Hermes Agent 详解：能自行编写技能的开源智能体

Nous Research 在项目 GitHub 仓库的 README 中称 Hermes Agent 是“唯一具备内置学习循环的智能体”。我们于 2026 年 10 月 23 日查看该仓库时，它有 256,360 个星标和 56,015 个 fork，采用 MIT 许可证，创建于 2025 年 7 月 22 日，并且最后推送时间也正是我们查看它的那一天。星标代表的是关注，而不是证据，而这种关注并非偶然：2026 年 10 月 23 日查看的 Google Trends 全球过去七天数据显示，“hermes”和“hermes agent”的搜索热度上升了 30% 至 40%。这个项目值得仔细解释的地方，不在于数量，而在于其背后的主张。这个智能体与模型无关——你可以把它指向任何兼容 OpenAI 的端点，包括我们的——而它声称能做到、而将被拿来与它比较的产品却做不到的一件事，就是从自身的工作中学习。

你实际安装的是什么

Claude Code、Claude Cowork 和 Claude Duet 是产品。你登录后就会获得一个界面，厂商负责运行模型，套餐涵盖用量。Hermes Agent 是一个代码仓库。你把它安装在自己控制的机器上，给它一个模型端点，从此它便由你配置、折腾坏，并一直运行下去。README 自身的定位是基础设施层面的，而非消费级产品：“把它运行在一台 5 美元的 VPS、一个 GPU 集群，或空闲时几乎不产生费用的无服务器基础设施上。”它刻意不与笔记本电脑绑定，随之而来的卖点是：你在 Telegram 上跟它对话，而它在云虚拟机上工作。

安装流程也遵循同样的思路。Linux、macOS 和 WSL2 提供一行脚本；原生 Windows 则提供 PowerShell 单行命令，README 称其无需 WSL 即可运行 CLI、网关、终端界面和各类工具。Android 和 Termux 用户会获得面向 aarch64 设备的已签名 APT 仓库，其中包含稳定版通道和 canary 版通道；README 会引导他们查看单独的 Termux 指南，而不是桌面安装器。源码安装器会把 Python 3.14、Node.js、npm、ripgrep、FFmpeg 和 Python 依赖交给包管理器处理，并在缺少 Git 时暂存一个经过验证的 Git for Windows 归档包——但不会替换机器上已有的 Git。甚至还有一条故障排除条目，专门针对杀毒软件隔离捆绑的 uv.exe 的情况；README 指出，这是对其随附的 Rust 包管理器的误报。对维护者无法看到的机器都如此用心，这本身就说明了这款软件是为谁而做的。

它所在之处，以及工作开展之地

功能列表中有两部分很容易被略过，却很难做好。第一点是，它就在你已经在用的地方：Telegram、Discord、Slack、WhatsApp、Signal 和一个纯 CLI，全部由单个网关进程提供，并支持语音备忘录转写和跨渠道延续对话。第二点是实际工作发生的地方。内置六种终端后端——本地、Docker、SSH、Modal、Daytona 和 Vercel Sandbox——外加 Singularity 和 Apptainer 等插件后端。Daytona 和 Modal 提供无服务器持久化：智能体环境在空闲时休眠，并按需唤醒。因此，README 可以同时给出“一台 5 美元 VPS”和“空闲时几乎不花钱”这两种说法，而两者并不矛盾。

在此基础上，还有一个 cron 调度器，可将每日报告、夜间备份、每周审计投递到任意平台——这些任务以自然语言编写并无人值守运行——以及用于并行工作流的隔离子代理，其提供商、模型和限制可在桌面应用的“设置 > 模型 > 子代理”中设置。此外还提供研究功能：批量轨迹生成和轨迹压缩，用于训练下一代工具调用模型。终端界面本身是一个完整的 TUI，支持多行编辑、斜杠命令自动补全、对话历史、中断并重定向以及流式工具输出。这些都不是该项目主推的卖点，而这一点很说明问题：它们只是一个必须能长期保持开启的智能体身上那不光鲜的一半。

