与你共同成长的智能体
Hermes Agent 是一个具备自我学习和进化能力的智能助手,由Nous Research开发。其核心在于内置的学习循环机制,能够从与用户的交互经验中自动创建新技能,并在使用过程中持续优化这些技能。智能体通过主动提醒来巩固记忆,支持搜索过往对话记录,并能在多次会话中逐步构建对用户的深入理解。 该智能体设计灵活,可部署在5美元的VPS、GPU集群或闲置时成本极低的Serverless基础设施上。用户可通过Telegram等即时通讯工具远程访问云端运行的智能体,无需绑定本地电脑。它兼容包括Nous Portal、OpenRouter、OpenAI及自定义端点在内的多种大语言模型,通过简单命令即可切换模型,无代码修改和供应商锁定风险。 功能上提供完整的终端用户界面,支持多行编辑、命令自动补全和流式工具输出。集成Telegram、Discord、Slack等多个通讯平台,实现跨平台对话连续性。具备自主创建技能、技能自我改进、全文检索会话记录及用户建模能力。内置定时任务调度器,可用自然语言设置自动化报告、备份等任务。支持派生子智能体并行处理任务,并能通过RPC调用工具将多步工作流简化为单次交互。 部署方面支持六种后端环境,包括本地运行、Docker、SSH及Serverless平台。特别适合需要个性化、持续学习且能跨平台使用的智能助手场景,为用户提供不断进化的数字协作体验。
💡 应用场景
最适合需要个性化、持续学习且能跨平台协作的智能助手场景,特别适合AI研究者和需要自动化运维的开发者。
个人AI研究助手
问题:开发者需要持续跟踪多个AI模型的最新进展,但手动整理和对比不同模型的输出结果耗时费力。
方案:部署Hermes Agent后,它可以从OpenRouter等平台自动切换200+模型进行测试,并基于交互经验创建“模型对比”技能,自动生成对比报告。
示例:开发者让Hermes Agent用Claude、GPT-4和本地模型分别回答同一技术问题,智能体会自动记录并对比结果,后续只需问“/对比上次的模型回答”就能获得分析报告。
跨平台自动化运维
问题:开发者需要监控多个服务器的运行状态,但不想被绑定在电脑前接收警报。
方案:通过Hermes Agent的内置定时任务调度器,用自然语言设置自动化检查任务,结果通过Telegram/Slack实时推送。
示例:开发者说“每晚10点检查服务器负载并微信通知我”,Hermes Agent就会创建定时任务,在Serverless环境下运行检查脚本,并通过集成的通讯平台发送报告。
团队知识库构建
问题:技术团队在多个聊天平台讨论问题,但历史对话难以检索,重要解决方案容易丢失。
方案:Hermes Agent接入团队的Telegram/Discord频道,自动学习对话内容,通过全文检索和LLM摘要实现跨会话的知识提取。
示例:新成员遇到部署问题,可以直接问Hermes Agent“我们上次怎么解决Docker网络问题的?”,智能体会搜索所有历史对话并给出精炼答案。
并行开发任务处理
问题:开发者需要同时进行代码审查、文档编写和API测试,但频繁切换上下文效率低下。
方案:使用Hermes Agent的派生子智能体功能,创建多个专用智能体并行处理不同任务,通过RPC调用简化工作流。
示例:开发者提交代码后,Hermes Agent自动派生子智能体进行代码审查,另一个子智能体更新相关文档,第三个测试API接口,最后汇总结果到主会话。
📊 项目信息
- 语言
- Python
- Stars
- ⭐ 85,349
- Forks
- 11,555
- 今日新增
- +8,301
- 排名
- #10
- 收录
- 总榜
- 趋势日期
- 2026年4月14日
- 最后推送
- 2026/4/15
🏷️ 标签
5分钟快速开始Hermes Agent
Hermes Agent是一个自学习的AI助手,支持多平台,能快速部署并开始对话。
🖥️ 操作系统
⚙️ 运行环境
🔧 工具
📝 操作步骤
安装Hermes Agent
使用安装脚本一键安装所有依赖,包括Python、Node.js和hermes命令。
运行安装脚本
$ curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash运行设置向导
首次运行hermes setup配置API密钥和基本设置。
启动交互式设置向导
$ hermes setup启动终端界面聊天
运行hermes命令进入终端用户界面,开始与智能体对话。
启动CLI聊天界面
$ hermes✅ 验证成功运行
智能体应能响应消息,显示基本功能。
- ✓终端显示智能体回复
- ✓可输入命令如'/model'切换模型
- ✓无错误消息
⚡ 快速提示
🔍 常见问题排查
❓ 安装失败或hermes命令未找到
→ 检查网络连接,确保系统满足要求,重新运行安装脚本。
❓ API密钥错误导致无法聊天
