一行命令部署自我进化 AI Agent：Hermes Agent 完整入门指南

Hermes Agent 是由 Nous Research 打造的开源自主 AI Agent，支持一行命令安装，可在 Linux、macOS、WSL2 和 Termux 上直接运行。 与依赖框架的 Agent 方案不同，Hermes Agent 内置自学习循环，能自主创建技能、优化自身行为，并通过 Telegram、Discord、Slack 等 6 大平台网关统一接入。截至 2026 年 4 月，该项目在 GitHub 上已获得 52,800 Stars，最新版本为 v0.8.0（2026 年 4 月 8 日发布）。

Hermes Agent 是什么？核心定位与技术背景

Hermes Agent（项目标志 ☤）是 Nous Research 旗下的自主 AI Agent 应用层，与 Hermes 系列大模型配套但不强绑定。 它的设计目标是"可独立部署的 Agent"，而非某个 Agent 框架的插件。

Nous Research 是美国开源 AI 运动的重要参与机构，其旗舰模型 Hermes 3（基于 Llama-3.1 70B 微调，技术报告 arxiv:2408.11857）专门针对函数调用和结构化输出进行了优化。Hermes Agent 正是在此基础上构建的应用层，继承了模型的工具调用能力。

Hermes Agent 的三个核心差异点：

系统要求

在安装前确认以下环境满足要求：

• 操作系统：Linux（主流发行版）、macOS、Windows WSL2、Android Termux
• Python：3.10+
• 内存：建议 4GB+（本地运行 Hermes 模型需 16GB+）
• 网络：需访问 GitHub 及选定的 LLM 提供商 API

安装 Hermes Agent：一行命令完成

标准安装（推荐）

# 一行命令完整安装
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
# 安装完成后加载环境变量并启动
source ~/.bashrc && hermes

安装脚本自动完成：Python 依赖安装、路径配置、初始化向导触发。

验证安装

hermes --version
# 预期输出：hermes v0.8.0 (v2026.4.8)

手动安装（网络受限环境）

git clone https://github.com/NousResearch/hermes-agent.git
cd hermes-agent
pip install -r requirements.txt
python -m hermes

配置 Hermes Agent：逐步完成

安装后首次运行会进入交互式配置向导，也可通过以下子命令单独配置各模块：

Step 1：运行完整配置向导

hermes setup

hermes setup 会依次引导完成 LLM 提供商选择、工具启用和网关配置。

Step 2：选择 LLM 模型

hermes model

Hermes Agent 支持以下 LLM 提供商，无需修改代码即可切换：

提示：如需在国内网络环境接入多个模型并统一管理 API Key，可通过兼容 OpenAI 标准接口的中间层服务（如七牛云 MCP 服务）实现模型路由，无需本地部署即可构建 Agent 应用。

Step 3：配置工具

hermes tools

启用/禁用内置工具模块，包括：文件操作、Shell 执行、网络请求、浏览器控制等。

Step 4：配置消息网关（可选）

hermes gateway setup

支持将 Hermes Agent 接入以下平台，实现跨平台统一调用：

• Telegram
• Discord
• Slack
• WhatsApp
• Signal
• CLI（本地命令行）

Step 5：单项配置修改

# 修改单个配置项
hermes config set <key> <value>
# 查看当前配置
hermes config list

六种执行后端配置

Hermes Agent 支持在不同计算环境中执行任务，通过 hermes setup 或配置文件指定：

自动化任务：内置 Cron 调度器

Hermes Agent 内置调度器，支持用自然语言定义定时任务：

# 示例：每天早 8 点总结昨日邮件
hermes schedule "每天早上 8 点，汇总我的邮件并发送到 Telegram"
# 查看已配置的任务
hermes schedule list
# 删除任务
hermes schedule remove <task-id>

Hermes Function Calling：函数调用子框架

对于需要在代码中直接集成 Hermes 函数调用能力的开发者，Nous Research 提供了独立的函数调用框架 hermes-function-calling（1,300 ★）。

安装

git clone https://github.com/NousResearch/hermes-function-calling.git
cd hermes-function-calling
pip install -r requirements.txt

基本使用：定义工具函数

# functions.py 中添加自定义工具
def get_weather(location: str, unit: str = "celsius") -> dict:
    """获取指定城市的天气信息"""
    # 实现逻辑
    return {"location": location, "temperature": 22, "unit": unit}

调用示例（ChatML 格式）

# 模型默认：NousResearch/Hermes-2-Pro-Llama-3-8B
# 支持 4-bit 量化（bitsandbytes）
from hermes_function_calling import HermesAgent
agent = HermesAgent(
    model_path="NousResearch/Hermes-2-Pro-Llama-3-8B",
    chat_template="chatml",
    max_depth=5  # 最大递归调用深度
)
response = agent.run("北京今天天气怎么样？")

