AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日
一个能自我改进的 AI 智能体,从经验中创建技能并跨会话记住你。
Hermes Agent 是 Nous Research 开发的开源 AI 智能体,主打内置学习循环:它能从任务经验中自动创建技能,在使用中改进技能,主动保存知识,并检索历史对话。它不绑定单一模型,可通过命令切换 Nous Portal、OpenRouter、OpenAI 或自建端点,并能在终端、聊天平台或云端运行。
推荐指数
功能完整、部署灵活的自改进智能体,适合愿意投入配置的开发者长期使用。
近 7 天
+1,758
新增 Star
总 Star 排名
#3
雷达追踪的 3,931 个 AI 仓库中
创建于
2025
2025年7月23日
核心亮点
1自我改进循环
从复杂任务中自动创建技能,并在后续使用中持续改进。
2多平台接入
同一网关进程支持 Telegram、Discord、Slack、WhatsApp、Signal 和 CLI。
3模型自由切换
通过 hermes model 命令切换不同模型提供商,无需改代码。
4多种运行后端
支持本地、Docker、SSH、Modal、Daytona 和 Vercel Sandbox 等终端后端。
5定时自动化
内置 cron 调度器,可用自然语言设置每日报告、备份等无人值守任务。
适用场景
个人长期助手
例如:在 Telegram 里让 Hermes 记住你的偏好,下次对话直接按习惯处理任务。
云端常驻智能体
例如:部署在 5 美元 VPS 上,通过聊天平台远程派发任务并接收结果。
定时自动化任务
例如:设置每晚自动备份文件并发送周报摘要到 Slack。
多模型对比与实验
例如:用 hermes model 切换 OpenAI 和自建端点,比较同一任务的表现。
它是怎么工作的
第 1 步
安装并初始化
通过安装脚本部署 Hermes,配置模型提供商和运行环境。
第 2 步
对话与执行任务
在终端 TUI 或聊天平台中下达指令,智能体调用工具完成任务。
第 3 步
经验沉淀为技能
复杂任务完成后,智能体自动创建技能并保存到技能库。
第 4 步
记忆与检索
使用 FTS5 会话搜索和 LLM 摘要,跨会话召回历史信息。
第 5 步
调度与委派
通过 cron 定时触发任务,或派生子智能体并行处理工作流。
快速上手
- 1
安装(Linux/macOS/WSL2)
运行官方安装脚本,自动处理依赖。
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash - 2
安装(Windows PowerShell)
原生 Windows 支持,无需 WSL。
iex (irm https://hermes-agent.nousresearch.com/install.ps1) - 3
重载 shell
让安装后的命令生效。
source ~/.bashrc - 4
启动对话
运行 hermes 开始聊天。
hermes
适合谁
- 希望长期使用个人 AI 助手的开发者
- 需要跨聊天平台使用智能体的用户
- 想自由切换模型提供商的技术人员
- 需要在云端或服务器上常驻智能体的人
不太适合
- 只想开箱即用、不愿配置环境的普通用户
- 对数据隐私要求极高、不接受云端部署的用户
成熟度
- 活跃度最近一次推送在 2026 年 11 月,仓库活跃。
- 文档有独立文档站和多语言 README,安装说明较详细。
- 社区星标和复刻数很高,有 Discord 社区,但未关闭 issue 数量也很大。
- 上手难度提供一键安装脚本,但涉及模型配置、后端选择等,需要一定技术基础。
使用前注意
- · 采用 MIT 许可,可商用和修改。
- · 原生 Windows 安装目录在 %LOCALAPPDATA%\hermes,与 WSL2 路径不同。
- · 部分终端后端(如 Modal、Daytona)可能产生云服务费用。
- · 未关闭 issue 数量较多,遇到问题可能需要自行排查或社区求助。
