解决什么

传统 AI 助手每次对话都是"失忆"状态,无法从历史交互中积累经验。Hermes Agent 试图打破这一局限:它会在完成复杂任务后自动提炼可复用的"技能"(Skills),在后续使用中持续优化这些技能,并通过全文检索和 LLM 摘要实现跨会话的知识召回。同时支持定时任务、并行子任务委托、多终端后端(本地/Docker/SSH/无服务器),让 AI 助手不再局限于笔记本电脑,而是可以部署在云端 24 小时运行。

为何火

该项目在 GitHub 获得 18.6 万 stars,主要因为三点:1) 闭环学习机制 - 市面上少有开源 Agent 框架实现"任务后自动生成技能 → 使用中自优化 → 定期记忆巩固"的完整循环;2) 模型无关性 - 通过 hermes model 命令可无缝切换 OpenRouter(200+ 模型)、Nous Portal、国内模型(Kimi/智谱/MiniMax)等,无供应商锁定;3) 多平台网关 - 单个进程即可同时接入 Telegram、Discord、Slack、WhatsApp、Signal,支持语音备忘录转录,适合需要移动端交互的场景。

核心功能

自主技能管理:完成多步骤任务后自动提炼为可复用技能,符合 agentskills.io 开放标准,技能在使用过程中根据反馈自我迭代
长期记忆系统:基于 FTS5 全文检索 + LLM 摘要的会话历史搜索,集成 Honcho 用户建模引擎,跨会话理解用户偏好
多终端后端:支持本地、Docker、SSH、Singularity、Modal(无服务器)、Daytona(休眠唤醒)六种运行环境,Modal/Daytona 可在空闲时休眠降低成本
定时自动化:内置 cron 调度器,用自然语言配置每日报告、夜间备份等任务,结果可推送到任意平台
并行工作流:生成隔离的子 Agent 处理并行任务,或编写 Python 脚本通过 RPC 调用工具,将多步骤流程压缩为零上下文成本的单轮对话
研究友好:支持批量生成轨迹数据(trajectory),用于训练下一代工具调用模型

安装

Linux/macOS/WSL2/Termux:

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
source ~/.bashrc
hermes  # 启动交互式 CLI

Windows 原生(PowerShell):

iex (irm https://hermes-agent.nousresearch.com/install.ps1)

安装脚本会自动处理 uv、Python 3.11、Node.js、ripgrep、ffmpeg 以及便携式 Git Bash(MinGit,约 45MB,解压到 %LOCALAPPDATA%\hermes\git,不影响系统 Git)。

安装后运行 hermes setup 进入配置向导,或用 hermes model 选择模型提供商(支持 OpenAI、Claude、OpenRouter、Kimi、智谱 GLM、MiniMax 等)。

适合谁

需要长期记忆的个人助手场景:例如跨月项目跟踪、个人知识库管理,Agent 能记住你的偏好和历史决策
多平台协同的开发者:在 Telegram 发语音指令让云端 Agent 执行任务,结果推送到 Discord 或 Slack
预算敏感的自托管用户:可部署在 5 美元/月的 VPS,或使用 Modal 无服务器方案(空闲时几乎零成本)
AI 研究者:需要生成大量工具调用轨迹数据用于模型训练

不适合:需要开箱即用图形界面的非技术用户(主要交互方式为 CLI 和消息平台),以及对代码来源合规性有严格要求的商业项目(见下文争议)。

社区评价

争议焦点 - 代码来源问题:根据 Hacker News 讨论,多位用户在 GitHub Issues(#17688、#27266)中指出 Hermes Agent 的核心代码疑似大量借鉴自 EvoMap/evolver 项目但未注明出处。项目维护者 teknium1 被指控将原始举报 Issue 的标题和内容编辑为"."(空白),试图掩盖抄袭指控。HN 评论者表示:"SunJun8 的原始 Issue 文本仍可在链接中查看,核心论点是 Hermes 看起来是 EvoMap Evolver 的衍生品或高度受其启发,但没有署名。" 这一争议导致部分开发者对项目的学术诚信表示质疑。

技术认可度:尽管存在争议,项目的技术设计(闭环学习、多后端支持、模型无关性)仍获得部分开发者认可,18.6 万 stars 中相当比例来自其功能完整性和文档质量。但需注意,高 stars 数与 19253 个未关闭 Issues 形成鲜明对比,可能反映维护压力或社区管理问题。

选型对比

维度	Hermes Agent	Cursor/GitHub Copilot Workspace	AutoGPT/AgentGPT
学习能力	内置技能自动生成与迭代	无长期记忆,每次对话独立	依赖外部向量数据库
部署灵活性	6 种后端(含无服务器)	仅云端 SaaS	本地 Docker 为主
模型选择	200+ 模型可切换	锁定 OpenAI/Claude	主要支持 OpenAI
多平台接入	Telegram/Discord/Slack 等	仅 Web/IDE 插件	仅 Web 界面
成本	自托管,$5/月起	$20-40/月订阅	自托管,API 费用另计
代码透明度	开源但存在来源争议	闭源	开源,MIT 许可

取舍建议:如果需要商业级稳定性和合规保障,Cursor 更合适;如果看重自托管和模型自由度且能接受潜在的代码溯源风险,Hermes 技术上更灵活;如果只需基础 Agent 框架不在意学习循环,AutoGPT 更轻量。

已知坑

代码来源争议未解决:截至最新提交(0 天前),项目未公开回应抄袭指控,商业使用需自行评估法律风险
Issue 数量异常:19253 个未关闭 Issues 远超正常水平,可能包含大量重复或垃圾 Issue,也反映维护者可能精力有限
Windows 原生支持有限:README 明确提到"浏览器仪表板聊天面板需要 WSL2(使用 POSIX PTY)",原生 Windows 下部分功能受限
Termux 依赖裁剪:Android/Termux 环境需安装 .[termux] 而非 .[all],因语音依赖不兼容,可能影响语音备忘录功能
无服务器后端成本不透明:Modal/Daytona 虽号称"空闲时几乎零成本",但唤醒延迟和实际计费规则需实测,不适合低延迟场景
国内模型配置需手动:虽支持 Kimi/智谱/MiniMax,但需手动配置 API endpoint,文档中国内用户指引不足

数据来源:GitHub 仓库信息 + Hacker News 讨论帖"Nous Research edits GitHub issue to remove plagiarism claims about Hermes Agent"

安装方式：curl 一键安装脚本(Linux/macOS/WSL2) 或 PowerShell 脚本(Windows)