Hermes Agent：Nous Research 打造的开源自主 AI 智能体
Hermes Agent：Nous Research 打造的开源自主 AI 智能体
一个能在你的服务器上 24/7 运行、跨 14+ 平台通信、自己学会新技能的 AI Agent。
为什么要关注 Hermes Agent？
当下的 AI 编程工具——无论是 Cursor、Claude Code 还是 GitHub Copilot——都有一个共同点：它们依赖你的 IDE 和笔记本电脑。你关上电脑，AI 就停止工作了。
Hermes Agent 要解决的正是这个限制。它由 AI 开源研究组织 Nous Research 开发，是一个可以脱离 IDE 独立运行的自主 AI 智能体。你可以把它部署在 VPS 上、Docker 容器里、甚至 HPC 集群中，让它通过 Telegram、Discord、Slack 等平台随时待命，接受你的指令。
更关键的是，它开源免费，你可以接入任何 LLM 提供商——OpenAI、Anthropic、DeepSeek、本地模型，随时切换，没有锁定。
Hermes Agent 是什么？
简单来说，Hermes Agent 是一个基础设施级的 AI 智能体平台，具备以下核心特征：
- 多平台通信：通过统一网关连接 14+ 消息平台
- 持久记忆：跨会话记忆系统，不会“失忆”
- 自主学习：能从经验中生成可复用的技能
- 灵活部署：本地、Docker、SSH、云端均可运行
- 47 个内置工具：文件操作、网页搜索、浏览器自动化、语音交互等
- MCP 协议兼容：可对接外部工具服务器，扩展能力无上限
它的定位不是“一个聊天机器人”，而是一个能 7×24 小时替你干活的数字员工。
核心能力详解
1. 跨平台消息网关——随时随地跟 AI 对话
这可能是 Hermes Agent 最实用的特性。你不需要打开终端或 IDE，直接在日常使用的通讯工具里就能和它交互：
| 平台 | 语音 | 图片 | 文件 | 多线程 | 流式输出 |
|---|---|---|---|---|---|
| Discord | ✅ | ✅ | ✅ | ✅ | ✅ |
| Slack | ✅ | ✅ | ✅ | ✅ | ✅ |
| Telegram | ✅ | ✅ | ✅ | ❌ | ✅ |
| ❌ | ✅ | ✅ | ❌ | ❌ | |
| 飞书/Lark | ✅ | ✅ | ✅ | ✅ | ✅ |
| 企业微信 | ✅ | ✅ | ✅ | ✅ | ✅ |
| 钉钉 | ❌ | ❌ | ❌ | ❌ | ❌ |
| 邮件 | ❌ | ✅ | ✅ | ❌ | ❌ |
一个后台进程就能同时连接所有平台，消息自动路由，会话独立隔离。你在 Telegram 上让它跑个脚本，然后切到 Slack 上问它结果，上下文完全保持。
设置也简单——运行 hermes gateway setup，跟着交互向导一步步配置即可。
2. 记忆系统——不会“失忆”的 AI
大多数 AI 工具的记忆仅限于当前对话窗口。Hermes Agent 的记忆系统分为三层：
即时记忆：MEMORY.md 和 USER.md
两个持久化文件，分别记录环境信息和用户偏好。每次新会话启动时自动注入系统提示词，确保 Agent 始终“认识你”。Agent 会主动记录：
- 你的操作系统、项目结构、工具偏好
- 你的沟通风格和交互习惯
- 完成任务时发现的技巧和规律
长期回忆：FTS5 全文搜索
所有历史对话存储在 SQLite 数据库中，支持 FTS5 全文检索。当 Agent 需要回忆几周前的讨论，它会搜索历史记录并用 Gemini Flash 进行摘要，精准找回相关上下文。
外部记忆扩展
支持 8 个第三方记忆插件（Honcho、Mem0、Supermemory 等），提供语义搜索和知识图谱能力，进一步增强记忆深度。
3. 技能系统——AI 学会“自我进化”
这是 Hermes Agent 最有想象力的设计。当 Agent 完成一个复杂任务（5 次以上工具调用），它会自动将解决过程提炼为一个可复用的技能，保存在本地。下次遇到类似问题，它直接调用技能，无需从零开始。
技能采用渐进式加载策略：
- Level 0：仅加载元数据（~3k tokens），判断是否需要这个技能
