Hermes Agent

MIT 开源 AI Agent，140K+ GitHub Stars，New Research 出品——以”自我进化”为核心理念，通过记忆 / 技能 / 灵魂 / Cron / 自我改进闭环五支柱，让 Agent 随使用越来越懂你。

简介

Hermes Agent 是由 New Research 开发的开源 AI Agent 项目，采用 MIT 许可证，截至 2026 年 6 月已获 140,000+ GitHub Stars，是 GitHub 上增速最快的开源项目之一。它的核心设计哲学是自我进化：Agent 不是静态工具，而是一个随使用不断改进的”数字队友”。

与 Claude Code（深度编码主力）、OpenClaw（工作流编排）不同，Hermes 的差异化在于移动端操控 + 定时自动化：通过 Telegram 等聊天平台，用户可以在走路、通勤时调度 Agent 执行 Cron 任务、回复评论、查信息，而 Cron 机制是 Claude Code Routines 在 Max 计划每天 15 次限制之外的无限制替代方案。

Hermes 还支持通过 OpenAI Codex OAuth 直接使用 ChatGPT 订阅额度（$20/$100/$200 月费），无需额外 API Key，是目前最经济的 Agent 推理方案之一（与开源本地模型并列）。

关键信息

• 类型：开源 AI Agent 框架
• 领域：个人 AI 助手 / 自动化 / Agent 平台
• 官方网站：hermesagent.com（文档 + Skills Hub）
• GitHub：github.com/newresearch/hermes（140K+ Stars）
• 定价/开源状态：MIT 开源免费，推理费用取决于选择的 LLM 提供商
• 相关概念：OpenClaw（竞品，350K+ Stars）、Claude Code（互补）、Codex（推理提供商之一）、Skill（核心扩展机制）

核心特性

五支柱架构

1. Memory（记忆）：两个核心文件 user.md（用户身份、偏好、风格）和 memory.md（项目环境、业务上下文），每次会话启动时自动加载。Agent 会在使用中自动提取信息并更新这些文件，但用户应主动要求”把这个记到 memory”以加速积累。会话搜索功能支持对历史 session 做 SQL 全文检索。

2. Skills（技能）：skill.md 文件 + YAML front matter（描述触发条件），采用渐进式披露机制——Agent 先读 front matter 判断是否需要该 Skill，需要时才加载全文，避免上下文窗口浪费。内置 91 个 Skill，社区共 684+ 个。Skills Hub 可一键安装，也支持从 Claude Code/Codex 项目迁移。Agent 会分析对话模式自动创建 Skill，用户纠正后自动更新。

3. Soul（灵魂）：soul.md 文件塑造 Agent 人格——语气（简洁/幽默/专业）、互动风格、对用户的称呼。同一用户可维护多个 Agent 各有不同的 Soul（如 YouTube 评论回复用”讽刺但不粗鲁”风格）。Soul 也会随反馈自动进化。

4. Cron（定时任务）：用自然语言描述（“每天早上 6 点做 X”），Agent 自动创建 Cron job。每次触发时启动独立隔离 session（不继承当前对话上下文），执行完毕后结果回传原始聊天 + 更新本地文件。支持一次性任务、循环任务、限时任务（“接下来 12 小时每 10 分钟检查一次”）。安全限制：Cron session 不能递归创建新 Cron。实测案例：daily AI news briefing、YouTube 评论监控、server security sweeps、nightly GitHub sync。

5. Self-Improving Loop（自我改进闭环）：工作 → Agent 学习 → 保存记忆/创建技能 → Agent 搜索历史 session → 下次做得更好。关键前提：用户必须主动纠正错误、要求保存关键信息、允许 Agent 在复杂工作后创建 Skill。“自动不等于魔法”是作者反复强调的原则。

部署与运维

• 推荐部署：VPS（Hostinger 有一键 Hermes 部署模板）+ Docker 容器隔离
• 推理提供商：OpenAI Codex OAuth（用 ChatGPT 订阅额度）、Anthropic Claude、OpenRouter、本地开源模型（Llama、Ornith 1.0 等）
• 本地模型接入：可通过 vLLM 暴露 OpenAI 兼容服务，再在 hermes model setup 中选择 custom provider 与对应模型名
• 消息平台：Telegram、Discord、Slack、WhatsApp、iMessage
• 版本控制：nightly Cron 自动 push 到 private GitHub repo，作为灾备恢复方案
• 安全实践：API Key 通过 hermes config set 注入 .env，不经过聊天窗口；每个 Agent 使用独立账号和独立 Key；VPS 设置防火墙 + 定期安全审计 Cron

多 Agent 扩展

决策树：需要不同权限/密钥？→ 新 Agent。需要独立长期记忆？→ 新 Agent。持续重复工作？→ 新 Agent。否则留在主 Agent。推荐按职能垂直拆分（marketing / finance / ops），各自 Docker 容器隔离，互不共享 Key。用 Claude Code 项目统一管理所有 Agent 的 VPS 信息、密码和架构文档。

