目前大多數 AI Agent 框架主要作為建構在大語言模型之上的應用程式來運作。它們能夠進行推理、呼叫工具，並在會話中維持上下文，但通常缺乏強健的、原生的長期結構化持久性、工作負載隔離、自主擴展自身能力，以及跨多個元件在長時間內可靠協調的機制。
由 Nous Research 開發的 Hermes Agent，實作了多項使其與眾多其他 Agent 框架有所區隔的架構功能。這些功能包括：支援跨會話的持久記憶、能夠透過設定檔運行多個隔離的執行環境、基於看板（Kanban）的結構化任務編排系統、允許 Agent 根據自身活動建立和儲存可重複使用程序的機制，以及一個將 Agent 連接到超過 27 個通訊平台的訊息閘道。
本文將透過個人 AI 作業系統的視角來檢視 Hermes。目標是根據公開可用的文件和觀察到的行為，對其核心架構層級、這些層級在實際中如何互動，以及截至 2026 年 6 月該系統能實際提供什麼，提供一個詳細且誠實的分析。
1. Hermes 的核心層級
為了更深入地理解 Hermes 的結構，我們可以將其元件映射到傳統作業系統的概念上。
1.1 記憶體架構
Hermes 維護多個不同的記憶體層級，而不是嘗試將所有相關資訊都塞進單一的上下文視窗中。主要類型包括：
- 會話記憶體：在特定任務或對話期間活躍的上下文。這種記憶體類型通常是短期的，並且與當前會話相關聯。
- 長期記憶體：事實、見解、用戶偏好和累積知識的持久儲存，這些內容會跨越會話和系統重啟而存在。受到可配置限制的上限，以防止無限制增長：
1memory:2 memory_enabled: true3 user_profile_enabled: true4 memory_char_limit: 2200 # ~800 tokens5 user_char_limit: 1375 # ~500 tokens
- 技能記憶體：Agent 根據過去成功的工作所建立或優化的結構化、可重複使用程序（技能）的儲存。以純 Markdown 檔案形式儲存在 ~/.hermes/skills/ 目錄下。
- 會話回顧：基於 FTS5 全文搜尋並結合 LLM 摘要，涵蓋整個對話歷史。可以查詢任何過去的會話：
提醒我上個月我們討論過的所有商業點子。 我們三週前做的競爭者分析結果是什麼？
多層級記憶體方法是讓 Hermes 更像一個持久系統而非典型對話式 Agent 的基礎要素之一。
外部記憶體提供者：
對於需要超越內建記憶體更深層智慧的用例，Hermes 支援 8 個外部記憶體提供者外掛：
- Mem0 — 知識圖譜 + 語意檢索。每次互動僅載入相關條目。相較於樸素的完整注入，可減少 72% 的 token 使用量。
- Honcho — 雙角色辯證記憶。建立獨立的 USER + AI 觀察。適合在處理 PII 敏感環境時自行託管。
- Hindsight, Holographic, RetainDB, ByteRover, Supermemory, OpenViking — 其他具有不同架構的提供者。
1hermes memory setup2# 互動式選擇器，選擇提供者3hermes memory status4# 驗證當前活躍的提供者
1.2 設定檔作為隔離的執行環境
Hermes 中的設定檔允許用戶在同一台機器上建立並執行多個獨立的 Agent 實例。每個設定檔都維護自己的：
- 配置和模型選擇
- 記憶體儲存（包括會話和長期記憶）
- 已安裝的技能集合
- 閘道連線及相關憑證
- 會話歷史
- Telegram 機器人 token
- Cron 工作
- 狀態資料庫
1hermes profile create researcher2hermes profile create ops3hermes profile create content-lead
每個設定檔都會變成它自己的命令：
1researcher setup # 配置模型和 API 金鑰2researcher chat # 開始一個會話3researcher gateway start # 連接到 Telegram
設定檔配置範例：
