Hermes Agent：个人 AI 操作系统

目前大多数 AI Agent 框架主要作为构建在大型语言模型之上的应用程序运行。它们能够进行推理、调用工具，并在会话中维持上下文，但普遍缺乏稳健的原生机制来实现长期结构化持久化、工作负载隔离、自主扩展自身能力，以及在较长时间内跨多个组件进行可靠协调。

由 Nous Research 开发的 Hermes Agent 实现了多项架构特性，使其与许多其他 Agent 框架区别开来。这些特性包括：跨会话的持久记忆支持、通过配置文件运行多个隔离执行上下文的能力、基于看板的结构化任务编排系统、允许 Agent 根据自身活动创建和存储可重用流程的机制，以及将 Agent 连接到 27 多个通讯平台的消息网关。

本文从 个人 AI 操作系统 的角度审视 Hermes。目标是基于公开文档和可观察的行为，对其核心架构层、这些层次在实际中的交互方式，以及截至 2026 年 6 月该系统能够实际提供什么，进行详细而诚实的分析。

1. Hermes 的核心层次

为了更好地理解 Hermes 的结构，将其组件映射到传统操作系统的概念是有帮助的。

1.1 记忆架构

Hermes 维护多个不同的记忆层，而不是试图将所有相关信息都塞进一个上下文窗口。主要类型包括：

• 会话记忆：在特定任务或对话期间活跃的上下文。这种类型的记忆通常是短期的，并绑定到当前会话。
• 长期记忆：对事实、见解、用户偏好和累积知识进行持久化存储，这些信息跨会话和系统重启而存在。由可配置限制进行上限设置，以防止无限制增长：

1memory:
2  memory_enabled: true
3  user_profile_enabled: true
4  memory_char_limit: 2200    # ~800 个 token
5  user_char_limit: 1375      # ~500 个 token

• 技能记忆：存储结构化、可重用的流程（技能），这些技能是 Agent 根据过去成功的工作创建或优化的。存储为 ~/.hermes/skills/ 下的纯 markdown 文件。
• 会话召回：使用 FTS5 全文搜索结合 LLM 摘要，搜索整个对话历史。查询任何过去的会话：

提醒我上个月我们讨论过的每一个商业想法。 我们在 3 周前做的竞争对手分析是什么？

多层次的记忆方法是 Hermes 能够更像一个持久系统而不是典型对话式 Agent 的基础要素之一。

外部记忆提供者：

对于需要超越内置记忆的更深层智能的用例，Hermes 支持 8 个外部记忆提供者插件：

• Mem0 — 知识图谱 + 语义检索。每轮仅加载相关条目。与天真地全量注入相比，可减少 72% 的 token。
• Honcho — 双端辩证记忆。构建独立的 USER + AI 观察结果。可自托管以用于 PII 敏感环境。
• Hindsight, Holographic, RetainDB, ByteRover, Supermemory, OpenViking — 其他具有不同架构的提供者。

1hermes memory setup
2# 交互式选择器，选择提供者
3hermes memory status
4# 验证激活了哪个

1.2 配置文件作为隔离执行环境

Hermes 中的配置文件允许用户在同一台机器上创建并运行多个独立的 Agent 实例。每个配置文件维护自己的：

• 配置和模型选择
• 记忆存储（包括会话和长期）
• 已安装的技能集
• 网关连接和关联的凭证
• 会话历史
• Telegram 机器人令牌
• Cron 任务
• 状态数据库

1hermes profile create researcher
2hermes profile create ops
3hermes profile create content-lead

每个配置文件都变成一个独立的命令：

1researcher setup    # 配置模型和 API 密钥
2researcher chat     # 开始一个会话
3researcher gateway start   # 连接到 Telegram

示例配置文件配置：

1researcher:
2→ soul.md: 仅限深度研究。事实和数字。
3→ model: gpt-5.5 (更便宜，高容量)
4→ tools: web 搜索, firecrawl, browser-use
5
6ops:
7→ soul.md: 管理任务。日历，邮件分类。
8   发送任何内容前需请求批准。
9→ model: gpt-5.5 (日常任务)
10→ tools: 电子邮件, 日历, notion
11
12content-lead:
13→ soul.md: 制作内容。匹配我的语气。
14→ model: claude-sonnet-4 (强写作能力)
15→ tools: X 搜索, web 搜索, 分析

配置文件分发：

配置文件可以通过 git 共享。一个可用的研究 Agent 可以分发给任何人：

1cd ~/.hermes/profiles/researcher
2git init && git add . && git commit -m "initial"
3git push origin main

任何人都可以安装它：

1hermes profile install github.com/you/researcher

他们填写自己的 API 密钥。技能、soul.md 和工作流会转移。记忆和会话则保留在每台机器上。

配置文件隔离对于许多真实场景是功能性的且有用。然而，不应将其理解为提供与传统操作系统中进程隔离相同的安全性或健壮性保证。

1.3 看板作为编排和状态管理

看板系统是 Hermes 中主要的协调和状态管理层。它负责几个重要功能：

• 创建和跟踪任务
• 管理任务之间的依赖关系
• 处理状态转换
• 当一个任务或配置文件将工作移交给另一个时，促进上下文转移
• 记录每个任务尝试的执行历史和结果

