Hermes Agent 正在成为一件艺术品
Hermes Agent 正在成为一件艺术品
来源：htmlDecode("All-in-One AI")
原文链接：https://mp.weixin.qq.com/s/rQEvFUshFjHmvRWNz8J9KA
Hermes Agent，正在成为一件艺术品
不是更强的聊天机器人，而是一套会越用越懂你的 agent 运行时。
这篇想聊的，不是 Hermes 又多会写几行代码了，而是它在认真补一套能长期跑下去的 agent 底座。Nous 想做的不是一次性助手，而是一个会越用越熟、越跑越懂你的系统。
Hermes Agent 官网首页
先说结论，Hermes 不是普通 coding copilot
很多人一看到 agent，就会下意识把它归到「AI 编程助手」那一类。
但 Hermes 官方给自己的定义更像 self-improving AI agent，重点词不是 coding，而是 self-improving。
这两个方向差别很大。普通 copilot 更像一个高频调用的工具，你问一次，它答一次，顶多保留短会话上下文。窗口关了，很多东西也就散了。
Hermes 想解决的是另一类问题：如果一个 AI 要长期替你做事，它怎么记住你是谁，怎么沉淀经验，怎么跨平台继续工作，怎么随着使用越来越顺手。
Hermes vs 普通 Coding Copilot
维度
普通 Copilot
Hermes Agent
记忆 短会话上下文 持久跨会话记忆
技能积累 无 自动生成 & 复用
运行方式 问答触发 自动化 + 定时任务
接入平台 编辑器插件 10+ 消息平台 + API
执行环境 本机 本地/Docker/SSH/云
模型绑定 强绑定 Any-model，无锁定
底层架构，Hermes 已经不是「单脚本工具」了
从文档里的 Architecture 说明看，Hermes 的结构已经拆成了比较清晰的几层。这意味着它不是那种「一个 CLI 套几个 prompt，再拼点工具调用」的轻量 demo。
Hermes Agent 四层架构
入口层 · Entry Points
CLI · Telegram · Discord · Slack · WhatsApp · Email · API
↓
Agent 核心调度层 · AIAgent
Prompt Builder · Provider Resolution · Tool Dispatch · Context
↓
能力扩展层 · Capabilities
Memory · Skills · MCP · Subagents · Cron · Browser · Voice
↓
执行环境层 · Runtime
Local · Docker · SSH · Daytona · Singularity · Modal
官方架构文档截图
第一层是入口层，从 CLI、Telegram、API 都能进。第二层是Agent 核心调度层，负责组装提示、选模型、调用工具。第三层是能力扩展层，包括 memory、skills、MCP、subagents、cron、browser。第四层是执行环境层，支持本机、Docker、SSH、Modal。
这个架构思路有个很明显的好处：它默认接受一个事实，真正有用的 agent，不会只活在一个聊天框里。
项目现状：已经过了「概念展示」阶段，但还在高速进化
Hermes 现在最有意思的一点，是你能明显看到它不是 PPT 项目。
NousResearch 发布 Hermes Agent — 开宗明义强调 self-improving
Hermes 刚发布时，NousResearch 就把关键词定成了 open source、grows with you、multi-level memory system、persistent machine access。
版本进化时间轴
上线
首发定义
open source · grows with you · multi-level memory · persistent machine access
v0.3.0
5天 248 PR，15位贡献者
流式输出 · 插件架构 · 浏览器控制 · IDE集成 · 语音模式
v0.4.0
1周 300 PR + API 程序化控制
Hermes 成为可被外部系统调用的 agent 平台