不同素材中的观点

关于 Hermes vs Claude Code 的定位差异

来源：2026-06-03-hermes-agent-setup-guide

作者将 Claude Code 定位为”桌前深度编码主力”（90% 知识工作），Hermes 定位为”移动办公 + 定时自动化助手”——两者是互补而非替代关系。Claude Code 是驾驶舱，Telegram 是遥控器；Hermes 在 Telegram 中可见性更低（context window compaction 不透明、slash 命令不全），不适合高风险 vibe coding，但非常适合 Cron 调度和移动场景下的快速任务。

关于 Hermes vs OpenClaw 的选择理由

来源：2026-06-03-hermes-agent-setup-guide

OpenClaw 更新频繁但经常因 breaking changes 导致崩溃（作者实际经历），Hermes 更轻量、更稳定。OpenClaw 团队更大（350K+ Stars，Nvidia 基于它构建 Nemo Claw），但 Hermes 专注自我进化理念，对使用开源模型 + Claude 的用户更友好。两者可同时使用。

关于 Cron 作为核心差异化能力

来源：2026-06-03-hermes-agent-setup-guide

Cron 是 Hermes 相比 Claude Code 的最大卖点。Claude Code Routines 在 Max 计划限制每天 15 次，Hermes 无此限制。实测中作者运行了 YouTube 评论监控（每 10 分钟检查，持续 12 小时）、daily AI news briefing、nightly GitHub sync、server security sweeps 等多个 Cron 任务。Cron session 隔离执行不影响主对话。

关于配置管理

来源：2026-06-17-cc-switch-7-cli-console Hermes Agent 是 CC Switch 管理的七个 AI 编程 CLI 之一。CC Switch 支持统一管理 Hermes 的供应商配置、MCP 服务器和 Skills，并与其他 CLI 进行跨工具同步。

关于接入 Ornith 本地模型

来源：2026-07-08-vocus-hermes-ornith-local-llm-agent 这篇素材把 Hermes 从”移动端操控 + Cron 自动化助手”进一步扩展为本地 Agent 运行时：用 vLLM 将 Ornith 1.0 35B MoE 部署成 OpenAI 兼容服务后，Hermes 只需在 hermes model setup 中把 provider 设为 custom、模型名设为 Ornith-1.0-35B。作者实测 TTFT 约 0.15 秒、平均约 25 token/s，并能让 Hermes 自动写出浏览器踩地雷小游戏、启动 web server、调用 browser 工具检查和修改，说明本地模型后端已经能支撑项目型代码开发和工具调用。

关于 Hermes + Coze 混合架构（企业运营总助 MVP）

来源：2026-07-16-woshipm-ai-landing-methodology-finance-to-pm 作者 Enjoy 用 Hermes + Coze 的混合架构搭了一个企业运营总助 V0 MVP：Hermes 做主控和数据操作层，Coze 做内容生成层，两层分工而非混合。这次实践验证了 AI落地三大逻辑 中逻辑二”数据治理比调参重要”——卡住 MVP 的从来不是模型选型，而是商品字段口径、图片规范、上下架状态机这些看起来最不 AI 的东西。Hermes 在主控层的价值是调度多个后端（包括 Coze）并操作数据，而非单一对话代理。该实践处于 MVP 阶段，最大收获是亲手复现了方法论的有效性。

实用信息

• 快速上手步骤：

  1. 在 Hostinger 购买 VPS（KVM 2 起步，约 $100/年），选 Ubuntu 24.04 LTS
  2. Docker Manager → One-click Deploy → 搜索 Hermes Agent → 设置 admin 账密 → Deploy
  3. 选择推理提供商（推荐 OpenAI Codex OAuth 用 ChatGPT 订阅额度）→ 选模型 → 连接 Telegram
  4. 告诉 Hermes 创建 private GitHub repo → 用 hermes config set 安全注入 token → 设置 nightly sync Cron
  5. 如需本地模型后端，可先用 vLLM 启动 Ornith-1.0-35B OpenAI 兼容服务，再执行 hermes model setup：provider 选 custom、模型名填 Ornith-1.0-35B

• 常用命令：

  • hermes config set <KEY> <VALUE> — 安全注入环境变量到 .env
  • hermes model setup — 配置模型供应商；本文本地 Ornith 场景中 provider 为 custom、model 为 Ornith-1.0-35B
  • docker exec -it <container> bash — 进入 Docker 容器终端
  • BotFather /newbot — 创建新 Telegram bot

• 注意事项/避坑指南：

  • API Key 绝不直接粘贴到聊天窗口（会进入会话历史），必须用 hermes config set 注入
  • Fine-grained GitHub token 权限不够创建 repo，必须用 Classic token + repo scope
  • Docker 容器的 .env 在宿主机 /opt/data/.env，不在根目录
  • Cron session 不继承当前对话上下文，prompt 需要自包含
  • Context window 136K+ tokens 触发 compaction，长对话后建议主动要求 Agent 读 memory/soul 确认状态

相关页面

• OpenClaw
• Claude Code
• Codex
• Skill
• CC Switch
• Ornith 1.0
• vLLM
• Supermemory
• MCP 模型上下文协议
• AI编程开发