Nous Research Hermes Agent：安装与教程指南

了解如何安装与设置 Hermes Agent。这是 Nous Research 推出的开源 AI 代理，能够在每个任务中记忆、学习，并持续变得更聪明。

已更新 2026年10月8日 · 11分钟阅读

使用 AI 探索

OpenClaw 上线时伴随着大量炒作与安全担忧。此后，出现了许多宣称能解决 OpenClaw 相关不同问题的“跟风者”。其中的关键问题是由于仓库体量带来的安全性。另一个主要问题是运行代理的成本。以我的亲身经验来看，成本可能会很快攀升，尤其是因为连 OpenClaw 的作者都建议使用诸如 Claude Opus 4.6 这样的顶级模型来防止提示注入。Opus 4.6 并不便宜，特别是在您的代理必须发送大量以记忆和技能为主的上下文时。这时，Hermes Agent 应运而生。

我一直在 X/Twitter 上关注 Hermes Agent 的作者，他们表示，他们的代理在使用开源模型方面优于 OpenClaw。他们声称，如果配备合适的“束具”（harness），开源模型也能被高效使用。本文将通过上手该代理来检验这些说法。我会带您完成安装步骤，演示如何将其与本地与在线模型配合使用，以及如何在研究项目中使用它。

什么是 Hermes Agent？

Hermes Agent 是 Nous Research（Hermes 系列模型背后的实验室）推出的开源 OpenClaw 替代方案。上线后非常流行，撰稿时 Star 数已超过 3 万。Hermes Agent 与 OpenClaw 略有不同，它可以从经验中创建技能、自我改进，并将知识在会话之间持久化。

您可以从我们的 OpenClaw（Clawdbot）教程中了解如何使用 OpenClaw。

Hermes Agent 的关键能力

下面来讨论 Hermes Agent 的一些核心功能。

闭环学习与自我改进记忆

Hermes Agent 具备闭环学习机制，这意味着：

具备代理策划的记忆，并会定期进行提示引导
在执行复杂任务后自动创建技能
在使用过程中不断改进技能

Hermes Agent 还会将消息会话存储在带有 FTS5 全文检索的 SQLite 数据库中。这使它能够检索数周前的记忆，即便它们当下不在工作记忆中。

从 SQLite 的点命令到在命令行界面下的实用示例，您可以在我们的 SQLite 初学者指南中学习 SQLite 数据库的基础。

Hermes 还使用 Honcho memory，为代理在跨会话中提供对用户的持久理解。除此之外，还通过 memory.md 与 user.md 文件增强代理对用户偏好、目标、沟通风格的理解，并在对话间保留上下文。

上下文压缩与缓存

使用此类 AI 助手的主要问题之一是令牌消耗巨大。当您为每次 API 调用付费时，成本会迅速增加。Hermes Agent 使用双重压缩和 Anthropic 的提示缓存来管理长对话中的上下文使用。

该机制还可在上下文过大时防止 API 失败。其工作方式是修剪旧结果，并利用 LLM 对会话进行摘要。

技能系统

与 OpenClaw 一样，Hermes Agent 支持技能。这些技能与 agentskills.io 兼容，并遵循渐进式披露模式，以最小化令牌消耗。它自带一组打包技能，同时也会在使用过程中保存其自有技能。所有技能都存储在 ~/.hermes/skills/，您也可以将代理指向外部技能。

从零开始构建 OpenClaw 技能、连接外部 API、配置 Docker 沙箱并发布到 ClawHub，您可以参考我们的自定义 OpenClaw 技能构建教程。

多平台网关

Hermes Agent 支持多个平台，包括 Telegram、Discord、Slack、Signal 和 WhatsApp。它还支持语音备忘录转写。由于所有会话都会进入同一个数据库，这意味着您可以在终端中开启对话，并在 Telegram 上继续。

子代理与并行工作流

Hermes Agent 具有 delegate_task 工具，用于启动多个子代理。代理拥有受限的工具集与终端会话。它们会开启一段新对话，并不了解对话历史；因此，您需要提供代理达成目标所需的全部信息。您可以利用这一点同时研究多个主题并收集摘要、进行代码审查，以及同时修复与重构多个文件。

MCP 支持与扩展工具访问

对于 Hermes 中缺失的任何工具，您都可以连接 MCP。借此，您无需修改 Hermes Agent 代码即可连接 API、数据库或公司系统。使用方式包括：

在 Hermes 上安装 MCP 支持
添加 MCP 服务器
将 MCP 可执行的工具能力列入白名单
将删除客户等危险操作列入黑名单

了解如何使用 Anthropic 的 Model Context Protocol 构建 MCP 服务器，将 Claude 连接到 GitHub 与 Notion，请参阅我们的 Model Context Protocol 教程。