v0.7.0
记忆插件化 + Karpathy LLM Wiki 内置
hermes memory setup · 6 个第三方记忆后端可选
v0.8.0
当前版本 — Nous 增长最快项目
文档体系完整，持续高频迭代中
v0.3.0：5天 248 PR，15位贡献者
里程碑：通过 API 程序化控制完整 Hermes Agent
v0.7.0：记忆插件化，hermes memory setup 正式上线
Karpathy 的 LLM Wiki 被做成 Hermes 内置 skill
核心特点：真正有辨识度的是「记忆 + 技能 + 多入口」
1. 记忆不是无限堆上下文，而是「有边界、可整理」的长期记忆
文档里对 persistent memory 的说法很克制，明确写的是 bounded, curated memory。Hermes 的做法更像是把长期信息整理进 MEMORY.md 和 USER.md 这类核心文件，并在 session 启动时注入系统提示。说白了，它想做的是可管理的记忆，不是失控的记忆。
Hermes 文档体系：从记忆、技能到 MCP 都有完整说明
2. Skills 不是装饰功能，而是「程序性记忆」
Hermes 的 skill 文档提到一个词，叫 progressive disclosure——只有需要的时候才加载相关知识，尽量省 token。skill 在这里更像一块按需调用的知识模块，既能教 agent 怎么做某件事，也能把经验沉淀成稳定能力。再加上官方提到的 autonomous skill creation，这就像在把「经验复用」做成产品能力。
3. 多入口和多环境，让它更像真正能长期运行的 agent
Hermes 一直强调 Telegram、Discord、Slack、Email、CLI 等多平台接入，还支持 local、Docker、SSH、Modal 等执行环境。背后的思路很朴素：如果 agent 只能绑在你当前这台电脑、当前这个窗口，它就很难成为长期助手。
普通人怎么上手，不用先把自己吓退
Quickstart 文档：安装 → 配置 provider → 开始对话
Hermes 的安装入口很直接，官网给的就是一行脚本安装，然后执行 hermes setup 。如果你是普通用户，建议按这个顺序试：
· 先别想着「一步到位搭超级 agent」，而是先把它当成一个长期在线、可记忆的个人助手 · 先让它帮你整理固定项目背景、记录常用工作偏好、定时提醒或跑简单自动化 · 等你真的感受到「它开始知道你怎么做事」以后，再去碰技能、MCP、浏览器控制、子代理
这样更自然，也更符合 Hermes 这类系统的价值释放方式。
它可以怎么和你的项目结合
我觉得 Hermes 最适合的，不是那种纯一次性任务，而是会重复、会积累、会跨环境的工作流。
GitHub README：built-in learning loop 是核心主张
如果你是开发者，它可以在不同仓库、不同 worktree、不同环境里帮你跑重复流程，还把踩坑经验沉淀下来。
如果你有自己的工具链，API 控制和 MCP 接入就很有价值，因为这意味着 Hermes 不一定只做前台助手，也可以嵌进你自己的系统里当一层 agent 编排。
再往前走一步，子代理和并行化也给了它更大的想象空间：一个 agent 负责主流程，几个子 agent 去分头找资料、跑检查、写摘要，这个味道就已经不是「聊天机器人」了。
最后聊聊 Nous 的理念
看完官网、文档和这几轮更新，我觉得 NousResearch 在 Hermes 上最鲜明的判断是：真正值得做的 agent，不是一次回答更聪明，而是长期协作越来越顺。
这也是为什么他们一直围着记忆、技能、学习闭环、多入口、远程执行、插件化去补。
在他们眼里，agent 的核心竞争力可能不是某次 benchmark，而是它能不能变成一个随着使用逐渐贴合个人工作方式的系统。
Hermes 现在远没到「完美成型」的阶段。高频迭代本身就意味着系统还在快速变化，很多能力也还会继续重构。但至少从公开材料看，它已经把主线走得很清楚了。
所以如果你最近在看开源 agent，Hermes 值得关注的点，不是它又更新了多少功能，而是它在认真回答一个更长期的问题：
AI 助手到底能不能不是一次性工具，而是真正变成一个越用越懂你的工作搭子。
一键三连「点赞」「转发」「小心心」
科技前沿进展每日见