→ 运行'hermes setup'重新配置,或使用免费模型如OpenRouter。
❓ 终端界面无响应
→ 按Ctrl+C中断,重新启动hermes,检查API服务状态。
🎯 下一步
探索消息网关
运行'hermes gateway setup'连接Telegram等平台,远程访问智能体。
学习技能系统
查看文档中的Skills System部分,了解如何创建和优化技能。
设置定时任务
使用自然语言命令设置自动化报告,如'每天备份文件'。
难度
初级
预计时间
3-5小时
目标人群
对AI智能体感兴趣的Python初学者、希望部署个人AI助手的开发者、想了解多平台集成和自动化任务的用户
🎯 学完你将掌握
能够成功部署Hermes Agent,通过命令行和Telegram等平台与AI助手交互,并理解其核心的自学习和自动化功能
📋 前置知识
需要能运行Python脚本和安装包,因为项目基于Python开发
需要在终端中执行命令,项目主要通过命令行界面进行安装和配置
需要克隆GitHub仓库,这是安装的前提条件
可选但推荐,有助于理解不同的部署方式(如Docker、Serverless)
📚 学习资源
Hermes Agent 完整文档
hermes-agent.nousresearch.com/docs 包含所有功能的详细指南
Quickstart 快速入门
文档中的Quickstart部分,2分钟完成安装到首次对话
Discord 社区
与其他用户交流,获取实时帮助,分享技能
Skills Hub 技能中心
社区共享的技能库,可以导入现成的有用技能
CLI Usage 和 Messaging Gateway 指南
官方文档中的这两个部分,分别对应命令行和消息平台的使用
🗺️ 学习阶段
环境准备与安装
检查系统环境
确认你的操作系统是Linux、macOS或WSL2(Windows用户必须安装WSL2),确保已安装git
克隆仓库并运行安装脚本
按照README中的Quick Install部分,执行安装命令:git clone https://github.com/NousResearch/hermes-agent.git && cd hermes-agent && ./install.sh
验证安装
运行 `hermes --version` 或 `hermes --help` 检查是否安装成功
初始配置与快速体验
运行设置向导
执行 `hermes setup` 进行初始配置,包括API密钥设置和基本偏好
体验命令行界面(CLI)
运行 `hermes` 启动终端UI,与智能体进行第一次对话
切换模型(可选)
在对话中使用 `/model` 命令切换不同的语言模型(如OpenAI、OpenRouter等)
连接消息平台
设置Telegram网关(推荐)
运行 `hermes gateway setup` 选择Telegram,按照提示创建Bot并获取token
启动网关并测试
运行 `hermes gateway start` 启动网关,然后在Telegram中给你的机器人发送消息
尝试跨平台功能
在Telegram中开始对话,然后切换到CLI继续同一对话(如果配置了会话连续性)
探索核心功能
了解技能系统
使用 `/skills` 命令查看现有技能,观察智能体如何从复杂任务中创建新技能
尝试记忆与搜索
进行几次对话后,使用相关命令测试记忆功能,如搜索过往对话
设置定时任务
用自然语言设置一个简单的定时任务,如“每天上午9点提醒我喝水”
探索工具集成
查看可用的工具集,尝试让智能体执行需要调用工具的任务(如搜索、文件操作等)
部署与进阶
尝试不同部署方式
除了本地运行,尝试一种其他后端,如Docker:`hermes --backend docker`
配置用户建模
通过多次对话让智能体构建对你的理解,查看用户模型如何随时间深化
探索高级配置
查看 `~/.hermes/config.yaml` 配置文件,了解可调整的选项
⚠️ 常见错误
❌ 在原生Windows上尝试安装
✅ 必须使用WSL2,按照README提示安装WSL2后再进行
❌ API密钥配置错误或未配置
✅ 运行 `hermes setup` 仔细配置API密钥,确保有可用的模型服务(如OpenAI、OpenRouter)
❌ 网关启动后Telegram机器人无响应
✅ 检查网关进程是否运行,token是否正确,以及是否完成了BotFather的所有设置步骤
❌ 忘记智能体在后台运行
✅ 注意智能体会持续运行消耗资源,不需要时用Ctrl+C停止CLI或用相应命令停止网关
❌ 对工具调用权限设置过于严格或宽松
✅ 根据安全需求调整命令批准设置,平衡便利性与安全性
🚀 后续方向
掌握基础后,可以探索:1) 创建自定义技能并分享到Skills Hub;2) 集成MCP服务器扩展能力;3) 配置Serverless部署实现低成本长期运行;4) 研究其RL训练集成,为下一代工具调用模型做贡献;5) 开发自定义工具或平台集成