强化学习训练与轨迹生成

Hermes Agent 集成了基于 Tinker-Atropos 的强化学习（RL）训练流程。它支持使用带 LoRA 适配器的 GRPO（Group Relative Policy Optimization）在特定环境中训练 LLM。

想进一步探索强化学习，请查看我们的 Python 强化学习学习路径。

Hermes Agent 与标准 AI 助手的比较

接下来讨论 Hermes Agent 与 OpenClaw、Nanobot 等其他 AI 助手的对比。

与其他代理一样，Hermes Agent 使用 memory.md 与 user.md 实现持久记忆。它更进一步，将每次会话存储到 SQLite 数据库，使得未来可以随时引用任何对话。

与 OpenClaw 一样，Hermes Agent 也支持后备模型：当主模型不可用时由后备模型接管任务。

与大多数 AI 助手类似，Hermes Agent 也可以以低成本部署到 VPS，并从主流消息平台访问。不过，据 Nous Research 团队所说，其一大卖点是：Hermes Agent 能为开源模型提供更好的“束具”。

您也可以探索其他 AI 助手，例如我们的 Nanobot 教程。

支持的模型与端点

Hermes Agent 与模型无关。支持的模型包括：

Nous Portal 的模型
通过 API Key 使用 OpenRouter
Anthropic 账号与 API Key
OpenAI 订阅或 API Key
Gemini

您也可以通过 Ollama 使用本地模型。

了解如何结合 Ollama 使用本地 AI 助手，请参阅我们的 OpenClaw + Ollama 教程。

运行 Hermes Agent 的先决条件

Hermes 可在 Linux、macOS 和 WSL2 上运行。它还需要 Python 3.11 与 Node.js，但大多数依赖会在设置过程中自动安装。

Hermes Agent 分步教程：构建“研究代理”

下面来了解如何使用 Hermes Agent 创建一个研究代理，它可以在网上搜索并通过 Telegram 向您发送每日简报。

步骤 1：安装 Hermes Agent

打开终端，运行一行命令安装程序：

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

步骤 2：获取接口令牌

对于 Telegram 网关，打开 Telegram 搜索 @BotFather。发送 /newbot，按提示为您的机器人命名，它会给出类似 123456789:AAH 的机器人令牌。复制它，供后续步骤使用。

接着，使用 @userinfobot 获取您的 Telegram 用户 ID。您需要它以确保机器人只与您对话。

步骤 3：初始化

运行设置向导：

hermes setup

当您选择 Full Setup 时，您将能够配置一切，包括 API 密钥和 Telegram 机器人。

系统会提供一个菜单，便于您按下图配置所有项目：

如果您已有 OpenClaw 安装，它也支持迁移。

设置完成后，您可以通过以下命令进行验证：

hermes doctor

步骤 4：配置与模型选择

如果您按照上面的步骤操作，模型已完成设置，但您可随时在终端运行以下命令更改：

hermes model

步骤 5：设置网关

网关使 Hermes 能通过 Telegram 触达您，而无需您一直停留在终端。运行以下命令进行设置：

hermes gateway setup

此时，您应当已经可以从 Telegram 发送消息并收到回复：

进阶玩法：将 Hermes Agent 打造成“多工具”代理

从上面的回复可以看到，Hermes 使用了终端工具去查询 Yahoo Finance 的公共图表 API 并解析响应。我们可以通过配置可用的网页搜索工具来增强其搜索能力；这里以 FireCrawl 为例。前往其官网免费获取一个 AI Key。

接着，设置该密钥：

hermes config set FIRECRAWL_API_KEY your_fire-crawl_key

设置完成后，我给 Hermes 布置了一个需要搜索多页并汇总结果的任务。正如图中所示，它规划了 3 个子任务并进行了委派。

在 Hermes 中运行多个代理的另一种方式是设置“配置档”（profiles）。这将允许您在同一台机器上运行多个相互独立的 Hermes 代理，每个代理拥有各自的配置、API 密钥、记忆、会话、网关与技能。例如，您可以创建：

编码代理
个人助理
研究代理

您可以从零创建，或克隆现有设置：

hermes profile create work --clone

运行 work chat 开始与机器人对话：

每个代理都有自己的 .env，因此您可以设置不同的 Telegram 机器人。可通过 work setup 进行设置

部署选项：让 Hermes Agent 跑在笔记本之外

接下来看看除在笔记本上使用外，运行 Hermes Agent 还有哪些部署方式。

其他可选方案包括：

运行在一台专用电脑上，而不是您的日常主力机。
部署到 VPS，例如 Modal 或 Daytona。

即便部署在 VPS 上，也建议遵循以下最佳实践：

使用容器化后端
设置明确的允许列表（allowlist）
使用配对码而非用户 ID
以合适的文件权限安全存储机密信息
使用 hermes update 定期更新代理
切勿以 root 用户运行代理
为 CPU、磁盘与内存设置合适的资源上限
监控日志，留意未授权访问尝试

