主创建技能、改进技能、把重要事实写入持久化记忆、检索自己历史会话，并对你这个用户建立一份越来越精确的画像。它既能跑在 5 美元的 VPS 上，也能跑在 GPU 集群上，还能跑在 Daytona / Modal 这种空闲时几乎零成本的 Serverless 基础设施上；它不绑定你的笔记本——你可以一边在 Telegram 跟它聊天，一边让它在云端 VM 上为你干活。

许可证为 MIT，托管在 GitHub NousResearch/hermes-agent。官方文档站点为 hermes-agent.nousresearch.com/docs。

1.1.2 项目定位与”它不是什么”

为了减少误解，先把 Hermes 不是什么列清楚：

• 它不是 IDE 插件：和 Cursor / Continue / Cline / Copilot 不同，Hermes 是一个独立运行的 Agent 进程，不依赖任何编辑器，CLI 与消息平台才是它的”主舞台”。
• 它不是某个大模型的官方客户端：虽然名字叫”Hermes”（与 Nous 训练的 Hermes 系列模型同名），但 Hermes Agent 本身与具体模型解耦，可以使用 200+ 模型，包括 Claude、GPT、Gemini、GLM、Kimi、MiniMax、DeepSeek、Qwen、Nemotron、Hermes、Llama 等。
• 它不是简单的”包一层 ChatCompletion”：Hermes 内部维护了完整的工具运行时（68 个内置工具，52 个 toolset）、会话存储（SQLite + FTS5）、上下文压缩、Prompt 缓存、Provider 故障切换、密钥池、技能系统、MCP 客户端、定时任务、消息网关等子系统，是一套真正的”Agent 操作系统”。
• 它不是只能在桌面跑的玩具：Hermes 设计目标是 服务化、远程化、长时运行——可以作为后台进程、Telegram bot、Discord bot、cron 调度器、HTTP API 服务、ACP IDE 后端、批处理 trajectory 生成器等多种形态运行。

而它是什么呢？官方 README 给出了七条最关键的特性：

1. 真正的终端界面（A real terminal interface）：完整的 TUI，多行编辑、斜杠命令自动补全、对话历史、随时打断/重定向、流式工具输出。
2. 走到哪用到哪（Lives where you do）：Telegram、Discord、Slack、WhatsApp、Signal、Matrix、Mattermost、Email、SMS、企业微信、飞书、钉钉、BlueBubbles、Home Assistant 等 15+ 平台共享同一个 Gateway 进程；语音消息可以转写；同一个对话可以跨平台延续。
3. 闭环的学习能力（A closed learning loop）：智能体自己策划记忆，定期”轻推”自己写入；复杂任务后自主创建技能；技能在使用中自我改进；FTS5 + LLM 摘要做跨会话检索；可选接入 Honcho 做辩证式用户建模；技能格式兼容 agentskills.io 开放标准。
4. 内置定时调度（Scheduled automations）：原生 cron 调度器，结果可投递到任意平台；每日报告、夜间备份、周度审计都可以用自然语言描述、无人值守运行。
5. 任务委托与并行（Delegates and parallelizes）：通过 delegate_task 启动多个隔离子代理并行工作；通过 execute_code 工具，模型可以写 Python 脚本通过 RPC 直接调用 Hermes 的工具集，把多步流水线压缩成一次推理。
6. 跑在哪都行（Runs anywhere, not just your laptop）：6 种终端后端——local、docker、ssh、daytona、singularity、modal。Daytona 和 Modal 提供 Serverless 持久化：环境空闲时休眠、按需唤醒，几乎零成本。
7. 研究就绪（Research-ready）：批量轨迹生成、Atropos RL 环境、轨迹压缩，可以直接用于训练下一代工具调用模型。

1.2 为什么会有 Hermes：从”一次性 Copilot”到”长期共生体”

1.2.1 当前 Agent 工具的结构性问题

如果你仔细回顾过 Cursor / Cline / Claude Code / Copilot Chat / Aider 等主流编程 Agent，会发现它们普遍存在几个结构性问题：

1. 强绑定 IDE 和某一个模型供应商：Cursor 强绑 Anthropic / OpenAI，Codex 绑 OpenAI，Copilot 绑 GitHub。一旦切换模型，体验和工具能力都在变化。
2. 没有持久记忆：每个新会话都从零开始；上一次解决过的难题，这一次依然要重复解释一遍上下文。
3. 学习不闭环：即便有”项目规则文件”或”prompt template”，它们都是用户手动维护的；模型自己不会从经验中沉淀技能、不会主动调整行为。
4. 不能远程运行：你的 Agent 只能跑在打开 IDE 的那台电脑上，关掉电脑它就停了；想让它一边跑一边在手机上和你交互几乎不可能。
5. 多平台体验割裂：在 IDE 里是一个 Agent，在 Telegram 里是另一个 bot，再在 Slack 里又是一个 webhook；它们彼此互不知情、不共享记忆。

