Second Brain

Appearance

文档预览图

Hermes Agent：从智能助手到可持续进化的个人代理系统 ​

这篇文章是一份 Hermes 导览。它不是简单把它介绍成命令行聊天工具，而是放在"AI Agent 怎么从一次性问答，走到长期协作、工具执行、跨平台交付和自我改进"这个线索下来看。

六个问题，读完大概能搞明白 ​

  1. Hermes Agent 是什么，它和普通聊天机器人、IDE 助手、自动化脚本有什么本质区别。
  2. 为什么现代 AI Agent 需要工具、记忆、技能、会话、平台网关、定时任务和插件系统。
  3. Hermes 的核心架构怎么运转：入口层、AIAgent 循环、模型路由、工具运行时、会话存储、消息网关、Cron、技能与记忆。
  4. Hermes 能做什么：代码开发、研究整理、网页与浏览器自动化、多平台聊天、定时报告、文件操作、语音、图像、MCP 集成、插件扩展、子代理并行。
  5. Hermes 主要解决哪些问题：上下文断裂、模型锁定、工具碎片化、跨设备协作困难、自动化不可持续、经验无法沉淀、Agent 难以部署与运维。
  6. 怎么判断一个场景适不适合用 Hermes，以及使用 Hermes 时需要注意哪些边界和安全问题。

一句话定义 ​

Hermes Agent 是一个由 Nous Research 构建的、自带工具系统、持久记忆、技能库、消息网关、定时任务和自我改进循环的通用 AI Agent 运行环境。

更直白地说，它不是"一个模型"，也不是"一个聊天窗口"。它更像是一个可以连接不同大模型、不同工具、不同终端环境、不同聊天平台和不同知识技能的代理操作系统：

  • 你可以在终端里和它协作。
  • 你可以在 Telegram、Discord、Slack、WhatsApp、Signal、飞书、企业微信、邮件等平台上和它对话。
  • 你可以让它执行终端命令、读写文件、浏览网页、调用浏览器、使用 MCP 服务器、运行代码、生成图片、处理语音。
  • 你可以让它记住你的偏好、项目习惯、过去会话和可复用流程。
  • 你可以让它把复杂任务沉淀成 Skill，并由后台 Curator 周期性整理技能库。
  • 你可以把它部署在本机、服务器、Docker、SSH、Modal、Daytona、Vercel Sandbox 等不同运行环境中。

如果把普通聊天机器人比作"可以回答问题的人"，那么 Hermes 更接近"可以长期跟你共事的 AI 工作台"。

背景：为什么会有 Hermes 这样的系统 ​

第一阶段：聊天式 AI 的能力边界 ​

大模型最早被大量使用时，用户主要通过一个聊天框获得帮助。这个阶段的核心交互模式是：

mermaid
flowchart LR
    U["用户提出问题"] --> M["大模型生成回答"]
    M --> U

这种模式已经很强，但它有明显边界：

问题表现结果
不能真实行动模型只能"建议你运行命令"，不能自己完成完整操作用户仍然承担大量机械步骤
没有稳定环境每次会话都像重新认识用户和项目上下文重复解释，协作成本高
工具能力割裂网页搜索、文件系统、代码执行、浏览器、数据库分别在不同软件里复杂任务被迫手工搬运
缺少长期记忆模型很难可靠记住用户偏好、项目结构和历史决策经验无法复用
难以自动化需要定时执行、监控、通知的任务无法自然表达用户仍要写脚本、配 cron、接 webhook
平台受限AI 通常绑定在一个网页、一个 IDE 或一台电脑上你离开电脑后，Agent 就失去触达能力

换句话说，聊天式 AI 解决了"生成答案"的问题，但没有完整解决"完成工作"的问题。

第二阶段：工具增强 Agent ​

后来，Agent 开始拥有工具调用能力。模型可以搜索网页、读文件、写代码、运行测试、操作浏览器。这时交互模型变成：

mermaid
flowchart TB
    U["用户目标"] --> A["Agent 推理"]
    A --> T1["搜索工具"]
    A --> T2["终端工具"]
    A --> T3["文件工具"]
    A --> T4["浏览器工具"]
    T1 --> A
    T2 --> A
    T3 --> A
    T4 --> A
    A --> R["最终结果"]

工具让模型从"给建议"变成"能行动"。但新的问题也出现了：

  • 工具越多，权限、安全和可观测性越重要。
  • 任务越长，会话、上下文压缩和历史检索越重要。
  • 用户越依赖 Agent，记忆和个性化越重要。
  • 场景越多，平台适配、插件、MCP 和工具集配置越重要。
  • Agent 越常用，技能沉淀和自我改进越重要。

