Hermes Agent：Nous Research 的自我改進 AI 代理

TL;DR Hermes Agent 是 Nous Research 開源的自我改進 AI 代理，具備持久記憶、技能學習、40+ 工具、多平台閘道，支援 200+ 模型供應商，是 OpenClaw 的正式繼承者。

#hermes-agent #nous-research #ai-agent #self-improving #gateway #multi-platform #openclaw

核心架構
自我改進迴路
多平台閘道
終端後端
模型整合
工具生態
排程任務
CLI 操作
從 OpenClaw 遷移
研究用途
跟其他框架的比較
整體來說
參考資料

Hermes Agent 是 Nous Research 開源的 AI 代理框架，核心定位是「會自己學的 agent」——完成任務後自動建立技能、使用中持續改進、主動提醒自己整理記憶。它不只是一個聊天介面，而是一套完整的 AI agent 營運系統，從本地 CLI 到 Telegram、Discord、WhatsApp 都能接，模型供應商隨時切換，執行環境從本機到 serverless 都有。

如果你之前關注過 OpenClaw，Hermes Agent 就是它的正式繼承者，提供完整的遷移路徑。

核心架構

使用者
  ↓
CLI / Telegram / Discord / Slack / WhatsApp / Signal
  ↓
Gateway（統一閘道）
  ↓
Agent Core（推理 + 決策）
  ├── Tools（40+ 工具）
  ├── Skills（程序性記憶）
  ├── Memory（持久記憶 + FTS5 搜尋）
  └── Cron（排程任務）
  ↓
LLM Provider（Nous Portal / OpenRouter / OpenAI / Anthropic / 自訂）

整個系統用 Python 寫（93%），套件管理用 uv，部署靠一行 curl 搞定。目錄結構乾淨地分成 agent/、gateway/、skills/、tools/、hermes_cli/、cron/ 六個主要模組。

自我改進迴路

這是 Hermes Agent 跟一般 agent 框架最大的差異。它有一個內建的學習循環：

完成複雜任務後，自動把過程抽象成可重用的 Skill
使用 Skill 的過程中，持續微調改進
定期提醒自己整理、鞏固累積的知識

記憶系統用 FTS5 全文搜尋 + LLM 摘要，可以跨 session 回溯歷史對話。它還實作了受 Honcho 啟發的「使用者輪廓辯證法」——隨著互動次數增加，agent 對你的理解會越來越深。

技能格式相容 agentskills.io 開放標準，意味著技能可以跨框架共享。

多平台閘道

Gateway 是 Hermes 的控制平面，一個程序管所有平台連線：

平台	支援
Telegram	Bot API
Discord	Bot
Slack	App
WhatsApp	配對連線
Signal	橋接
Email	收發
Home Assistant	整合

設定流程：

hermes gateway setup    # 互動式設定各平台憑證
hermes gateway start    # 啟動閘道，開始監聽

所有平台共用同一個 agent 核心，對話連續性跨平台維持。Gateway 還支援語音備忘錄轉文字。

終端後端

Agent 的指令執行環境可以切換，不一定要在本機跑：

後端	特點
Local	直接在本機執行，最簡單
Docker	容器隔離，安全性較高
SSH	連到遠端伺服器執行
Daytona	Serverless 開發環境，閒置自動休眠
Modal	Serverless 計算，session 之間幾乎零成本
Singularity	容器替代方案

Modal 和 Daytona 特別適合間歇性使用——只在收到訊息時啟動，其餘時間不花錢。

模型整合

不綁定任何供應商，透過 hermes model 一行指令切換：

hermes model                     # 互動式選擇
hermes model openrouter:mixtral  # 直接指定

支援的供應商：

Nous Portal — Nous Research 自家平台
OpenRouter — 200+ 模型，一把鑰匙搞定
OpenAI / Anthropic — 直連
z.ai / GLM / Kimi / Moonshot / MiniMax — 中國模型供應商
自訂端點 — 任何 OpenAI 相容 API

切換不需要改程式碼，不需要重啟，不需要重新設定。

工具生態

內建 40+ 工具，涵蓋：

檔案操作與終端執行
網頁瀏覽與搜尋
API 呼叫
Sub-Agent 生成（可以 spawn 隔離的子代理平行處理）
MCP 支援（透過 mcp_serve.py 連接任意 MCP server）

工具的啟用/停用透過 hermes tools 管理。

排程任務

內建 cron 排程器，用自然語言定義任務，不需要手寫 cron 語法：

每日報告
每晚備份
每週審計

結果會透過你設定的平台（Telegram、Discord 等）推送。

CLI 操作

# 系統管理
hermes setup     # 完整設定精靈
hermes update    # 更新到最新版
hermes doctor    # 診斷問題

# 對話中
/new             # 新對話
/retry           # 重試上一個回應
/undo            # 撤銷
/compress        # 壓縮 context
/usage           # Token 用量
/insights        # 使用統計
/skills          # 瀏覽技能
/personality     # 切換人格
/model           # 切換模型

從 OpenClaw 遷移

如果你原本用 OpenClaw，Hermes 提供完整遷移：

hermes claw migrate              # 互動式完整遷移
hermes claw migrate --dry-run    # 預覽不執行
hermes claw migrate --preset user-data  # 只遷資料不遷密鑰

會遷移的東西：Persona 檔案（SOUL.md）、記憶（MEMORY.md、USER.md）、自建技能、指令白名單、平台設定、API keys、TTS 音檔、AGENTS.md。

研究用途

除了日常使用，Hermes Agent 也支援 AI 研究場景：

Trajectory 批次生成：用 batch_runner.py 大量生成 tool-calling 訓練資料
Atropos RL 整合：透過 tinker-atropos submodule 連接強化學習環境
Trajectory 壓縮：為訓練下一代 tool-calling 模型準備資料

這讓它不只是一個使用者工具，也是一個研究平台。

跟其他框架的比較

面向	Hermes Agent	LangGraph	Claude Code
自我改進	內建學習迴路	需自建	無
多平台	7+ 平台閘道	需自建	CLI / IDE
模型供應商	200+	自行整合	僅 Anthropic
執行環境	6 種後端	自行部署	本地
技能系統	自動建立 + 共享	無	有（手動）
開源	MIT	MIT	部分開源

Hermes 的定位更偏向「個人 AI 營運系統」而非單純的 agent 框架。它把通訊、執行、學習、排程全包進一個統一介面。

整體來說

Hermes Agent 的核心取捨是功能完整性換取複雜度。它不是一個輕量的 library，而是一個完整的系統。適合：

想要一個跨平台 AI 助手，不只在終端用
需要 agent 記住上下文、累積經驗
想在多個模型供應商之間靈活切換
有興趣用 agent 生成訓練資料做研究

不適合的場景：只是想在程式裡呼叫一個 LLM API、需要嵌入現有應用的輕量 SDK、或是團隊協作的企業級部署（目前偏向個人使用）。