本地与私密：离线运行 Hermes Agent

您可以通过 Ollama 配置模型来离线运行 Hermes Agent。下面的代码片段展示了如何通过 Ollama 运行并提供 qwen2.5-coder:32b 服务：

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

然后将 Hermes 配置为使用该模型：

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)

另外，请务必增大上下文窗口，因为模型需要加载系统提示、工具并返回响应。

# 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

Hermes Agent 常见问题与排障

下面谈谈使用 Hermes Agent 时您可能遇到的一些常见问题。

“连接被拒绝”错误

先运行 hermes doctor。它会告诉您是否缺少服务商配置、环境变量是否有误或路径是否配置错误。您也可以再次运行设置命令重新输入 API Key，因为可能存在拼写错误。

上下文窗口限制

输入 /compress 以手动触发上下文压缩。

您也可以编辑 ~/.hermes/config.yaml 配置压缩的默认行为。

# 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

技能未触发或未被复用

先检查技能是否存在。运行以下命令以确认技能中的说明已被使用。

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

网关未接收消息

运行 hermes gateway status 查看是否在运行。

如果已停止，使用 hermes gateway start 启动。

模型端点认证失败

检查 ~/.hermes/.env，确认 API Key 正确无误。运行 hermes model 确保所选模型绑定了正确的 API Key。

未来展望

如果您一直在关注 Twitter 上的“代理之战”，就会注意到阵营大致分为两类：一类主张使用带 API 的代理，另一类主张使用本地模型运行代理。本地模型阵营强力支持 Hermes Agent，称其相较于 OpenClaw 更适合作为本地模型的“束具”。

无论您支持哪一方，有一点是明确的：运行代理并不便宜。因此，如果有一款工具能运行本地模型，并提供接近顶级模型的性能，那么它就值得一试。尤其是在如今所有模型提供商都采用按量计费的情况下。

在当前对代理的强劲需求下，想要“无限使用”的用户会倾向于选择能提供最佳结果的工具。截至目前，许多 Twitter 用户声称 Hermes Agent 正是这样的工具。本地模型是否真的会降低对 API 的需求仍有待观察，尤其是因为并非所有用户都有个人 GPU，或具备足够技术能力将其配置为本地使用。

结语

最近发布了不少个人 AI 助手。对您而言，最好的做法是研究它们，并确定哪一款最适合您。查看下方资源，快速上手：

想进一步了解如何与 AI 工具协作，请查看我们的最佳免费 AI 工具指南。若想系统提升 AI 编码能力，欢迎学习我们的 AI 助力开发者编码课程，培养让 AI 助手在您的开发流程中更可靠的实战能力。

Author

Derrick Mwiti

主题

AI 代理

人工智能

与 DataCamp 一起学习

{count, plural, other {课程}}

AI Agents 入门

{hours} 小时 {minutes} 分钟

144.8K

了解 AI 智能体的基础、组成部分及实际应用——无需编程。

查看详情

开始课程

{count, plural, other {课程}}

构建可扩展的 Agentic 系统

{hours} 小时 {minutes} 分钟

22K

了解借助 MCP 和 A2A 等框架扩展 AI 代理所需的内容。

查看详情

开始课程

{count, plural, other {课程}}

使用 Google ADK 构建 AI Agent

{hours} 小时

7.6K

用 Google 的 Agent Development Kit (ADK) 逐步构建客户支持助手。

查看详情

开始课程

什么是 Hermes Agent？

Hermes Agent 的关键能力

闭环学习与自我改进记忆

上下文压缩与缓存

技能系统

多平台网关

子代理与并行工作流

MCP 支持与扩展工具访问

强化学习训练与轨迹生成

Hermes Agent 与标准 AI 助手的比较

支持的模型与端点

运行 Hermes Agent 的先决条件

Hermes Agent 分步教程：构建“研究代理”

步骤 1：安装 Hermes Agent

步骤 2：获取接口令牌

步骤 3：初始化

步骤 4：配置与模型选择

步骤 5：设置网关

进阶玩法：将 Hermes Agent 打造成“多工具”代理

部署选项：让 Hermes Agent 跑在笔记本之外

本地与私密：离线运行 Hermes Agent

Hermes Agent 常见问题与排障

“连接被拒绝”错误

上下文窗口限制

技能未触发或未被复用

网关未接收消息

模型端点认证失败

未来展望

结语

.css-1531qan{-webkit-text-decoration:none;text-decoration:none;color:inherit;}AI Agents 入门

构建可扩展的 Agentic 系统

使用 Google ADK 构建 AI Agent

AI Agents 入门