1researcher:2→ soul.md: 僅限深入研究。專注於事實和數字。3→ model: gpt-5.5 (便宜，高容量)4→ tools: web search, firecrawl, browser-use56ops:7→ soul.md: 管理任務。行事曆、郵件分類。8 發送任何內容前需要請求批准。9→ model: gpt-5.5 (例行任務)10→ tools: email, calendar, notion1112content-lead:13→ soul.md: 產出內容。符合我的語氣。14→ model: claude-sonnet-4 (強大的寫作能力)15→ tools: X search, web search, analytics
設定檔分發：
設定檔可以透過 git 共享。一個運作良好的研究 Agent 可以分發給任何人：
1cd ~/.hermes/profiles/researcher2git init && git add . && git commit -m "initial"3git push origin main
任何人都可以安裝它：
1hermes profile install github.com/you/researcher
他們填入自己的 API 金鑰。技能、soul.md 和工作流程會轉移。記憶體和會話則保留在各自機器上。
設定檔隔離功能對於許多真實世界的場景是實用且有用的。然而，不應將其理解為能提供與傳統作業系統中行程隔離相同等級的安全性或穩健性保證。
1.3 看板（Kanban）作為編排與狀態管理
看板系統在 Hermes 中扮演主要的協調和狀態管理層。它負責以下幾個重要功能：
- 建立和追蹤任務
- 管理任務之間的依賴關係
- 處理狀態轉換
- 當一個任務或設定檔將工作交接給另一個時，促進上下文轉移
- 記錄每次任務嘗試的執行歷史和結果
狀態： Triage → To-Do → Ready → Running → Blocked → Done → Archived
調度器每 60 秒運行一次，自動將任務分配給可用的工作者，追蹤心跳訊號，偵測殭屍程序，並管理重試預算。
1hermes kanban list # 查看專案板2hermes kanban swarm # 啟動完整的多 Agent 系統：3 # 根協調器 + 並行工作者4 # + 閘門驗證器 + 閘門合成器5 # + 共享黑板
早晨工作流程範例：
1/goal 這裡是我今天的待辦事項清單：231. 在 X 上研究熱門 AI 話題42. 根據研究結果草擬 2 篇貼文53. 檢查收件匣並標記緊急郵件64. 提取競爭者過去 24 小時的貼文75. 在 Notion 中更新內容日曆89將每個任務添加到 kanban 的 triage。10盡可能分配給子 Agent。11所有任務完成後，在 Telegram 上發送摘要給我。
其中一個特別重要的功能是「Blocked」狀態。當任務進入此狀態時，執行會暫停，直到人類提供輸入或解除封鎖。這種設計使人類監督成為工作流程中一個結構化且原生的部分，而不是一種外部或臨時的干預。
透過將任務視為具有保留上下文和歷史的一級物件，看板層有助於減少在多 Agent 或多步驟工作流程中常見的交接資訊遺失問題。
1.4 Cron 工作 — 排程器
Cron 工作是基於時間的自動化任務，用純英文編寫。無需 crontab 語法。
這個層級將 Hermes 從一個反應式工具轉變為一個主動式系統。有用的資訊在你詢問之前就會送達。
生產環境中的 Cron 工作範例：
1每天早上 8 點：2向我發送一個值得在 X 上評論的 AI 故事。34每 3 小時：5掃描 X，尋找我的領域中適合我引用轉發的新貼文。67每天晚上 9 點：8檢查競爭者今天是否發布了任何突出內容。910每週一早上 9 點：11稽核我的內容專案板。標記那些停滯超過 7 天的點子。1213每週五晚上 6 點：14總結本週發布了哪些內容，15哪些表現好，哪些不好，以及原因。
Cron 工作可以針對特定的 Telegram 話題、特定的設定檔以及特定的傳遞平台（Telegram、Discord、Slack、電子郵件）。
Web 儀表板提供完整的 cron 管理 UI：建立、編輯、暫停、恢復、手動觸發、查看上次運行時間和下次運行時間。
以作業系統術語來說，cron 工作就是排程器守護行程。它們確保系統在沒有人工啟動的情況下，以可預測的節奏執行工作。