状态： Triage → To-Do → Ready → Running → Blocked → Done → Archived

调度器每 60 秒运行一次，自动将任务分配给可用的工作者，跟踪心跳，检测僵尸进程，并管理重试预算。

1hermes kanban list    # 查看项目
2hermes kanban swarm   # 生成完整的多 Agent 系统：
3                      # 根编排器 + 并行工作者
4                      # + 带门控的验证器 + 带门控的综合器
5                      # + 共享黑板

早晨工作流示例：

1/goal 目标是我今天的待办事项列表：
2
31. 研究 X 上流行的人工智能主题
42. 根据发现草拟 2 篇帖子
53. 查看收件箱并标记紧急邮件
64. 提取过去 24 小时的竞争对手帖子
75. 更新 Notion 中的内容日历
8
9将每个任务添加到看板 triage。
10尽可能分配给子 Agent。
11所有任务完成后在 Telegram 上给我发送摘要。

一个特别重要的特性是“Blocked”状态。当任务进入此状态时，执行会暂停，直到人类提供输入或解除阻塞。这种设计使人类监督成为工作流中结构化且原生的部分，而不是外部或临时的干预。

通过将任务视为具有保留上下文和历史的一等对象，看板层有助于减少在多 Agent 或多步骤工作流中交接时常见的信息丢失。

1.4 Cron 任务 — 调度器

Cron 任务是基于时间的自主任务，用纯英语编写。不需要 crontab 语法。

这一层将 Hermes 从一个反应式工具转变为一个主动系统。有用的信息在你询问之前就能送到。

生产环境 cron 任务示例：

1每天早上 8 点：
2给我发一个值得在 X 上回应的 AI 故事。
3
4每 3 小时：
5扫描 X 上我领域中值得引用推文的新帖子。
6
7每天晚上 9 点：
8检查竞争对手今天是否发布了任何异常内容。
9
10每周一上午 9 点：
11审计我的内容项目。标记那些停滞超过 7 天的想法。
12
13每周五下午 6 点：
14总结本周发布了什么内容，
15哪些表现好，哪些不好，以及原因。

Cron 任务可以针对特定的 Telegram 话题、特定的配置文件和特定的交付平台（Telegram、Discord、Slack、电子邮件）。

Web 仪表盘提供了完整的 cron 管理 UI：创建、编辑、暂停、恢复、手动触发、查看上次运行时间和下次运行时间。

用操作系统的术语来说，cron 任务是调度器守护进程。它们确保系统在没有人类启动的情况下按可预测的节奏工作。

1.5 /goal — 持久目标 (Ralph 循环)

普通的提示要求 Hermes 给出一个回复。/goal 则给 Hermes 一个要努力实现的目标，需要跨多轮执行，直到一个判断模型确定目标达成。

架构：

• Agent 朝目标执行一轮
• 判断模型评估：完成还是继续？
• 如果继续：Agent 运行另一轮
• 如果完成：目标结束，交付结果
• 默认 max_turns：20。可按任务类型配置。
• /goal resume 重置轮数计数器并继续

1hermes config set goals.max_turns 20    # 研究、内容
2hermes config set goals.max_turns 50    # 代码、多步骤构建

结构化的 /goal 模板：

1/goal [成果]
2using [来源]
3with constraints: [约束条件]
4deliverable: [可交付成果]

示例：

1/goal 决定本周我应该发布的最强内容创意。
2using 我领域中 X 的流行帖子、竞争对手分析、
3我过去 30 天的帖子表现。
4with constraints: 避免重复角度，
5不要使用通用的人工智能炒作框架。
6deliverable: 一个最终想法，包含标题、钩子、
7所需的证明素材以及大纲草稿。

面试技巧 — 让 Hermes 自己编写 /goal：

1我想使用 /goal 但我不想有一个模糊的目标。
2只问你需要的问题来面试我。
3然后将我的答案转化为最强大的
4/goal 命令。包括确切的结果、上下文、
5来源、约束、可交付成果，
6以及何时应该停止。

每个 /goal 也会自动变成一张看板卡片，使进度在项目上可见。

核心命令：

1/goal [描述]     # 开始自主执行
2/goal status            # 检查正在运行的内容
3/goal pause             # 暂停而不丢失上下文
4/goal resume            # 暂停后继续
5/goal clear             # 结束当前目标
6/subgoal [文本]         # 在执行过程中添加条件
7/undo [N]               # 撤回最后 N 轮 (v0.16.0 新增)

1.6 技能创建机制

Hermes 包含允许 Agent 根据自身活动创建和存储可重用流程（技能）的功能。当 Agent 成功完成某些类型的工作时，它可以识别模式，将其形式化，并保存下来供将来使用。

技能以纯 markdown 文件形式存储在 ~/.hermes/skills/ 中。它们是透明的、可读的和可编辑的。没有黑盒。

示例 — 一个内容创建技能：

1将此保存为一个名为"content-post"的技能：
2
3# 内容发布工作流
4
51. 通过 X 搜索检查 AI Agent 领域的热门话题
62. 与过去 14 天的帖子交叉引用（避免重复）
73. 根据参与模式选择最强的角度
84. 用我的语气撰写草稿：
9   - 全大写钩子
10   - 箭头 → 用于功能列表
11   - 不要用破折号，不要用副词，不要铺垫
125. 给草稿评分：
13   - 钩子：它能阻止滚动吗？(1-10)
14   - 收藏价值：会有人保存它吗？(1-10)
15   - 证明：每个声明都有数字支持吗？(1-10)
166. 如果任何分数低于 7，重写该部分
177. 将最终草稿发送到 Telegram 等待批准

