Nous Research Hermes Agent: Hướng dẫn Cài đặt và Sử dụng

Tìm hiểu cách cài đặt và thiết lập Hermes Agent, tác nhân AI mã nguồn mở của Nous Research có khả năng ghi nhớ, học hỏi và thông minh hơn qua từng nhiệm vụ.

Đã cập nhật 5 thg 10, 2026 · 11 phút đọc

Khám phá cùng AI

ChatGPT Claude Perplexity

OpenClaw ra mắt với nhiều kỳ vọng lẫn lo ngại về bảo mật. Sau đó, có rất nhiều bản sao tuyên bố giải quyết các vấn đề khác nhau liên quan đến OpenClaw. Nổi bật nhất là bảo mật do kích thước kho mã quá lớn. Một vấn đề lớn khác là chi phí vận hành tác nhân. Theo trải nghiệm của tôi, chi phí có thể tăng rất nhanh, đặc biệt vì ngay cả tác giả của OpenClaw cũng khuyến nghị dùng các mô hình hạng đầu như Claude Opus 4.6 để ngăn chặn prompt injection. Opus 4.6 không hề rẻ, nhất là khi tác nhân của bạn phải gửi rất nhiều ngữ cảnh dưới dạng bộ nhớ và kỹ năng. Và đây là lúc Hermes Agent xuất hiện.

Tôi đã theo dõi nhóm tạo ra Hermes Agent trên X/Twitter, và một trong những điều họ khẳng định là tác nhân của họ tận dụng mô hình mã nguồn mở tốt hơn OpenClaw. Họ cho rằng các mô hình mã nguồn mở có thể được dùng hiệu quả nếu có “bộ dây nịt” phù hợp. Trong bài viết này, tôi sẽ kiểm chứng những tuyên bố đó bằng cách dùng thử tác nhân. Tôi sẽ hướng dẫn bạn các bước cài đặt, cách dùng với mô hình cục bộ và trực tuyến, và cách áp dụng trong một dự án nghiên cứu.

Hermes Agent là gì?

Hermes Agent là một lựa chọn thay thế OpenClaw mã nguồn mở do Nous Research phát triển, phòng thí nghiệm đứng sau các mô hình Hermes. Sau khi ra mắt, nó trở nên rất phổ biến, đạt hơn 30K sao tại thời điểm viết bài. Hermes Agent khác OpenClaw ở chỗ nó có thể tạo kỹ năng từ trải nghiệm, tự cải thiện, và duy trì kiến thức qua nhiều phiên.

Bạn có thể tìm hiểu cách dùng OpenClaw từ Hướng dẫn OpenClaw (Clawdbot) của chúng tôi.

Các khả năng chính của Hermes Agent

Hãy cùng thảo luận một số khả năng then chốt của Hermes Agent.

Vòng học khép kín và bộ nhớ tự cải thiện

Hermes Agent có vòng học khép kín, nghĩa là:

Bộ nhớ do chính tác nhân tuyển chọn, với các nhắc nhở định kỳ
Tự động tạo kỹ năng sau khi thực hiện các tác vụ phức tạp
Cải thiện kỹ năng khi sử dụng chúng

Hermes Agent cũng lưu các phiên trao đổi vào cơ sở dữ liệu SQLite với tìm kiếm toàn văn FTS5. Điều này cho phép truy xuất ký ức từ nhiều tuần trước, dù chúng không còn nằm trong bộ nhớ hiện tại.

Tìm hiểu các kiến thức cơ bản về SQLite, từ lệnh chấm của SQLite đến ví dụ ứng dụng thực tế qua giao diện dòng lệnh trong Hướng dẫn Nhập môn SQLite của chúng tôi.

Hermes cũng dùng bộ nhớ Honcho giúp tác nhân hiểu người dùng một cách bền vững qua các phiên. Điều này bổ sung cho các tệp memory.md và user.md nhằm nâng cao hiểu biết của tác nhân về sở thích, mục tiêu, phong cách giao tiếp của người dùng và duy trì ngữ cảnh xuyên suốt cuộc trò chuyện.