1.5 /goal — 持久目標（The Ralph Loop）
一般的提示句要求 Hermes 給出一個回應。/goal 則賦予 Hermes 一個目標，讓它在多次互動中持續努力，直到一個評判模型（Judge Model）確定目標已經達成。
此架構：
- Agent 向目標執行一次互動
- 評判模型評估：完成或繼續？
- 如果是繼續：Agent 再運行一次互動
- 如果已完成：目標完成，傳遞結果
- 預設 max_turns：20。可根據任務類型配置。
- /goal resume 重置互動計數器並繼續執行
1hermes config set goals.max_turns 20 # 研究、內容2hermes config set goals.max_turns 50 # 程式碼、多步驟建構
結構化的 /goal 範本：
1/goal [成果]2使用 [來源]3限制條件： [限制條件]4交付成果： [交付成果]
範例：
1/goal 決定我本週應該發布的最強內容點子。2使用我的領域中 X 上的熱門貼文、競爭者分析、3我過去 30 天的貼文表現。4限制條件：避免重複的角度，5不使用通用的 AI 炒作框架。6交付成果：一個最終點子，包含標題、鉤子、7所需的證明素材和草稿大綱。
訪談技巧 — 讓 Hermes 自己寫 /goal：
1我想使用 /goal，但我不想要一個模糊的目標。2只問你需要的問題來訪談我。3然後將我的答案轉換成最強的4/goal 命令。包含精確的成果、上下文、5來源、限制條件、交付成果，6以及你應該何時停止。
每個 /goal 也會自動變成看板卡片，讓進度在專案板上可見。
核心命令：
1/goal [描述] # 開始自動執行2/goal status # 檢查正在運行的項目3/goal pause # 暫停，不遺失上下文4/goal resume # 暫停後繼續5/goal clear # 結束當前目標6/subgoal [文字] # 在執行中加入條件7/undo [N] # 撤回最近的 N 次互動（v0.16.0 新增）
1.6 技能建立機制
Hermes 包含的功能允許 Agent 根據自身活動建立並儲存可重複使用的程序（技能）。當 Agent 成功完成特定類型的工作時，它可以識別模式，將其形式化，並保存以供未來使用。
技能以純 Markdown 檔案形式儲存在 ~/.hermes/skills/ 目錄下。它們是透明、可讀取且可編輯的。沒有黑箱。
範例 — 一個內容創作技能：
1將此儲存為名為「content-post」的技能：23# 內容貼文工作流程451. 透過 X 搜尋檢查 AI Agent 領域的熱門話題62. 與我過去 14 天的貼文進行交叉比對（避免重複）73. 根據互動模式選擇最強的角度84. 用我的語氣撰寫草稿：9 - 全部大寫的鉤子10 - 用箭頭 → 表示功能列表11 - 不使用破折號、副詞或開場白125. 為草稿評分：13 - 鉤子：它能讓人停止滾動嗎？(1-10)14 - 書籤價值：有人會儲存它嗎？(1-10)15 - 證據：每個說法都有數字支持嗎？(1-10)166. 如果任何分數低於 7，重寫該部分177. 將最終草稿發送到 Telegram 等待批准
查看所有技能：
1hermes skills2# 或3hermes dashboard # → Skills 標籤頁
Hermes 內建了超過 60 個工具，涵蓋終端機、網頁、瀏覽器、視覺、圖片生成、TTS 和程式碼執行。技能建立在這些工具之上，以建立完整的工作流程。
在 v0.16.0 版本中，預設的技能組合被精簡為你實際需要的 — 開箱即用更精簡，雜訊更少。NVIDIA 技能加入了受信任的 Skills Hub 熱源，將官方的 CUDA-X、Omniverse、NeMo 和 TensorRT-LLM 技能引入了目錄。
複合效應：
擁有超過 20 個自創技能的 Agent，完成類似未來任務的速度約比全新實例快 40%（根據 Nous Research 的觀察）。這種複合效應是 Hermes 的核心區別因素。
在實踐中，技能建立的成熟度、可靠性和自主程度差異很大。在許多情況下，特別是在使用初期或處理複雜任務時，人工審查和篩選已建立的技能對於獲得高品質結果仍然很重要。
