一天一个开源项目（第75篇）：Hermes Agent - Nous Research 开源的自我进化 AI Agent

引言“The agent that grows with you.”会随你成长的 Agent这是「一天一个开源项目」系列的第 75 篇文章。今天介绍的项目是Hermes AgentGitHub。当前几乎所有的 AI Agent 框架都共享一个根本缺陷无状态。每次对话结束Agent 对这次任务学到的一切——解决问题的方法、你的偏好、成功的策略——全部归零。下次遇到相似问题又要从头开始。Nous Research 用Hermes Agent给出了一个截然不同的答案让 Agent 真正积累经验。通过闭环技能学习系统Hermes 在每次完成任务后自动提炼可复用的技能存储到持久化记忆中通过三层记忆架构它记住你的偏好和习惯通过辩证用户建模它理解你和它之间关系的演变。90k Stars12k Forks这是 AI Agent 领域目前最受关注的开源项目之一——不只是一个工具而是一个会成长的伙伴。你将学到什么Hermes Agent 的核心理念为什么「自我改进」是 AI Agent 的下一个临界点三层记忆架构Session 上下文 持久化事实 程序性技能技能系统Skills的工作原理从任务到可复用代码的闭环辩证用户建模Honcho 的 12 个身份层次追踪6 种部署后端 多平台消息网关的架构设计前置知识了解 AI Agent 的基本概念Python 基础可选用于扩展开发有使用 Claude Code / AutoGPT 等 AI 工具的经验项目背景项目简介Hermes Agent是 Nous Research 开发的自我改进型 AI Agent 框架。「Hermes」来自希腊神话中的信使之神象征知识的传递与积累——这个命名暗示了项目的核心追求让知识在 Agent 的使用过程中不断沉淀和传承。项目解决的本质问题是Agent 的「失忆症」传统 Agent 任务 A → 解决 → 结束 → 遗忘 任务 B → 解决 → 结束 → 遗忘 任务 N → 解决 → 结束 → 遗忘 无法从经验中积累 Hermes Agent 任务 A → 解决 → 提炼技能 → 存储 任务 B → 召回相关技能 → 更快解决 → 优化技能 任务 N → 技能库更丰富 → 解决更高效 真正的经验积累关于 Nous Research定位AI 加速器公司The AI Accelerator Company使命通过开源语言模型推动 AI 技术民主化研究重点模型架构创新、数据合成技术、微调技术、推理能力增强旗舰模型Hermes 4高性能工具调用 LLMGitHub 仓库数71 个生态合作NVIDIA NeMo、PyTorchNous Research 是美国开源 AI 运动中最重要的组织之一以「开放、研究驱动」著称。Hermes Agent 是他们将模型研究能力与工程实践结合的旗舰产品。项目数据⭐GitHub Stars: 90,300Forks: 12,400总提交: 4,306Open Issues: 1,700最新版本: v0.9.02026 年 4 月License: MIT支持模型数: 200主要功能核心差异闭环学习系统Hermes Agent 最根本的差异化在于技能生成的闭环用户交互 → Agent 完成任务 ↓ 任务后反思Post-task Reflection 我刚才用了什么方法这个方法可以复用吗 ↓ 技能提炼与存储 ~/.hermes/skills/task-type-xxx.skill ↓ 下次类似任务召回技能 → 直接执行 ↓ 技能使用后优化 → 存储改进版本这个循环让 Hermes Agent 随使用时间指数级地变得更有效率。三层记忆架构层级内容持久化典型示例Session 上下文当前对话的短期记忆否“你刚才让我修改的是 config.py”持久化事实记忆跨会话的重要知识是“用户偏好使用 TypeScript不用 JavaScript”程序性技能记忆可执行的任务解决方案是“部署到 staging 的步骤1. 构建镜像 2. 推送 3. …”三层记忆协同工作当遇到新任务时Hermes 首先检索程序性技能第三层结合持久化事实第二层中的偏好信息在当前上下文第一层中执行。跨会话记忆搜索Hermes 使用SQLite FTS5 全文索引配合LLM 摘要实现历史对话搜索对话历史自动索引支持关键词全文检索LLM 对搜索结果进行语义摘要提取最相关信息Agent 周期性自我「nudge」主动将重要信息固化到长期记忆辩证用户建模Honcho基于 Honcho 框架Hermes 通过12 个身份层次持续建模用户不只记住「你是谁」姓名、职业、偏好还追踪「你和这个 Agent 的关系如何演变」随着交互增多Agent 的回应方式和任务执行策略会自适应调整40 内置工具工具类别包含工具文件操作读写、搜索、树状显示Shell 执行命令运行、脚本执行网络HTTP 请求、页面抓取代码Python REPL、代码分析数据库SQLite 操作系统进程管理、环境信息支持通过MCP 服务器扩展工具集以及Python RPC自定义工具接入。