查看所有技能：

1hermes skills
2# 或者
3hermes dashboard    # → 技能标签页

Hermes 自带 60 多个内置工具，涵盖终端、网络、浏览器、视觉、图像生成、TTS 和代码执行。技能层在这些工具之上构建完整的工作流。

在 v0.16.0 中，默认技能集被精简为你实际需要的内容 — 开箱即用更精简，更少噪音。NVIDIA 技能加入了可信技能 Hub 源，带来了官方的 CUDA-X、Omniverse、NeMo 和 TensorRT-LLM 技能到目录中。

复合效应：

拥有 20 多个自创技能的 Agent 完成类似未来任务的速度比全新的实例大约快 40%（根据 Nous Research 的观察）。这种复合是 Hermes 的核心差异化因素。

在实践中，技能创建的成熟度、可靠性和自主程度差异很大。在许多情况下，尤其是在早期使用或处理复杂任务时，对已创建技能进行人工审查和整理仍然是获得高质量结果的重要步骤。

1.7 自主整理器 — 垃圾收集器

随着技能在数周和数月的使用中不断累积，冗余、过时的程序和膨胀成为真正的问题。自主整理器（Autonomous Curator）解决了这个问题。

整理器是一个后台进程，按可配置的时间表运行（默认：7 天周期）。它：

• 识别冗余或重叠的技能
• 修剪不再相关的技能
• 压缩和整合相关流程
• 优化技能库以提高检索效率
• 修改技能描述以获得更好的可搜索性

用操作系统的术语来说，整理器充当垃圾收集器和碎片整理程序。它防止技能文件系统随时间退化。

这一点尤其重要，因为工具搜索（如下所述）依赖技能名称和描述进行检索。维护不善的描述会降低搜索准确性。

根据 NVIDIA NemoTron Labs 直播流，Nous Research 的 Karan 确认：“Hermes 整理器是一个自主后台功能，它持续管理、清理、优化、修改、改进和压缩你的技能库。”

1.8 工具搜索 — 动态链接器

当你连接 15 个以上的 MCP 服务器时，它们的工具模式会在每一轮消耗上下文窗口空间——即使大多数工具与当前任务无关。

工具搜索将所有 MCP/插件模式替换为 3 个轻量级桥接工具：

• tool_search — 通过名称和描述找到正确的工具（BM25 检索）
• tool_describe — 按需加载其完整模式
• tool_call — 执行它

每个桥接工具大约消耗 300 个 token，而完整模式数组需要数千个 token。

1tools:
2  tool_search:
3    enabled: auto    # 默认，在上下文使用达到 10% 时启动

三种模式：auto（推荐）、on（始终激活）、off（禁用）。

在 Opus 4 上，启用工具搜索后，准确率从 49% 提高到 74%（Anthropic 自己的测试结果）。

核心 Hermes 工具（终端、记忆、浏览器、网络搜索）永远不会被延迟。它们在每一轮都保持加载。

用操作系统的术语来说，工具搜索充当动态链接器。不是在启动时加载每个共享库，而是系统在运行进程需要时按需加载。这为实际工作保留了内存（上下文窗口）。

1.9 网关 — 网络栈

网关是使 Hermes 可以从任何地方访问的层。一个网关进程将 Agent 同时连接到 27 多个消息平台：

Telegram, Discord, Slack, WhatsApp, Signal, SMS, 电子邮件, Matrix, Mattermost, Microsoft Teams, Teams Meetings, Google Chat, LINE, DingTalk, Feishu/Lark, WeCom, WeChat, QQ, Yuanbao, BlueBubbles (iMessage), SimpleX, ntfy, Open WebUI, Home Assistant, MS Graph Webhooks 等。

1hermes gateway start

网关作为一个进程运行。批准按钮在 Telegram 和 Slack 中是原生的——Agent 可以在执行敏感操作前请求人类确认。

SSEP — 结构化流事件协议 (v0.16.0+)：

Agent 不再流式传输原始文本并希望平台能够渲染它。而是：

1. Agent 仅发出类型化事件：MessageChunk, MessageStop, ToolCallChunk, ToolCallFinished, Commentary, LongToolHint, GatewayNotice
2. 网关路由器将每个事件路由到正确的平台适配器
3. 每个适配器渲染它能够渲染的内容，并静默丢弃无法渲染的内容

Telegram 获得 MarkdownV2 格式的动画草稿。iMessage 丢弃用户不需要看到的工具界面。每个事件都是不可变的。每个流内保持顺序。

用操作系统的术语来说，网关是网络栈，SSEP 是显示服务器/合成器。Agent 产生通用输出格式；渲染层根据显示设备进行调整。

远程访问：

桌面应用可以连接到另一台机器（VPS、家用服务器、通过 Tailscale 访问）上运行的 Hermes 后端：

1hermes dashboard --host 0.0.0.0
2# 通过身份验证网关设置用户名和密码
3# 桌面应用通过 URL + 凭证连接

一个 Agent 在 VPS 上运行。通过笔记本电脑上的桌面应用、通过 SSH 的 CLI 和手机上的 Telegram 进行管理。所有操作都使用相同的记忆、技能和会话。