Hermes 的出现，可以理解为对这些问题的一次系统化回答。

第三阶段：可持续协作的 Agent 系统 ​

Hermes 关注的不只是"单次调用一个模型"，而是"让一个 Agent 长期生活在用户的工作流里"。它要处理的不只是推理，还有：

  • 入口：用户从终端、TUI、聊天平台、API、IDE、批处理进入。
  • 模型：用户可以选择不同 Provider 和模型，并支持 fallback。
  • 上下文：项目说明、用户记忆、会话历史、技能说明需要被组织进 prompt。
  • 工具：工具要能注册、分组、过滤、调用、记录和扩展。
  • 环境：工具要能在本地、容器、远端、云沙盒等环境运行。
  • 安全：终端命令、文件访问、网关用户、插件加载都需要约束。
  • 自动化：Agent 要能按计划运行，并把结果送回合适平台。
  • 成长：完成任务后，要能决定哪些经验应该保存成记忆或技能。

因此，Hermes 的核心价值不是"又多了一个 AI 客户端"，而是给 Agent 提供了一套长期运行所需的基础设施。

Hermes 的整体架构图 ​

下面这张图是理解 Hermes 的第一张地图：

mermaid
flowchart TB
    subgraph Entry["入口层：用户如何接触 Hermes"]
        CLI["Classic CLI"]
        TUI["现代 TUI"]
        GW["Messaging Gateway"]
        API["OpenAI-compatible API"]
        ACP["ACP / IDE 集成"]
        Batch["Batch Runner"]
    end

    subgraph Core["核心代理层"]
        Agent["AIAgent<br/>核心会话循环"]
        Prompt["Prompt Builder<br/>人格、记忆、技能、项目上下文"]
        Provider["Provider Runtime<br/>模型与凭据解析"]
        Tools["Tool Runtime<br/>工具发现、Schema、调用、结果回传"]
        State["SessionDB<br/>SQLite + FTS5"]
    end

    subgraph Capability["能力层"]
        File["文件与补丁"]
        Terminal["终端与进程"]
        Browser["浏览器自动化"]
        Web["网页搜索与抽取"]
        Memory["记忆与会话搜索"]
        Skill["技能系统"]
        MCP["MCP 外部工具"]
        Cron["定时任务"]
        Plugin["插件系统"]
        Voice["语音、TTS、图像"]
    end

    subgraph Delivery["运行与交付环境"]
        Local["本机"]
        Docker["Docker"]
        SSH["SSH"]
        Modal["Modal"]
        Daytona["Daytona"]
        Vercel["Vercel Sandbox"]
        Platforms["Telegram / Discord / Slack / Feishu / WeCom / Email ..."]
    end

    CLI --> Agent
    TUI --> Agent
    GW --> Agent
    API --> Agent
    ACP --> Agent
    Batch --> Agent

    Agent --> Prompt
    Agent --> Provider
    Agent --> Tools
    Agent --> State

    Tools --> File
    Tools --> Terminal
    Tools --> Browser
    Tools --> Web
    Tools --> Memory
    Tools --> Skill
    Tools --> MCP
    Tools --> Cron
    Tools --> Plugin
    Tools --> Voice

    Terminal --> Local
    Terminal --> Docker
    Terminal --> SSH
    Terminal --> Modal
    Terminal --> Daytona
    Terminal --> Vercel
    GW --> Platforms
    Cron --> Platforms

这张图有一个重要含义：Hermes 不是单层应用，而是多层系统。它把"用户入口、模型推理、上下文管理、工具调用、运行环境、消息交付、长期记忆"拆成不同层，每层都可以扩展。

Hermes 是什么：四个视角 ​

视角一：它是一个终端 AI 工作台 ​

从最简单的使用方式看，Hermes 是一个命令行 Agent：

bash
hermes
hermes --tui
hermes chat -q "帮我总结这个项目的结构"
hermes chat --model "anthropic/claude-sonnet-4"
hermes chat --toolsets "web,terminal,skills"

它支持多行输入、会话恢复、slash command、技能预加载、模型切换、语音输入、工具进度展示、上下文压缩和 token/cost 状态栏。

这让 Hermes 适合开发者日常使用：你可以在项目根目录启动 Hermes，让它读取项目上下文、运行命令、修改文件、检查测试、写文档、做代码审查。

视角二：它是一个跨平台消息机器人 ​

Hermes 的 Messaging Gateway 让同一个 Agent 可以出现在多个聊天平台中：

mermaid
flowchart LR
    User["用户"] --> TG["Telegram"]
    User --> DC["Discord"]
    User --> Slack["Slack"]
    User --> Email["Email"]
    User --> Feishu["飞书 / Lark"]
    User --> WeCom["企业微信"]

    TG --> Gateway["Hermes Gateway"]
    DC --> Gateway
    Slack --> Gateway
    Email --> Gateway
    Feishu --> Gateway
    WeCom --> Gateway

