Appearance
Hermes Agent完全指南：会自己"长记性"的开源AI Agent
由 Nous Research 推出的 Hermes Agent，核心理念：The agent that grows with you。近 7 天 +10,487 star 的增长，证明开发者对「AI 长记性」这件事的需求有多强烈。
它和其他 AI Agent 有什么不同？
过去一年，AI Agent 框架层出不穷。从 AutoGPT 到 OpenClaw，从 Claude Code 到 Codex CLI，它们都在做同一件事：让大模型能调用工具、能执行任务。
但几乎所有框架都忽略了一个关键点：Agent 应该像人一样，做完一件事就记住经验，下次遇到类似问题直接调用，而不是每次都从零推理。
Hermes Agent 就是这么做的。它不是聊天机器人的 wrapper，也不是代码副驾驶的升级版。它是一个自带学习闭环的自主代理——每次完成任务后，都会把经验写成 Skill 存进 SQLite；下次遇到相似任务，10ms 内检索加载，直接复用过往经验。
Hermes Agent 的三层架构：记忆、技能、进化
要理解 Hermes，必须理解它的三个核心组件：
1. 持久记忆（Persistent Memory）
传统 Agent 的「记忆」无非是两类：
- 系统提示词里塞几段背景（死板、容量有限）
- 每次对话把历史记录全带上（费 token、越长越糊涂）
Hermes 走了第三条路：SQLite + FTS5 全文检索 + LLM 摘要。
所有对话历史都保存在本地 SQLite 中。当新任务开始时，Agent 不会傻乎乎地把整段对话都塞给模型，而是：
- 用 FTS5 全文检索快速定位相关历史会话（通常 < 10ms）
- 由 LLM 对检索到的会话做摘要和关联性评分
- 把提炼后的「关键经验」注入当前系统提示词
这意味着：你跟 Hermes 合作越久，它越懂你。不是因为你手动维护了一份 CLAUDE.md，而是它自己在默默整理你们之间的历史。
2. 自主技能创建（Autonomous Skill Creation）
这是 Hermes 最独特的卖点。
当一个复杂任务完成后，Hermes 会自动生成一份结构化 Skill 文档，记录：
- 任务的完整执行步骤
- 踩过的坑和解决方案
- 验证通过的条件
- 推荐的工具和参数组合
这些 Skill 遵循 agentskills.io 开放标准，可以被其他兼容平台读取。
下一次，如果你说「帮我再写一个类似的部署脚本」，Hermes 会直接加载之前生成的 Skill，秒级执行，而不是重新推理一遍。
3. 自训练闭环（Self-Training Loop）
Nous Research 毕竟是做模型训练的实验室，Hermes 身上 naturally 带了一套研究级基础设施：
- Trajectory 生成：把工具调用记录导出为标准训练数据
- Atropos RL 框架：对 Agent 行为做强化学习微调
- Batch 并行：可同时生成数千条轨迹用于训练
这意味着：你不是在使用一个静态工具，而是在「训练」一个会进化的助手。它的行为会随着你的使用习惯不断优化。
安装与快速上手
安装要求
- Python 3.10+
- SQLite3（系统自带）
- 一个支持的模型 API（推荐 Claude 或 GPT-4）
安装步骤
bash
# 克隆仓库
git clone https://github.com/NousResearch/Hermes-Agent.git
cd Hermes-Agent
# 安装依赖
pip install -r requirements.txt
# 配置 API Key
export ANTHROPIC_API_KEY=your-key-here
# 或
export OPENAI_API_KEY=your-key-here
# 启动
python main.py第一次运行
启动后，Hermes 会自动创建本地数据库 ~/.hermes/memory.db，这是它存储所有记忆和技能的地方。
与其他 Agent 的对比
| 特性 | Hermes Agent | OpenClaw | Claude Code |
|---|---|---|---|
| 持久记忆 | SQLite + FTS5 | 文件系统 | 文件系统 |
| 自动生成 Skill | ✅ 自动 | ❌ 手动 | ❌ 手动 |
| 自训练闭环 | ✅ RL 微调 | ❌ | ❌ |
| 本地运行 | ✅ | ✅ | ✅ |
| 开放标准 | agentskills.io | 自有规范 | 自有规范 |
典型使用场景
场景一：重复性运维任务
用户：帮我部署一个 Node.js 应用到服务器
# 第一次执行
Hermes：执行部署，遇到问题解决，完成后生成 Skill「nodejs-deploy」
# 第二次执行
用户：再帮我部署一个类似的
Hermes：加载 Skill，10ms 内开始执行，效率提升 80%场景二：持续学习你的偏好
# 第一周
你经常让 Hermes 用 Markdown 格式输出
它学会了：输出格式偏好 = Markdown
# 第二周
你让它写代码时总是要求加注释
它学会了：代码风格 = 详细注释
# 一个月后
Hermes 已经完全适应你的工作风格
不需要每次重复说明与 OpenClaw 的配合
Hermes 和 OpenClaw 不是竞争关系，而是互补：
- OpenClaw：强大的工具调用能力、多平台接入、企业级稳定性
- Hermes：智能的记忆管理、自动技能生成、自训练进化
最佳实践：用 OpenClaw 作为主框架，将 Hermes 的记忆系统作为插件接入，两者优势互补。
注意事项
- 隐私：所有记忆存储在本地 SQLite，数据不会上传，但要注意备份
- Token 消耗：首次任务会消耗较多 token 用于学习，后续复用更省
- Skill 质量：自动生成的 Skill 需要人工审核，避免错误经验固化
总结
Hermes Agent 的核心价值不在于它比其他 Agent 更聪明，而在于它会「学习」。
传统 Agent 每次都是白纸一张，Hermes 则是一个会记笔记、会总结经验、会举一反三的助手。用得越久，它越懂你。
The agent that grows with you——这句 slogan 不是营销话术，而是 Hermes 的核心设计哲学。
关键词：Hermes Agent, Nous Research, AI长记性, 持久记忆, 自主技能创建, SQLite记忆, Agent进化, agentskills规范