1.10 语音模式 — I/O 层

语音模式提供跨 CLI 和所有消息平台的语音输入和输出。

1/voice on        # 语音到语音模式
2/voice tts       # 始终用语音回复
3/voice off       # 返回文本模式

五个语音转文本提供者：

• Local faster-whisper (免费，在设备上运行)
• Groq
• OpenAI Whisper
• Mistral Voxtral
• xAI Grok STT

五个文本转语音提供者：

• Edge TTS (免费，默认)
• ElevenLabs
• OpenAI
• NeuTTS (本地，免费)
• MiniMax

适用于 Telegram 语音消息、Discord 语音频道（与 Agent 进行实时语音对话）、WhatsApp、Signal、Slack 和 CLI。

用操作系统的术语来说，语音模式是 I/O 层——提供文本之外的替代输入/输出方法。

1.11 安全层

Hermes 为生产部署提供了多个安全原语：

第 1 层 — Bitwarden Secrets Manager（凭证管理）

1hermes secrets bitwarden setup   # 向导：安装 bws，提示输入令牌
2hermes secrets bitwarden status  # 验证连接
3hermes secrets bitwarden sync    # 试运行：查看将应用哪些更改

.env 中有一个引导令牌。所有真实凭证都保存在 Bitwarden 中。每个 Hermes 实例在启动时拉取密钥。在 Web 应用中轮换一个密钥——每个实例在下次重启时都会获取更新。免费层级。

第 2 层 — iron-proxy 出口防火墙（凭证保护）

1hermes egress install   # 下载 iron-proxy 二进制文件，SHA-256 验证
2hermes egress setup     # 交互式向导
3hermes egress start     # 启动托管代理守护进程

Hermes 不是将真实凭证注入沙箱，而是给 Agent 不透明的代理令牌。iron-proxy 在网络边界拦截，将代理令牌替换为真实凭证，然后转发请求。沙箱永远不会持有实际的密钥。

第 3 层 — Promptware 防御

防止 Brainworm 类提示注入攻击。Agent 检测并拒绝通过已处理文档、网页或工具输出中的恶意内容覆盖其指令的企图。

v0.16.0 增加了：CVE-2026-48710 Starlette 锁定、SSRF 脱离循环加固以及子进程凭证剥离。仅此版本就关闭了 16 个安全问题标签。

第 4 层 — OpenShell（企业版，通过与 NVIDIA 合作）

对于企业部署，Hermes 与 NVIDIA OpenShell 和 Microsoft 安全原语集成。OpenShell 提供：

• 控制 Agent 可以访问什么的按用户策略门控
• 出口处的令牌屏蔽（Agent 永远看不到真实凭证）
• 无需重启即可热切换策略
• 管理员可观察性和审计追踪

根据 NVIDIA NemoTron Labs 直播流，Nous Research 的 Karan 说：“即使你变得多么聪明，我也可以说，你是不可能通过这个特定网关的，我不可能允许你使用你制作的技能，因为我没有按照我想要的方式监督你。”

1.12 可扩展性 — 技能 Hub 和 MCP 目录

技能 Hub (agentskills.io)：社区贡献的技能。通过仪表盘或 CLI 直接浏览、搜索、从 Hub 安装。

MCP 目录：由 Nous Research 策划。每个条目都通过合并 PR 实现。目录中有 19,932 个技能。

1hermes mcp    # 交互式选择器

NVIDIA 技能：官方 NVIDIA Agent 技能已集成到技能 Hub 中。CUDA-X 库、Omniverse 工作流、NeMo 训练和推理、TensorRT-LLM 优化、CUDA-Q 量子编程。每天从 NVIDIA 产品仓库镜像更新。

用操作系统的术语来说，技能 Hub 和 MCP 目录充当包管理器。用户可以发现、安装和管理功能，而无需从头构建。

1.13 接口层

Hermes 可以通过多种界面访问和管理：

CLI（命令行界面）：功能完全对等。每个命令、每个工具、每个配置选项都可用。功能最强大的界面。

1hermes          # 开始一个会话
2hermes chat     # 同上
3hermes doctor   # 诊断检查
4hermes dump     # 用于调试的完整系统状态
5hermes status   # 视觉概览

TUI（文本用户界面）：带有面板和导航的丰富终端界面。介于 CLI 的强大功能和视觉反馈之间。

桌面应用 (v0.16.0 — “Surface 版本”)：适用于 macOS、Windows 和 Linux 的原生 Electron 应用。在一周内通过 100 个 PR 和 159 个提交构建。首次在 Jensen 的 GTC 主题演讲中演示。

• 并排预览窗格
• 内置文件浏览器
• 拖放文件直接到聊天中
• 集成语音模式
• 状态栏中的内联模型选择器（支持模糊搜索）
• 并发多配置文件会话
• 用于模型、API 密钥、工具的设置 UI
• 配置文件管理
• 工件查看器（Hermes 创建的每个文件）
• 应用内自动更新
• 完整的简体中文翻译
• 与 CLI 相同的 HERMES_HOME 目录——会话无缝转移

下载：hermes-agent.nousresearch.com/desktop

如果已经安装了 Hermes：

1hermes desktop

Web 仪表盘：

1hermes dashboard    # 打开 localhost:9119

• 模型、cron 任务、技能、配置文件、看板
• 完整的基于浏览器的管理面板：MCP 目录、消息频道、凭证、Webhook、记忆管理
• 可插拔的身份验证：OIDC 或用户名/密码登录
• 通过主题（YAML）和插件（JS + Python）完全可扩展
• 默认情况下，没有数据离开 localhost

