Github热榜Hermes Agent入门到精通，死磕这篇保姆级教程就够了！

Hermes Agent是由 Nous Research 构建的自我改进 AI Agent。它通过闭环学习机制与其他 Agent 框架区分开来——该 Agent 从经验中创建技能在使用过程中改进技能搜索自身的历史对话并随时间推移构建对用户的深层模型。无论你是在终端中聊天、通过 Telegram 发送消息还是通过 IDE 集成Hermes 在所有地方都运行相同的核心 Agent 引擎。Hermes 的独特之处大多数 AI Agent 是无状态的请求-响应管道——每次对话都从零开始。Hermes 从底层设计为有状态且自我改进的。它记住已完成的操作将这些知识组织为可复用的技能并利用这些技能在每次交互中表现得更好。以下是 Hermes 与典型 Agent 框架的直观对比能力典型 Agent 框架Hermes Agent记忆持久化仅限会话范围跨会话 FTS5 搜索、Honcho 对话分析、持久化记忆提供者技能创建手动进行提示词工程Agent 在复杂任务后自动创建技能在使用中自我改进模型灵活性绑定单一提供者使用/model在会话中途切换提供者——OpenRouter、OpenAI、Anthropic、Gemini、Nous Portal、本地模型消息平台CLI 或单一平台单一网关进程支持 16 个平台Telegram、Discord、Slack、WhatsApp、Signal、Matrix 等终端后端仅限本地 Shell本地、Docker、SSH、Daytona、Singularity、Modal——包括无服务器休眠定时自动化依赖外部 cron 或不支持内置 cron 调度器支持自然语言任务定义和跨平台投递子 Agent 委派极少支持隔离的子 Agent 用于并行工作流通过 RPC 脚本实现零上下文成本轮次IDE 集成不支持或专有适用于 VS Code、JetBrains 及任何兼容 ACP 客户端的 ACPAgent Client Protocol适配器研究工具非关注重点批量轨迹生成、Atropos RL 环境、用于训练的轨迹压缩高层架构Hermes 围绕一个单一的 Agent 引擎构建可通过多个前端进行访问。CLIcli.py和消息网关gateway/run.py都将数据馈入run_agent.py内部的同一对话循环该循环负责编排 LLM 调用、工具执行、记忆检索和技能管理。ACP 适配器acp_adapter/server.py提供了第三个前端用于使用标准化的 Agent Client Protocol 进行 IDE 集成。Agent 循环遵循一个简单却强大的周期接收用户输入 → 组装系统提示词身份、记忆、技能、上下文文件 → 调用 LLM → 如果模型请求工具调用则执行工具并循环返回 → 返回最终响应。无论是由终端、Telegram 消息还是 IDE 提示词触发此循环都以相同方式运行。核心能力概览多提供者模型支持Hermes 几乎支持所有 LLM 提供者。hermes model命令或在对话中使用/model让你无需重启即可瞬间切换提供者。智能模型路由系统agent/smart_model_routing.py透明地处理特定于提供者的特殊逻辑——从不同的工具调用格式到上下文窗口限制。提供者可用模型备注Nous PortalHermes 模型、MiMo v2 Pro免费层Nous Research 原生托管OpenRouter200 个模型最大的模型市场OpenAIGPT-4o、Codex、o 系列自优化的工具使用引导AnthropicClaude 4 系列直接 SDK 集成Google AI StudioGemini 系列原生提供者支持自动上下文长度检测本地端点Ollama、vLLM、SGLang任何兼容 OpenAI 的服务器Kimi/MoonshotMoonshot 模型中国 AI 提供者MiniMaxMiniMax 模型备选提供者你可以在任何平台CLI、Telegram、Discord 或 Slack上使用/model斜杠命令在对话中途切换模型。聚合器感知解析会尽可能让你保持在 OpenRouter 或 Nous Portal 上并支持自动的跨提供者故障转移。闭环学习这是 Hermes 的核心差异化优势。学习循环在四个阶段运作记忆— Agent 在所有会话中维护关于你、你的项目以及你的偏好的持久化记忆。MemoryManager 编排一个内置提供者和最多一个外部插件提供者并通过上下文隔离机制防止召回的数据与实时用户输入混淆。技能创建— 在完成复杂任务后Agent 能够自动创建可复用的技能以带有 YAML frontmatter 的 Markdown 格式存储在~/.hermes/skills/中。每个技能编码了 Agent 学会高效执行的一种流程。技能改进— 技能在使用过程中自我改进。当 Agent 遇到边缘情况或更优方法时它会自动更新技能内容。会话召回— 对历史对话进行全文搜索FTS5并结合 LLM 驱动的摘要实现跨会话上下文检索。你可以问“上周二我做了什么工作”并得到有意义的答案。工具与扩展性Hermes 附带了通过集中的 ToolRegistry 注册的40 多个工具。工具被组织成工具集——可组合的分组可根据每个会话进行混合搭配。核心工具集包括 Web 搜索、终端执行、文件操作、浏览器自动化、视觉分析、图像生成、技能管理、记忆、任务规划、代码执行、子 Agent 委派、定时任务管理和跨平台消息传递。工具还可以在运行时通过MCP (Model Context Protocol) 服务器添加利用符合 MCP 标准的外部工具提供者来扩展 Hermes 的能力。六种终端后端终端工具不局限于你的本地 Shell。Hermes 支持六种执行后端让你可以在最适合任务的环境中运行命令后端适用场景持久性Local机器上的快速任务会话范围Docker隔离的、可复现的环境容器范围SSH远程服务器服务器范围Daytona无服务器开发环境空闲时休眠Modal无服务器 Python 计算空闲时休眠SingularityHPC 集群任务范围Daytona 和 Modal 提供无服务器持久性——你的 Agent 环境在空闲时休眠并按需唤醒在会话之间几乎不产生任何费用。快速入门Hermes 可在 Linux、macOS、WSL2 和 Android (Termux) 上于一分钟内完成安装curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bashsource ~/.bashrc # 或source ~/.zshrchermes # 开始聊天首次启动后hermes setup会引导你完成提供者配置、工具选择和消息平台设置。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】