循环，拆解

“学习循环”这个说法在 README 的第一行里承担了太多分量，因此值得把它拆解为文档实际点名的五件事。

• 由智能体筛选的记忆，并配有定期提醒：智能体自行决定哪些内容值得保留，并会被提示将其持久保存，而不是等待用户提出请求。

• 在完成*复杂任务*后*自主创建技能*，让一长串步骤沉淀为可复用的流程，而不是在下次重新推导一遍。

• 会在使用过程中自我改进的技能：流程会在下次应用时被编辑，而不是在编写它的那一刻就被固定下来。

• 基于 FTS5 的会话搜索，结合 LLM 摘要，让过往对话可以跨会话检索，而不是堆积在没人会看的回滚缓冲区里。

• 用户建模——README 将一种辩证式方法归功于 Honcho——该方法会累积成“一个跨会话、不断深化的关于你是谁 的模型”。

这是一个连贯的设计，而产物问题才是关键。README 中没有任何内容描述训练运行。这个循环产出书面材料：记忆条目和技能，它们在公开环境中被保留和修订。原则上，这意味着用户可以读到智能体决定保留了什么，并在下一个任务之后对比哪些内容发生了变化；这也意味着改进存在于模型之外，存在于能够在更换模型后继续存留的文件中。该项目还与 agentskills.io 开放标准兼容，而这一点恰恰在你关心这些技能能否比写入它们的工具存续更久时才重要。逐项来看，记忆、检索、定时任务和子智能体在其他地方都已存在。组合方式，以及对智能体重写自身流程的强调，才是被主张为新颖之处的部分。

已经测量了什么

公开层面，什么都没有。README 没有发布任何基准测试分数，没有与其他智能体进行经审计的对比，没有默认模型，也没有托管定价页面。第一句中的最高级说法出现时并未附带任何测试，而这类断言需要有一项测试来支撑，因为它所作的比较是针对现存所有其他智能体，包括那些已经具备记忆能力或能自行编写工具的智能体。“唯一一个内置学习循环的智能体”是一句读者可以对照功能矩阵去核查的话；而这个循环是否能让该智能体更擅长你的工作，则是另一个问题，且尚未在公开层面得到回答。

与此同时，注意力正在承担原本应由证据来完成的工作。对于一个创建于 2025 年 7 月的仓库来说，256,360 个星标和 56,015 次分叉是一个很大的数字，而这是读者会当作定论来接受的数字。但它并不是定论。点一个星标只需一次点击。2026 年 10 月初的媒体报道称，Nous Research 融资 9000 万美元，据报道估值 15 亿美元，投资方包括英伟达和三星，并称该智能体的下载量超过 2400 万次。这些数字来自媒体报道，而非公司自行发布的声明；即便按表面价值接受，它们衡量的也是采用情况，而非能力。

要恰当地衡量这一点确实非常困难，而这正是替这个项目所能说的最公允的话。改进的计量单位是一个你已经完成过的任务，因此反事实就是同一个智能体在同一个任务上、不使用它自己写出的技能——必须把工作负载跑两遍，有和没有该产物各一遍，并且覆盖足够多的任务，才能把真实增益与运行间噪声区分开。还没有人发表过这样的结果。在有人做到之前，诚实的总结是：机制被描述得异常详细，而结果只是被断言。

与它作比较的那些 Claude 产品

从 Claude 一侧来到 Hermes 的读者，心里会有一组特定的产品，而做这个比较是值得的，因为在任何功能出现差异之前，两者的品类就已经不同了。Anthropic 的导航列出了 Claude 本身、Claude Code、Claude Cowork、Claude Duet、Claude Tag、Claude Science 和 Claude Security。Claude Code 专为软件工程打造，可在终端、桌面应用、网页界面和移动应用中运行，并集成 GitHub 和 IDE，代码审查已在 Team 和 Enterprise 上普遍可用，还有一个安全插件处于 Beta 阶段。Claude Cowork 接收一个目标，并围绕你的文件和工具开展工作，侧边面板中带有浏览器，而删除任何内容都需要你的批准。Claude Duet 是主动型的那个：一款独立应用，在美国面向 Claude Pro 和 Max 订阅者开放等候名单，基于 Claude Opus 5.5 构建。