消息平台：通过网关支持 27 多个平台（在第 1.9 节中介绍）。

2. 复合效应

Hermes 的复合特性是其最独特的属性，也是它比典型 Agent 更像操作系统的主要原因。

第 1 天：Hermes 对你一无所知。每个任务都需要完整的指令。你解释你的工作流、你的偏好、你的工具。Agent 是一张白纸。

第 2 周：Hermes 已经积累了关于你的项目、偏好和工作风格的记忆。它不再问你已经回答过的问题。需要 10 条消息的任务现在只需要 3 条。

第 1 个月: Hermes 已从完成的工作中创建了 15-20 个技能。你的内容工作流、研究流程、收件箱分类方法——每一个都被编码为可重复使用的流程。那些在第一天需要 Agent 20 轮才能完成的任务，现在只需 5 轮。

第 3 个月: 拥有 40 多个技能和深度记忆后，Agent 的运行水平已无法通过切换到更好模型但上下文为空来复制。积累的技能、记忆和学习到的偏好创造了一种复利优势，每次会话都会增长。

数学原理: 拥有 20 个以上自创技能的 Agent 完成类似未来任务的速度比全新实例快约 40%。这种改进是复利式的——每完成一个任务都可能创建或完善一个技能，从而加速未来的工作。

这在实践中意味着什么:

来自 NVIDIA NemoTron Labs 直播中，Nous Research 的 Johnny 描述了他的实际工作流："每天早上我启动一个规划会话。每次规划会话我都会得到一个包含我想做事项的日期键文件。这个技能会回顾过去一周，告诉我哪些方面我有所欠缺，或者是否有我提过很紧急但还没处理的事情。晚上 11 点，一个 cron 任务触发，告诉我：你有没有完成你想做的事。"

这是一个通过使用而演进的系统。早间规划技能、日期键归档系统、每周回顾——这些都不是预构建的。它们从 Johnny 的使用模式中涌现出来，并成为了永久性基础设施。

Karan，第一个 Hermes 模型的训练者，将其用于机器学习消融实验："我真的很讨厌做消融实验。繁琐又耗时。但这是必须做的。这就是科学的方法。现在 Hermes 来做这件事了。我不必再做了。"

复利效应是将 Hermes 视为基础设施而非应用的核心论点。应用在第 90 天提供的价值与第 1 天相同。而基础设施会随着投入而改善。

3. Token 经济学——实际成本

将 Hermes 作为个人操作系统运行有具体成本。理解这些对于可持续使用很重要。

Agent 运行时: Hermes 本身是免费且开源的（MIT 许可证）。成本来自模型推理和基础设施。

基础设施选项:

最低 VPS 规格：2 vCPU，2GB 内存（轻量使用）。

推荐：4 vCPU，8GB 内存（重度使用）。不需要 GPU——Hermes 调用 API，而不是直接调用模型。

模型提供商选项:

X API 成本（自 2026 年 2 月起按使用付费）:

替代方案：OpenTweet MCP 每月固定 $5.99。

实际月度预算:

以下 Token 估算基于典型会话模式。实际消耗取决于模型、任务复杂度、工具输出量和配置。在 Hermes 中使用 /usage 测量你的实际数字

运行本文描述的完整内容系统（5 个每日 cron 任务、每天 2 次 /goal 内容会话、每日子 Agent 研究、看板跟踪）每月大约消耗 10-1100 万 Token。以下是不同模型策略下的成本：

同样的系统在 GPT-5.5 上每月花费 $27，在 Claude Opus 上每月花费 $250。同样的 cron 任务、同样的 /goal、同样的子 Agent，成本相差 10 倍。

为什么这很重要: Hermes 与模型无关。你可以为每个配置文件、每个任务选择模型。扫描 X 上热门帖子的日常 cron 任务不需要 Opus 级别的推理。一个 $0 的 GPT-5.5 调用就能完成同样的工作。把昂贵的模型留给你每天唯一一个需要写作质量或深度推理的 /goal。

最便宜的完整路径:

这是一个 7x24 小时全天候运行的自主 Agent，拥有 5 个每日 cron 任务、持久记忆、自我改进技能、看板任务跟踪以及通过手机上的 Telegram 访问。

对比：一个做同样工作的虚拟助理每月花费 $500-2,000 美元。一个内容代理每月花费 $3,000-8,000 美元。

关于 Nous Portal 的说明: Plus 层级（每月 $20，$22 积分）适合轻度使用（1-2 个 cron 任务，每天几次会话）。对于本文描述的完整内容系统，Super 层级（每月 $100，$110 积分）或自带密钥更现实。

Token 优化（6 种降低成本的方法）:

1. 紧凑文件读取器 — 每次文件读取少用 14% 的 Token（最新版本自动启用）
2. 提示缓存 — 多轮会话减少约 75%（仅限 Anthropic 模型）
3. /compress — 总结会话历史，降低开销
4. 工具搜索 — 按需加载模式而不是一次性加载
5. 子 Agent 委派 — 每个子 Agent 在自己的上下文中运行，只返回摘要
6. 基于检索的记忆 — 对比天真的完整注入，少用 72% 的 Token