Hermes 的设计就是从根上对这些问题做出回应。

1.2.2 Hermes 的核心理念：一个会成长的、真正属于你的 Agent

理解 Hermes 设计哲学，最关键的就是把它当成一个 “长期、跨设备、跨平台、会成长的助理”，而不是”一次性问答工具”。它的所有功能都围绕这一目标展开：

也就是说，Hermes 把”AI 助手”的边界从”我开 IDE 时它在线”扩展到了”我活着它就在线，跨设备、跨平台、跨上下文都记得”。

1.2.3 与 OpenClaw / Claude Code / OpenCode 的关系

Hermes 的前身是 OpenClaw。Hermes 仓库内置 hermes claw migrate 命令：可以把 OpenClaw 的 SOUL.md、记忆（MEMORY.md/USER.md）、技能、API Key、命令白名单、TTS 资源、AGENTS.md 等一键迁移过来。

Hermes 与 Anthropic Claude Code、OpenCode（Hermes 的”姊妹项目”之一）走的是不同路线：Claude Code 紧贴 Claude，OpenCode 是个底层 CLI；而 Hermes 把”多模型 + 自学习 + 多平台 + 多后端”作为一等公民，更接近”agent 平台/runtime”。三者并不互斥——你完全可以用 Claude Code 写代码、用 Hermes 做长期助理、用 OpenCode 做命令行实验。

1.3 五大核心特性总览

虽然第二章会详细介绍架构，这里先把 Hermes 五大让人留下深刻印象的能力做个全景预览，让你心里有数。

1.3.1 自学习闭环（Closed Learning Loop）

这是 Hermes 区别于绝大多数 Agent 的关键。它包含 4 个互相啮合的组件：

• Memory（持久记忆）：memory 工具读写 ~/.hermes/memories/MEMORY.md（约 800 token，环境与约定）和 USER.md（约 500 token，用户画像）。系统提示在每次会话开始时把它们冻结成快照注入。
• Skills（技能）：智能体在完成复杂任务后，可以把可复用的步骤、注意事项、验证方式写成 SKILL.md，保存到 ~/.hermes/skills/<skill-name>/，下次同类问题自动唤起。
• Session Search（会话检索）：所有历史会话都存在 SQLite + FTS5 中；通过 session_search 工具，Agent 可以搜索”我上周怎么处理过 GraphQL schema 迁移的”。LLM 摘要会让结果更精炼。
• Curator + Honcho（用户建模）：Curator 子系统会定期”提示”Agent 整理记忆；Honcho 提供更高级的辩证式用户模型（dialectic user modeling），把用户画像维护得越来越准。

1.3.2 模型与运行环境双解耦

一行命令切换模型：

hermes model              # 进入交互式选择
hermes config set model anthropic/claude-opus-4.6
hermes config set model openrouter/openai/gpt-5

支持的供应商极其广泛（详见第五章）：Nous Portal、OpenRouter、Anthropic、OpenAI/Codex、Z.AI/GLM、Kimi/Moonshot（含中国区）、MiniMax（含中国区）、Alibaba DashScope（Qwen）、HuggingFace、KiloCode、OpenCode Zen/Go、DeepSeek、NVIDIA NIM、GitHub Copilot、Vercel AI Gateway、自定义 OpenAI-Compatible 端点（vLLM、SGLang、Ollama、LMStudio）。

终端后端同样如此：你可以让 Hermes 在 local 跑命令，也可以让它在 docker 沙箱、ssh 远端、daytona 云开发环境、modal 无服务器函数、singularity HPC 容器中跑同一组工具。

1.3.3 多平台网关（Gateway）

hermes gateway start 启动一个进程，同时连接：Telegram、Discord、Slack、WhatsApp、Signal、Matrix、Mattermost、Email、SMS、企业微信、飞书、钉钉、QQ 机器人、Yuanbao、BlueBubbles、Webhooks、Open WebUI、Home Assistant 等。每个平台都有独立的 adapter，但共享同一个 Agent、同一份记忆、同一份技能。

国内开发者最关心的几条平台：WeCom（企业微信）、Feishu（飞书）、DingTalk（钉钉）、Weixin（个人微信，配合 HermesClaw 桥接）、QQ Bot、Yuanbao 都已经原生支持。

1.3.4 工具与子代理

Hermes 自带 68 个内置工具，按 toolset 组织（共 52 个 toolset）：

• 文件：read_file、write_file、patch、search_files
• 终端：terminal、process
• Web：web_search、web_extract
• 浏览器：10 个 browser_* 工具，覆盖导航、点击、表单、视觉、截图等
• 媒体：vision_analyze、image_generate、text_to_speech
• 智能编排：todo、clarify、execute_code、delegate_task
• 记忆与检索：memory、session_search
• 自动化与投递：cronjob、send_message
• 集成：ha_*（Home Assistant）、动态 mcp-<server> 工具、rl_*（RL 训练）

delegate_task 让 Agent 可以并行启动多个子代理处理独立分支；execute_code 让模型直接写 Python 脚本通过 RPC 调用工具，把多步流水线压成一次推理（”Programmatic Tool Calling”）。