- Level 1：加载完整内容，执行具体步骤
- Level 2：访问特定参考文件，获取深度细节
这种设计大幅节省了 token 消耗——不需要的技能完全不占用上下文空间。
技能还能共享。Hermes 兼容 agentskills.io 开放标准，你可以从社区安装技能，也可以把自己的技能发布出去。技能来源包括：
- 官方技能库
- skills.sh 公共目录
- GitHub 仓库直接安装
- LobeHub、ClawHub 等第三方社区
4. 47 个内置工具——开箱即用的能力矩阵
| 类别 | 代表工具 | 用途 |
|---|---|---|
| 网页 | web_search、web_extract |
搜索和内容提取 |
| 终端 | terminal、read_file、patch |
命令执行和文件操作 |
| 浏览器 | browser_navigate、browser_snapshot |
带视觉的浏览器自动化 |
| 媒体 | vision_analyze、image_generate、text_to_speech |
多模态处理 |
| 编排 | todo、clarify、delegate_task |
任务规划和委派 |
| 记忆 | memory、session_search |
持久化记忆 |
| 自动化 | cronjob、send_message |
定时任务和消息推送 |
| 集成 | Home Assistant、MCP | 第三方对接 |
工具按照 toolset 分组，可以按需启用：
hermes chat --toolsets "web,terminal,browser"
5. 多种执行后端——安全隔离的运行环境
终端工具支持 6 种执行后端，满足从个人电脑到生产环境的不同需求：
- local：直接在本机运行（默认）
- docker：容器隔离，丢弃权限、限制进程数
- ssh：连接远程服务器执行
- daytona：持久化的远程开发工作区
- modal：无服务器云端执行
- singularity：HPC 高性能计算集群
容器后端默认启用安全加固：只读文件系统、最小权限、进程数上限 256、内存限制 5GB。
6. 语音交互——和 AI 用嘴说话
Hermes Agent 支持全链路语音交互，覆盖 CLI 和消息平台：
- CLI 模式：按 Ctrl+B 录音，Agent 自动检测静默并回复
- Telegram/Discord：自动语音回复，音频与文字同步发送
- Discord 语音频道：Agent 加入频道，实时监听、转写、处理、回话
语音转文字（STT）支持本地 Whisper（免费）、Groq（快速免费层）和 OpenAI。文字转语音（TTS）支持 Edge TTS（免费）、ElevenLabs（高品质）、OpenAI TTS 等多种引擎。
响应采用逐句流式生成音频，不用等整段回复完成就能听到声音。系统还内置了幻觉过滤，会自动去除背景噪音产生的“感谢收看”之类的幽灵文本。
7. SOUL.md——定义你的 AI 人格
通过 ~/.hermes/SOUL.md 文件，你可以定义 Agent 的持久人格：
# Personality
你是一个务实的资深工程师，有自己的品味和主张。
## 风格
- 直接但不冷漠
- 重视实质内容，避免废话
- 如果方案不好，要敢于反驳
## 避免
- 谄媚
- 炒作用语
SOUL.md 定义的是跨所有场景的默认人格。除此之外，你还可以用 /personality pirate 临时切换趣味模式（海盗、莎士比亚、哲学家等），或在项目级别用 AGENTS.md 定义特定工作指令。
8. MCP 协议集成——无限扩展能力边界
MCP（Model Context Protocol）让 Hermes 能连接外部工具服务器——GitHub、数据库、文件系统、内部 API，任何实现了 MCP 协议的服务都能接入。
在 ~/.hermes/config.yaml 中配置即可：
mcp_servers:
github:
command: "npx"
args: ["-y", "@modelcontextprotocol/server-github"]
env:
GITHUB_TOKEN: "ghp_xxx"