    Gateway --> Store["按平台/聊天隔离的会话存储"]
    Store --> Agent["AIAgent"]
    Agent --> Gateway

这解决了一个非常现实的问题：工作不是只发生在 IDE 里。你可能在手机上想到一个任务，在 Slack 里收到一个问题，在 Telegram 里想看服务器状态，在邮件里想让 Agent 帮你分析附件。Hermes 把这些入口统一到一个 Agent 后端。

视角三：它是一个工具运行时 ​

Hermes 内部有工具注册、工具集、工具可用性检查、工具调用分发、环境后端和结果回传机制。工具类别包括：

类别典型能力
Web搜索网页、抽取页面内容
Terminal & Files执行命令、管理进程、读写文件、应用补丁
Browser打开网页、点击、输入、截屏、视觉识别
Media图像理解、图像生成、TTS、语音转写
Agent orchestrationTodo、澄清问题、执行代码、子代理委派
Memory & recall写入记忆、检索历史会话
Automation & delivery创建定时任务、发送消息
IntegrationsMCP、Home Assistant、Spotify、Discord 等

普通脚本通常是"人写死流程"。Hermes 的工具运行时则是"模型根据目标动态选择工具"，这让它能处理开放式任务。

视角四：它是一个自我改进系统 ​

Hermes 的一个关键定位是 self-improving agent。它有三类长期学习机制：

  1. Memory：保存用户偏好、环境事实、项目习惯。
  2. Session Search：用 SQLite + FTS5 检索过去会话。
  3. Skills：把非平凡流程沉淀为可复用知识文档，并可由 Curator 整理。

这和普通"保存聊天记录"不同。保存聊天记录只是留档，而 Hermes 的目标是把经历变成下一次可直接使用的能力。

mermaid
flowchart TB
    Task["完成一次复杂任务"] --> Review["后台自我审查"]
    Review --> SaveMemory{"是否应保存事实？"}
    Review --> SaveSkill{"是否应沉淀流程？"}
    SaveMemory -->|是| Memory["MEMORY.md / USER.md"]
    SaveSkill -->|是| Skill["SKILL.md / references / scripts"]
    Memory --> Future["未来会话自动受益"]
    Skill --> Future
    Future --> Task

这个闭环让 Hermes 更接近"不断积累经验的协作者"，而不是"每次从零开始的聊天窗口"。

Hermes 的核心工作流 ​

一个普通对话回合发生了什么 ​

当你向 Hermes 发一条消息时，内部流程大致如下：

mermaid
sequenceDiagram
    participant U as 用户
    participant E as 入口层 CLI/TUI/Gateway
    participant A as AIAgent
    participant P as Prompt Builder
    participant R as Provider Runtime
    participant T as Tool Runtime
    participant S as SessionDB
    participant M as LLM Provider

    U->>E: 输入任务
    E->>A: 创建或恢复会话
    A->>P: 组装系统提示词
    P-->>A: 人格、记忆、技能、项目上下文
    A->>R: 解析 provider/model/API mode
    R-->>A: base_url/api_key/model
    A->>M: 发送 messages + tool schemas
    M-->>A: 回复或工具调用
    alt 模型请求工具
        A->>T: 调用工具
        T-->>A: 工具结果
        A->>M: 追加 tool result 后继续循环
    else 模型给出最终答案
        A->>S: 保存会话
        A-->>E: 返回最终结果
        E-->>U: 展示或发送消息
    end

这说明 Hermes 的"智能"不是只在模型本身，而是在模型与工具、上下文、状态、交付层之间的循环中产生。

上下文如何进入 Agent ​

Hermes 的上下文不是简单把所有东西塞给模型。它会按用途分层：

上下文来源用途特点
SOUL.md定义 Agent 的人格、语气和基本行为全局加载
MEMORY.mdAgent 对环境、项目、经验的个人笔记有字符上限，保持精炼
USER.md用户偏好、沟通风格、身份信息有字符上限
AGENTS.md / .hermes.md / CLAUDE.md项目规则、结构、约束按项目发现
Skills特定任务的可复用流程按需加载
Session history当前会话上下文可压缩
Session search过去会话检索需要时调用

这种设计背后的原则是：不同类型的信息应该进入不同的记忆层。不是所有内容都适合常驻系统提示词，也不是所有经验都应该埋在聊天记录里。

Hermes 为什么需要这些模块 ​

为什么需要多 Provider ​

现实中没有一个模型永远最合适：

  • 有的模型推理强，但贵。
  • 有的模型快，但上下文短。
  • 有的模型适合代码，有的适合视觉，有的适合中文。
  • 有的服务偶尔限流或故障。
  • 团队可能有自己的 OpenAI-compatible endpoint。

Hermes 通过 provider runtime 把模型选择从业务逻辑里抽出来。用户可以通过 hermes model、配置文件或命令参数切换 provider/model，而不是改代码。

mermaid
flowchart LR
    Request["用户任务"] --> Router["Provider Runtime"]
    Router --> Nous["Nous Portal"]
    Router --> OpenRouter["OpenRouter"]
    Router --> OpenAI["OpenAI"]
    Router --> Anthropic["Anthropic"]
    Router --> Local["LM Studio / Local Endpoint"]
    Router --> Other["MiniMax / Kimi / GLM / Azure / ..."]