Nén ngữ cảnh và bộ nhớ đệm

Một trong những vấn đề lớn khi dùng trợ lý AI là mức tiêu tốn token. Khi bạn trả phí cho mỗi lần gọi API, chi phí có thể tăng rất nhanh. Hermes Agent dùng cơ chế nén kép và bộ nhớ đệm prompt của Anthropic để quản lý việc dùng ngữ cảnh trong các cuộc hội thoại dài.

Cơ chế này cũng ngăn lỗi API khi ngữ cảnh quá lớn. Nó hoạt động bằng cách cắt tỉa kết quả cũ và tóm tắt cuộc trò chuyện bằng LLM.

Hệ thống kỹ năng

Tương tự OpenClaw, Hermes Agent hỗ trợ kỹ năng. Các kỹ năng tương thích với agentskills.io và tuân theo mẫu tiết lộ dần để giảm sử dụng token. Công cụ đi kèm một số kỹ năng sẵn có và cũng tự lưu các kỹ năng mà nó tạo ra khi bạn dùng. Tất cả kỹ năng được lưu tại ~/.hermes/skills/, nhưng bạn cũng có thể trỏ tác nhân tới kỹ năng bên ngoài.

Tìm hiểu cách xây dựng kỹ năng OpenClaw từ con số 0, kết nối API bên ngoài, cấu hình Docker sandboxing, và xuất bản lên ClawHub trong Hướng dẫn Xây dựng Kỹ năng OpenClaw Tùy chỉnh của chúng tôi.

Cổng đa nền tảng

Hermes Agent hỗ trợ nhiều nền tảng như Telegram, Discord, Slack, Signal và WhatsApp. Nó cũng hỗ trợ chép thoại từ ghi âm. Vì các phiên đều đi vào cùng một cơ sở dữ liệu, bạn có thể bắt đầu trò chuyện trên terminal và tiếp tục trên Telegram.

Tác nhân phụ và luồng công việc song song

Hermes Agent có công cụ delegate_task để khởi động nhiều tác nhân phụ. Mỗi tác nhân có bộ công cụ và phiên terminal bị giới hạn. Chúng bắt đầu một cuộc trò chuyện mới và không biết lịch sử trước đó; vì vậy bạn phải cung cấp tất cả thông tin cần thiết để tác nhân đạt mục tiêu. Bạn có thể dùng tính năng này để, chẳng hạn, nghiên cứu nhiều chủ đề cùng lúc và thu thập tóm tắt, rà soát mã, sửa và tái cấu trúc nhiều tệp đồng thời.

Hỗ trợ MCP và mở rộng truy cập công cụ

Với bất kỳ công cụ nào Hermes còn thiếu, bạn có thể kết nối tới MCP. Bạn có thể dùng để kết nối tới API, cơ sở dữ liệu, hoặc hệ thống công ty mà không cần sửa mã của Hermes Agent. Bạn có thể dùng chúng bằng cách:

Cài đặt hỗ trợ MCP trên Hermes
Thêm một máy chủ MCP
Lập danh sách trắng những gì công cụ được phép để MCP thực hiện
Chặn danh sách đen các hoạt động nguy hiểm, như xóa khách hàng

Tìm hiểu cách xây dựng máy chủ MCP dùng Model Context Protocol của Anthropic để kết nối Claude với GitHub và Notion trong Hướng dẫn Model Context Protocol của chúng tôi.

Huấn luyện RL và sinh quỹ đạo

Hermes Agent bao gồm đường ống huấn luyện RL (Học tăng cường) tích hợp dựa trên Tinker-Atropos. Điều này cho phép huấn luyện LLM trong môi trường cụ thể bằng GRPO (Group Relative Policy Optimization) với bộ điều hợp LoRA.

Bạn có thể khám phá thêm về RL trong Lộ trình Reinforcement Learning với Python của chúng tôi.

