2 月 25 日，一个叫 Nous Research 的团队在 GitHub 上悄悄推了一个 v0.1.0。最早 Hermes 这个模型只有一行安装命令和一句话的产品定位：「An agent that grows with you」。
当时很少有人就注意到它，即使 Nous Research 在模型圈有一定声誉，他们的 Hermes 系列模型在 HuggingFace 上已经积累了 3300 万次下载，但整个开发者社区的关注度都在被奉若神明的 OpenClaw「小龙虾」上。33 天超过 React 成为历史第一，「小龙虾」成为了 GitHub 有史以来涨星最快的项目，高峰期每小时 710 颗星，但就在此时有安全研究人员在同一时间窗口内，以平均每天 2.2 个 CVE 的速度持续披露漏洞，63 天累计 138 个安全漏洞。整个社区开始重新思考一个问题：这东西到底能不能用在生产环境？
在这样的背景下，同为竞品的 Hermes Agent 终于有了可趁之机，也迎来了自己的第一个快速增长期。
Hermes 在自己的代码里写进了一键从 OpenClaw 迁移的工具，那批从 OpenClaw 出走的开发者，需要一个地方落脚，Hermes Agent 成了一个口口相传的好选择。
于是 从 3 月初开始，Hermes Agent 杀进了 GitHub Trending，最高冲到第 11 位，星数突破 2200。AwesomeAgents 把它称为「2026 年迄今最具野心的开源 Agent 发布」，目前 Hermes 的 github 有 69.9k 的 Star 和 9k 的 Fork。
今天律动 BlcokBeats 和大家聊一聊这个 Agent 有何不同之处。
Hermes Agent 是什么？Hermes Agent 是由 Nous Research 构建的一款自我进化 AI 智能体，也是目前唯一内置学习闭环的 Agent。
它能从使用经验中自动创建技能、在使用过程中持续改进这些技能、主动将知识固化为可复用资产、检索自己过去的对话历史，并在多次会话中不断加深对你这个用户的理解。
所以简单来说，Hermes Agent 最大的优点就是：越用越聪明，越用越顺手。
它的定位，不是绑定在 IDE 里的编程助手，也不是对某个单一 API 的聊天封装，而是一个真正驻留在你的服务器上、能记住它学到的东西、运行时间越长能力越强的自主 Agent。
Nous Research 从一开始就将自己定位为开源优先、去中心化方向的 AI 实验室，目标是构建用户可自主控制的 AI，而不是将智能集中在少数几家封闭公司手中。他们早期的工作集中在 Hermes 模型系列，同时在基础设施和系统层面大量投入，还探索了跨全球分布式消费级 GPU 进行模型训练的 DisTrO 技术，以及 WorldSim、Doomscroll 等多智能体交互、长程行为的仿真环境。
Hermes Agent 这个团队，是曾打造了 Nomos、Psyche 一系列模型背后的同一批人。
好用的工具有哪些？Hermes Agent 的最核心机制是它的记忆系统和技能系统。Agent 维护两个精简的核心文件：MEMORY.md 存储环境信息、约定和从过去任务中总结的经验；USER.md 存储你的偏好和沟通风格。这两个文件在每次会话开始时自动注入系统提示，相当于 Agent 的「长期工作记忆」。此外，所有历史会话都存入 SQLite 全文搜索数据库，让 Agent 能检索数周前的对话内容。
在技能系统方面，每次完成复杂任务（通常是 5 次以上工具调用），Agent 会自主创建一份结构化的 Markdown「技能文档」，记录操作步骤、已知内容和验证方式，供未来复用。技能文件遵循渐进披露模式：Agent 默认只看技能名称和描述（约 3000 token），需要时才加载某条技能的完整内容，以此控制 token 消耗。
工具层面，Hermes Agent 内置超过 40 种工具，涵盖网页搜索、浏览器自动化、视觉理解、图像生成、文字转语音，还支持通过自然语言设置定时任务，让 Agent 在无人值守的情况下自动执行报告生成、数据备份、系统监控等周期性工作。
其中最受欢迎的工具，也就是社区用户在实际使用中频率最高、反馈最多，以及根据 Hermes 的功能架构和开发者社区的典型需求，排在前面的是这几个工具：
