摘要
Hermes Agent 是 Nous Research 于 2026 年 2 月 25 日至 26 日开源发布的自主 AI 智能体，采用 MIT 许可证。该框架基于 Python 构建，旨在解决其创造者所称的“AI 失忆症”问题——即大语言模型（LLM）驱动的助手在会话之间会遗忘一切。其核心创新在于闭环学习回路（Closed Learning Loop） ：在每次复杂任务结束后，智能体会自主编写可复用的技能文档（Skill），为会话历史建立跨会话召回索引，并构建持续演进的用户心理模型。项目在发布后四周内 GitHub 星标数突破 1 万，截至 2026 年 3 月下旬已达 17,400+，成为 Nous Research 有史以来采用率最高的开源项目。凭借五周内六个主要版本的快速迭代，它已从初始概念迅速演进为具备多平台生产级能力的智能体运行时。
背景：Nous Research 与 Hermes 模型家族
开发团队
Nous Research 是一家专注于大语言模型后训练（Post-training） 与微调的独立 AI 实验室。其核心产品线为 Hermes 模型系列——基于 Meta 的 Llama 架构进行微调的衍生模型，针对指令遵循（Instruction-Following）、智能体函数调用（Agentic Function-Calling）和复杂推理进行了优化。Hermes Agent 运行时本身是一个独立但互补的项目：它可以在任何 OpenAI 兼容的端点（Endpoint）上运行，而 Hermes 模型家族正是为智能体工作负载（Agentic Workloads）量身打造的。
模型技术栈
Hermes 3（2024 年 8 月） ：基于 Llama 3.1 的三个规模（8B、70B、405B）进行微调，使用约 3.9 亿（390M）tokens 的合成生成响应数据（非人类反馈）进行训练。训练采用两阶段方法：监督微调（SFT，Supervised Fine-Tuning） followed by 直接偏好优化（DPO，Direct Preference Optimization），通过 Flash Attention 2 实现了 96% 的样本打包效率（Sample Packing Efficiency），序列长度为 8,192 tokens。模型采用 ChatML 分隔符（<|im_start|> / <|im_end|>）以兼容 OpenAI API，并在 hermes-function-calling-v1 数据集上训练以提升工具调用（Tool-Calling）的可靠性。其前代 Hermes 2 Pro 已达到 90% 的函数调用准确率，而 Hermes 3 进一步拉大了这一差距。
Hermes 4（2025 年 8 月） ：引入了两项重大创新：
混合推理（Hybrid Reasoning） ：模型可在标准响应和显式的思维链（Chain-of-Thought， enclosed in ... tags）之间切换，思维链长度可扩展至 16,000 tokens。用户可选择快速模式或深思模式——模型会根据选择自适应调整，而非对所有查询默认采用冗长推理。
DataForge：基于有向无环图（DAG，Directed Acyclic Graph） 的合成数据生成管线。DAG 中的每个节点执行结构到结构的转换（Struct-to-Struct Transformation），例如将维基百科文章转换为问答对或说唱歌曲。LLM 评判器（LLM Judge）对输出的连贯性、相关性、复杂度、风格和语调进行评估，迭代直至样本通过质量阈值。规模提升极为显著：Hermes 3 使用 100 万样本、12 亿 tokens；Hermes 4 使用约 500 万样本、600 亿（60B）tokens——样本量提升 5 倍，token 量提升 50 倍。
Hermes 4 技术报告通过实证验证了混合推理的有效性：在 AIME‘24 数学基准测试上，过度冗长推理（Overlong Reasoning）减少了 78.4%，而准确率仅损失 4.7%。在 MATH-500 上，405B 模型在混合模式下达到 96.3% 的准确率，而标准模式为 93.1%。
Hermes 4.3（36B） ：尤为值得关注——它是在 ByteDance Seed 36B 而非 Llama 上进行微调的，打破了“所有 Hermes 模型均基于 Llama 架构”的假设。这标志着 Nous Research 正朝着模型无关（Model-Agnostic） 的后训练方法论迈进。