最快获得可用 Agent 的路径:

1hermes setup --portal

一个 OAuth 涵盖模型 + 网页搜索 + 图片生成 + TTS + 云浏览器。无需单独的 API 密钥。

4. 各层如何串联

这些层叠加时会产生复利效应。这是一个端到端运行的链条：

1早上 8:00 — Cron 任务触发。
2
3内容主导配置文件启动
4并开始一个 /goal，结构如下：
5
6"使用 X 热门数据和我最近 14 天的帖子，
7找到今天最强的 3 个内容角度。"
8
9它生成 3 个子 Agent：
10→ 子 Agent 1 扫描 X 上的热门帖子
11→ 子 Agent 2 拉取最近帖子的表现
12→ 子 Agent 3 检查竞争对手账号
13
14工具搜索仅加载每个子 Agent 所需的工具。
15提示缓存保持系统提示成本低廉。
16每个子 Agent 在自己的上下文中运行（委派）。
17
18所有三个都成为看板卡片。
19调度器并行跟踪它们。
20
21子 Agent 完成。内容主导运行
22内容发布技能来草拟 2 篇帖子。
23
24草稿出现在 Telegram 的
25"内容"主题中等待审批。
26
27用户批准一篇，拒绝另一篇。
28批准的帖子通过 xurl 发布。
29
3010 分钟后，竞争对手发布了
31对同一话题的回应。
32一个 webhook 触发。
33Hermes 草拟一个跟进角度
34并发送到"回应"主题。
35
36所有内容在仪表盘上可见。
37运行了什么，发布了什么，待处理什么。
38
39晚上 11 点，每日回顾 cron 任务触发。
40会话搜索拉取当天的工作。
41摘要发送到 Telegram。

一天。九个架构层触发。两篇帖子发布。零手动研究。总 API 成本：大约 $2-4。

5. 关键特性

持久性

Hermes 通过其记忆系统被明确设计为跨会话保留信息。这使得积累的上下文和创建的技能能够随时间持续存在，而不是在每个会话或重启后丢失。

隔离与协调

配置文件与看板的结合使 Hermes 能够同时支持隔离和结构化协作。配置文件提供不同工作负载之间的分离，而看板在需要协作时实现受控的任务交接和上下文转移。

自我改进机制

技能创建功能的存在为 Hermes 提供了一条结构化自我改进的途径。与仅依赖提示工程或手动工具定义的系统不同，Hermes 可以根据使用模式扩展自身能力。自主策展人确保技能库随时间保持干净高效。

人类监督作为原生功能

通过看板中的"阻塞"任务状态以及 Telegram 和 Slack 中的批准按钮，人类干预被实现为一级概念。这使得系统能够干净地暂停执行、保留上下文并在收到所需输入后智能地恢复。

6. 实际考量

当将 Hermes 作为基础设施而非简单的对话工具使用时，几个实际因素变得重要：

• 系统的长期价值高度依赖于记忆和创建技能的管理、策展和维护。 自主策展人有所帮助，但定期的人工审查能提高质量。
• 配置文件隔离很有用，但需要刻意配置。 它不是自动的，也不提供与传统进程隔离相同的保证。
• 自主创建的技能质量和实用性可能会有很大差异。 在许多情况下，尤其是早期，人工审查能改善结果。
• 资源消耗，特别是模型上下文窗口和推理成本，应积极监控。 定期使用 /usage 和 /compress。对于重度 MCP 设置，启用工具搜索。
• 整体系统的有效性高度依赖于周到的配置和持续管理，而不是仅仅运行软件就能自动实现。
• 在投入重度使用模式之前，应了解 Token 经济学。 从 Nous Portal Plus 的每月 $20 开始，然后逐步扩展。

Token 感知配置

将 Hermes 作为拥有多个配置文件和 cron 任务的完整操作系统运行时，每次会话启动都会消耗 Token（系统提示 + 记忆 + 技能索引）。如果不优化，成本可能增长得比预期快。

为正确的工作使用正确的模型：

并非每个任务都需要最强的模型。将模型与任务类型匹配是最大的成本杠杆。

1内容主导配置文件：
2→ 模型：claude-sonnet-4（强写作能力，中等成本）
3
4研究员配置文件：
5→ 模型：gpt-5.5（更便宜，通过 Codex 处理高音量，$0）
6
7运维配置文件：
8→ 模型：gpt-5.5（日常任务，成本高效）
9
10代码审查员配置文件：
11→ 模型：claude-opus-4-8（仅用于复杂推理）

将前沿模型（Opus、GPT-5.5）用于复杂的 /goal。将更便宜的模型用于日常 cron 任务和例行分类。一次切换就能将你的月度账单减半。

为轻量级配置文件降低记忆限制：

默认记忆注入为每轮 2,200 字符（约 800 Token）。在一个 50 轮的 /goal 会话中，那就是 40K Token 用于重复记忆。对于不需要深度个人上下文的配置文件：

1hermes config set memory.memory_char_limit 1000
2hermes config set memory.user_char_limit 500

设置现实的 max_turns：

1# 研究和内容（较短，专注）
2hermes config set goals.max_turns 20
3
4# 代码任务（较长，需要更多迭代）
5hermes config set goals.max_turns 50

