NousResearch/hermes-agent 押的是一个少有人押的方向：一个"会自我进化"的 AI agent。不是用完即弃的工具，而是越用越懂你——做完复杂任务自动沉淀技能、周期性把知识存下来、能搜自己的历史对话、还用 Honcho 跨会话给你建用户画像。GitHub 227,993 星（约 22.8 万），44,784 forks，主语言 Python，MIT 许可证，2025-07-22 创建，最近一次 push 就在今天（2026-08-10），本周 Trending。出品方 Nous Research 是知名开源 AI 研究机构。它的差异点一句话：别的 agent 是你调用的工具，hermes 是跟着你长的 agent。
先说清边界：本文基于 hermes-agent 的 GitHub README 与官方文档站（hermes-agent.nousresearch.com）梳理，事实截至 2026-08-10。星数实时变动，以 GitHub 为准。本文是独立深度盘，与本站已发过的 agent 工具调用 SOP、agent 长期记忆 SOP 互补但独立——hermes 的学习闭环和工具调用机制是这两篇的活样本，但本文不依赖那两篇的前置结论。
一、为什么需要一个"会自我进化"的 agent
用 agent 的人多半有个共同体验：每次开新会话，agent 把你当陌生人。你上周跟它说过的工作流偏好、项目结构、常用命令，这周它全忘了——除非你手动把上下文喂回去。当前大多数 agent 是"用完即弃"的：会话结束，经验归零。你在它身上花的时间不积累成它的能力，每个会话都从零开始。
hermes-agent 押的是相反方向。它的核心不是"更聪明的模型"，而是 built-in learning loop（内置学习闭环）——agent 在使用中持续积累：做完复杂任务后把过程沉淀成可复用的技能，定期把学到的东西持久化，能搜索自己的历史对话做跨会话召回，还用 Honcho 给你建一个不断深化的用户模型。目标是让 agent 从"一次性工具"变成"长期伙伴"——用得越久越贴合你的工作方式。
这条路的工程含义是：agent 不再只依赖当前会话的 context window，而是有持久化的记忆层和技能层。本站在 agent 长期记忆 SOP 里拆过 agent 记忆的设计模式，hermes 的学习闭环是一个完整的工程实现，下文逐条拆。
二、学习闭环怎么工作
hermes 的学习闭环由五个机制撑起，缺一个都不成闭环。
1. 从经验创建技能。 agent 完成一个复杂任务后，会自动把过程提炼成一项"技能"（skill）——下次遇到类似任务可以直接调用，不用从头推理。这解决的是"每次都重新发明轮子"的问题。
2. 使用中自我改进。 技能不是写完就锁死。agent 在实际使用技能的过程中会根据结果调整，越用越精。这是"技能"和"静态 prompt 模板"的关键区别：技能会迭代。
3. 主动持久化知识。 agent 周期性地"提醒自己"把当前会话里有价值的信息存下来，而不是等你手动保存。这个 nudge 机制确保知识不会随会话结束而丢失。
4. 搜索过往对话。 agent 能搜索自己的历史对话做跨会话召回，底层用 SQLite FTS5 全文检索加 LLM 摘要。你两周前跟它讨论的方案，它能搜出来引用，不用你重新描述一遍。
5. 建立用户模型。 用 Honcho 的 dialectic user modeling，agent 跨会话持续深化对你的理解——你的偏好、习惯、项目上下文都积累成一个用户画像，越用越准。
五个机制串起来形成一个完整闭环：做任务 → 沉淀技能 → 使用中改进 → 主动存知识 → 搜索历史召回 → 深化用户模型 → 下次任务更贴合。另外，hermes 兼容 agentskills.io 开放标准，意味着技能理论上可以跨 agent 共享，不锁死在 hermes 里。
需要说清的是：以上是 README 口径的机制描述，"自我进化"的实际效果本站未长期压测。学习闭环能跑通和跑得好是两回事，建议自己用一段时间再评估它对你工作流的实际提升。
三、Runs anywhere：不绑笔记本的 agent
大多数 agent 跑在你的笔记本上——关掉终端就停了，换台电脑上下文全丢。hermes-agent 的另一个关键卖点是"Runs anywhere, not just your laptop"：七种终端后端可选。
| 后端 | 特点 |
|---|---|
| local | 本地直接跑 |
| Docker | 容器化隔离 |
| SSH | 连远程机器跑 |
| Singularity | HPC 环境用 |
| Modal | serverless，闲置休眠按需唤醒 |
| Daytona | serverless，闲置休眠按需唤醒 |
| Vercel Sandbox | 沙箱环境跑 |
重点在 Modal 和 Daytona 这两个 serverless 后端：agent 环境闲置时休眠、按需唤醒，闲置期间几乎零成本。这意味着你可以把 agent 跑在 $5 VPS 或 GPU 集群上，不绑笔记本——你可以从 Telegram 跟它说话，它在云 VM 上干活。这对"agent 作为长期伙伴"的定位是刚需：如果 agent 跟着笔记本开关机，它的"持续学习"就没法真正持续。
四、模型无关 + 住在你待的地方
模型无关。 hermes 支持 Nous Portal / OpenRouter / OpenAI / 自建 endpoint 等多个 provider，hermes model 一条命令切换模型，无代码改动、无供应商锁定。这在模型快速迭代的当下很实际——今天用 Claude，明天换 GPT，后天换 Nous 自家的 Hermes 模型，都不用改 agent 配置。
住在你待的地方。 hermes 接入 Telegram / Discord / Slack / WhatsApp / Signal / CLI，单一 gateway 进程统一接入所有消息平台。支持语音备忘录转写、跨平台对话连续性——你在 Telegram 上开的话题，切到 CLI 还能接着聊。这解决的是"agent 入口分散"的问题：你不需要开五个窗口管五个 agent，一个 gateway 搞定所有平台的接入。
五、与同类对比
hermes-agent 的定位和 Claude Code、Codex 这类编程 agent，以及 AutoGPT 类自主 agent 都不同。把关键维度摊开对一遍。