So sánh Hermes Agent với các trợ lý AI tiêu chuẩn

Giờ hãy bàn về cách Hermes Agent so với các trợ lý AI khác như OpenClaw và Nanobot.

Giống các tác nhân khác, Hermes Agent dùng memory.md và user.md để lưu bộ nhớ bền vững. Nó còn tiến xa hơn bằng cách lưu từng phiên vào cơ sở dữ liệu SQLite, giúp có thể tham chiếu lại bất kỳ cuộc trò chuyện nào trong tương lai.

Tương tự OpenClaw, Hermes Agent cũng hỗ trợ mô hình dự phòng sẽ xử lý tác vụ khi mô hình chính không khả dụng.

Giống hầu hết trợ lý AI, Hermes Agent cũng có thể triển khai tiết kiệm trên VPS và truy cập từ các nền tảng nhắn tin phổ biến. Tuy nhiên, một điểm hấp dẫn chính theo nhóm Nous Research là Hermes Agent là “bộ dây nịt” tốt hơn cho các mô hình mã nguồn mở.

Bạn cũng có thể khám phá các trợ lý AI khác như NanoBot trong Hướng dẫn Nanobot của chúng tôi.

Các mô hình và endpoint được hỗ trợ

Hermes Agent không phụ thuộc mô hình. Các mô hình hỗ trợ gồm:

Các mô hình từ Nous Portal
OpenRouter qua API key
Anthropic Auth và API key
Đăng ký OpenAI hoặc API key
Gemini

Bạn cũng có thể dùng mô hình cục bộ qua Ollama.

Khám phá cách dùng trợ lý AI cục bộ với Ollama trong Hướng dẫn OpenClaw với Ollama của chúng tôi.

Điều kiện tiên quyết để chạy Hermes Agent

Hermes chạy trên Linux, macOS và WSL2. Nó cũng yêu cầu Python 3.11 và Node.js, nhưng hầu hết phụ thuộc sẽ được cài tự động trong quá trình thiết lập.

Hướng dẫn Hermes Agent từng bước: Xây dựng một "Research Agent"

Hãy cùng tìm hiểu cách dùng Hermes Agent để tạo một tác nhân nghiên cứu có thể tìm kiếm web và gửi tóm tắt hằng ngày cho bạn trên Telegram.

Bước 1: Cài đặt Hermes Agent

Mở terminal và chạy trình cài đặt một dòng:

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

Bước 2: Lấy token giao diện

Đối với cổng Telegram, mở Telegram và tìm @BotFather. Gửi /newbot, làm theo hướng dẫn để đặt tên bot, và bạn sẽ nhận token bot dạng 123456789:AAH. Sao chép token để dùng ở bước tiếp theo.

Tiếp theo, dùng @userinfobot để lấy ID người dùng Telegram của bạn. Bạn sẽ cần nó để bot chỉ trò chuyện với riêng bạn.

Bước 3: Khởi tạo

Chạy trình hướng dẫn thiết lập:

hermes setup

Khi chọn Full Setup, bạn có thể cấu hình mọi thứ, gồm API key và bot Telegram.

Bạn sẽ thấy một menu để cấu hình mọi mục như dưới đây:

Nếu bạn có sẵn cài đặt OpenClaw, công cụ cũng cho phép di trú cấu hình.

Sau khi hoàn tất, bạn có thể xác minh mọi thứ với:

hermes doctor

Bước 4: Cấu hình và chọn mô hình

Nếu làm theo các bước trên, bạn đã thiết lập mô hình, nhưng có thể thay đổi bất cứ lúc nào bằng lệnh dưới đây trong terminal:

hermes model

Bước 5: Thiết lập gateway

Gateway cho phép Hermes liên hệ với bạn trên Telegram thay vì buộc bạn phải ở trong terminal. Thiết lập bằng cách chạy:

hermes gateway setup

Lúc này, bạn đã có thể gửi tin nhắn từ Telegram và nhận phản hồi:

Nâng cấp Hermes Agent: Tác nhân "đa công cụ"

Như bạn thấy trong phản hồi ở trên, Hermes đã dùng công cụ terminal để truy vấn API biểu đồ công khai của Yahoo Finance và phân tích phản hồi. Chúng ta có thể cải thiện khả năng tìm kiếm web của nó bằng cách cấu hình một trong các công cụ tìm kiếm web sẵn có; trong trường hợp này, hãy dùng FireCrawl. Truy cập trang web của họ và lấy AI key miễn phí.

