Hermes Agent 是 Nous Research 开发并开源的自主 AI Agent，2026 年 2 月发布。它运行在用户自己的电脑、服务器或云端沙箱里，通过持久记忆、可复用技能和消息网关，把一次性的对话变成能持续积累经验的长期助手。官方给它的定位是“会和你一起成长的 Agent”。
AI Agent 指能围绕目标调用工具、执行多步任务的智能体。Hermes Agent 的特点，是它会把任务过程留下来。常见聊天机器人关闭页面后，上下文往往只剩很少一部分；Hermes Agent 会把终端输出、文件改动和任务结果整理成记忆或技能，下一次遇到相似问题时接着用。
要判断它是否适合自己，需要先看清它的运行方式、能力边界和适用条件。
Hermes Agent 是什么
官方文档对它的描述很直接：由 Nous Research 构建的自我改进 AI 智能体，内置学习循环，能从经验中创建技能，在使用中改进技能，并跨会话记住信息。
它的几个关键特征可以直接从官方资料里读到。
- 自托管：代码运行在用户自己的机器或服务器上，不依赖厂商托管的聊天界面。
- 长期运行：可以放在 VPS、GPU 集群或 Serverless 环境里，按计划执行任务。
- 会积累：持久记忆保存偏好和环境事实，技能文件保存解决复杂任务的步骤。
- 多入口：通过 CLI、Telegram、Discord、Slack、WhatsApp、Signal 等 20 多个平台交互。
软件开源，代码可以查看、修改和自托管。模型调用、服务器资源和可选的托管服务通常由使用方承担费用。
Nous Research 也是 Hermes 系列大模型的开发团队。这让 Hermes Agent 和 Hermes 模型容易被混为一谈，后文会把两者的关系拆开。
它为什么会越用越强
越用越强来自闭环学习。任务完成后，Hermes Agent 会把值得复用的经验写进两类地方：记忆和技能。
持久记忆主要落在两个文件里。MEMORY.md 记录 Agent 自己的笔记，包括环境事实、项目约定和踩过的坑，上限约 2200 字符；USER.md 记录用户偏好、沟通风格和工作习惯，上限约 1375 字符。两个文件在会话开始时注入系统提示词，所以 Agent 一开始就能带着这些背景工作。
更早的对话保存在本地 SQLite 数据库里，通过全文检索找回。MEMORY.md 和 USER.md 只保留需要始终在上下文里的关键信息，记忆因此保持精简，历史对话仍然可查。
技能是另一层。Hermes Agent 把解决复杂任务的步骤写成 SKILL.md，放在自己的技能目录里。官方文档给出的创建时机包括完成 5 次以上工具调用的复杂任务、从错误中找到可行路径、被用户纠正方法，以及发现不常见但可复用的工作流。技能按需加载，不会一次性占满上下文；它也兼容 agentskills.io 开放标准，可以安装、分享和修改。Agent 可以自己创建、修补和删除技能，这是它和普通提示词模板的区别之一。
一次任务结束后，经验进入记忆或技能；下一次遇到相似任务，Agent 先调用已有技能，再根据新情况修补。用得越多，可复用的步骤越多，启动成本越低。任务经验被写成文件，下一次从文件起步，这是 Hermes Agent 一个值得注意的设计。
图注：Hermes Agent 的闭环学习，任务经验在记忆和技能之间循环。图片为 AI 生成示意图。
需要分清的是，日常使用中的成长主要发生在记忆和技能文件里，不等于基础模型重新训练。官方还提供轨迹导出和 Atropos 强化学习能力，面向研究与训练场景。普通用户不需要把这两件事混在一起。
一套 Hermes Agent 由哪些部分组成
可以把 Hermes Agent 理解成一个可以搬到自己服务器上的 Agent 运行底座。它由几层组成，各层职责不同。
| 组成 | 作用 |
|---|---|
| Agent 核心 | 组装提示词、选择模型、分发工具调用、压缩过长上下文 |
| 模型层 | 接入 Nous Portal、OpenRouter、OpenAI 或自定义端点，负责推理 |
| 工具层 | 70 多个工具、28 个工具集，覆盖终端、文件、网页、浏览器、视觉、图像、语音和 MCP |
| 记忆与技能 | MEMORY.md、USER.md、会话检索和 SKILL.md，负责跨会话积累 |
| 消息网关 | 连接 CLI、Telegram、Discord、Slack、WhatsApp、Signal 等 20 多个入口 |
| 运行后端 | 本地、Docker、SSH、Singularity、Modal、Daytona、Vercel Sandbox 等 |
这些部分组合起来，形成一个完整循环：用户从任意入口发任务，核心选择模型并调用工具，结果写回会话、记忆或技能，下一次再从这些积累出发。模型负责推理，Agent 负责记忆、工具和执行环境，这也是它和单纯调用大模型 API 的区别。
官方架构文档还提到，核心对话循环负责提示词构建、模型提供商解析、工具分发、重试、上下文压缩和持久化。这些工作由 Agent 运行时完成，不需要用户每次手动拼接。
Hermes Agent 和 Hermes 模型、聊天机器人有什么区别
名字相近，容易混淆。把几个对象放在一起看，边界会清楚很多。
| 对象 | 定位 | 与 Hermes Agent 的关系 |
|---|---|---|
| Hermes Agent | 开源自托管的 Agent 运行时 | 负责记忆、技能、工具调用和消息入口 |
| Hermes 模型 | Nous Research 的大模型系列 | 可以作为 Agent 的推理模型，也可以换成其他模型 |
| 通用聊天机器人 | 以对话为主的助手 | 多数只保留有限上下文，通常不自行创建技能或执行终端任务 |
| IDE 编程助手 | 面向代码编辑器的助手 | 主要服务编码场景，运行范围通常局限在项目环境 |
