前言
如果你还在用 OpenClaw，那最近你一定会频繁听到“Hermes”这个名字。
作为从 2026 年 2 月底才发布的开源项目，Hermes Agent 在不到两个月的时间里，GitHub 总星标已突破 4.7 万，贡献者数百人，并在多日内持续霸榜全球开源榜单第一。
今天这篇文章就专门跟大家一起聊聊Hermes Agent，希望对你会有所帮助。
最近想快速提升项目实战能力（包含多个AI项目），或者最近找工作的小伙伴，可以看看下面 的这个链接（或许真的能够帮到你）: https://susan.net.cn/project
一、Hermes Agent是什么？
Hermes Agent 由美国开源 AI 研究实验室 Nous Research 开发，采用 MIT 协议，完全免费、可商用。
它的核心定位是一句 slogan：“The agent that grows with you.”——一个会随着使用不断成长的“自进化 Agent”。
和传统 Agent 不同，Hermes 试图成为一个能够持续积累经验的长期系统：它会从已经完成的任务中学习，在不同会话、不同平台之间保留记忆，并逐渐形成一套属于用户自己的能力结构。
你用得越久，它越懂你。
官方将其定位描述为“介于 Claude Code 风格 CLI 与 OpenClaw 风格消息平台之间的智能体”。
也就是说：既能像 Claude Code 那样深度编码，也能像 OpenClaw 那样全天候在 Telegram、飞书等 IM 工具中服务，还不绑定特定厂商的模型。
根据社区反馈，这种设定正好击中了一个长期存在的痛点——开发者越来越关心，Agent 能不能“记住”和“变强”。
最近想快速提升项目实战能力（包含多个AI项目），或者最近找工作的小伙伴，可以看看下面 的这个链接（或许真的能够帮到你）: https://susan.net.cn/project
二、Hermes 的三大核心机制
2.1 自我进化闭环：Agent 自己写 Skill
这是 Hermes 最让我觉得厉害的地方，也是跟其他 Agent 拉开差距的核心。
Hermes 不是靠你手动编写配置文件来扩展能力，而是自己在执行复杂任务后，自动提炼出可复用的解决方案。
触发创建 Skill 的具体条件包括：工具调用超过 5 次、中途出过错然后自己修复了、用户做过纠正、或者走了一条不明显但有效的路径。
满足任何一条，它就会在 ~/.hermes/skills 目录里生成一个 Skill 文件。
Skill 文件遵循 agentskills.io 开放标准，本质是结构化 Markdown，包含 frontmatter 元数据和正文指令两部分。
加载策略采用了渐进式披露：Level 0 只加载 Skill 列表（名称+触发词），Level 1 才加载完整详情，显著节约 Token。
更重要的是，Skill 在使用过程中会自我迭代——当你使用某个 Skill，Agent 发现更优的方法，会自动更新 Skill 文档。
2.2 分层记忆架构
Hermes 的记忆系统是目前开源 Agent 框架中设计最完善的。
它采用了五层记忆架构，每层解决不同时间跨度的记忆问题。
前四层各司其职，互不重叠。底层存储基于 SQLite，并辅以 FTS5（全文搜索索引）实现按需检索，避免全量加载带来的上下文膨胀]。
会话搜索工具让 Agent 可以跨所有历史会话按关键词检索，并用 LLM 总结相关上下文。
这意味着你可以问 Agent：“上周我们关于认证系统讨论了什么？”它真的能翻出来给你看。
用 /insights 命令还能查看会话统计数据——Token 消耗、工具调用频率、会话时长等。
2.3 全平台消息网关 + MCP 集成
Hermes 内置了一个全平台消息网关，只启动一个进程，就能同时接入多个 IM 平台：Telegram、Discord、Slack、WhatsApp、Signal，以及 v0.6.0 新增的飞书和企业微信。
这意味着你可以把 Agent 邀请进团队群聊，直接给它发自然语言指令，它会在后台执行任务，再把结果推回群里。
你甚至可以把它当成 MCP 服务器，通过 hermes mcp serve 暴露会话和消息给任何 MCP 兼容客户端（Claude Desktop、Cursor、VS Code 等），同时支持 stdio 和 Streamable HTTP 传输。
