Hermes Agent 详解

Hermes Agent 是一个和 OpenClaw 定位不同的 AI Agent 框架。它的核心理念是”越用越聪明”——随着使用，它会自动学习和进化。

Hermes Agent 是什么？

一句话解释

Hermes Agent = 会自己学习的 AI 助手

和 OpenClaw 不同，Hermes 的最大特点是自进化——它会从你跟它的对话中学习，逐渐变得更懂你。

名字的由来

Hermes（赫尔墨斯）是希腊神话里的信使之神：

跑得最快，传递消息
聪明伶俐，灵活机智
沟通人神，无所不能

这和 AI Agent 作为”智能信使”的定位很搭。

谁做的？

Nous Research，一家专注于 AI 自进化研究的创业公司。

他们觉得现在的 AI Agent 太”傻”了——每次对话都是独立的，学不到东西。所以他们做了 Hermes，让 AI 真正能从交互中学习。

核心特点

和 OpenClaw 的主要区别

特性	Hermes Agent	OpenClaw
核心理念	越用越聪明	多平台接入
记忆系统	SQLite + 智能检索	Markdown 文件
自进化	✅ AI 自动生成技能	❌ 手动写插件
工具数量	40+ 内置	4 核心 + 插件
多渠道	5 个平台	20+ 平台
MLOps	✅ 支持 RLHF	❌ 不支持

Hermes 的三大杀手锏

1. 持久记忆（比 OpenClaw 更强）

OpenClaw 用 Markdown 文件存记忆，Hermes 用 SQLite 数据库 + FTS5 全文检索。

好处：

检索速度更快（毫秒级）
支持语义搜索（找相关的不只是关键词）
数据规模更大（能存几十万条记忆）

2. 自进化技能（独门绝技）

当 Hermes 帮你解决了一个复杂问题，它会：

分析这个问题是怎么解决的
把解决方法”提炼”成一个技能
下次遇到类似问题，自动调用这个技能

# 例子：你问了个复杂问题
"帮我分析一下这个 Python 代码的性能问题"
 
# Hermes 解决了，然后...
# 自动生成一个技能：
{
    "name": "python_performance_analysis",
    "trigger": "代码性能分析",
    "implementation": "...",
    "confidence": 0.8
}
 
# 下次你再说"帮我看看这段代码慢不慢"
# Hermes 会自动调用这个技能

3. MLOps 能力（适合研究者）

Hermes 可以收集你和它的对话，导出成 RLHF 训练数据。

有什么用？

用这些数据训练你自己的模型
让模型更懂你的偏好
做 AI 研究

技术架构

整体结构

┌─────────────────────────────────────────────────────────┐
│                     用户界面层                            │
│          CLI / Web / Telegram / Discord / Slack         │
└─────────────────────────┬───────────────────────────────┘
                          │
                          ▼
┌─────────────────────────────────────────────────────────┐
│                   Hermes 核心运行时                        │
│                                                         │
│  ┌─────────────────────────────────────────────────┐  │
│  │ 技能引擎 (Skill Engine)                          │  │
│  │ - 问题分析 → 技能生成 → 技能验证 → 技能入库       │  │
│  └─────────────────────────────────────────────────┘  │
│                                                         │
│  ┌─────────────────────────────────────────────────┐  │
│  │ 记忆管理器 (Memory Manager)                      │  │
│  │ - SQLite + FTS5 存储                            │  │
│  │ - 语义检索 / 重要性排序 / 自动压缩               │  │
│  └─────────────────────────────────────────────────┘  │
│                                                         │
│  ┌─────────────────────────────────────────────────┐  │
│  │ MLOps 流水线                                    │  │
│  │ - 轨迹收集 / 奖励计算 / 分布式训练               │  │
│  └─────────────────────────────────────────────────┘  │
└─────────────────────────┬───────────────────────────────┘
                          │
                          ▼
┌─────────────────────────────────────────────────────────┐
│                      数据层                              │
│      SQLite 数据库 │ 向量存储 │ 文件系统 (技能/配置)      │
└─────────────────────────────────────────────────────────┘

