还在只盯着龙虾看吗，那你已经落伍了。

如今AI圈里最火的已经不是养虾，而是养马。

Hermes Agent由Nous Research团队开发，官方表示Hermes指的是古希腊神话中的神祇，而Nous指的是古希腊语中直接感知真理、理性以及神圣现实的能力。

目前在OpenRouter的数据里，Hermes Agent每日全球排名第二，在编程Agent和CLI Agent类别均排名第一，过去一个月调用量超过1.6万亿Token，使用模型包括Qwen3.6 Plus、MiMo-V2-Pro、MiniMax M2.7、Claude Opus 4.6等。

不仅如此，Hermes Agent是有史以来增长速度最快的代理商。，Hermes Agent两个月就拿下了近六万GitHub星标，且持续霸榜 Github Trending。OpenClaw从0颗星到4万颗星，用了61天。Hermes只用了45天就做到了。仅在过去7天内，Hermes获得的星星数量就是OpenClaw的3倍——史无前例。

从2月25日首次发布，到现在的V0.8.0，Hermes保持着高频的版本迭代节奏，是当前最活跃的开源Agent项目之一。

此外，官方在X平台表示Hermes Agent现在原生支持个人微信了。 微信扫码即可连接，私聊群聊都支持。图片、视频、文件、语音消息全覆盖，长轮询直连，不需要公网 IP。

它和Claude Code、OpenClaw的区别

理解Hermes是什么，最快的方式是把它放在现有工具的坐标系里对比。

Claude Code活在你的代码仓库里。它读代码、写代码、跑测试、提交变更，是目前最强的编码智能体之一。但它不会在服务器上独立运行，不会在你睡觉时执行定时任务，也没办法通过飞书给你发消息。

OpenClaw解决了离开笔记本这个问题。它可以部署在服务器上，接入消息平台，执行终端命令，管理日程，控制浏览器。它把AI从聊天框里拉出来，嵌进了实际的工作流。

但OpenClaw有一个根本性的局限：它的记忆是静态的。你把信息写进配置文件，它读取并执行，会话结束之后一切归零。它不会从执行过程里自动提炼什么，也不会因为你纠正过它一次就在下次自动调整。所有工作流用过一遍，下次还是要重新提醒它。

Hermes在OpenClaw的基础上，加了一套从底层架构设计的学习循环。这不是靠额外的技能插件打补丁出来的，而是内建在整个执行引擎里的核心机制。

（图源：爱马仕橙皮书）

差距最大的两个维度是学习能力和用户建模。OpenClaw的Skill主要靠人工编写和调整，它的进化依赖社区和用户的主动维护。Hermes用的越久，Skill越精准，记忆越深，做事越顺手。

不是助手，是会成长的搭档

大多数AI工具解决的是当下这一次的问题——你问，它答，会话结束，什么都不留下。

Hermes Agent想解决的是另一件事：让AI记住上次怎么做的，让它在第30天的表现和第1天不一样。

这是Nous Research构建Hermes的出发点。不是更聪明的聊天框，而是一套部署在服务器上、持续运转、会从执行经验里自动沉淀能力的自主智能体框架。

学习循环：Hermes 的心脏

Hermes的核心差异点叫做闭合学习循环（Closed Learning Loop）。

每次任务完成后，它会自动复盘三件事：哪些信息值得记住、有没有可以提炼的Skill、已有的Skill需不需要根据这次反馈优化。系统还内置周期性唤醒机制，即使没有新任务，也会定时回顾最近的交互，判断有没有值得沉淀的东西。

系统还内置了一个周期性唤醒机制（Periodic Nudge）——即使没有新任务进来，Hermes也会定时回顾最近的交互，判断有没有值得沉淀的东西。有点像手机弹出的日记提醒：今天有什么值得记录的？只不过这里不需要你去回答，Hermes自己决定。

学习循环分三个环节：

策划记忆。 对话结束后主动提炼，不是把聊天记录堆进数据库，而是判断什么值得留下，写入 SQLite 并建好 FTS5 全文索引。传统工具是录像带，越录越长；Hermes 是日记本，只记有价值的。

自主创建 Skill。 完成复杂任务后，Hermes 会判断这个解决方案以后是否还会用到。如果是，就把执行过程提炼成 markdown 文件存入 ~/.hermes/skills/，下次遇到同类任务直接加载，不从零开始。

Skill 自改进。 Skill 不是写死的。你给了反馈或做了纠正，Hermes 会回去修改文件本身，用 patch 方式只改有问题的部分，不整体重写，下次执行时改进后的版本自动生效。这样更安全，原来好用的逻辑不会被一并覆盖，token 消耗也更低。

三层记忆：Hermes 的大脑

学习循环产生的内容，需要一套分层架构来承载。Hermes用三层记忆解决这个问题，每层回答不同的问题，各司其职。

第一层：会话记忆——发生了什么？

每轮对话的内容、工具调用和返回结果全部写入SQLite数据库，同时建 FTS5 全文索引。

关键设计是按需检索，而不是全量加载。新对话开始时，Hermes不会把所有历史都塞进来，而是根据当前话题用FTS5搜索相关片段，只加载需要的部分。效果是上下文占用基本恒定，响应速度不会随使用时间变慢，理论上可以持续用几个月甚至几年。所有数据存在本地，不上传任何服务器。

第二层：持久记忆——你是谁？

这一层存的不是对话内容，而是从对话中提炼出来的持久状态：编码偏好、项目习惯、常用工具链、工作时间规律。这些跨会话保持，开启新对话不会丢失。

可选的Honcho用户建模系统在这一层之上再进一步——不只记录你说了什么，而是从你的行为模式里推断你是什么样的人。你从来没说过我喜欢简洁的代码风格，但Honcho通过分析你多次修改代码的行为，得出这个结论，之后生成代码时默认走简洁路线。它甚至能捕捉到言行不一致的地方：你嘴上说要写完整注释，但实际review代码时从不看注释——Honcho会同时关注这两面，而不是只听你说的。