多平台消息网关单一 Gateway 进程同时桥接 7 个平台跨平台保持对话连续性Telegram ──┐ Discord ──┤ Slack ──┤── Hermes Gateway ── Hermes Agent Core WhatsApp ──┤ Signal ──┤ CLI ──┤ Email ──┘支持语音备忘录转录手机发语音 → 自动转文字 → 执行任务。6 种部署后端后端适用场景Local本地笔记本日常使用Docker容器化隔离部署SSH远程服务器执行Daytona无服务器弹性扩容SingularityHPC 高性能计算 / 高安全隔离ModalGPU 集群 / Serverless同一工作流可以无需代码改动地在不同后端之间切换。快速开始# 一键安装Linux/macOS/WSL2curl-fsSLhttps://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh|bash# 启动 CLIhermes# 配置 LLM 提供商支持 200 模型hermes model# 运行完整配置向导hermes setup# 启动多平台消息网关hermes gateway# 查看工具状态hermes tools开发者环境gitclone https://github.com/NousResearch/hermes-agent.gitcdhermes-agent uv venv venv--python3.11sourcevenv/bin/activate uv pipinstall-e.[all,dev]pytest tests/-q项目优势对比对比维度Hermes AgentAutoGPTLangChain AgentsOpenAI Assistants技能学习✅ 自动提炼并持久化❌❌❌跨会话记忆✅ 三层架构有限插件依赖❌ 厂商限制用户建模✅ 12 层辩证建模❌❌有限多平台网关✅ 7 个平台❌❌❌部署灵活性✅ 6 种后端中低❌ 仅云端RL 训练集成✅ Atropos❌❌❌开源协议MITMITMIT闭源项目详细剖析整体架构┌────────────────────────────────────────────────┐ │ Gateway 层7 个平台入口 │ │ Telegram / Discord / Slack / WhatsApp / │ │ Signal / CLI / Email │ └───────────────────┬────────────────────────────┘ │ ┌───────────────────▼────────────────────────────┐ │ Agent 编排核心agent/ │ │ 工具选择 → 工具执行 → 响应生成 │ │ ↑ ↓ │ │ 技能召回 技能提炼 │ └──────┬──────────────────────┬──────────────────┘ │ │ ┌──────▼──────────┐ ┌─────────▼──────────────────┐ │ 记忆系统 │ │ 技能系统skills/ │ │ SQLite FTS5 │ │ ~/.hermes/skills/ │ │ 持久化事实 │ │ agentskills.io 标准 │ │ Honcho 用户建模 │ │ 跨 Agent 共享 │ └─────────────────┘ └────────────────────────────┘ │ ┌──────▼──────────────────────────────────────────┐ │ 执行环境environments/ │ │ Local / Docker / SSH / Daytona / Modal / ... │ └─────────────────────────────────────────────────┘技能系统深度解析技能Skill是 Hermes Agent 最核心的技术实现本质上是带元数据的可执行代码单元# 技能文件示例~/.hermes/skills/deploy-to-staging.skill{name:deploy-to-staging,description:将当前项目部署到 staging 环境,trigger_patterns:[deploy to staging,push to staging,staging 部署],parameters:{project_path:{type:string,required:True},environment:{type:string,default:staging}},steps:[{tool:shell,command:docker build -t {project}:{tag} .