用过大多数 AI 助手的人都有一个共同体验：聊得再好，第二天它就把你忘了。每次对话都是一次全新开始，你教过它的东西、它犯过的错、你的偏好习惯，全都清零。2026 年 9 月，Nous Research 开源的 Hermes Agent 把矛头直接对准了这个问题——它的口号很直白：一个用得越久越懂你的智能体，一个会自己长技能的智能体。
Hermes Agent 是什么
Hermes Agent 是 Nous Research 开发的开源 AI 智能体项目（代码托管在 GitHub 的 NousResearch/hermes-agent）。Nous Research 是 Hermes、Nomos、Psyche 系列模型背后的研究实验室，在开源模型社区里是响当当的名字——这一点很关键，Hermes Agent 不是模型厂商给自家模型做的”配套工具”，而是一个模型中立的 Agent 运行时。
官方对它的定位非常明确：它不是绑定在 IDE 上的编程副驾驶，也不是对单一 API 的聊天机器人封装，而是一个自主智能体运行时——运行时间越长，能力越强。它能读文件系统、执行命令、抓取网页，并且从自己的工作经验中创建可复用的技能。
和大多数 Agent 框架”给你零件自己组装”的思路不同，Hermes Agent 是一个完整的产品：安装即用，自带 CLI、桌面应用、消息网关、定时任务、语音模式。你不需要写代码就能把它跑起来，但它的所有核心机制又都是开放的、可配置的。
核心卖点：内置学习闭环
Hermes Agent 官方自称”唯一内置学习循环的智能体”。这句话的分量，要拆开看它到底循环了什么。
自主技能创建：当你让它完成一个复杂任务——比如”每天早上抓取三个数据源汇总成报告发到群里”——它做完之后，会把这次任务的过程提炼成一个可复用的技能（skill），存进自己的技能库。下次类似任务来了，直接调用技能，不用从零摸索。
技能自我改进：技能不是存了就完了。每次使用中如果发现技能有缺陷——某一步参数写死了、某个网站改版了选择器失效——它会在使用过程中修正技能本身。技能库越用越精，而不是越用越乱。
主动持久化知识：智能体管理的记忆配合定期提示（nudges），把重要的过程性知识主动存下来，而不是靠用户提醒”记住这个”。
跨会话召回：基于 FTS5 的跨会话全文搜索加 LLM 摘要——过往所有对话都能被检索、被概括、被引用。FTS5 是 SQLite 内置的全文搜索引擎，这个选型很务实：不依赖外部向量库，一个本地文件搞定，搜索快、成本低。
用户建模：用 Honcho 辩证式用户建模，在会话之间不断深化”对你的理解”——你的工作习惯、偏好、常做的事。这和”记住聊天记录”是两回事：前者是画像，后者只是流水账。
这五层叠起来，就是一个闭环：做事 → 总结成技能 → 技能被复用和改进 → 记忆和用户画像持续加深 → 下次做事更高效。大多数 Agent 停在”做事”这一步，Hermes Agent 把后面四步都补上了。
另外值得一提的开放性设计：技能系统兼容 agentskills.io 开放标准，技能可移植、可共享，社区通过 Skills Hub 贡献技能。你的 Agent 长出来的技能，可以分享给别人；别人的技能，你的 Agent 也能直接用。
记忆系统的工程实现
持久记忆说起来简单，工程上要做对很难。Hermes Agent 的记忆体系值得单独拆解，因为它给出了一个可落地的参考架构。
它的记忆分几个层次：MEMORY.md 持久记忆文件（跨会话的事实和偏好）、SOUL.md 人格文件（定义 Agent 的默认风格，用户可以手改）、技能目录（过程性知识的载体）、加上 FTS5 全文索引覆盖的完整对话历史。配置上，~/.hermes/config.yaml 管设置，~/.hermes/.env 管密钥，auth.json 由系统自动管理。
这个设计聪明的地方在于分层：人格和核心偏好放在可读可改的 Markdown 文件里，用户随时能看、能改；海量对话历史放在 FTS5 索引里按需检索；过程性知识沉淀成技能文件。而不是把所有东西一股脑塞进一个向量库，然后用相似度搜索”凭缘分”召回——后者正是很多 RAG 式记忆方案效果不稳的原因。