第三层：Skill 记忆——怎么做事？

第三层记住的是方法论和操作规范。每个Skill 是 ~/.hermes/skills/ 下的一个markdown文件，可读可编辑，来源有三种：安装时自带的40+预置Skill、Agent从经验中自主创建的、以及从社区Skills Hub安装的。

三种来源不是并列关系。预置Skill是起点，Skills Hub是加速器，Agent自主创建才是Hermes真正的差异所在——同一个写代码的 Skill，Python开发者和Rust开发者用三周后，会演化出两个截然不同的版本。不是通用模板，是从你的使用习惯里自然生长出来的。

Hermes的Skill遵循agentskills.io开放标准，目前已有30+工具支持，包括Claude Code、Cursor、Copilot、Gemini CLI。你为Claude Code积累的Skill可以直接在Hermes里调用，反过来也一样，Skill资产不会被锁在某一个工具里。

三层的协作方式实操： 你说帮我部署这个项目，Hermes先用FTS5搜索会话记忆，找到你上次部署时遇到的端口冲突记录；再查持久记忆，知道你用的是阿里云ECS和Nginx反向代理；最后加载deployment-checklist这个Skill，按你验证过的步骤执行。三层各司其职，一次调用完成。

这对应了认知科学里的三种记忆类型：情景记忆（发生过什么）、语义记忆（你是谁、你的偏好是什么）、程序性记忆（怎么做事）。人类学骑自行车也是这三层的协作：记得上次摔了（情景），知道重心要放低（语义），身体会自动保持平衡（程序性）。Hermes 处理任务的逻辑与此类似。

关于局限性： 记忆系统目前没有自动过期机制，长期使用后数据库会持续增长，建议定期检查 ~/.hermes/ 目录大小，清理过时的Skill文件。如果早期对话中写入了错误信息，这个错误可能持续影响后续行为，所以定期审查记忆内容和Skill文件是有必要的——就像整理笔记本，偶尔翻一遍，发现不合适的就修正。

部署在哪里，就在哪里陪你

Hermes支持六种运行环境：本地、Docker、SSH、Daytona、Singularity和Modal。Daytona和Modal提供无服务器持久化——Agent空闲时休眠，有任务时唤醒，闲置成本接近于零。你可以把它跑在一台5美元的VPS 上，也可以部署在GPU集群里，不需要一直连着你的笔记本。

消息平台方面支持超过15个，包括Telegram、Discord、Slack、飞书、微信、企微、WhatsApp、Signal、Matrix、电子邮件，以及Home Assistant等智能家居平台。一套网关进程统一管理所有渠道，会话可以在不同平台之间无缝衔接。

模型选择上没有锁定。支持Nous Portal、Anthropic、OpenRouter（200+ 模型）、DeepSeek、阿里云DashScope（Qwen系列）、GitHub Copilot，以及任何OpenAI兼容接口，包括本地的Ollama模型。切换模型只需要一行命令hermes model，不改代码，不重新配置。

值得一提的是，小米MiMo-V2系列目前已完成与Hermes的官方集成，包括支持百万上下文Token的MiMo-V2-Pro、具备全模态理解能力的MiMo-V2-Omni，以及轻量版Flash模型，并提供两周限免试用。

内置工具与辅助模型编排

Hermes内置超过40种工具，覆盖网页搜索、终端命令、文件系统操作、浏览器自动化、图像识别、图片生成、文字转语音、代码执行、子智能体派发、记忆管理、任务规划和定时调度。

浏览器控制方面，Hermes内置Camoufox——一个不会留下自动化工具特征指纹的隐身浏览器，能绕过大多数针对无头浏览器的检测机制。配合Firecrawl做结构化内容提取，可以构建稳定的网页监控和数据抓取管道。

Hermes还有一个辅助模型（Auxiliary Models）机制，专门处理不值得占用主模型的高频侧任务——图像分析、网页提取、技能匹配、记忆整理等，默认优先调用Gemini Flash自动处理，无需手动配置。这让主模型专注于真正需要推理的任务，边角工作切到更便宜的模型完成。

定时自动化与子智能体

Hermes内置cron调度器，支持自然语言设置定时任务——日报、夜间备份、每周审计，设置一次，自动运行，结果投递到你指定的消息平台。

对于需要并行处理的复杂工作流，Hermes支持派发隔离的子智能体，每个子智能体有独立的对话上下文、终端环境和Python RPC脚本调用通道，互不干扰，结果汇总回主进程。

安装与迁移

安装只需要一行命令，支持Linux、macOS、WSL2，以及通过Termux在Android设备上运行（原生 Windows 不支持，需先安装 WSL2）。

安装程序会自动处理Python 3.11、Node.js v22、ripgrep、ffmpeg等所有依赖。

如果你之前使用OpenClaw，一行命令可以完整导入原有设置：

Bashhermes claw migrate

人设文件、记忆、自建技能、API 密钥、消息平台配置，全部自动迁移，五分钟以内完成。

X上已经有人整理好了完整安装教程，难道新一轮的装马服务又要开始？

新的方向

Hermes解决的核心问题只有一个，但这个问题过去没有人真正解决：让Agent不再是用完归零的一次性工具，而是一个能从失败里学到东西、能把经验沉淀成能力、会随着使用时间变得越来越懂你的长期搭档。

这个方向对不对，用几个月就能给出答案。