记忆系统详解

为什么用 SQLite？

SQLite 的优势：

单文件数据库，不用单独装服务
查询速度快
支持全文搜索（FTS5）
数据可靠（ACID）

对比 OpenClaw 的 Markdown：

维度	Hermes (SQLite)	OpenClaw (Markdown)
检索速度	毫秒级	秒级
检索方式	语义相似度	关键词匹配
数据规模	百万级	万级
精确匹配	支持	困难

FTS5 全文搜索

FTS5 是 SQLite 的全文搜索扩展，让 Hermes 能快速找到相关记忆：

-- 创建全文索引表
CREATE VIRTUAL TABLE memories USING fts5(
    content,
    context,
    importance,
    tokenize='porter unicode61'
);
 
-- 搜索"用户喜欢喝咖啡"
SELECT * FROM memories
WHERE memories MATCH 'coffee OR 咖啡'
ORDER BY bm25(memories)
LIMIT 10;

记忆分类

类型	说明	存储位置
事实记忆	”我叫张三”	长期存储
偏好记忆	”我喜欢喝美式”	长期存储
上下文记忆	当前会话	短期存储
技能记忆	学会的技能	永久存储

技能生成流程

用户提问
    │
    ▼
问题分析
    │
    ├─── 这是什么问题类型？
    ├─── 需要哪些步骤解决？
    └─── 有什么可复用的模式？
    │
    ▼
解决方案执行
    │
    ▼
技能生成（如果问题值得学习）
    │
    ├─── 提取问题模式
    ├─── 泛化解决步骤
    ├─── 定义触发条件
    └─── 验证有效性
    │
    ▼
技能入库
    │
    ▼
下次遇到类似问题
    │
    ▼
自动调用已学到的技能 ⚡

内置工具（40+）

Hermes 开箱即用包含 40+ 个工具，分成这些类别：

信息检索类

工具	功能	例子
`web_search`	搜索网页	搜”今天天气”
`wiki_lookup`	查维基百科	查”什么是 AI”
`code_search`	代码搜索	找某个函数的实现
`academic_search`	学术论文搜索	找相关论文

文件操作类

工具	功能
`file_read`	读文件
`file_write`	写文件
`file_search`	搜索文件
`file_convert`	文件格式转换

代码执行类

工具	功能
`python_exec`	执行 Python 代码
`bash`	执行 shell 命令
`git_operations`	Git 操作
`docker_exec`	Docker 操作

通信类

工具	功能
`send_email`	发邮件
`send_message`	发消息
`calendar`	日历管理
`notifications`	发送通知

数据处理类

工具	功能
`data_analysis`	数据分析
`csv_process`	CSV 处理
`json_transform`	JSON 转换
`sql_query`	SQL 查询

媒体处理类

工具	功能
`image_process`	图片处理
`audio_transcribe`	语音转文字
`video_extract`	视频提取
`ocr`	文字识别

安装和配置

安装 Hermes

# 官方安装脚本（自动安装依赖）
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
 
# 安装完成后配置
hermes setup
 
# 选择 AI 提供商
hermes model
 
# 启动！
hermes

配置文件

编辑 ~/.hermes/config.yaml：

# AI 模型配置
model:
  provider: "anthropic"
  model: "claude-sonnet-4-20250514"
  api_key: "${ANTHROPIC_API_KEY}"
 
# 记忆配置
memory:
  type: "sqlite_fts5"
  db_path: "~/.hermes/memory.db"
  max_items: 10000
 
# 技能配置
skills:
  auto_generate: true      # 自动生成技能
  validation: true         # 验证技能有效性
  confidence_threshold: 0.7  # 置信度阈值
 
# 渠道配置
channels:
  telegram:
    enabled: false
  discord:
    enabled: false
 
# MLOps 配置
mlops:
  trajectory_collection: true  # 收集训练轨迹
  batch_processing: true        # 批量处理
  rlhf_export: true              # 导出 RLHF 数据

Docker 部署

# 拉取镜像
docker pull nousresearch/hermes-agent:latest
 
# 运行
docker run -d \
  --name hermes \
  -p 18792:18792 \
  -v ~/.hermes:/root/.hermes \
  -e ANTHROPIC_API_KEY="${ANTHROPIC_API_KEY}" \
  nousresearch/hermes-agent:latest