Tiếp theo, thiết lập khóa:

hermes config set FIRECRAWL_API_KEY your_fire-crawl_key

Sau khi xong, tôi giao cho Hermes một tác vụ cần tìm kiếm nhiều trang và tóm tắt kết quả. Như bạn thấy trong hình, nó đã lập kế hoạch 3 tác vụ và ủy quyền chúng.

Cách khác để chạy nhiều tác nhân với Hermes là thiết lập hồ sơ (profile). Việc này cho phép bạn chạy nhiều Hermes độc lập trên cùng một máy, mỗi cái có cấu hình, API key, bộ nhớ, phiên, gateway và kỹ năng riêng. Ví dụ, bạn có thể có:

Một tác nhân viết mã
Một trợ lý cá nhân
Một tác nhân nghiên cứu

Bạn có thể tạo mới từ đầu hoặc sao chép cài đặt hiện có:

hermes profile create work --clone

Chạy work chat để bắt đầu trò chuyện với bot:

Mỗi tác nhân có tệp .env riêng nên bạn có thể thiết lập các bot Telegram khác nhau. Bạn có thể thiết lập bằng work setup

Tùy chọn triển khai: Chạy Hermes Agent ngoài máy tính xách tay của bạn

Hãy khám phá các tùy chọn triển khai để chạy Hermes Agent ngoài việc dùng trên laptop.

Các lựa chọn khác gồm:

Chạy trên một máy tính chuyên dụng, không phải thiết bị bạn dùng hằng ngày.
Triển khai trên VPS, chẳng hạn trên Modal và Daytona.

Ngay cả khi triển khai trên VPS, nên tuân theo các thực hành tốt sau:

Dùng backend dạng container
Thiết lập danh sách cho phép rõ ràng
Dùng mã ghép đôi thay cho ID người dùng
Lưu trữ bí mật an toàn với quyền truy cập tệp phù hợp
Thường xuyên cập nhật tác nhân bằng hermes update
Không bao giờ chạy tác nhân với quyền người dùng root
Đặt giới hạn tài nguyên phù hợp cho CPU, đĩa và bộ nhớ
Giám sát log để phát hiện các nỗ lực truy cập trái phép

Cục bộ và riêng tư: Chạy Hermes Agent ngoại tuyến

Bạn có thể chạy Hermes Agent ngoại tuyến bằng cách thiết lập mô hình qua Ollama. Đoạn mã dưới đây cho thấy cách chạy và phục vụ qwen2.5-coder:32b qua Ollama:

# Install and run a model
ollama pull qwen2.5-coder:32b
ollama serve   # Starts on port 11434

Sau đó cấu hình Hermes để dùng mô hình:

hermes model
# Select "Custom endpoint (self-hosted / VLLM / etc.)"
# Enter URL: http://localhost:11434/v1
# Skip API key (Ollama doesn't need one)
# Enter model name (e.g. qwen2.5-coder:32b)

Ngoài ra, hãy tăng cửa sổ ngữ cảnh vì mô hình cần tải system prompt, công cụ và trả về phản hồi.

# Option 1: Set server-wide via environment variable (recommended)
OLLAMA_CONTEXT_LENGTH=32768 ollama serve

# Option 2: For systemd-managed Ollama
sudo systemctl edit ollama.service
# Add: Environment="OLLAMA_CONTEXT_LENGTH=32768"
# Then: sudo systemctl daemon-reload && sudo systemctl restart ollama

# Option 3: Bake it into a custom model (persistent per-model)
echo -e "FROM qwen2.5-coder:32b\nPARAMETER num_ctx 32768" > Modelfile
ollama create qwen2.5-coder-32k -f Modelfile

Lỗi thường gặp và cách khắc phục với Hermes Agent

Hãy cùng nói về một số vấn đề phổ biến mà bạn có thể gặp phải khi dùng Hermes Agent.