Atropos：强化学习训练框架
所有 Hermes 模型均通过 Atropos 进行训练，这是 Nous Research 开源的分布式强化学习（RL，Reinforcement Learning）框架。Atropos 并非标准的 RLHF（Reinforcement Learning from Human Feedback）——它是一个Rollout 处理器（Rollout Handler） ，管理可能数千个分布式工作节点（Distributed Workers）之间的异步协调，专门设计用于处理 LLM 输出高度可变的生成时间。在 Hermes 4 训练中，Atropos 驱动拒绝采样（Rejection Sampling） ，通过约 1,000 个任务特定的验证器（Task-Specific Verifiers）筛选高质量的推理轨迹。同一 Atropos 集成也出现在 Agent 运行时中，用于 RL 训练和轨迹捕获（Trajectory Capture）——这构成了从 Agent 使用直接回流到模型训练的完整数据管道。
核心架构
ReAct 循环基础
Hermes Agent 实现了经典的 ReAct（Reasoning + Acting，推理 + 行动） 模式：观察（Observation，读取终端输出、文件内容、工具结果）→ 推理（Reasoning，对照目标分析当前状态）→ 行动（Action，执行命令、调用工具）→ 循环。Agent 的核心循环在 run_agent.py 中作为 AIAgent 类实现，负责处理 Provider 选择、提示词构建、工具执行、重试与回退（Retries and Fallback）、回调（Callbacks）、上下文压缩（Context Compression）以及持久化同步。真正让 Hermes 与众不同的并非循环本身，而是围绕它的五层记忆系统、技能架构和用户建模。
五层记忆系统
Hermes Agent 维护五个截然不同的持久化层，其特性从临时性向永久性依次递进：
短期推理内存（Short-term Inference Memory） ：即当前会话的标准 Transformer 上下文。此层数据在重启后不会保留；它与所有传统聊天机器人所依赖的基线状态一致——即无状态（Stateless） 。
持久化内存文件（Persistent Memory Files） ：MEMORY.md（大小限制约为 2,200 个字符）和 USER.md（大小限制约为 1,375 个字符）是跨会话存续的扁平文件存储。当任一文件写满时，智能体会对条目进行整合（Consolidation） ——合并或丢弃低信号价值的事实，以维持字符限制，而非静默丢弃近期信息。
技能记忆 / 程序性记忆（Skill Memory / Procedural） ：位于 ~/.hermes/skills/ 目录下的持久化 SKILL.md 文件，用于捕获复杂任务的分步解决方案。与检索零散片段的标准 RAG（Retrieval-Augmented Generation，检索增强生成）不同，技能（Skills）能保持对完整工作流的连贯程序性理解。当智能体完成以下任务时会自主创建技能：涉及 5 次以上工具调用的任务；遭遇错误并从中恢复的任务；收到用户修正反馈的任务；或发现了非平凡工作流（Non-Trivial Workflow）的任务。
Honcho 辩证式用户建模（Dialectic User Modeling） ：与 Plastic Labs 的 Honcho 用户建模库集成。Honcho 异步运行：在会话运行和消息记录的过程中，后台推理模型会推导出关于用户心理的结构化结论——例如偏好、沟通风格、领域专业知识、工作模式——而不存储原始对话转录。其核心洞察在于存储结论，而非对话：例如存储“用户偏好 TypeScript”，而不是“用户在消息 #47 中说他们偏好 TypeScript”。Honcho 提供 5 个工具：honcho_profile（读取/更新对等卡片）、honcho_search（语义搜索）、honcho_context（会话上下文）、honcho_reasoning（LLM 合成推理）、honcho_conclude（创建/删除结论）。上下文检索延迟约为 200 毫秒。