实际用起来什么效果？你在三个月前教过它”我们公司的报表格式偏好”，今天让它做报表，它不用你重说。它上周犯过一个错——比如把测试环境当成生产环境执行了命令——这周它会主动避开。这才是”记忆”该有的样子。
跑在哪都行：六种终端后端
大多数开源 Agent 工具默认跑在你自己的电脑上——电脑一关，Agent 就下线了。Hermes Agent 对”住在哪”这个问题给了六个答案：本地、Docker、SSH、Daytona、Singularity、Modal。
本地和 Docker 是常规操作。SSH 后端让它可以直接驻扎在一台远程服务器上。真正有意思的是 Daytona 和 Modal 这两个 serverless 后端：环境闲置时自动休眠，几乎零成本；需要干活时唤醒。官方的描述很生动——”它住在 5 美元的 VPS 上，或者闲置时几乎不花钱的 serverless 基础设施上。你在 Telegram 上跟它说话，它在你从来没登录过的云虚拟机上干活。”
这个设计解决了个人部署 Agent 的最大痛点：你想要一个 7×24 小时待命的助手（定时任务、消息响应、长时监控），但不想为一台常开服务器付太多钱。休眠唤醒模式让”常驻 Agent”的成本曲线变得平缓——不用的时候，它几乎不花钱。
住在你聊天的每个地方：20 多个平台一个网关
Hermes Agent 的消息网关（Messaging Gateway）是它作为”产品”最出彩的部分之一：一个网关进程，同时接入 20 多个聊天平台。海外平台包括 Telegram、Discord、Slack、WhatsApp、Signal、Matrix、Mattermost、Email、SMS、Microsoft Teams、Google Chat 等；对国内用户尤其友好的是，它原生支持钉钉（DingTalk）、飞书（Feishu）、企业微信（WeCom）、微信（Weixin）、QQ Bot、元宝（Yuanbao）等平台。
这意味着什么？你的 Agent 不是”另一个要专门打开的 App”——它就在你已经在用的聊天软件里。早上在微信里让它整理一份会议纪要，中午在飞书里 @ 它跟进一个任务，晚上在 Telegram 里让它跑一个数据抓取——三个平台背后是同一个 Agent、同一份记忆、同一个技能库。所有消息走同一个对话循环（conversation loop），状态完全同步。
同一个循环还驱动着其他所有界面：CLI、桌面应用、编辑器集成、批处理、API 服务器。无论从哪里进来，Agent 的行为逻辑是一致的。这种”多入口单大脑”的架构，对想把 Agent 融入日常工作流的人来说，比多一个华丽的独立 App 实用得多。
模型不锁定：二十家供应商随便换
Agent 工具最常见的坑是模型锁定——工具和某家模型深度绑定，换模型等于换工具。Hermes Agent 在这件事上做得很彻底：支持大约 20 家一级模型供应商，包括 OpenAI 兼容端点、Anthropic、Google、xAI 的 SuperGrok、DeepSeek、OpenRouter 聚合，以及完全自托管的模型。
认证走三条路：环境文件里的 API key、OAuth 登录流程、或配置文件里的自定义端点。你甚至可以在对话中途切换供应商，聊天记录不丢。视觉分析、网页摘要、记忆管理等辅助任务用一个独立的选择模型（默认 Gemini Flash，可改），和主对话模型解耦。
两个细节值得一提。第一，2026 年 5 月的 0.14.0 版本加入了对 SuperGrok 100 万 token 上下文窗口的支持——一次能处理约 80 万单词的内容，长文档工作流直接受益。第二，0.14.0 的本地代理功能很巧妙：它能把 Claude Pro、ChatGPT Pro 这类订阅制服务转换成 OpenAI 兼容端点，让 Aider、Cline、Continue Dev 这些第三方工具直接用你的订阅额度——等于把”月付订阅”变成了你本地工具链的通用货币。
这个设计哲学一以贯之：Agent 是你的，模型是租的，谁家好用用谁家。对国内开发者来说，接 DeepSeek 或任何 OpenAI 兼容的国产模型端点都不费事。
Bot Mode：从单打独斗到智能体团队