这解决的是模型时代最重要的工程问题之一：避免把 Agent 的能力绑定死在某一家模型供应商上。

为什么需要工具集 ​

工具越多，模型的选择空间越大，但风险也越大。工具集的作用是把工具按场景组织起来：

  • CLI 可以启用文件、终端、浏览器、技能。
  • 消息平台可以限制危险工具。
  • Cron 任务可以附加特定技能。
  • 子代理可以被限制在更窄的工具范围内。

这不是单纯的"开关功能"，而是 Agent 权限模型的一部分。一个会发 Slack 消息的 Agent 和一个能执行 shell 的 Agent，风险等级完全不同。

为什么需要记忆 ​

没有记忆的 Agent 会反复问同样的问题：

  • 你喜欢详细解释还是简洁答案？
  • 这个项目怎么跑测试？
  • 你用 zsh 还是 fish？
  • 这个仓库有哪些禁忌？
  • 上次我们为什么选择这个方案？

Hermes 的记忆不是无限制堆积，而是有明确容量的 curated memory。它迫使 Agent 只保存重要、稳定、可复用的信息。

可以把记忆分成两层：

层适合保存什么不适合保存什么
MEMORY.md / USER.md高频、稳定、会反复影响行为的信息大段日志、临时路径、一次性数据
Session Search过去讨论过的具体问题、细节、决策过程每次都必须立即可见的偏好

为什么需要技能 ​

记忆保存"事实"，技能保存"流程"。

例如：

  • "用户使用 macOS + zsh"是记忆。
  • "如何在这个团队里发布一个 npm 包"是技能。
  • "这个项目测试命令是 pytest tests/"是记忆。
  • "遇到 flaky test 时按哪些步骤定位"是技能。

Hermes 的 Skill 本质上是可加载的操作手册。它可以包含主说明、references、templates、scripts 和 assets。模型不需要每次从零发明流程，而是按需加载经过沉淀的步骤。

mermaid
flowchart TB
    Need["任务需要专业流程"] --> List["skills_list：先看有哪些技能"]
    List --> View["skill_view：加载目标技能"]
    View --> Ref["需要时再加载 references/scripts/templates"]
    Ref --> Execute["按技能流程执行"]
    Execute --> Improve["任务结束后可更新技能"]

这就是 Hermes 所说的 procedural memory：把"怎么做"变成可维护、可复用、可演化的知识单元。

为什么需要消息网关 ​

一个真正有用的 Agent 不能只待在电脑前台。它应该能：

  • 在你离开电脑时继续工作。
  • 在任务完成或失败时主动通知你。
  • 接收来自团队聊天工具的上下文。
  • 把定时任务结果送到合适频道。
  • 支持手机端快速指令。

Messaging Gateway 把 Hermes 从"本机程序"变成"后台服务"。它同时处理平台适配、用户授权、会话隔离、命令分发、文件/图片/语音消息、定时任务调度和消息投递。

这也是 Hermes 和很多单纯 CLI Agent 的分水岭。

为什么需要 Cron ​

很多任务不是一次性对话，而是周期性责任：

  • 每天早上总结新闻。
  • 每小时检查服务器状态。
  • 每周整理项目风险。
  • 每晚备份并汇报结果。
  • 当某个指标异常时通知团队。

传统做法是写脚本、配 crontab、处理日志、接 webhook。Hermes 的 Cron 则把"自然语言任务 + Agent 能力 + 平台投递"组合起来：

mermaid
flowchart LR
    Schedule["时间表"] --> Tick["Gateway 每分钟 tick"]
    Tick --> Job["加载到期 Job"]
    Job --> Agent["新建 AIAgent 会话"]
    Agent --> Tools["使用工具/技能执行任务"]
    Tools --> Output["生成结果"]
    Output --> Delivery["发送到 Telegram/Slack/Email/Local 等"]

这让自动化从"脚本工程"变成"可对话配置的代理任务"。

为什么需要插件和 MCP ​

没有任何 Agent 能内置所有工具。Hermes 的扩展路径主要有两条：

扩展方式适合场景
Plugin给 Hermes 增加自定义工具、hook、slash command、平台适配、记忆提供方、上下文引擎
MCP连接外部已经存在的工具服务器，如 GitHub、数据库、文件系统、内部 API