FTS5 全文搜索（FTS5 Full-Text Search） ：一个基于 SQLite 的可搜索数据库，涵盖所有历史交互记录，并辅以 LLM 驱动的摘要能力。这使得跨会话回忆（如“我上周二做了什么？”）成为可能——提供了向量检索或扁平文件都无法高效支持的时间维度上下文。
Honcho 双端对等架构（Dual-Peer Architecture）
Honcho 将用户和 AI 智能体视为具有持久状态的对等端点（Peers） 。四个工具在运行时向 Agent 暴露此能力：
用户和智能体的表征均在会话启动时注入系统提示词（System Prompt），使 Hermes 既了解对话对象是谁，也了解自己知道什么。
闭环学习回路
闭环学习回路将所有记忆层串联成一个复合循环：
- Agent 完成任务 → 写入 SKILL.md
- 后续相似任务 → 向量存储检索技能 → Agent 从经过验证的脚手架（Scaffold）起步，而非从零开始
- Honcho 观察用户 → 推导偏好事实 → 后续会话实现预个性化（Pre-personalized）
- FTS5 索引所有交互 → 跨会话时间线召回可用
- 周期性内部提示（Periodic Internal Nudges）促使 Agent 在上下文占满前持久化高价值知识
实战数据（来源于 Nous Research 黑客松）：Skill 辅助任务相比冷启动（Cold-start）执行，Token 消耗降低 30% 至 85%。独立从业者报告：在三份自主生成的技能文档辅助下，类似研究任务完成速度加快40%。
SOUL.md 人格栈（Personality Stack）
Hermes Agent 通过三层人格系统将“它了解你的内容”与“它如何与你对话”分离开来：
- ~/.hermes/SOUL.md：全局人格文件，在每次会话启动时逐字注入系统提示词。控制所有交互中的沟通语调、直接程度和风格——如果某种行为应在所有部署中保持一致，则应放置于此。
- 人格覆盖（Personality Overlays） ：临时会话级模式切换（预设包括“technical”、“creative”和“teacher”）。
- AGENTS.md：按工作目录（Working Directory）限定的项目级约定。
执行基础设施（Execution Infrastructure）
六种终端后端（Six Terminal Backends）
Hermes Agent 通过 BaseEnvironment 接口将 Agent 运行时与执行环境分离，提供六种实现：
配置仅在 ~/.hermes/config.yaml 中修改一行——切换后端时 Agent 代码无需任何更改。
多平台消息网关（Multi-Platform Messaging Gateway）
单一网关进程同时路由所有已连接平台间的交互。截至 v0.6.0，支持的平台包括：Telegram（含 Webhook 模式）、Discord、Slack（多工作区 OAuth）、WhatsApp、Signal、IMAP/SMTP 电子邮件、飞书/Lark 和企业微信。语音备忘录转录和跨平台对话连续性均已包含在内。这实现了一个关键用例：从移动端消息应用与 Agent 对话，同时它在远程云 VM 上执行任务。
模型 Provider 灵活性
Agent 是 Provider 无关（Provider-Agnostic） 的——这是 Nous Research 的明确设计选择。支持的端点包括：Nous Portal（400+ 模型）、OpenRouter（200+ 模型）、任何 OpenAI 兼容 API，以及通过 Ollama、vLLM 或 llama.cpp 进行的本地推理。我用的是Canopy Wave（canopywave.com）支持包括 GLM5.2、DeepSeek-V4-Flash、Kimi在内的前沿开源模型，可以选择适合自己的API。截至 2026 年 3 月，Hugging Face 已被添加为一级推理 Provider，提供按用例组织的 28 个精选模型。v0.6.0 版本增加了有序回退 Provider 链（Ordered Fallback Provider Chains） ：当主 Provider 返回错误或不可达时，Hermes 自动尝试配置的备用方案。
- MCP 集成（双向）