此外，MCP 集成还支持连接任意 MCP 服务器来扩展 Hermes，接入外部工具、API 和数据源。
最近想快速提升项目实战能力（包含多个AI项目），或者最近找工作的小伙伴，可以看看下面 的这个链接（或许真的能够帮到你）: https://susan.net.cn/project
三、安装与配置
3.1 系统要求
支持 Linux、macOS 和 WSL2。
原生 Windows 不支持，需先安装 WSL2。
3.2 一键安装
安装脚本会自动处理 Python、Node.js、所有 Python 依赖和 hermes CLI 符号链接：
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
安装完成后重载 shell：
source ~/.bashrc # 或 source ~/.zshrc
运行设置向导，选择 LLM 提供商、配置网关等：
hermes setup
直接启动 CLI 模式开始对话：
hermes
更新到最新版本：
hermes update
四、核心使用技巧
五、优缺点与适用场景
优点
自我进化能力：自动从经验中生成和改进技能，越用越聪明
五层记忆架构：分层设计，短期记忆不污染长期存储，会话可全文检索
全平台网关：Telegram、飞书、企业微信全覆盖，真正实现“常驻服务”
开源自由度高：MIT 协议，200+ 模型可选，无厂商锁定
安全沙箱完善：支持 Docker、SSH、Modal 等多种后端隔离执行，供应量已做过全面安全审计
MCP 原生集成：可作为 MCP Server 接入 IDE，双向打通
缺点
学习曲线比传统 CLI 工具略陡
记忆系统的高级功能（如 Honcho 用户建模）依赖外部服务
对 Windows 用户需要额外安装 WSL2
部分高级功能尚在快速迭代中
适用场景
个人数字助理：跨平台、跨会话持久陪伴，越用越懂你
企业自动化：定时任务、日报周报自动生成、流程监控
多平台服务：通过 Telegram、飞书、企业微信等多个入口统一访问
开发工作流增强：从代码生成到 CI/CD 自动化
六、Hermes和OpenClaw 的差异
如果只对照功能列表，Hermes 和 OpenClaw 的重合度不低：同样支持多消息平台接入，同样具备持久化记忆、技能系统和多模型切换能力，也都采用 MIT 协议、自托管部署。真正拉开差距的，是底层的设计哲学。
OpenClaw 采用的是中心辐射式架构，靠的是修改配置文件，联合多个 Agents 来处理各项复杂的任务；Hermes Agent 则是一个单一的 Agent 框架，它的能力会随着实际使用的运行时间增加而不断增强。
OpenClaw 的记忆是静态的——我们把信息写进配置文件，它读取，会话结束，等下次再读。它不会主动从执行过程里提炼什么，也不会因为我们纠正过它一次，下次就自动做对。
而 Hermes 从底层架构的学习循环，到记忆系统，到 Agent 执行内部，都把“越用越懂你”作为核心设计目标。
社区评价：“OpenClaw does the junior work, Hermes is the senior.” ——@gkisokay on X。“这是我从 OC 切换到 Hermes 的原因。5.4 在 OC 上表现糟糕，在 Hermes 上好得多。” ——@branchandleaf
总结
Hermes 的核心价值可以概括为一句话：它是一个会自我进化的 AI 智能体，你用它的时间越长，它就越懂你。
Hermes 让“Agent 可以记住什么方法有效”从口号变成了工程实践。
它的学习循环、技能系统和分层记忆，不是为了卖概念，而是真的从代码层面实现了。
项目团队更新频率极高，v0.8.0 已发布，每次迭代都有大量代码合并和实用的功能更新。
未来已来，你准备好拥有一个会“长大”的 AI 伙伴了吗？
项目地址：https://github.com/NousResearch/hermes-agent
官网：https://hermes-agent.nousresearch.com
最近想快速提升项目实战能力（包含多个AI项目），或者最近找工作的小伙伴，可以看看下面 的这个链接（或许真的能够帮到你）: https://susan.net.cn/project