工具自动发现和注册，使用 mcp_<server>_<tool> 的命名规则避免冲突。
安全机制
Hermes Agent 在安全设计上下了很大功夫，实施了七层防御体系：
- 用户授权：基于白名单和 DM 配对码的访问控制
- 危险命令审批：默认手动确认，也可使用 LLM 智能评估风险等级
- 容器隔离：Docker 模式下丢弃权限、限制资源、只读文件系统
- 凭据保护：环境变量过滤，敏感文件只读挂载
- 内容扫描：检测提示注入、数据外泄、Unicode 隐藏字符
- URL 验证：阻止 SSRF 攻击，拦截对内网和云元数据地址的请求
- 预执行扫描：检测同形字欺骗、管道注入等终端攻击
配对码系统特别值得一提——使用 32 字符无歧义字母表生成 8 位随机码，1 小时过期，5 次失败后锁定。相比手动复制粘贴用户 ID，这种方式更安全也更方便。
快速上手
安装（< 2 分钟）
# Linux / macOS / WSL2 一键安装
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
# 重新加载 shell
source ~/.bashrc # 或 source ~/.zshrc
安装脚本会自动处理 Python 3.11、Node.js v22、ripgrep、ffmpeg 等依赖，你只需要提前装好 Git。
配置 LLM
hermes model
# 交互式选择 LLM 提供商：OpenAI、Anthropic、DeepSeek、OpenRouter...
支持 15+ 提供商，随时用 hermes model 切换，无需改代码。
开始对话
hermes # 启动交互式对话
hermes -c # 继续上次的会话
常用操作：
- 输入
/查看所有可用斜杠命令 Alt+Enter输入多行内容- 输入新消息按回车可中断当前任务
启动消息网关
hermes gateway setup # 交互式配置平台
hermes gateway # 启动后台服务
架构概览
Hermes Agent 的架构设计遵循平台无关核心原则：
┌────────────────────────────────────────────┐
│ 入口层 (Entry Points) │
│ CLI │ 消息网关(14+平台) │ ACP(IDE集成) │
└──────────┬────────────────────┬─────────────┘
│ │
▼ ▼
┌────────────────────────────────────────────┐
│ AIAgent 核心循环 │
│ 提示词构建 → API 调用 → 工具分发 → 响应 │
└──────────┬────────────────────┬─────────────┘
│ │
┌─────▼──────┐ ┌─────▼──────┐
│ 提供商解析 │ │ 工具注册表 │
│ 18+ 提供商 │ │ 47 工具 │
│ OAuth 流程 │ │ 20 工具集 │
└────────────┘ │ 6 执行后端 │
└────────────┘
核心是一个统一的 AIAgent 类，所有入口点（CLI、消息网关、IDE 插件）都通过它处理。这意味着无论你从哪个平台发消息，获得的能力完全一致。
与 OpenClaw 的对比
如果你关注开源 AI Agent 领域，一定听说过 OpenClaw——2026 年初 GitHub 上增长最快的开源项目，200K+ Stars。Hermes Agent 和 OpenClaw 定位相似，都是可以自部署、跨平台通信的自主 AI 智能体。但深入对比后，Hermes Agent 在几个关键维度上有明显优势。
功能对比一览
| 特性 | Hermes Agent | OpenClaw |
|---|---|---|
| 消息平台 | 14+（含飞书、企微） | 20+（更多平台） |
| 语音交互 | ✅（CLI + 平台 + 语音频道） | ❌ |
| 自主学习技能 | ✅（自动从经验中生成） | ❌（依赖 ClawHub 手动安装） |
| 技能渐进加载 | ✅（3 级加载，省 token） | ❌ |
| MCP 协议支持 | ✅（原生集成） | ❌ |
| 容器隔离执行 | ✅（Docker + 6 种后端） | 基础（Chromium 沙盒） |
| 安全体系 | 七层防御 + 预执行扫描 | 较弱（曾曝 CVE 漏洞） |
| 多用户支持 | ✅（白名单 + DM 配对码） | ❌（单用户架构） |
| HPC 集群支持 | ✅（Singularity 后端） | ❌ |
| 记忆系统 | FTS5 + LLM 摘要 + 8 插件 | JSONL + Markdown |
| 人格定制 | SOUL.md + /personality 叠加 | SOUL.md + AGENTS.md |
| 社区规模 | 较小（新项目） | 200K+ Stars |
| 技能生态 | agentskills.io（成长中） | ClawHub 700+ 技能 |
| 技术栈 | Python | TypeScript/Node.js |
Hermes Agent 的核心优势
1. 自主学习，越用越聪明