插件解决"我想让 Hermes 变得更像我的系统"的问题。MCP 解决"我想让 Hermes 接入外部工具生态"的问题。

Hermes 能做什么 ​

1. 作为开发助手 ​

Hermes 可以在项目目录中读取上下文文件、搜索代码、运行测试、修改文件、生成补丁、总结架构、写文档、做代码审查。

典型任务：

text
帮我读一下这个项目，解释请求从 API 到数据库的完整路径。
text
修复这个测试失败，并说明根因。
text
给这个模块写一份面向新同事的 onboarding 文档。

价值在于：Hermes 不只是给出建议，它可以实际进入文件系统和终端环境完成工作。

2. 作为研究与知识整理助手 ​

Hermes 有网页搜索、网页抽取、文件读写、技能系统和长期记忆，适合做研究工作流：

  • 检索多个来源。
  • 提取关键信息。
  • 建立比较表。
  • 生成学习笔记。
  • 把稳定流程保存成技能。
  • 定时追踪某个领域动态。

例如：

text
每周一早上 9 点，帮我整理过去一周 AI Agent 相关的重要项目，发到 Slack。

这里涉及 Web、Cron、Messaging Gateway 和可能的 skill-backed workflow。

3. 作为个人自动化中枢 ​

Hermes 可以处理"自然语言 + 定时 + 通知 + 工具"的场景：

  • 定时巡检服务器。
  • 读取日志并总结异常。
  • 检查 GitHub PR 状态。
  • 生成日报、周报。
  • 监控 RSS、博客、新闻源。
  • 和 Home Assistant、Spotify 等集成。

它的特点是自动化任务可以由 Agent 推理执行，不必每个场景都写死脚本。

4. 作为跨平台 AI 助手 ​

通过 Gateway，你可以从不同聊天平台进入同一个 Hermes：

  • 手机上用 Telegram 发"检查一下服务器状态"。
  • 在 Slack 线程里让它总结讨论。
  • 在 Discord 语音里和它对话。
  • 通过 Email 收取定时报告。
  • 在企业微信或飞书中使用团队场景能力。

这让 Agent 从"一个应用"变成"一个可被多入口唤起的服务"。

5. 作为可扩展工具平台 ​

如果团队有内部系统，可以通过 MCP 或 Plugin 接入：

  • 内部工单系统。
  • 私有数据库查询。
  • 部署平台。
  • 数据看板。
  • 文档库。
  • 告警系统。

Hermes 的模型负责理解目标、选择工具、组织步骤；你的插件或 MCP 服务器负责把真实系统能力暴露给它。

Hermes 解决的问题 ​

问题一：上下文断裂 ​

传统 AI 工具经常需要用户反复提供背景。Hermes 用项目 context files、记忆、会话存储和 session search 解决这个问题。

mermaid
flowchart TB
    Project["项目规则<br/>AGENTS.md / .hermes.md"] --> Prompt["会话 Prompt"]
    User["用户偏好<br/>USER.md"] --> Prompt
    Memory["环境与经验<br/>MEMORY.md"] --> Prompt
    Skills["任务流程<br/>SKILL.md"] --> Prompt
    History["当前会话历史"] --> Prompt
    Search["过去会话检索"] -.按需.-> Prompt

问题二：模型锁定 ​

Hermes 支持多 provider、多模型、fallback 和 OpenAI-compatible endpoint。用户可以根据成本、速度、能力和可用性切换模型，而不重写工作流。

问题三：工具碎片化 ​

很多 AI 工作流需要网页、终端、文件、浏览器、消息、语音、图像、外部 API。Hermes 把这些能力统一成工具注册和工具集机制，减少"在多个软件之间手工搬运"的成本。

问题四：经验无法沉淀 ​

普通 Agent 完成一次复杂任务后，经验往往留在聊天记录里。Hermes 把经验分流到 Memory 和 Skills，并通过自我改进循环与 Curator 维护它们。

问题五：自动化和交付困难 ​

Cron + Gateway 让 Hermes 可以在无人值守的情况下运行任务，并把结果交付到聊天平台、邮件或本地文件。这解决了"AI 只在打开窗口时可用"的问题。

问题六：部署环境受限 ​

Hermes 的 terminal backend 可以是本机、Docker、SSH、Singularity、Modal、Daytona、Vercel Sandbox 等。它既可以在个人电脑上工作，也可以跑在便宜 VPS、云沙盒或远程服务器上。

