用过 Agent 的人大概都有过这种体验：同一个问题上周讲清楚过一遍，这周换个会话还得从头再讲。换个设备、换个聊天窗口，它就像没认识过你。问题不在模型，在于大多数 Agent 每次都从零开始，做过的事不会留下来。
Hermes Agent 想解决的就是这一段。它的定位很直白——会自己改进的 Agent，而且改进的过程是内建的，不是靠你手写插件。
是什么
Hermes Agent 是 Nous Research 开源的自托管 Agent，Python 写成，MIT 协议，仓库 2025 年 7 月建起来，当前版本 v2026.9.14（2026-09-14 发布），到 2026 年 9 月 18 日仓库还有提交。GitHub 上 24.7 万 Star，51783 Fork。
它自己给的核心定义是"唯一带内置学习闭环的 Agent"。这句话拆开是五件事：从经验里创建技能、在使用中改进这些技能、时不时提醒自己把知识沉淀下来、检索自己过去的会话、跨会话积累关于使用者的模型。技能不是写死的配置，是它在干活过程中攒出来的。
部署位置也不挑。5 美元的云主机能跑，GPU 集群能跑，闲置时几乎不产生费用的 serverless 环境也能跑。README 里有句话说得挺清楚：它不该被拴在你的笔记本上——你在 Telegram 上发条消息，它在云端虚拟机上干活。
核心优势
学习闭环是它和其他 Agent 最不一样的地方。具体机制是这样：复杂任务做完之后，它会把这个过程沉淀成一个技能；下次遇到同类任务直接调用，用的过程中继续改。记忆侧用 SQLite 的 FTS5 做会话全文检索，配合大模型摘要，解决"上个月聊定的那个方案是什么"这类跨会话回忆。用户建模部分接了 Honcho 的辩证式建模，另外兼容 agentskills.io 这个开放标准——也就是说，你为别的 Agent 写的技能，它认。
终端界面是认真做的，不是聊天的壳。完整的 TUI，支持多行编辑、斜杠命令自动补全、会话历史，可以随时打断它并改方向，工具输出是流式打出来的。常用命令也齐：/new 开新会话、/model 换模型、/personality 设人格、/retry 和 /undo 重试或撤销上一轮、/compress 压上下文、/usage 看用量、/insights 看统计。这些在终端和消息平台上是通用的，换入口不用重新学。
一个网关进程接住所有聊天渠道。Telegram、Discord、Slack、WhatsApp、Signal 加命令行，全部走同一个 gateway 进程。语音留言能做转写，跨平台之间会话是连续的——你在手机上说了半句，回到电脑接着往下走。这一点对手里设备多的人省事。
七种运行后端，闲置能睡觉。local、Docker、SSH、Singularity、Modal、Daytona、Vercel Sandbox。其中 Daytona 和 Modal 提供 serverless 持久化：环境闲置时休眠，需要时唤醒，中间不产生费用。这对"想常驻但不想一直开着一台机器"的场景是关键差别。
定时任务和并行委派都是内建的。自带 cron 调度器，任务结果能投递到任意平台，日报、夜间备份、每周审计用自然语言描述就能排。需要并行干活时可以派生出相互隔离的子 Agent；也能写 Python 脚本通过 RPC 直接调工具，把多步流水线收成一个几乎不吃上下文的回合。
模型不锁死。Nous Portal、OpenRouter、OpenAI、你自己的端点都能接，一条 hermes model 换掉，不用改代码。
安装/使用方法
macOS、Linux、WSL2、Termux 一行装完：
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
Windows 原生环境不用折腾 WSL，在 PowerShell 里跑：
iex (irm https://hermes-agent.nousresearch.com/install.ps1)
安装器负责的东西不少：uv、Python 3.11、Node.js、ripgrep、ffmpeg，还有一份便携的 Git Bash——MinGit 约 45MB，解压到 %LOCALAPPDATA%\hermes\git，不需要管理员权限，也不会跟你系统里已有的 Git 打架。Windows 上如果本来就有 Git，它检测到会直接用现成的。