Hermes Agent 中的 MCP（Model Context Protocol，模型上下文协议） 实现是双向的： - MCP Client 模式：启动时连接任何已配置的 MCP 服务器（本地 stdio 或远程 HTTP），自动发现工具，并将其注册为一级原生工具（First-Class Native Tools）。自动重连采用指数退避（Exponential Backoff） （1s → 2s → 4s → 8s → 16s，最多 5 次尝试）。
MCP Server 模式（v0.6.0 新增）：通过 hermes mcp serve 将 Hermes 对话和会话暴露给任何 MCP 兼容客户端——Claude Desktop、Cursor、VS Code。客户端可通过标准协议浏览对话、读取消息、跨会话搜索以及管理附件。
agentskills.io 标准
标准定义
技能（Skills）遵循 agentskills.io 开放标准：一个包含 SKILL.md 文件的目录，文件带有 YAML 前置元数据（Frontmatter）和 Markdown 指令。该标准规定了最少的必填字段（name、description）和不受限制的 Markdown 正文（建议 5,000 tokens 以下）。可选的子目录（scripts/、references/、assets/）支持更复杂的程序性技能，包含辅助脚本和补充文件。
技能实现渐进式披露（Progressive Disclosure） ：元数据首先加载到 Agent 的上下文索引中；完整内容在技能被激活时按需加载。这在保持整个技能库可发现的同时，最小化了 Token 消耗。
跨框架可移植性（Cross-Framework Portability）
技能系统最具有生态意义的方面或许是它的可移植性。截至 2026 年 3 月，超过 11 款工具已采用 agentskills.io 标准：Claude Code、Cursor、GitHub Copilot、Gemini CLI、VS Code、Amp、Goose、Roo Code、Kiro、Codex 和 OpenCode。为 Hermes Agent 编写的技能可直接用于 Claude Code。为 Cursor 编写的技能可直接用于 Hermes Agent。这种跨框架兼容性在智能体生态中极为罕见——大多数技能/插件系统都是框架特定的。
条件激活（Conditional Activation）
技能可基于当前会话中的工具可用性，通过前置元数据字段自动显示或隐藏自身：
- fallback_for_toolsets：当高级工具可用时技能隐藏，仅在不可用时作为免费/本地替代方案显示。
- requires_toolsets：除非特定工具集存在，否则技能隐藏。
这实现了优雅降级（Graceful Degradation） ——Agent 根据当前部署环境中可用的资源，呈现不同的技能选项。
研究与训练基础设施
Hermes Agent 不仅被设计为终端用户工具，更是未来模型训练的数据生成引擎：
批量轨迹生成（Batch Trajectory Generation） ：运行并行工作节点（Parallel Workers）并带有检查点（Checkpointing），以规模化收集 Agent 交互数据。
Atropos RL 集成：用于训练 Hermes 模型的同一 Atropos 框架已嵌入运行时。运行复杂循环和多步 RPC 任务的 Agent 直接从实际使用中生成 RL 训练数据。
- CBench 环境： 长时域（Long-Horizon）Agent 基准测试集成，用于系统性评估。
- ShareGPT 导出：轨迹压缩并导出为 ShareGPT 格式，用于监督微调（SFT）管线。
这形成了一个飞轮（Flywheel） ：Hermes Agent 使用生成训练数据 → Atropos 处理 → 训练出更好的 Hermes 模型 → Hermes Agent 变得更强大。
多智能体与子智能体架构
Hermes Agent 将子智能体委派（Subagent Delegation） 作为原生能力提供支持。子智能体拥有自己独立的对话、终端和 Python RPC 脚本，支持零上下文成本（Zero-Context-Cost）的并行管线。自 v0.5.0 起，子智能体拥有独立的迭代预算（Iteration Budget）——它们不再消耗父智能体的预算，从而防止复杂嵌套工作流中的过早终止。