在 Opus 上运行 50 轮可能每次会话花费 $5-12。按配置文件设置 max_turns，而不是全局设置。研究配置文件很少需要超过 20 轮。

启用所有 6 种 Token 优化：

1tools:
2  tool_search:
3    enabled: auto    # 按需加载模式
4
5memory:
6  memory_char_limit: 2200    # 如不需要则降低
7  user_char_limit: 1375      # 如不需要则降低

另外：提示缓存（Anthropic 自动启用）、针对长会话的 /compress、用于并行工作的子 Agent 委派。

为辅助任务使用便宜的辅助模型：

Hermes 将压缩、视觉、网页摘要、审批评分、工具路由和会话标题卸载给辅助模型。每个插槽可独立配置。为主工作保留昂贵模型的同时，对这些使用便宜快速的模型：

1hermes model
2# 设置主模型：claude-sonnet-4（质量）
3# 设置辅助模型：快速便宜的模型（压缩、路由）

这意味着 /compress 和自动压缩运行在便宜的 Token 上，而不是主模型的定价上。

调整压缩阈值：

1compression:
2  threshold: 0.50    # 默认：在上下文窗口达到 50% 时压缩

将其降低到 0.30-0.40 以获得更激进的压缩。会话保持更轻量，在压缩器触发前积累更少的 Token。

无损上下文管理（LCM）：

1context:
2  engine: "lcm"    # 插件，替换默认的有损压缩

默认压缩器是有损的——它会总结并丢弃较旧的上下文。LCM 是一个插件替代方案，能在优化 Token 使用的同时无损保留所有上下文。可通过 hermes plugins → Context Engine 获取。

使用 /usage 监控：

1/usage

定期运行此命令。比较跨会话的 Token 数量。如果一个 cron 任务消耗的 Token 超出预期，简化其提示或将其切换到更便宜的模型。

按设置复杂度的成本估算：

以下是估算范围。在 Hermes 中运行 /usage 以对比你的实际数字。

最便宜的路径：通过 Codex（每月 $20 的 ChatGPT 订阅，推理费用已含）运行所有内容到 GPT-5.5。仅在推理质量对你的输出产生可衡量的影响时，才为某些会话保留 Claude 或 Opus。

7. 当前限制（截至 2026 年 6 月）

Hermes 拥有几个重要的架构优势，但它仍是一个演进中的系统，而非完全成熟的个人操作系统：

• 原生桌面应用显著改善了可访问性，但在所有工具交互方面，特别是复杂的浏览器自动化和某些本地集成，它尚未提供与 CLI/TUI 完全相同的功能。
• 运行大量并发 Agent 或非常长时间的工作流可能会给模型上下文窗口和推理资源带来巨大压力。通常需要仔细的资源管理。
• 配置文件隔离对许多用例来说实用且功能正常，但它不提供与传统操作系统中进程隔离相同水平的健壮性或故障隔离。
• 自主技能创建是一个有前景的方向，但其成熟度和可靠性仍然参差不齐。高质量的、可重用的技能通常仍然需要人工策展，尤其是对于复杂或高风险的任務。
• 长时间会话期间的自动压缩可能导致上下文丢失。自主策展人和会话召回是部分解决方案。在窗口生命周期内保持完整线程在上下文中可以防止静默漂移，但会限制会话长度。
• 某些高级工具集成通过 CLI/TUI 使用时可能比通过桌面应用或消息接口更稳定。
• SSEP 网关协议是新的（v0.16.0）。对于不太常见的消息平台，可能存在每平台渲染的边缘情况。

这些限制主要与实现成熟度有关，而非基本的架构缺陷。该项目正在持续积极开发。仅 v0.16.0 "Surface Release" 就包含了 874 次提交、542 个合并的 PR 以及 170 位社区成员的贡献。之前的 v0.15.0 "Velocity Release" 包含了 1,302 次提交、747 个合并的 PR 以及 321 位贡献者。

8. Hermes 与其他 Agent 框架的比较

评估 Hermes 时最常见的问题：它与 Claude Code、OpenClaw 和 CrewAI 相比如何？答案在于它们解决不同的问题，并基于不同的理念构建。

有效的思维模型（来自使用所有三者的构建者）：

Claude Code 是你桌面上的日常工具。目前最好的原始编码 Agent。如果任务是 "写代码、重构代码、调试代码、理解这个代码库"，Claude Code 胜出。

Hermes Agent 是你的 7x24 小时基础设施。它在你睡觉时运行，通过配置文件管理多个工作负载，通过技能和记忆产生复利，并能在任何地方通过 Telegram 联系到你。

OpenClaw 是你的优先聊天助手。最大的市场，最易管理的托管（每月 $3），最强的非技术用户体验。

CrewAI 是你的编排框架。当你需要在 Python 中让多个专业 Agent 在一个定义的管道上协同工作时使用。它不是一个独立的 Agent——而是一个构建多 Agent 系统的框架。

一个能说明差异的基准测试：

一项独立测试在 Claude Code（Opus 4.7）、OpenClaw（Sonnet 4.6）和 Hermes Agent 上运行了相同的 18 个提示。Hermes 赢得了其中 14 个。输掉的 4 个是原始编码任务，在这些任务中 Claude Code 的代码库理解无人能及。赢得的 14 个任务中，来自先前会话的记忆和上下文起到了决定性作用。