| 维度 | hermes-agent | Claude Code / Codex | AutoGPT 类 |
|---|---|---|---|
| 定位 | 跨平台自进化个人 agent | 编程专用 agent | 自主目标驱动 agent |
| 学习闭环 | 内置（技能+用户建模） | 无（会话级） | 无 |
| 运行位置 | 7 后端含 serverless 休眠 | 本地终端为主 | 通常本地/Docker |
| 消息平台 | Telegram/Discord/Slack 等 | 无（CLI 为主） | 通常无 |
| 模型 | 模型无关，多 provider | 绑定单一供应商 | 多模型 |
| 编程能力 | 有但非专精 | 专精 | 弱 |
| 许可证 | MIT | 各异 | 多为 MIT |
核心差异：Claude Code 和 Codex 押的是"编程场景做到极致"，hermes 押的是"跨平台、自进化的个人 agent"——它不是要替代你的编程 agent，而是做你跨场景的长期助手。AutoGPT 类虽然有自主性，但缺学习闭环和消息平台接入，用完即弃。本站在 MCP 客户端横评 里拆过 agent 的工具生态，hermes 的 hermes tools 配置和 RPC 调工具机制是另一条工具接入路线，下文上手部分讲。
六、上手：安装与启动
hermes 原生支持 Windows，无需 WSL。安装器自带 uv / Python 3.11 / Node.js / ripgrep / ffmpeg / 便携 Git Bash（MinGit），依赖一次装齐。
Linux / macOS / WSL2 / Termux：
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bashWindows（PowerShell）：
iex (irm https://hermes-agent.nousresearch.com/install.ps1)装完后常用命令：
hermes——开始聊天hermes setup——设置向导（首次用先跑这个）hermes model——选模型hermes tools——配工具hermes gateway——启消息网关（接 Telegram/Discord 等）hermes doctor——诊断环境问题
终端 TUI 支持多行编辑、斜杠命令自动补全、对话历史、中断重定向、流式工具输出。内置 cron 调度器，自然语言定义每日报告/夜间备份/每周审计，无人值守。还能 spawn 隔离子 agent 跑并行工作流，或写 Python 脚本通过 RPC 调工具，把多步管线压成零上下文成本的轮次——这部分和本站的 agent 工具调用 SOP 讲的 RPC 调工具模式直接对应。研究就绪特性还支持批量轨迹生成和轨迹压缩，用于训练下一代工具调用模型。
七、适用场景与局限
适合：你想要一个跨场景长期陪伴的 agent（不只是写代码），愿意花时间让它学习你的工作方式；你的任务跨 Telegram/Discord/Slack 等消息平台，需要统一入口；你希望 agent 跑在云上持续在线、不绑笔记本；你做 AI 研究或训练，需要批量轨迹生成和压缩。
局限四个要点清。第一，22.8 万星但 2025-07 才创建、仍年轻，接口和文档稳定性待验证，别当生产 SLA。第二，uv.exe 可能被杀软（Windows Defender / Bitdefender）误报为恶意软件——这是 Astral 的 uv（Rust 包管理器）被 ML 杀软误判，不是真的有问题，README 给了验证和加白名单的方法，装之前心里有数。第三，任意模型加任意后端的灵活等于配置项多，新手有学习曲线，建议先 hermes setup 走向导再逐步调。第四，"自我进化/学习闭环"是 README 口径，本站未长期压测，实际效果需要你自己用一段时间再评估，别拿去当承诺。
八、常见问题
Q：hermes-agent 和 Claude Code / Codex 这类编程 agent 有什么不同？ A：定位不同。Claude Code / Codex 是编程专用 agent，押的是"编程场景做到极致"；hermes 押的是"跨平台、自进化的个人 agent"——内置学习闭环、接入消息平台、跑在云端持续在线。它不是替代编程 agent，而是做你跨场景的长期助手，编程只是它的能力之一。
Q："自我进化/学习闭环"具体指什么，可靠吗？ A：指五个机制：从经验创建技能、使用中自我改进、主动持久化知识、搜索过往对话、建立用户模型。这是 README 口径的机制描述，能跑通和跑得好是两回事，本站未长期压测，建议自己用一段时间再评估。
Q：支持 Windows 吗？
A：支持，原生支持，无需 WSL。PowerShell 一条命令安装：iex (irm https://hermes-agent.nousresearch.com/install.ps1)。安装器自带 uv / Python 3.11 / Node.js / ripgrep / ffmpeg / 便携 Git Bash，依赖一次装齐。注意 uv.exe 可能被杀软误报，按 README 加白名单即可。
Q：怎么装，要付费吗？
A：MIT 许可证，开源免费。Linux/macOS/WSL2/Termux 用 curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash，Windows 用 PowerShell 的 iex (irm ...) 命令。
Q：星数这么多，项目成熟吗？ A：227,993 星、44,784 forks，本周 Trending，但 2025-07-22 才创建、仍年轻。星数增长快不代表接口稳定，接口和文档还在早期，生产接入前建议自己跑一遍验证。
参考来源
- hermes-agent GitHub 仓库（NousResearch/hermes-agent，227,993 star，MIT，Python）：https://github.com/NousResearch/hermes-agent
- hermes-agent 文档站：https://hermes-agent.nousresearch.com
- hermes-agent Discord 社区：见 GitHub README 入口
- 本站相关：agent 工具调用 SOP ｜ agent 长期记忆 SOP ｜ MCP 客户端横评 ｜ browser-use 资源盘