1.7 自主策展人 — 垃圾收集器
隨著技能在數週或數月的使用中累積，冗餘、過時的程序和膨脹成為真正的問題。自主策展人（Autonomous Curator）旨在解決這個問題。
策展人是一個背景程序，按可配置的排程運行（預設：7 天週期）。它：
- 識別冗餘或重疊的技能
- 修剪不再相關的技能
- 壓縮和合併相關程序
- 最佳化技能庫以提高檢索效率
- 修訂技能描述以提高可搜尋性
以作業系統術語來說，策展人的功能類似於垃圾收集器和磁碟重組工具。它防止技能檔案系統隨著時間推移而效能下降。
這一點特別重要，因為工具搜尋（Tool Search，下文會提到）依賴於技能名稱和描述來進行檢索。維護不善的描述會降低搜尋準確性。
根據 NVIDIA NemoTron Labs 的直播，Nous Research 的 Karan 確認：「Hermes Curator 是一個自主的背景功能，它持續管理、清理、最佳化、修訂、改善和壓縮你的技能庫。」
1.8 工具搜尋 — 動態連結器
當你連接超過 15 個 MCP 伺服器時，它們的工具結構定義（schema）會在每次互動時佔用上下文視窗空間 — 即使大多數工具與當前任務無關。
工具搜尋（Tool Search）用 3 個輕量級橋接工具取代了所有 MCP/外掛的結構定義：
- tool_search — 透過名稱和描述找到正確的工具（BM25 檢索）
- tool_describe — 按需載入其完整的結構定義
- tool_call — 執行它
每個橋接工具大約花費 300 個 token，而完整的結構定義陣列則需要數千個。
1tools:2 tool_search:3 enabled: auto # 預設，在上下文使用量達 10% 時啟用
三種模式：auto（建議）、on（始終啟用）、off（停用）。
在 Opus 4 上，啟用工具搜尋後，準確率從 49% 提升到 74%（根據 Anthropic 的測試）。
核心的 Hermes 工具（終端機、記憶體、瀏覽器、網頁搜尋）永遠不會被延遲。它們在每次互動中都保持載入狀態。
以作業系統術語來說，工具搜尋的功能類似於動態連結器。它不是在啟動時載入所有共享庫，而是在運行程序需要時按需載入。這為實際工作保留了記憶體（上下文視窗）。
1.9 閘道 — 網路堆疊
閘道（Gateway）是讓 Hermes 可從任何地方存取的層級。一個閘道程序同時將 Agent 連接到超過 27 個訊息平台：
Telegram、Discord、Slack、WhatsApp、Signal、SMS、Email、Matrix、Mattermost、Microsoft Teams、Teams Meetings、Google Chat、LINE、DingTalk、飛書/Lark、企業微信、微信、QQ、元寶、BlueBubbles (iMessage)、SimpleX、ntfy、Open WebUI、Home Assistant、MS Graph Webhooks 等。
1hermes gateway start
閘道作為一個單一程序運行。批准按鈕在 Telegram 和 Slack 中是原生的 — Agent 可以在執行敏感操作前請求人工確認。
SSEP — 結構化串流事件協議 (v0.16.0+)：
Agent 不再串流原始文字並期望平台能夠渲染它。取而代之的是：
- Agent 僅發射類型化事件：MessageChunk, MessageStop, ToolCallChunk, ToolCallFinished, Commentary, LongToolHint, GatewayNotice
- 閘道路由器將每個事件路由到正確的平台適配器
- 每個適配器渲染它能處理的內容，並靜默丟棄它無法處理的內容
Telegram 接收 MarkdownV2 格式的動態草稿。iMessage 則丟棄用戶無需看到的工具框架。每個事件是不可變的。每個串流的順序得到保證。
以作業系統術語來說，閘道是網路堆疊，而 SSEP 是顯示伺服器/合成器。Agent 產生一個通用的輸出格式；渲染層則根據顯示設備進行調整。
遠端存取：
桌面應用程式可以連接到運行在另一台機器上的 Hermes 後端（VPS、家庭伺服器、Tailscale 網路後方）：