通过 execute_code 进行的程序化工具调用（Programmatic Tool Calling）将多步管线折叠为单次推理调用：在后台运行 RPC 调用的子智能体直接执行代码，而父智能体仅评估最终输出，极大降低了 LLM 调用开销。
竞争格局
横向逐项对比（Head-to-Head Comparison）
Hermes 的制胜之处（Where Hermes Wins）
Hermes Agent 最显著的差异化优势在于其复合价值主张（Compounding Value Proposition） ——运行时间越长，它对操作员和运行环境的了解就越深入。对于希望智能体在数月内积累上下文信息的单个高杠杆操作员（Single High-Leverage Operator） （而非由团队向多样化最终用户部署智能体的场景），Hermes 的记忆架构在开源替代方案中没有可比的对手。
一个常被引用的基准测试具有架构层面的标志性意义：同一个底层模型（Opus 4.5）仅因智能体脚手架（Agent Scaffolding） 不同，就在 SWE-bench 上产生了 17 道题的得分差距。架构比模型选型更重要——这验证了 Hermes 在记忆与技能系统上的投入，而非仅仅提供裸模型访问。
Hermes 的不足之处（Where Hermes Falls Short）
多智能体编排（Multi-agent Orchestration） ：Hermes 本质上是带有子智能体委派的单智能体框架。它缺乏 CrewAI 的基于角色的团队结构，也缺乏 LangGraph 的状态机控制。对于需要具有明确定制化的协调智能体团队（Coordinated Agent Crews）的用例，Hermes 并非合适之选。
企业就绪度（Enterprise Readiness） ：截至 2026 年 3 月，无企业版、商业 SLA、访问控制。CrewAI 拥有 $1800 万融资和企业合同；LangGraph 拥有 LangSmith 可观测性和生产级检查点（Production-Grade Checkpointing）。
设置复杂度（Setup Complexity） ：需要 Python 运行时、独立的模型服务器（Ollama 或 vLLM 用于本地推理）、配置文件管理以及跨多个 Provider 的 API Key 管理。单二进制（Single-Binary）替代方案完全消除了此类摩擦。
文档缺口（Documentation Gaps） ：社区反馈一致指出，文档相对于框架的复杂度和快速发布节奏而言较为薄弱。
批判性分析： skeptics 的观点
并非所有对 Hermes Agent 的评估都是无条件正面的。一份详细的技术审查提出了实质性质疑：
技能作为结构化提示注入（Skills as Structured Prompt Injection） ：审查者认为，Hermes 所宣传的“技能创建”本质上是对 Markdown 文件的CRUD 操作（Create, Read, Update, Delete） ，在运行时注入上下文。这是 “带有 CRUD 层的结构化提示注入，而非原生能力” 。渐进式披露设计被称赞为真正的优秀工程实践；营销框架则被认为是过度延伸。
记忆作为结构化笔记（Memory as Structured Note-Taking） ：带边界限制的 MEMORY.md 和 USER.md 文件实现了与 Claude Code、OpenCode 及大多数带配置文件的工具相同的模式。实现本身工程扎实（原子写入、文件锁、注入扫描、字符预算），但称其“伴你成长”被描述为对持久化结构化笔记的营销延伸。
Llama 微调依赖：截至该审查发布时，每一款 Hermes 模型都是 Llama 微调版。与 Hermes 4 交互的感觉与 Llama 3.1 405B 无异——因为它本质上就是，只不过在其之上进行了针对性指令调优（Purpose-Built Instruction Tuning）。模型无关的 Agent 运行时部分缓解了这一问题，但发现 Llama 推理风格受限的开发者将在任何 Hermes 模型中体验到这一点。
Honcho 未经证实的宣称：Honcho 的辩证式用户建模在架构上具有新颖性，但无已发表的 A/B 测试或基准对比启用与停用 Honcho 时 Agent 的任务表现。理论上的心智模型（Theory-of-Mind）用户画像在 100 次会话标记处提升任务完成率的说法，仍然是一个开放的实证问题。