Hindsight 是目前生态内最火的单一工具，是 Hermes 官方推荐的长期记忆插件。它在每次 LLM 调用前自动召回相关上下文，支持本地 PostgreSQL 或云端部署，已作为原生 Memory Provider 集成进 Hermes。
Anthropic-Cybersecurity-Skills 是生态内 Stars 最高的技能包，收录了 753+ 条结构化网络安全技能，完整映射 MITRE ATT&CK 框架，适合安全研究与渗透测试场景。
mission-control 是目前生态内最热门的 Agent 编排仪表盘，支持 Agent 舰队管理、任务分发、成本追踪和多 Agent 协同工作流，被社区推荐为生产级部署的标配。
Hermes Agent Self-Evolution 是一个进化式自我改进技术，使用 DSPy + GEPA 来优化技能、提示和代码。
Hermes Workspace 是 Hermes 原生工作区，集成聊天界面、终端和技能管理器，是最受欢迎的图形化入口。
此外，它还可以派生出独立的子 Agent，每个子 Agent 拥有自己的对话上下文、独立终端和 Python RPC 脚本，从而实现零上下文成本的并行流水线。
在基础设施灵活性上，支持六种终端后端：本地运行、Docker、SSH 远程、Daytona 无服务器、Singularity 容器和 Modal 云函数。Daytona 和 Modal 在空闲时会休眠，成本几乎为零。你可以在 5 美元的 VPS 或 GPU 集群上运行它，通过 Telegram 下达指令，让它在你从不直接 SSH 进入的云服务器上工作。
Hermes Agent 目前与 OpenClaw 构成最直接的竞争关系，两者都是面向开发者的开源 Agent 框架。
两者的架构哲学截然不同：OpenClaw 的设计核心是一个「控制平面」，一个统一的长期运行进程，负责管理会话、路由、工具执行和状态，所有东西都流经这个中央控制器。Hermes 则以 Agent 自身的执行循环为核心，把网关、定时调度器、工具运行时等全部围绕这个「做、学、改进」的反复循环来构建。
在技能系统上两者差异尤其显著：OpenClaw 的技能大多是人工编写的，从 workspace、personal、shared 或插件等不同层级加载；Hermes 的思路则是让 Agent 自己从经验中生成技能，形成真正的自主学习闭环。
如何安装与使用上手极其简单。一行命令「curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash」即可完成安装，支持 Linux、macOS 和 WSL2，Hermes Agent 会自动完成全部配置，无需手动操作。
Hermes Agent 安装完成后，运行「hermes setup」启动引导向导，选择你的模型提供商（支持 Nous Portal、OpenRouter、OpenAI 或任何自定义端点），接入你的消息平台（Telegram、Discord、Slack 或 WhatsApp），然后开始第一次对话。从第一次交互开始，Hermes Agent 就立即进入学习模式，开始构建记忆、创建技能、每次会话后都变得更有能力。
日常使用的核心命令包括：
hermes（开始对话）、
hermes model（选择 LLM 提供商和模型）、
hermes tools（配置启用哪些工具）、
hermes gateway（启动消息网关，接入 Telegram、Discord 等平台）、
hermes setup（运行完整的设置向导，一次性配置所有内容）、
hermes claw migrate（从 OpenClaw 迁移）、
hermes update（更新到最新版本）、
hermes doctor（诊断问题）；
Hermes Agent 适合的场景包括：需要跨会话记住上下文并持续改进能力的通用 AI 助手；需要组合使用工具、插件、MCP 服务器、浏览器或 Shell 的自定义 Agent 工作流；在本地硬件、云 VM 或低成本无服务器基础设施上部署 Agent；以及需要跨平台保持可搜索对话历史和习得技能的持久助手场景。
更具体而言，可以用它在 Telegram 上与它对话的同时让它在云 VM 上执行任务、设置自动化并将报告推送到任意平台、让它接管周期性任务；也可以将它接入 Slack 或 Discord 为整个团队提供 AI 协作支持；或者利用其轨迹导出功能，为下一代 tool-calling 模型的 RL 训练生成训练数据。