这是两者最根本的差异。OpenClaw 的技能来自 ClawHub 市场，你需要手动搜索、安装、配置。Hermes Agent 则内置了"学习循环"——当它完成一个复杂任务后，会自动把解决流程提炼为可复用的技能。下次遇到类似场景，直接调用，无需人工干预。
OpenClaw 用得越久，积累的只是记忆；Hermes Agent 用得越久，积累的是能力。
2. 语音交互，解放双手
OpenClaw 目前没有语音功能。Hermes Agent 支持完整的语音链路——在终端按 Ctrl+B 说话，在 Telegram 发语音消息，甚至直接加入 Discord 语音频道和你实时对话。对于需要边做事边和 AI 沟通的场景，这个差距很大。
3. 安全设计差距明显
OpenClaw 在 2026 年初曝出了 CVE-2026-25253 令牌泄漏漏洞，暴露了架构层面的安全隐患。而 Hermes Agent 从一开始就设计了七层防御体系：用户授权、危险命令审批、容器隔离、凭据过滤、内容扫描、URL 验证、预执行扫描。特别是容器后端会丢弃 Linux 权限、限制进程数、挂载只读文件系统——这是生产环境级别的安全意识。
4. 多用户架构 vs 单用户限制
OpenClaw 最大的架构硬伤是单用户设计——多人共用同一实例时，API 密钥、对话记录、记忆文件都可能互相泄露，无法做用户隔离和成本分摊。Hermes Agent 通过白名单、DM 配对码、平台级会话隔离解决了这个问题，天然支持小团队共享使用。
5. 执行环境更灵活
OpenClaw 的命令执行基本限于本地 + 浏览器自动化。Hermes Agent 提供 6 种执行后端——本地、Docker、SSH、Daytona、Modal、Singularity——覆盖从个人电脑到 HPC 集群的全部场景。你可以让 Agent 在远程 GPU 服务器上跑训练脚本，在无服务器环境里处理批量任务，这些 OpenClaw 做不到。
6. MCP 协议，生态扩展更标准化
Hermes Agent 原生支持 MCP（Model Context Protocol），可以直接对接社区中大量的 MCP 工具服务器——GitHub、数据库、文件系统、内部 API。OpenClaw 的工具扩展依赖自有的技能格式和 ClawHub 生态，通用性和互操作性不如 MCP。
OpenClaw 的优势在哪？
公平地说，OpenClaw 也有自己的长处：
- 社区更大：200K+ Stars 意味着更多教程、更多问题已被解答、更活跃的 ClawHub 生态
- 平台覆盖更广：20+ 消息平台，包括 iMessage、微信等 Hermes 暂不支持的渠道
- 上手门槛稍低：TypeScript 技术栈对前端开发者更友好，社区文档更丰富
- 浏览器自动化更成熟：内置 Chromium 实例，对网页操作场景支持更好
怎么选？
- 如果你需要语音交互、安全隔离、多用户共享、HPC 支持——选 Hermes Agent
- 如果你需要最广的平台覆盖、成熟的社区生态、快速上手——选 OpenClaw
- 如果你在意 Agent 能自主学习进化，而不只是执行预设技能——选 Hermes Agent
与其他 AI 工具的对比
| 特性 | Hermes Agent | Claude Code | Cursor |
|---|---|---|---|
| 脱离 IDE 运行 | ✅ | ✅（CLI） | ❌ |
| 多平台通信 | ✅（14+平台） | ❌ | ❌ |
| 持久记忆 | ✅（多层） | ✅（基础） | ✅（基础） |
| 自主学习技能 | ✅ | ❌ | ❌ |
| 语音交互 | ✅ | ❌ | ❌ |
| 开源 | ✅ | ❌ | ❌ |
| 自由选择 LLM | ✅（15+） | ❌（仅 Claude） | 有限 |
| 容器隔离执行 | ✅ | ❌ | ❌ |
| 定时任务 | ✅ | ❌ | ❌ |
| 人格定制 | ✅（SOUL.md） | ❌ | ❌ |
Hermes Agent 的定位更接近一个可编程的 AI 基础设施，而非简单的编码辅助工具。
适合谁用？
- 独立开发者：让 Agent 在 VPS 上 24 小时待命，随时通过 Telegram 下达任务
- 小团队：通过 Slack/Discord 共享一个 Agent，处理运维、监控、自动化任务
- AI 研究者：接入本地模型，在 HPC 集群上跑实验
- 自动化爱好者：用 cronjob 定时执行任务，用消息网关接收结果通知
- 重视隐私的用户：完全本地部署，数据不离开你的服务器
总结
Hermes Agent 代表了 AI Agent 发展的一个重要方向：从 IDE 插件走向独立基础设施。它把 AI 智能体从编辑器的束缚中解放出来，让它真正成为一个可以 7×24 小时工作、跨平台协作、持续学习进化的数字工作伙伴。
开源、灵活、安全——如果你一直在寻找一个“属于自己的 AI 助手”，Hermes Agent 值得一试。
相关链接：
- 官方文档：https://hermes-agent.nousresearch.com/docs
- GitHub：https://github.com/NousResearch/hermes-agent
- 技能市场：https://agentskills.io
- Nous Research：https://nousresearch.com
If you read this far — thank you.
Come tell me what you thought on X.