结论：当历史记录重要时，Hermes 胜出。当代码深度重要时，Claude Code 胜出。它们相辅相成，而非相互竞争。

Hermes 提供了 hermes claw migrate——一个内置的从 OpenClaw 迁移的命令。当一个产品为一个特定竞争对手提供命名的迁移命令时，其定位就很明确了。

9. 从这里开始

如果你读了整篇文章并想开始，以下是基于你情况的三条路径。

路径 1 — 我有 15 分钟（最快获得第一个结果）：

1# 安装
2curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
3
4# 一键设置（模型 + 工具 + 网关）
5hermes setup --portal
6
7# 连接 Telegram
8# 给 @BotFather 发消息 → /newbot → 复制 token
9# 当 hermes setup 询问时粘贴 token
10
11# 设置你的第一个 cron 任务
12hermes chat
13> "每天早上 8 点给我发送一份
14  人工智能热门新闻摘要到 Telegram"
15
16# 完成。明天早上你会收到简报
17# 无需打开浏览器。

路径 2 — 我有一个晚上（完整的个人设置）：

1. 安装 Hermes 并运行 hermes setup --portal
2. 连接 Telegram（BotFather → token → 粘贴）
3. 创建你的第一个配置文件：hermes profile create work
4. 编写一个 soul.md 文件，定义 Agent 应如何表现
5. 设置 3 个 cron 任务（早间简报、竞争对手检查、每日回顾）
6. 使用结构化模板运行你的第一个 /goal：

1/goal [预期成果] 使用 [来源]
2约束条件： [约束]
3交付物： [交付物]

1. 打开仪表盘：hermes dashboard

8. 一周后审查技能。删除弱的。完善强的。

路径 3 — 我想要完整的操作系统（周末项目）：

1. 创建一个 Hetzner CX22 VPS（约每月 $7）
2. 通过 SSH 在 VPS 上安装 Hermes
3. 运行 hermes setup --portal
4. 连接 Telegram 网关：hermes gateway start
5. 创建 3-4 个配置文件（内容、研究、运维、代码）
6. 为每个配置文件编写 soul.md
7. 为每个配置文件设置 cron 任务
8. 配置看板以进行跨配置文件的任务跟踪
9. 在你的笔记本电脑上安装桌面应用
10. 通过 auth gate 将桌面应用连接到远程后端
11. 在 config.yaml 中启用工具搜索
12. 降低内存字符限制以优化 Token
13. 设置 Bitwarden Secrets Manager 用于凭证管理
14. 运行一周。审查技能、记忆和 Token 使用。
15. 迭代。系统从此开始复利。

如果感到不知所措，优先级顺序： 从 cron 任务（10 篇黑客文章中的 #3）、/goal 结构（#4）和技能（#8）开始。这三个设置会在一夜之间改变 Hermes 的使用体验。

结论

Hermes Agent 代表了当前开源 Agent 框架中，在超越简单的对话或工具调用接口方面，架构上最为雄心勃勃的尝试之一。它的持久记忆、基于配置文件的隔离、通过看板进行的结构化任务编排、纯英语 cron 调度、持久的 /goal 目标、动态工具加载、多平台网关访问、语音交互、生产安全原语以及创建可重用流程的机制，使其具有的特性更接近个人操作系统的概念，而非当今可用的多数其他系统。

Nous Research 的 Karan，第一个 Hermes 模型的训练者，简单地描述道："Hermes Agent 是能够将一个语言模型并意识到你电脑上发生的一切都是文本输入或文本输出。Hermes Agent 让你可以通过电脑上的所有集成来实现这一点。它可以使用你的浏览器、你的应用，你在电脑上做的一切。它是一个通用的自动化器，一个电脑操作和数字操作的通用模拟器。"

同时，保持现实期望也很重要。Hermes 还不是一个完全成熟的个人人工智能操作系统。它的架构方向很有前景，但实际效果仍然严重依赖于仔细的配置、持续的管理以及对功能成熟度的诚实评估。

当作为基础设施深思熟虑地使用时，Hermes 可以作为一个基础，用于构建长期的、不断演进的人工智能辅助工作流，其能力会随着时间的推移而复利增长。有意义的区别在于，人们如何刻意地理解和利用系统的能力和局限性。

Agent 已准备就绪。技术栈已准备就绪。价值随着使用而复利。

相关文章

• HERMES AGENT: 完整指南 — 安装、模型、仪表盘、用例、安全性
• 完整的 Hermes /goal 操作手册 — 21 个工作流
• Hermes /goal — 完整指南
• 如何让 Hermes + xurl 真正作为一个系统工作
• Hermes x Bitwarden — 安全栈
• 10 个 Hermes Agent 设置

在 Substack 上查看扩展版本和更多 Hermes 内容：https://substack.com/@yanxbt

本文基于公开可用的 Hermes Agent 文档（v0.16.0 "The Surface Release"）、NVIDIA NemoTron Labs 直播以及截至 2026 年 6 月观察到的系统行为。

@NousResearch @Teknium

https://x.com/IBuzovskyi/status/2059675518966894767

https://x.com/IBuzovskyi/status/2059303967767593247

https://x.com/IBuzovskyi/status/2056764150936748082

https://x.com/IBuzovskyi/status/2057114309616885997

https://x.com/IBuzovskyi/status/2057914816015249515

https://x.com/IBuzovskyi/status/2062101068842975409