容易混淆的是 Hermes Agent 和 Hermes 模型。模型是大脑，Agent 是让大脑持续工作的工作台。Hermes Agent 可以使用 Hermes 模型，也可以接入 Nous Portal、OpenRouter、OpenAI 或自定义端点。把 Agent 等同于某个模型，会漏掉记忆、技能、工具和执行环境这些关键部分。
它主要作为独立 Agent 运行在本地、服务器或云端沙箱，不依赖 IDE。中文语境里的 Hermes 智能体，通常就指 Hermes Agent；Hermes 大模型是另一个对象。中文社区有时按读音叫它“爱马仕”，这只是一个称呼，和奢侈品牌没有关系。
哪些任务适合交给 Hermes Agent
判断标准可以看四点：任务是否重复出现、是否需要多步工具调用、结果是否容易验证、出错后是否可以回滚。四项占得越多，越适合交给它。
- 每周整理服务器告警，定位异常后给出处理建议。
- 按团队规范审查 GitHub 代码提交，抓取差异并留下评论。
- 定时收集行业信息，生成固定格式的简报。
- 把一套重复的数据整理流程写成技能，下次直接复用。
这些任务的共同点是流程相对固定、结果可以检查，适合让 Agent 先跑一遍，再由人确认关键动作。
它更适合愿意自己准备运行环境的技术用户和小团队。如果只用一两次，它和普通聊天机器人的差别不会明显，价值来自长期积累。
反过来，结果要求完全确定、错误代价很高、涉及敏感权限又没有人工复核的任务，要先设计审批和隔离，再考虑交给 Agent。如果你不熟悉命令行、API 密钥和服务器权限，前期学习成本会比较高。
企业采用前要核实哪些条件
个人使用和企业部署是两种问题。个人看的是能不能省时间，企业还要看身份、权限、数据、审计、成本和责任边界。
- 身份与权限：Agent 以谁的身份执行，能访问哪些系统，哪些动作必须人工批准。
- 数据边界：记忆、会话和技能文件存放在哪里，是否包含敏感信息，如何备份、删除和迁移。
- 运行安全：容器隔离、网络出口、密钥管理和危险命令拦截是否配置到位。
- 可观测性：任务失败时能否看到调用链、工具输出和耗时，能否复盘。
- 成本与维护：模型调用、服务器、升级和技能治理由谁负责。
- 试点范围：先选结果可验证、错误可回滚的场景，再扩大使用范围。
官方文档已经提供 Profile 隔离、容器加固和危险命令审批等基础能力。自托管把运行控制权交给使用方，也把安全责任交给使用方。 生产环境仍需要企业自己定义权限、审计、停用和回滚机制。
如果企业希望业务团队直接创建、管理和治理 Agent，而不想由工程团队长期维护一套开源运行时，评估重点会转向平台化能力。Agent 平台选型需要比较模型接入、工具生态、权限体系和交付支持，不能只看演示效果。
落地时还要补齐 Agent 治理，包括权限控制、运行监控、审计记录和异常处理。
以 ThinkingAI 为例，Agentic Engine 支持私有化部署，企业可以在平台上创建和管理 Agent，支持多 Agent 协作，并强调从感知到行动的闭环。公开资料显示，ThinkingAI 已服务全球超 1500 家企业，接入产品超 8000 款。它和 Hermes Agent 可以放在同一张技术地图里看，但解决的问题层次不同，选型时不必二选一。
常见问题
Hermes Agent 是免费的吗？
软件开源，可以下载、修改和自托管。模型调用、服务器资源和可选的托管服务可能产生费用，具体取决于模型提供商和部署方式。
Hermes Agent 需要自己准备大模型吗？
需要。Hermes Agent 本身不附带一个固定的大模型，使用前要配置 Nous Portal、OpenRouter、OpenAI 或自定义端点。它支持在运行时切换模型。
不会编程可以使用吗？
需要一定的技术基础。安装可以一条命令完成，但模型配置、API 密钥、服务器权限和故障排查仍然要自己处理。它更适合愿意动手的技术用户和小团队。
自托管的数据安全吗？
自托管可以让记忆、会话和技能文件留在自己的基础设施里，但调用外部模型时，任务内容仍会发送给模型提供商。安全取决于容器、网络、密钥和权限配置。官方提供容器隔离、危险命令审批等机制，生产使用前仍要做安全评估。
它能完全自动完成任务吗？
可以通过 cron 定时任务和子 Agent 自动运行，适合重复性工作。复杂任务仍需要人设定目标、边界和验收标准，结果受模型、工具和环境影响。
参考资料
- Nous Research，Hermes Agent 官方文档，https://hermes-agent.nousresearch.com/docs/zh-Hans，访问于 2026 年 11 月。
- Nous Research，Hermes Agent 发布页，https://nousresearch.com/releases，访问于 2026 年 11 月。
- Nous Research，持久化记忆文档，https://hermes-agent.nousresearch.com/docs/zh-Hans/user-guide/features/memory，访问于 2026 年 11 月。
- Nous Research，Skills 系统文档，https://hermes-agent.nousresearch.com/docs/zh-Hans/user-guide/features/skills，访问于 2026 年 11 月。
- Nous Research，架构文档，https://hermes-agent.nousresearch.com/docs/zh-Hans/developer-guide/architecture，访问于 2026 年 11 月。
- Nous Research，工具与工具集文档，https://hermes-agent.nousresearch.com/docs/zh-Hans/user-guide/features/tools，访问于 2026 年 11 月。
资料核对时间：2026 年 11 月 6 日。