看两个实际场景 ​

场景一：每日 AI 简报 ​

假设你的目标是：

每天上午 9 点，Hermes 自动搜索 AI Agent 领域的新项目和重要文章，筛选出最值得看的 5 条，写成中文简报，发到 Telegram。

这个任务看似简单，实际涉及很多模块：

mermaid
flowchart TB
    Goal["每日 AI 简报"] --> Cron["Cron：每天 9 点触发"]
    Cron --> Skill["Skill：新闻筛选与摘要格式"]
    Skill --> Web["Web Search / Extract"]
    Web --> Agent["AIAgent 评估重要性"]
    Agent --> Memory["参考用户偏好"]
    Agent --> Format["生成中文简报"]
    Format --> Gateway["Gateway 投递"]
    Gateway --> Telegram["Telegram"]

如果没有 Hermes，你可能需要：

  • 写一个 Python 脚本搜索 RSS 或 API。
  • 配置 crontab。
  • 写 Telegram bot 发送逻辑。
  • 单独管理 API key。
  • 处理失败重试和日志。
  • 手动调整筛选规则。

有 Hermes 后，你可以把任务描述给 Agent，让它创建 cron job，必要时附加一个 skill，并通过 gateway 投递。更进一步，如果你反复调整简报风格，Hermes 可以把偏好保存到 memory 或 skill 中。

这个场景体现了 Hermes 的核心价值：它把一次任务背后的工程胶水变少，让你更接近用自然语言表达目标。

场景二：代码仓库维护 ​

另一个典型任务：

每周五下午检查一个项目：运行测试、查看最近提交、总结风险、生成下周建议，并把报告发到团队频道。

涉及模块：

模块在任务中的作用
Context Files读取项目规则、测试命令、贡献约定
Terminal拉取状态、运行测试、检查构建
Git / Files查看 diff、提交记录、关键文件
SessionDB保留历史报告和讨论
Cron每周定时触发
Gateway把报告发到 Slack/Discord/飞书
Skills固化"周度仓库巡检"流程
Memory记住团队偏好、报告格式、重要路径

这种场景正是普通聊天机器人难以胜任的，因为它需要真实执行、长期重复、历史比较和外部交付。

Hermes 的关键概念小词典 ​

概念简明解释
AIAgentHermes 的核心会话循环，负责调用模型、处理工具调用、维护对话流程
Provider模型供应商或模型后端，如 Nous Portal、OpenRouter、OpenAI、Anthropic、本地 endpoint
ToolAgent 可调用的函数能力，如终端、文件、浏览器、搜索、记忆
Toolset一组工具的集合，用于按平台或场景启用/禁用
Skill可按需加载的任务知识文档，是流程型记忆
MemoryHermes 持久保存的用户偏好、项目事实和环境经验
SessionDB保存会话历史的 SQLite 数据库，支持 FTS5 检索
Gateway多聊天平台适配和后台消息服务
CronHermes 的定时任务系统，可运行 Agent 任务并投递结果
Plugin扩展 Hermes 的机制，可添加工具、hook、命令、平台、记忆提供方等
MCPModel Context Protocol，用于连接外部工具服务器
Context files.hermes.md、AGENTS.md、CLAUDE.md 等项目说明文件
SOUL.mdHermes 实例的人格和语气文件
Curator后台技能维护 Agent，用于整理、合并、修剪技能库

从哪里开始：一条推荐的上手路线 ​

第一阶段：把它当 CLI 用 ​

目标是熟悉基础交互：

  1. 启动 hermes 或 hermes --tui。
  2. 使用 /help、/model、/tools、/usage。
  3. 在一个项目目录里让它解释结构。
  4. 让它读文件、总结模块、运行一个安全命令。

这一阶段重点是感受"Agent 如何和本地环境互动"。

第二阶段：理解上下文和记忆 ​

试试这些：

  1. 在项目里写一个简短 AGENTS.md。
  2. 观察 Hermes 如何遵守项目规则。
  3. 让 Hermes 记住一个偏好。
  4. 新会话中验证记忆是否影响行为。
  5. 使用 session search 找过去讨论。

这一阶段重点是搞清楚"长期协作需要信息分层"。

第三阶段：使用技能 ​

试试这些：

  1. 查看已有 skills。
  2. 运行一个 skill slash command。
  3. 写一个简单 SKILL.md。
  4. 让 Hermes 在复杂任务后更新技能。

这一阶段重点是搞清楚"经验如何从聊天记录变成可复用流程"。

第四阶段：配置 Gateway 和 Cron ​

试试这些：

  1. 配置一个消息平台。
  2. 设置 home channel。
  3. 创建一个简单定时提醒。
  4. 创建一个带搜索或项目检查的 cron job。
  5. 观察输出投递与日志。

这一阶段重点是搞清楚"Agent 如何从交互式工具变成后台服务"。

第五阶段：扩展 Hermes ​

试试这些：

  1. 配置一个 MCP server。
  2. 写一个最小插件，注册一个 hello tool。
  3. 尝试 plugin hook 记录工具调用。
  4. 研究 memory provider 或 context engine 的扩展方式。