无遗忘机制（No Forgetting Mechanism） ：Agent 无限累积记忆。没有衰减（Decay）、剪枝（Pruning）或陈旧性检测（Staleness Detection）。为旧工作流模式编写的技能可能与当前惯例冲突；Honcho 推导的用户事实可能过时。创造复合价值主张的记忆累积方式，同时也制造了复合一致性问题。
实用用例
基于实践者报告和社区文档，Hermes Agent 在以下场景中回报最为显著：
重复性开发工作流：每日 GitHub Issue 分类、自动摘要发布至 Slack、每周 Changelog 生成。FTS5 会话召回与技能复用的结合意味着 Agent 会跨会话改进自身的分类逻辑。
持久化编码助手：与关闭编辑器即丢失上下文的 IDE 嵌入式 Copilot 不同，Hermes 作为后台进程运行，在整个开发生命周期中维护项目上下文。
研究与分析管线：带有并行工作节点的批量轨迹生成（Batch Trajectory Generation）使得大规模研究任务能够在可控成本下进行，尤其在空闲时间几乎零成本的无服务器后端上。
自动化运维：Cron 定时任务（备份、每周审计、报告生成）投递至任何已连接的消息平台。自然语言调度（“每周一上午 9 点，总结上周的提交”）配合投递至 Telegram、Slack 或电子邮件。
模型训练数据生成：从事 LLM 开发的团队可以以轨迹捕获模式运行 Hermes，从真实运维任务中生成高质量训练数据，直接输入 Atropos RL 管线。
开放问题与未来轨迹
若干未决问题将决定 Hermes Agent 的长期发展轨迹：
agentskills.io 能否成为通用标准？ 十一款工具采用同一技能格式令人瞩目。但标准化在压力下历来会碎片化——当供应商需要标准不支持的 features（认证、版本管理、依赖管理）时。SKILL.md 格式的有意极简主义（Deliberate Minimalism）使采用变得容易，但使演进变得困难。
技能库能否在大规模下保持连贯？ 技能无限累积。旧技能可能过时；冲突的技能（一个说“使用 yarn”，另一个基于用户偏好变更说“使用 pnpm”）会产生一致性问题。agentskills.io 标准对技能生命周期管理或冲突解决未作任何规定。
Honcho 用户建模能否在实际上改善结果？ 理论论证令人信服；实证证据尚付阙如。在有/无 Honcho 的情况下，在 30/60/90 天使用标记处对任务完成率的独立评估，要么会验证该架构，要么会揭示其为一个精心构建的用户面向叙事。
DataForge 的合成数据赌注：Hermes 4 使用的训练 tokens 是 Hermes 3 的 150 倍，全部为合成生成。LLM 评判器提供了质量过滤，但合成数据可能放大种子数据中的偏差。600 亿 tokens 的 DataForge 生成数据是否比 3.9 亿 tokens 的精心策划数据能训练出真正更好的 Agent，尚未完全解决——Hermes 4 的基准测试令人鼓舞，但基础模型也同时发生了变化。
企业采用路径：Hermes Agent 的当前架构针对单个高杠杆操作员进行了优化，而非具备访问控制、审计追踪、合规要求及团队级 Agent 管理的企业部署。Nous Research 是会朝着这些能力方向构建——还是将这一空间让给资金充足的竞争对手——将决定 Hermes 是保持为高级用户工具，还是成为企业平台。
结论
Hermes Agent 是 2026 年发布的开源 Agent 框架中架构最具雄心者。其闭环学习——五层记忆、自主技能创建、辩证式用户建模和 FTS5 会话搜索——代表了一个真正的架构押注：持久化、复合增长的上下文将比无状态算力更具价值。快速的发布节奏（五周六个主要版本）和社区采纳（17,400+ Stars）验证了这一设计方向的真实需求。
客观评估是：Hermes 处于 pre-1.0 的高潜力架构论证阶段。“伴你成长”的定位部分已实现（Skills 确实降低 Token 开销；会话搜索提供真实的跨会话召回），部分尚属愿景（Honcho 的用户建模缺乏实证验证；技能累积无剪枝机制）。对于运行数月而非数天的开发者和团队，复合优势在架构层面是真实的。对于需要经过实战检验的可靠性、企业级访问控制或原生多智能体编排的组织，该框架尚未就绪。其发展轨迹——考虑到 Nous Research 的模型训练专长以及连接 Agent 使用与模型改进的 Atropos 飞轮——指向一个不仅跨会话、而且跨模型代际持续可测优化的系统。