1.3.5 内置 Cron + Kanban + Webhook：自动化”操作系统”

• Cron：用自然语言或标准 cron 表达式安排周期/一次性任务，结果投递到任意平台。
• Kanban：基于 SQLite 的多 Profile 任务板。多个命名 Agent（dispatcher / researcher / writer / reviewer 等）可以通过任务板协作，每个任务都是一行可被人类和其它 Agent 读写的记录。
• Webhook：Gateway 暴露 webhook 入口，你可以让 GitHub PR 触发”PR Review Agent”，让 Stripe 事件触发”客户告知 Agent”等。

1.4 Hermes 与同类项目的对比

可以看出：Hermes 的差异化竞争力不在”单点 IDE 体验”，而在”作为长期 Agent runtime 的整体性”。如果你的目标是：

• 想用 任意大模型（包括国内 Kimi、MiniMax、GLM、DeepSeek）做一个 24/7 在线、跨平台、有记忆的助理；
• 希望它自己沉淀经验，下次同类问题更聪明；
• 希望它跑在云端，你的笔记本一关它依然在工作；
• 希望它对接 IM / 邮件 / SMS / Webhook / Home Assistant / 企业微信 / 飞书；
• 同时还希望保留完整可控、可定制、开源 MIT 的底盘；

Hermes 几乎是目前唯一一个”全方位都能打”的选择。

1.5 学完本教程你能做到什么

本教程共 12 章，循序渐进。学完之后你应当能够：

1. 理解 Hermes 的架构与核心组件，能根据需要在 CLI、Gateway、API、ACP、批处理等入口之间切换。
2. 完成完整的安装与初始化：包括选择供应商、配置 API Key、调试 hermes doctor、迁移旧 OpenClaw。
3. 熟练使用 CLI/TUI：所有重要的斜杠命令、键位、会话管理、checkpoint/rollback、profile 切换。
4. 配置多模型与故障切换：理解 chat_completions / codex_responses / anthropic_messages 三种 API 模式，配 fallback 链、credential pool、provider routing。
5. 管理工具与终端后端：按平台启用/禁用 toolset，让 Agent 在 docker / ssh / daytona / modal 中跑命令。
6. 构建闭环学习：写记忆、读记忆、创建/启用/分享技能、管理 Skills Hub、用 session_search 检索过去。
7. 接入 MCP：本地 stdio 与远程 HTTP MCP server 都能配，按 server 过滤工具。
8. 搭建多平台 Gateway：上线 Telegram、Discord、Slack、企业微信、飞书、钉钉、Email、Webhook。
9. 设计 Cron 自动化：每日简报机器人、GitHub PR Review Agent、定时巡检脚本。
10. 使用语音、视觉、浏览器、子代理、Kanban：把 Hermes 当成一个”小型 ops 团队”。
11. 写自己的 Plugin / Memory Provider / Context Engine / Platform Adapter，并把它打包分发。
12. 结合批处理、Atropos RL、Trajectory Format 做模型训练数据生成：把 Hermes 用作研究工具。

1.6 学习前的准备

虽然每章都会从零讲起，但你最好具备以下基础：

• 基本的 Linux / macOS shell 使用（bash、zsh、环境变量、cron 概念）。
• 会装 Python 3.11（Hermes 默认通过 uv 自动装好；但理解虚拟环境会有帮助）。
• 会读写 YAML 与 Markdown（配置文件 ~/.hermes/config.yaml 和技能 SKILL.md 都用这两种格式）。
• 了解过任意一个 LLM 服务的 API Key 概念。
• 不要求会 Python 或 Go：阅读源码、写插件、写 cronjob 时如果会 Python 会更轻松，但日常使用完全不用。

至于硬件：5 美元 VPS 即可跑起来；本地 macOS / Linux / WSL2 / Termux（Android 手机）都受支持。不支持 Windows 原生，请在 Windows 上用 WSL2。

1.7 本章小结

本章我们建立了对 Hermes Agent 的整体认知：

• Hermes 是 Nous Research 出品的 MIT 协议、自学习、多模型、多平台、多后端 AI Agent；
• 它的核心理念是把”Agent”从”一次性问答工具”重塑为”长期共生的、跨设备记得你的助理”；
• 它通过 Memory + Skills + Session Search + Honcho 构成 闭环学习；
• 它通过 Provider 抽象 + Terminal Backend 做到 模型与环境双解耦；
• 它通过 Gateway + Cron + Kanban + Webhook 做到 真正的自动化操作系统；
• 它的工具/技能/MCP 协议格式都遵循开放标准，便于团队共享和长期演进。

下一章，我们会把镜头拉近，看 Hermes 内部到底由哪些子系统组成，它们如何协同工作。