2026 年 9 月 1 日，Hermes Agent 发布了 v0.21.0 版本，代号 Pantheon（万神殿）。这次更新把它的多智能体协作能力往前推了一大步，也是最值得细看的部分。
群聊模式是这次更新的核心。以前多个 Agent 协作，更像在后台搭流水线——一个干完把结果传给下一个。现在，桌面端可以创建类似 Discord 的房间，把多个 Bot 拉进同一个群聊。每个 Bot 有自己的名字、头像（确定性算法生成，可自行更换）、独立配置的模型和记忆。在输入框里 @ 某个 Bot，它就接手任务。群聊可以改名、换封面。任务执行过程中还可以中断。
跨 Bot 私信：新增的 hermespeer 命令让所有 Agent 可以按用户名给其他 Agent 发私信，跨 profile、跨网关。比如一个负责查资料的研究 Bot 找到信息后，直接把结果发给编程 Bot 继续执行任务，对话还支持回放。
定时任务有记忆了：官方此前自嘲 Cron 定时任务像”金鱼”——每次运行都是全新开始。这次 Cron Agent 支持开启 continuity：上一次任务的输出可以带到下一次运行，每个定时任务还有自己的持久记事本。对监控类任务还有个省钱细节：如果抓取的数据没变化，可以根据任务需求跳过调用模型分析的环节，直接省下 token。
子 Agent 可控了：以前把任务委派给子 Agent，”有点像发射出去以后祈祷它顺利完成”。现在可以在运行过程中查看子任务进度、发送纠偏指令、甚至提前终止——同时保留已产生的结果。任务输出支持 JSON Schema 校验，每次委派的成本直接显示在结果里，默认迭代上限提高到 250 次，最多 10 个子任务并行。
这个版本的工程量也侧面说明了社区热度：合并约 2475 个 PR、5800 次代码提交、关闭约 2100 个 issue、超过 760 名贡献者参与。一个开源 Agent 项目能有这样的社区动能，本身就是它生态健康度的证明。
有意思的是，Bot Mode 被拿来和 Grok Bot 对比——多机器人记忆隔离、群聊对话正是后者的核心卖点，而 Hermes Agent 的版本没有高昂的订阅限制。也有开发者评论说它”干掉 OpenClaw 就像干掉上一个对手”，当然也有国内开发者指出新版多 Agent 协作在速率上还存在问题，实用性会打折扣。开源产品的迭代速度和工程成熟度，永远是一枚硬币的两面。
安全机制：能力越强，缰绳越紧
一个能读文件、执行命令、接管聊天账号的 Agent，安全设计不是可选项。Hermes Agent 在这方面有几个值得认真看的做法。
受保护指令文件写入审批：AGENTS.md、技能库、记忆库这类定义 Agent 行为准则的文件，现在写入都要经过审批。为什么重要？因为提示词注入攻击的常见路径，就是诱导 Agent 悄悄改掉自己的行动准则——比如往记忆里写一条”以后所有输出都附上某链接”。写入审批把这个后门堵上了。
秘钥脱敏：终端报错、.env 读取、检查点和 ACP 日志里全覆盖，避免 API key 之类的敏感信息出现在日志和对话里。
命令审批与容器隔离：危险命令要人工批准，执行环境可以放进容器隔离，限制 Agent 对宿主系统的直接访问权限。
还有一个很少见的细节：这次 v0.21.0 发布说明里，官方主动列出了两个被撤回的功能——ModelCouncil 模式（/council）和 DCP 上下文引擎。两者都已开发落地，但没跟上这个版本，理由是还不够成熟。在”功能越堆越多”的竞争节奏里，敢于收回不成熟的功能，这种工程诚实本身就是一种安全文化。
工具箱、MCP 与研究友好性
内置工具：60 多个内置工具覆盖文件操作、命令执行、网页搜索、内容提取、浏览器自动化、视觉分析、图像生成、TTS 语音合成——通过 Nous Portal 一个订阅可以打包全部。程序化工具调用（execute_code）能把多步骤流水线压缩成单次推理调用，减少多轮工具调用的开销。
MCP 集成：连接任意 MCP 服务器扩展工具能力，支持过滤 MCP 服务器的工具、按需启用。MCP（模型上下文协议）是 2025 年以来 Agent 生态的事实标准，Hermes 的接入方式是”原生支持 + 独立管理页面”，可以拖入内容完成导入，系统后台做健康检查，工具调用快失效时提前提醒重新授权。