Lỗi từ chối kết nối

Chạy hermes doctor trước. Lệnh này sẽ cho biết bạn thiếu cấu hình nhà cung cấp nào, biến môi trường bị lỗi hay đường dẫn bị cấu hình sai. Bạn cũng có thể chạy lại lệnh thiết lập để nhập lại API key trong trường hợp gõ sai.

Giới hạn cửa sổ ngữ cảnh

Nhập /compress để kích hoạt nén ngữ cảnh thủ công.

Bạn cũng có thể chỉnh ~/.hermes/config.yaml để cấu hình mặc định cho nén.

# In ~/.hermes/config.yaml
compression:
  enabled: true
  threshold: 0.50    # Compress at 50% of context limit by default
  summary_model: "google/gemini-3-flash-preview"  # Model used for summarization

Kỹ năng không kích hoạt hoặc không được tái sử dụng

Kiểm tra xem kỹ năng có tồn tại không. Chạy lệnh này để xác nhận hướng dẫn trong kỹ năng đang được dùng.

hermes chat --toolsets skills -q "Use the X skill to do Y"

Gateway không nhận tin nhắn

Chạy hermes gateway status để kiểm tra nó có đang chạy không.

Nếu nó đã dừng, khởi động lại bằng hermes gateway start.

Lỗi xác thực endpoint của mô hình

Kiểm tra ~/.hermes/.env để xác minh API key của bạn đúng. Chạy hermes model để bảo đảm mô hình đã chọn có API key phù hợp.

Triển vọng tương lai

Nếu bạn theo dõi “cuộc chiến tác nhân” trên Twitter, bạn sẽ thấy có hai trường phái: một ủng hộ dùng tác nhân với API, và một ủng hộ chạy tác nhân bằng mô hình cục bộ. Trường phái mô hình cục bộ rất tích cực ủng hộ Hermes Agent, họ cho rằng nó là “bộ dây nịt” tốt hơn cho mô hình cục bộ so với OpenClaw.

Dù bạn ủng hộ trường phái nào, có một điều rõ ràng: vận hành tác nhân không hề rẻ. Do đó, nếu có một công cụ có thể chạy mô hình cục bộ và mang lại hiệu năng gần với mô hình hạng đầu, thì đáng để xem xét. Nhất là trong bối cảnh tất cả nhà cung cấp mô hình đều tính phí theo mức sử dụng.

Với nhu cầu hiện tại đối với tác nhân, những người muốn dùng không giới hạn sẽ nghiêng về công cụ cho kết quả tốt nhất. Ở thời điểm này, nhiều người trên Twitter cho rằng Hermes Agent là công cụ đó. Việc mô hình cục bộ có thực sự làm giảm nhu cầu API hay không vẫn còn phải chờ xem, nhất là bởi không phải ai cũng có GPU cá nhân và đủ kỹ thuật để thiết lập dùng cục bộ.

Kết luận

Gần đây có khá nhiều trợ lý AI cá nhân được ra mắt. Điều tốt nhất bạn có thể làm là tìm hiểu và xác định công cụ phù hợp nhất với mình. Xem các tài nguyên dưới đây để nhanh chóng bắt kịp:

Để học thêm về cách làm việc với công cụ AI, hãy xem hướng dẫn về các công cụ AI miễn phí tốt nhất của chúng tôi. Để có kỹ năng lập trình AI toàn diện hơn, hãy thử khóa học Lập trình Hỗ trợ AI cho Lập trình viên để phát triển các kỹ năng giúp trợ lý AI trở thành cộng sự đáng tin cậy hơn trong quy trình phát triển của bạn.