这些中的每一个，都是模型供应商自家基础设施上的自家产品。Hermes 把这三个要素全都颠倒了过来：智能体是开源的，模型只是一个参数，而基础设施则是你把它指向什么，它就是什么。这种颠倒正是其学习闭环主张的分量所在，因为闭源产品可以随时把你脚下的智能体换掉，而一个技能存放在你自己拥有的文件中的智能体则可以被检查，并且原则上可以被迁移。Anthropic 将 Skills 和 Plugins 列为其能力；但在我们于 2026 年 10 月 23 日读过的产品页面中，没有一个描述过这样一种智能体：它能从自己的任务历史中写出新技能，并在下次使用时修订该技能。这种差异是否有价值，与它是否真实是两个不同的问题，而目前只有后一个问题有了定论。

将其指向一个模型

README 里关于模型的部分只有一条命令：hermes model。README 说，无需改动代码就能切换智能体运行的模型，而且不会被锁定。这是整个设计中最经得起时间考验的部分，因为这类智能体中真正有趣的变量不是循环，而是它底层的模型。同一个技能库在小型开源模型和前沿模型上的表现截然不同，而一个能把这种替换变成一次配置改动的工具，让你可以去实际测试这种差异，而不是空口争论。

OpenAI 兼容接口是让替换成本低廉的关键，而这也正是我们所采用的接口。OrcaRouter 用一个密钥为 200 多个模型提供单一端点，0% 加价——直接按供应商的标价透传——当供应商服务降级时自动故障转移，并提供路由 DSL，适用于你希望明确指定哪个模型处理哪些请求的场景。如果你想让智能体背后使用前沿模型，Claude Opus 5.5 的价格是每百万输入 token 4.00 美元、每百万输出 token 20.00 美元，支持 100 万 token 上下文，缓存读取为每百万 0.20 美元。Hermes 并不关心由哪个端点来响应。有一点值得说明：我们托管的是模型，而不是 Anthropic 的应用或任何其他方的智能体。Hermes 是 Nous Research 的软件，运行它意味着使用你的机器、你的渠道，并承担你的 token 账单。

如果你打算运行它

安装前那份实实在在的检查清单与这个循环关系不大，而 README 对其中大部分内容异常直白。

智能体需要一个始终保持运行的宿主。会进入睡眠状态的笔记本电脑是不合适的机器，因此 README 倾向于选择小型 VPS 或可休眠的无服务器后端，而不是你桌上的电脑。

• 接入渠道是一项决定，而不是默认设置。把 Telegram、Discord、Slack、WhatsApp 和 Signal 接入同一个网关进程，就意味着该进程掌握着所有平台的凭据——在享受这项功能之前，这是一个需要先考虑的暴露面。

• 5 美元这个数字指的是算力。Token 由你把 model 命令指向的哪个端点来计费，而按 cron 计划运行的智能体会在你没盯着的时候消耗它们。定时任务和廉价的空闲时间是两种不同的经济账。

• 它写出的技能归你审阅。相比权重，产物的优势在于你可以阅读它们；而真正的自律，是切实去读它们，就像读同事留在代码仓库里的一份脚本那样。

值得一问的问题

Nous Research 发布了一样东西，它带着一个明确的论点：智能体接下来真正有用的东西，不是更长的上下文窗口，而是一个由它自己编写、不断增长的程序库——而且运行在足够廉价、可以连续跑上数月的基础设施之上。README 用详尽的功能列表、在开发者可能用到的每个平台上都能跑通的安装路径，以及一个大多数项目愿意拿路线图去换的星标数，来论证这个论点。它尚未给出的，是那个能一锤定音的数字——同一个智能体、同样的任务，在它自己的技能出现之前与之后各是什么样。在有人公布这项对比之前，公允的解读是：这个学习循环是一个描述得很清楚的机制，也是一个尚未被测量的结果。即便如此，它仍然比一句承诺或一句否定更值得安装。