装完 source ~/.bashrc 刷一下 shell，敲 hermes 就进对话。后续配置靠这几条：hermes model 选模型、hermes tools 配工具、hermes config set 和 get 读写单项配置、hermes setup 走完整向导、hermes update 升级、hermes doctor 排障。从 OpenClaw 迁过来的有 hermes claw migrate。
想让它常驻在消息平台后面，先 hermes gateway setup 再 hermes gateway start。这一步做完的好处是渠道和定时任务一直活着，不用开着终端窗口守着。
如果不想一个个去凑模型、网页搜索、图像生成、语音合成、云浏览器这五套密钥，可以走 Nous Portal：hermes setup --portal 会走 OAuth 登录，把 Nous 设成服务商并打开工具网关，覆盖 300 多个模型和上面那几项工具，全部走同一个订阅。当然你也可以继续自带密钥，工具网关是按后端开关的，不是全有全无。
不是没有槽点
版本迭代快，配置项会动。v2026.9.14 这种日期式版本号本身就说明了节奏。想"装上去就不管"的用法，得接受偶尔跟着更新改配置。
打开状态的 issue 数量很大。51783 Fork、24.7 万 Star 的体量摆在这儿，社区活跃是好事，但你在 issue 列表里找到自己那个问题还被搁着的概率也不低。上手前建议先翻一遍跟自己场景相关的那部分。
Windows 上安装器会被杀毒软件盯上。README 里专门有一节讲这个：安装器捆绑的 uv.exe（Astral 那个 Rust 写的 Python 包管理器）经常被 Bitdefender、Windows Defender 之类误报成恶意软件并隔离。作者给了完整的自行校验步骤，也给了白名单命令，但这件事本身说明 Windows 上的第一公里会比 Linux 多几步。而且白名单要加目录不能加文件哈希——因为它每次更新 uv 哈希都会变。
能力面铺得越宽，要配的东西越多。模型服务商、工具开关、聊天渠道凭据、运行后端、定时任务，每一项都得过一遍。它的向导做得不错，但"十分钟跑起来"和"十分钟配得称手"是两回事。
学习闭环需要时间才看得出来。技能是攒出来的，用得越久积累越多。短期试用几轮，你感受到的和一个普通 Agent 差不太多，这部分价值没法在评测里立刻体现。
模型成本还在你这边。框架开源，但推理费用是你自己的账。托管在闲置近乎免费的 serverless 上能省下机器钱，token 钱省不掉。
跟同类怎么比
这个位置的对手大概分三类。一类是云端托管型的个人助手，开箱即用、界面漂亮、有官方兜底，代价是数据、密钥和编排逻辑都在别人手里，深度定制会撞墙。一类是编码 Agent，比如 Claude Code 那一挂，代码任务上很强，但定位是"帮我把这段代码写出来"，不是跨设备长期陪着你。还有一类是纯库框架，自由度最高，可界面、记忆、调度、渠道都得自己搭，搭完就不是一个轻量方案了。
Hermes Agent 站的是"个人常驻 Agent"这个位置：比托管型方案更透明、数据在自己手里、能改；比纯库框架更接近装完就能用；跟编码 Agent 相比，它的重心在跨渠道、跨会话地记住你这个人，而不只是写代码。
一句话判断：如果你想要一个住在自己服务器上、用久了越来越顺手、还能从手机上使唤的 Agent，它值得花一个晚上装一次。如果你要的是"打开网页就能用、坏了有人管"，那这套的运维成本对你就不划算；如果你的需求只是在编辑器里补代码，那直接用一个编码 Agent 更省事。
项目地址：https://github.com/NousResearch/hermes-agent
文档站：https://hermes-agent.nousresearch.com/docs/
标签：#HermesAgent #AI智能体 #自托管 #Agent框架 #技能自进化 #Python
你的 Agent 更该记住你，还是更该跑得快、答得准？