这一阶段重点是搞清楚"Hermes 如何接入你的组织系统"。

动手试试 ​

练习一：画出你的个人 Hermes 架构 ​

根据你自己的使用环境画一张图：

  • 你会从哪些入口使用 Hermes？
  • 你希望它连接哪些模型？
  • 你希望启用哪些工具？
  • 哪些任务适合 cron？
  • 哪些经验应沉淀成 memory？
  • 哪些流程应沉淀成 skill？

参考模板：

mermaid
flowchart TB
    Me["我"] --> CLI["终端"]
    Me --> Phone["手机 Telegram"]
    CLI --> Hermes["Hermes"]
    Phone --> Hermes
    Hermes --> Models["模型 Provider"]
    Hermes --> Tools["工具集"]
    Hermes --> Memory["记忆"]
    Hermes --> Skills["技能"]
    Hermes --> Cron["定时任务"]
    Cron --> Reports["报告/提醒"]

练习二：判断哪些内容应该进入 Memory ​

判断下列信息应保存到 memory、user、skill，还是不保存：

信息建议归类原因
用户喜欢中文回答，但代码注释用英文user影响长期沟通风格
某项目测试命令是 uv run pytestmemory项目事实，高频复用
今天临时生成的 /tmp/report-123.md不保存一次性上下文
发布 npm 包需要先跑 lint、test、changeset、tagskill流程型知识
某次报错日志的完整 2000 行输出不保存体积大，适合留在文件或会话

练习三：把一个重复任务改写成 Hermes Cron ​

选一个你每周都做的任务，写成自然语言：

text
每周五 17:00，在项目 /path/to/project 中运行测试，查看过去一周提交，
总结风险和下周建议，报告发到 Slack #engineering。

然后拆解：

  • 需要哪个 workdir？
  • 需要哪些 toolsets？
  • 是否需要 skill？
  • 输出发到哪里？
  • 成功时是否静默？
  • 失败时要如何提醒？

练习四：设计一个 Hermes Skill ​

为你的工作流写一个 skill 大纲：

markdown
---
name: weekly-repo-audit
description: 每周仓库巡检：测试、提交、风险和建议
version: 1.0.0
---

# Weekly Repo Audit

## When to Use

当用户要求检查一个仓库的近期健康状况时使用。

## Procedure

1. 读取项目上下文。
2. 查看 git 状态和最近提交。
3. 运行测试。
4. 检查失败、TODO、依赖变更。
5. 输出风险、建议和下周行动项。

## Verification

报告中必须包含测试命令、测试结果、commit 范围和未解决风险。

重点不是格式，而是体会：Skill 让 Agent 以后不必重新发明这个流程。

常见误区 ​

误区一：Hermes 等于一个模型 ​

Hermes 不是模型。它是模型之上的 Agent 运行系统。模型负责语言和推理，Hermes 负责上下文、工具、会话、运行环境、平台、自动化和扩展。

误区二：工具越多越好 ​

工具越多，能力越强，但也越难管理。生产使用时应按平台和任务启用必要工具，尤其注意终端、文件、消息发送、插件 hook 等高影响能力。

误区三：Memory 应该保存一切 ​

Memory 不是数据库。它应该保存少量高价值事实。大段信息、临时数据、日志和文档应该放在文件、会话历史或外部知识库中。

误区四：Skill 是普通文档 ​

Skill 不是随便写的笔记，而是给 Agent 用的操作说明。好的 Skill 应该有触发条件、步骤、验证方式、常见坑和必要的脚本/模板。

误区五：Cron 就是 crontab ​

Hermes Cron 的关键不是"按时间执行命令"，而是"按时间启动一个有工具、有技能、能推理、能投递结果的 Agent 会话"。

安全与边界 ​

Hermes 的能力越强，越需要安全意识。

终端和文件权限 ​

如果启用 terminal 和 file 工具，Hermes 就可能执行命令和修改文件。建议：

  • 在不信任任务中使用 Docker、SSH 或云沙盒后端。
  • 对危险命令保持审批。
  • 不要把生产密钥暴露给不必要的工具环境。
  • 对自动化任务设置清晰范围。

消息网关权限 ​

Gateway 默认应该使用 allowlist 或 DM pairing。不要把带终端能力的 bot 暴露给所有人。

插件安全 ​

插件可以注册工具和 hook，能力很强。只启用可信插件；项目本地插件尤其要谨慎，因为它们可能来自仓库内容。

记忆污染 ​

Memory 和 Context files 会进入提示词，因此要防止恶意提示注入。Hermes 有安全扫描，但共享仓库中的上下文文件仍应人工审查。

自动化失控 ​

Cron 任务应避免递归创建任务、无限通知、无边界搜索和过高成本模型。好的 cron prompt 应说明成功/失败输出策略，必要时使用 [SILENT] 抑制健康状态噪音。