Hermes 3 模型本地部署（进阶）

如需在本地运行 Hermes 3 模型（而非调用外部 API），以下为主要方式：

方式一：HuggingFace Transformers

from transformers import AutoTokenizer, LlamaForCausalLM
import torch
tokenizer = AutoTokenizer.from_pretrained(
    'NousResearch/Hermes-3-Llama-3.1-70B',
    trust_remote_code=True
)
model = LlamaForCausalLM.from_pretrained(
    "NousResearch/Hermes-3-Llama-3.1-70B",
    torch_dtype=torch.float16,
    device_map="auto",
    load_in_4bit=True,
    use_flash_attention_2=True
)

方式二：vLLM 高性能推理服务

pip install vllm
vllm serve NousResearch/Hermes-3-Llama-3.1-70B \
  --tensor-parallel-size 4 \
  --max-model-len 8192

方式三：GGUF 量化版本（低显存设备）

# 通过 llama.cpp 运行量化版
# 下载：NousResearch/Hermes-3-Llama-3.1-70B-GGUF
./llama-cli -m Hermes-3-Llama-3.1-70B.Q4_K_M.gguf \
  --chat-template chatml \
  -c 4096

可用量化版本：

• NousResearch/Hermes-3-Llama-3.1-70B-GGUF（llama.cpp 适用）
• NousResearch/Hermes-3-Llama-3.1-70B-FP8（高性能 GPU 适用）

从 OpenClaw 迁移到 Hermes Agent

Hermes Agent 原生支持从 OpenClaw 自动迁移，执行以下命令：

hermes migrate --from openclaw

迁移内容包括：

• SOUL.md（Agent 身份配置）
• 记忆（Memory）
• 已安装的技能（Skills）
• API Key 配置

Hermes Agent vs 同类 Agent 框架对比

说明：如果你主要在国内环境使用，且希望省去手动配置开发环境的步骤，OpenClaw 提供了预装开发工具的云控制台镜像，一键部署即可直接使用。

常见问题

Q：Hermes Agent 安装后找不到 hermes 命令怎么办？

安装脚本会将可执行文件路径写入 ~/.bashrc。执行 source ~/.bashrc 重新加载环境变量，或关闭终端重新打开。如果仍然找不到，检查 ~/.local/bin 是否在 PATH 中：echo $PATH | grep local。

Q：Hermes Agent 必须使用 Hermes 系列模型吗？

不必须。Hermes Agent 支持通过 OpenRouter 接入 200+ 模型，包括 Claude、GPT-4o、Gemini 等。只有 hermes-function-calling 子框架在使用函数调用时对 Hermes 模型有优化，其他功能与模型无关。

Q：在 $5/月 VPS 上能正常运行吗？

可以运行 Hermes Agent 应用层（不含本地模型推理）。通过配置 Daytona 后端 + 外部 LLM API，Agent 的内存占用很低，可在 1 核 1GB 内存的 VPS 上稳定运行。本地推理 Hermes-3-70B 需要 48GB 显存，不适合 VPS。

Q：如何让 Hermes Agent 在 Telegram 上响应消息？

执行 hermes gateway setup，选择 Telegram，输入通过 @BotFather 创建的 Bot Token 即可。配置完成后 hermes start，Agent 将在后台监听 Telegram 消息。

Q：hermes-function-calling 和 Hermes Agent 的关系是什么？

两者是独立项目。hermes-function-calling（1,300 ★）是专为 Hermes 模型优化的函数调用 SDK，适合开发者在代码中集成工具调用能力；Hermes Agent（52,800 ★）是面向最终用户的完整 Agent 应用，内部集成了函数调用能力，无需单独使用 SDK。

总结

Hermes Agent 是目前 GitHub 上 Stars 增速最快的开源 Agent 项目之一，其核心优势在于一行安装、模型无关、自我进化三点结合。 v0.8.0 版本（2026 年 4 月 8 日）进一步完善了多平台网关和 Atropos RL 训练数据集成，标志着该项目从"可用"迈向"生产就绪"。

根据 Nous Research 官网披露，Hermes 4 已在最新基础设施（hermes4.nousresearch.com）上运行，对应 Agent 版本更新预计随后发布。

本文数据来源于 NousResearch/hermes-agent 官方仓库及 Nous Research 官网，信息时效截至 2026 年 4 月，建议访问 GitHub 仓库获取最新版本说明。

原文地址：https://app.qiip.cc/9115.html

延伸资源

• 官方仓库：github.com/NousResearch/hermes-agent
• 函数调用框架：github.com/NousResearch/hermes-function-calling
• Hermes 3 技术报告：arxiv.org/abs/2408.11857
• 模型下载：huggingface.co/NousResearch