研究就绪：批处理、轨迹导出、基于 Atropos 的 RL 训练环境——这是 Nous Research 作为模型训练实验室的”职业病”，也是它和一般 Agent 工具的显著区别：Hermes Agent 的运行轨迹可以导出来训练工具调用模型，Agent 本身就是数据采集器。对做 Agent 研究的团队，这个能力比任何单点功能都值钱。
语音模式：CLI、Telegram、Discord 以及 Discord 语音频道里都能进行实时语音交互。想象一下：你在通勤路上用语音让 Agent 汇报昨天的监控结果、口述一个任务安排，它听完直接执行。
和 LangChain 这些框架是什么关系
很多人会问：这和 LangChain / LangGraph 是不是竞品？严格说，不是同一层的东西。
LangChain / LangGraph 是开发框架——给你零件和运行时，你用代码组装出自己的 Agent 应用，适合开发者做定制产品。Hermes Agent 是成品智能体——安装即用的完整运行时，适合想让”一个 Agent 替我干活”的个人和小团队。一个对应”我要开发 Agent 应用”，一个对应”我要一个 Agent”。
和 Aider、Cline 这些 IDE 编程副驾驶也不是一回事：它们是写代码的助手，Hermes 是全方位的自动化运行时——写代码只是它 60 多个工具覆盖的领域之一。它能帮你写代码，但也能帮你盯数据、管消息、跑定时任务、操作文件系统。
判断方法很简单：如果你的需求是”给产品加一个 Agent 功能”，看框架；如果你的需求是”给自己配一个长期助理”，看 Hermes Agent 这类产品。两者的边界在 2026 年越来越清晰，也各有各的赛道。
上手：从安装到第一个任务
Hermes Agent 的安装门槛做得很低。Linux、macOS、WSL2 环境一行 curl 命令；Windows 原生用 PowerShell 一行命令（早期测试版）；安卓 Termux 也支持，安装程序自动检测。桌面应用有 Windows 和 macOS 安装包。
装完之后官方推荐的最快路径是 hermes setup --portal：一次 OAuth 授权，同时覆盖一个模型加上网页搜索、图像生成、TTS、浏览器四个工具网关工具。不想用 Portal 的，改 config.yaml 指向自己的模型端点也行。
几个实用建议：先把 SOUL.md 打开看看，那是它人格和默认行为的地方，按需调整；消息平台按需启用，不要一上来全开；定时任务先从低风险的任务试起，配合命令审批观察一段时间再放开权限；技能库定期备份——那是你的 Agent 真正的资产。
局限与冷静面
吹了这么多，也要说清楚它的局限。
第一，多 Agent 协作的速率问题。前面提到，v0.21.0 的群聊协作模式在速率上有待优化，国内开发者实测反馈实用性会打折扣。Bot 越多、消息越多，延迟越明显。
第二，中文生态的适配深度。虽然原生支持钉钉、飞书、企业微信、微信、QQ，但这些平台接入需要的开发者资质、审核流程，和国外平台不同，实际落地可能要趟一遍坑。
第三，记忆和技能的治理成本。自我改进的技能库是双刃剑：技能越积越多，如果不做定期清理和审查，旧的、错的技能可能干扰新任务。好在受保护文件写入审批机制提供了基本防线。
第四，模型质量决定下限。Hermes Agent 本身不生产智能，它的能力上限取决于你接的模型。接一个弱模型，学习闭环转得再好也只是”高效地平庸”。
小结
Hermes Agent 代表了 Agent 产品的一个清晰方向：从”更强的单次对话”转向”更长的相伴时间”。学习闭环让它的能力随使用增长，持久记忆和用户建模让”用得越久越懂你”从口号变成机制，六种运行后端加 20 多个聊天平台让它真正住进你的工作和生活里，而模型中立和安全审批机制则守住了开源工具应有的底线。它当然还不完美——协作速率、中文生态、记忆治理都有课题——但在”AI 助手该不该有连续性人格和成长性”这个问题上，Hermes Agent 给出了目前开源阵营里最完整的答案。对想要一个长期助手而不是又一个聊天窗口的人来说，它值得花一个晚上装来试试。