和其他工具的关系 ​

Hermes 与常见 AI 工具不是简单替代关系：

工具类型典型优势Hermes 的差异
ChatGPT/网页聊天易用、模型强、适合问答Hermes 更强调工具执行、长期记忆、后台运行和多平台
IDE Agent贴近代码编辑Hermes 覆盖 CLI、Gateway、Cron、插件、MCP、部署环境
自动化脚本稳定、可控、低成本Hermes 更适合开放式、需要推理和多工具组合的任务
Slack/Telegram bot入口方便Hermes 不是单平台 bot，而是多平台共用 Agent 后端
工作流平台节点可视化、流程固定Hermes 更适合自然语言驱动的动态任务

一个实用判断：

  • 如果任务规则稳定、输入输出固定，用脚本或工作流平台更可靠。
  • 如果任务需要阅读、判断、搜索、总结、修复、跨工具组合，Hermes 更合适。
  • 如果任务高风险、强合规、强确定性，Hermes 应作为辅助，而不是无监督执行者。

总结：Hermes 的本质价值 ​

Hermes 的核心不是"多一个 AI 聊天入口"，而是把 Agent 需要的长期工作能力组合在一起：

mermaid
mindmap
  root((Hermes Agent))
    入口
      CLI
      TUI
      Messaging Gateway
      API
      IDE/ACP
    推理
      多模型
      Provider Runtime
      Fallback
    行动
      Tools
      Terminal
      Files
      Browser
      MCP
    记忆
      MEMORY.md
      USER.md
      Session Search
    技能
      SKILL.md
      Skills Hub
      Curator
    自动化
      Cron
      Delivery
      Background Sessions
    扩展
      Plugins
      Hooks
      Custom Tools
      Platform Adapters

从个人角度看，Hermes 让你拥有一个可以长期协作、能记住偏好、能跨平台触达、能自动执行任务的 AI 工作伙伴。

从工程角度看，Hermes 展示了现代 Agent 系统的一种完整形态：模型只是核心部件之一，真正的产品能力来自模型、上下文、工具、状态、权限、平台和反馈循环的系统组合。

从学习角度看，Hermes 是理解下一代 AI Agent 的优秀案例。它把许多抽象概念落到了具体实现中：工具调用、上下文工程、持久记忆、技能系统、消息网关、MCP、插件架构、自动化调度、自我改进和多环境部署。

如果只能记住一句话：

Hermes 的目标不是让 AI 回答更多问题，而是让 AI 更稳定地参与真实工作，并在长期使用中沉淀经验、扩展能力、持续变得更懂你。

延伸阅读建议 ​

如果后续要把本课题扩展成系列，可以继续拆成以下章节：

  1. Hermes 安装与第一次会话：从 CLI 到 TUI。
  2. Hermes 架构详解：AIAgent、Prompt Builder、Tool Runtime。
  3. 工具系统实战：terminal、file、browser、web、execute_code。
  4. Memory 与 Session Search：如何设计可持续记忆。
  5. Skill 编写方法：从一次经验到可复用能力。
  6. Gateway 实战：把 Hermes 接到 Telegram、Slack、飞书或企业微信。
  7. Cron 实战：构建日报、巡检、监控和研究自动化。
  8. MCP 与插件开发：把 Hermes 接入内部系统。
  9. 安全实践：权限、沙盒、allowlist、插件审查和自动化边界。
  10. Agent 产品设计：从 Hermes 看长期协作型 AI 的系统要素。

本文参考的本地资料 ​

本文基于当前工作区旁边的 /Users/chenmeili/Documents/GitHub/hermes-agent 本地资料整理，主要参考：

  • README.md：产品定位、主要能力、安装与入口。
  • website/docs/developer-guide/architecture.md：内部架构、目录结构、数据流与主要子系统。
  • website/docs/user-guide/features/overview.md：功能总览。
  • website/docs/user-guide/features/tools.md：工具与工具集。
  • website/docs/user-guide/features/memory.md：持久记忆与会话搜索。
  • website/docs/user-guide/features/skills.md：技能系统与 Skills Hub。
  • website/docs/user-guide/features/cron.md：定时任务。
  • website/docs/user-guide/messaging/index.md：消息网关。
  • website/docs/user-guide/features/plugins.md：插件系统。
  • website/docs/user-guide/features/mcp.md：MCP 集成。
  • RELEASE_v0.12.0.md：Curator、自我改进循环、Provider、Gateway、插件和 TUI 等近期演进。

相关阅读 ​