},{tool:shell,command:docker push registry/{project}:{tag}},{tool:shell,command:kubectl rollout restart deployment/{project}}],success_rate:0.94,usage_count:47,last_optimized:2026-04-10}技能的生命周期1. 生成Creation Agent 完成复杂任务后 → 分析执行步骤 → 抽象为可复用模式 → 保存为 .skill 文件 2. 召回Retrieval 新任务输入 → 语义匹配触发词 → 召回最相关技能 → 注入执行上下文 3. 优化Optimization 技能执行后 → 记录成功/失败 → 更新成功率 → 必要时重写步骤 4. 共享Sharing 通过 agentskills.io 开放标准 → 社区共享技能 → 跨 Agent 复用FTS5 记忆检索机制Hermes 选择 SQLite FTS5Full-Text Search 5而非向量数据库这是一个有趣的设计选择-- 对话历史表带 FTS5 索引CREATEVIRTUALTABLEconversation_ftsUSINGfts5(content,speaker,timestamp,session_id);-- 周期性记忆固化CREATETABLElong_term_memory(idINTEGERPRIMARYKEY,factTEXTNOTNULL,confidenceREAL,source_sessionTEXT,created_atTIMESTAMP,last_reinforcedTIMESTAMP);为什么不用向量数据库SQLite 无需额外服务零运维成本FTS5 全文搜索对精确记忆人名、项目名更准确LLM 摘要层弥补了语义搜索的不足本地部署场景下轻量化更重要RL 训练集成Tinker-AtroposHermes Agent 内置了与AtroposNous Research 的 RL 训练框架的集成这是它区别于所有其他 Agent 框架的独特之处Agent 的执行轨迹自动记录为 RL 训练数据可用于训练下一代工具调用专用模型Hermes 4 的训练数据来源之一形成了「应用层产品 → 训练数据 → 更好的模型 → 更好的应用层产品」的飞轮效应从 OpenClaw 迁移Hermes Agent 提供了从 OpenClaw 的无缝迁移通道支持导入SOUL.md角色设定文件MEMORY.md记忆条目自定义技能库API 密钥配置项目地址与资源官方资源GitHub: https://github.com/NousResearch/hermes-agent官方文档: https://hermes-agent.nousresearch.com/docs/Nous Research: https://nousresearch.com技能标准: https://agentskills.ioIssue Tracker: https://github.com/NousResearch/hermes-agent/issuesNous Research 相关项目Atropos1k ⭐LLM 强化学习环境框架Hermes Agent Self-Evolution1.8k ⭐基于 DSPy GEPA 的 Agent 进化系统Hermes 4旗舰工具调用语言模型总结与展望核心要点回顾闭环学习技能的自动生成→召回→优化循环是目前开源 Agent 框架中最完整的自我改进实现三层记忆Session 上下文 持久化事实 程序性技能覆盖了 AI 记忆的完整谱系辩证用户建模Honcho 的 12 层身份追踪让 Agent 真正理解「你是谁」以及「你们的关系如何演变」多平台网关7 个平台统一接入跨平台对话连续性是独特竞争优势RL 飞轮应用层轨迹数据 → 训练更好的模型 → 改善应用层Nous Research 正在构建一个自我强化的研究飞轮适用人群个人 AI 助理构建者想要一个随时间变得越来越了解自己的专属 AIAI 工程师研究 Agent 自我改进机制的实践者独立开发者 / 一人公司需要跨平台统一 AI 工作流的用户AI 研究人员研究持久记忆、技能学习、用户建模的学者Nous Research 会开放训练数据值得思考的问题Hermes Agent 代表了一个 AI Agent 演进方向的预判从「工具」到「伙伴」。工具是无状态的用完即弃伙伴是有记忆的会随你成长。当 AI Agent 开始拥有「职业生涯」概念——在与特定用户的长期合作中积累技能和默契——AI 与人的关系模型将发生根本性转变。欢迎来我的个人主页找到更多有用的知识和有趣的产品