常用命令

# 启动 CLI
hermes
 
# 技能管理
hermes skills list          # 列出所有技能
hermes skills show <name>   # 查看技能详情
hermes skills export <name> # 导出技能
 
# 记忆管理
hermes memory search "关键词"   # 搜索记忆
hermes memory list             # 列出记忆
hermes memory delete <id>      # 删除记忆
 
# 定时任务
hermes schedule add "0 8 * * *" --task daily-brief  # 添加定时任务
hermes schedule list           # 列出定时任务
 
# 多 Agent
hermes spawn --count 3 --task research  # 启动多个子 Agent
 
# 更新
hermes update

和 OpenClaw 怎么选？

选 Hermes 如果…

✅ 想让 AI 越用越懂你
✅ 需要强大的记忆和检索
✅ 在做 AI 研究，需要 RLHF 数据
✅ 需要 AI 自动生成技能

选 OpenClaw 如果…

✅ 需要接多个聊天平台
✅ 想要丰富的插件生态（3200+）
✅ 想要稳定的多渠道支持
✅ 社区更大，教程更多

我的建议

新手先用 OpenClaw，因为：

安装更简单
社区更大，遇到问题好找人问
插件生态丰富，装上就能用

有经验了再试 Hermes，因为：

功能更强大
自进化能力独特
适合深度定制

适用场景

Hermes 最擅长的

场景	为什么适合
个人知识助手	记忆强大，越用越懂你
研究伴侣	能自动整理研究资料
代码学习	能记住你学过的代码模式
长期项目	跨会话积累知识

Hermes 不擅长的

场景	为什么不适合
快速多渠道部署	渠道比 OpenClaw 少
需要丰富插件	生态还没 OpenClaw 大
简单客服机器人	有点大材小用

常见问题

Q: Hermes 和 OpenClaw 能一起用吗？

技术上可以，但没必要。它们功能有重叠，同时跑会浪费资源。

建议：选择一个，用熟。

Q: 自进化会把我的数据用于训练吗？

不会。Hermes 的自进化只在你本地发生，数据不会上传到服务器。

MLOps 功能需要你主动导出数据，用不用、怎么用，都是你自己决定。

Q: Hermes 的记忆会无限增长吗？

不会。Hermes 有遗忘机制：

重要性评分：不常用的记忆会降权
自动压缩：当记忆太多，会自动总结压缩
手动清理：你可以随时删除不需要的记忆

# 手动清理记忆
hermes memory prune --before 30d  # 删除30天前的
hermes memory prune --importance low  # 删除低重要性的

Q: 技能生成会把我的对话暴露吗？

不会。技能生成是在本地进行的，没有数据上传。

而且生成的是”模式”而不是原始对话，不会泄露隐私。

下一步

想深入了解？

教程	内容
Hermes_vs_OpenClaw对比	详细对比，帮你选择
OpenClaw完整指南	OpenClaw 完整指南
OpenClaw安装部署	怎么安装 OpenClaw
小龙虾生态	小龙虾生态整体介绍

文档状态：Hermes Agent 详解
更新时间：2026年4月

人工智能知识库

探索

Hermes Agent 详解

Hermes Agent 详解

Hermes Agent 是什么？

一句话解释

名字的由来

谁做的？

核心特点

和 OpenClaw 的主要区别

Hermes 的三大杀手锏

1. 持久记忆（比 OpenClaw 更强）

2. 自进化技能（独门绝技）

3. MLOps 能力（适合研究者）

技术架构

整体结构

记忆系统详解

为什么用 SQLite？

FTS5 全文搜索

记忆分类

技能生成流程

内置工具（40+）

信息检索类

文件操作类

代码执行类

通信类

数据处理类

媒体处理类

安装和配置

安装 Hermes

配置文件

Docker 部署

常用命令

和 OpenClaw 怎么选？

选 Hermes 如果…

选 OpenClaw 如果…

我的建议

适用场景

Hermes 最擅长的

Hermes 不擅长的

常见问题

Q: Hermes 和 OpenClaw 能一起用吗？

Q: 自进化会把我的数据用于训练吗？

Q: Hermes 的记忆会无限增长吗？

Q: 技能生成会把我的对话暴露吗？

下一步

关系图谱

目录

反向链接