1hermes dashboard --host 0.0.0.02# 透過認證閘門設定用戶名和密碼3# 桌面應用程式透過 URL + 憑證連接
一個 Agent 在 VPS 上運行。透過筆電上的桌面應用程式管理、透過 SSH 使用 CLI、以及在手機上透過 Telegram 存取。所有這些都指向同一個記憶體、技能和會話。
1.10 語音模式 — 輸入/輸出層
語音模式在 CLI 和所有訊息平台上提供語音輸入和輸出功能。
1/voice on # 語音對語音模式2/voice tts # 始終以語音回覆3/voice off # 回到文字模式
五個語音轉文字提供者：
- 本地 faster-whisper（免費，在裝置上運行）
- Groq
- OpenAI Whisper
- Mistral Voxtral
- xAI Grok STT
五個文字轉語音提供者：
- Edge TTS（免費，預設）
- ElevenLabs
- OpenAI
- NeuTTS（本地，免費）
- MiniMax
適用於 Telegram 語音訊息、Discord 語音頻道（與 Agent 進行即時語音對話）、WhatsApp、Signal、Slack 和 CLI。
以作業系統術語來說，語音模式就是輸入/輸出層 — 提供文字之外的替代輸入/輸出方法。
1.11 安全層
Hermes 為生產環境部署提供了多種安全基礎元件：
第 1 層 — Bitwarden Secrets Manager（憑證管理）
1hermes secrets bitwarden setup # 精靈：安裝 bws，提示輸入 token2hermes secrets bitwarden status # 驗證連線3hermes secrets bitwarden sync # 試運行：查看將套用哪些變更
.env 中只有一個引導用 token。所有真正的憑證都保存在 Bitwarden 中。每個 Hermes 實例在啟動時拉取機密。在網頁應用程式中旋轉一次金鑰 — 每個實例在下一次重新啟動時都會取得更新。免費方案即可使用。
第 2 層 — iron-proxy 出口防火牆（憑證保護）
1hermes egress install # 下載 iron-proxy 二進位檔，經過 SHA-256 驗證2hermes egress setup # 互動式精靈3hermes egress start # 啟動受管理的代理守護行程
Hermes 不是將真實憑證注入沙箱，而是給予 Agent 不透明的代理 token。iron-proxy 在網路邊界攔截請求，替換為真實憑證，然後轉發請求。沙箱從未持有實際的金鑰。
第 3 層 — 提示軟體防禦
防止 Brainworm 類型的提示注入攻擊。Agent 會偵測並拒絕透過已處理文件、網頁或工具輸出中的惡意內容來覆蓋其指令的嘗試。
v0.16.0 新增：CVE-2026-48710 Starlette 修補、SSRF 關閉迴路強化以及子程序憑證剝離。僅此一個版本就關閉了 16 個標記為安全相關的問題。
第 4 層 — OpenShell（企業版，透過 NVIDIA 合作）
對於企業部署，Hermes 整合了 NVIDIA OpenShell 和 Microsoft 安全基礎元件。OpenShell 提供：
- 針對每個用戶的政策閘門，控制 Agent 可以存取什麼
- 出口處的 token 遮罩（Agent 永遠看不到真實憑證）
- 無需重新啟動即可熱交換政策
- 管理員的可觀察性和稽核軌跡
根據 NVIDIA NemoTron Labs 的直播，Nous Research 的 Karan 表示：「我能夠說，即使你可能變得非常聰明，你也無法通過這個特定的閘道，我也不會允許你使用你自己製作的技能，因為我沒有以我想要的方式監督你。」
1.12 可擴展性 — Skills Hub 和 MCP 目錄
Skills Hub (agentskills.io)：社群貢獻的技能。直接從中心透過儀表板或 CLI 瀏覽、搜尋、安裝。
MCP 目錄：由 Nous Research 策劃。每個條目都是透過合併 PR 添加。目錄中有 19,932 個技能。
1hermes mcp # 互動式選擇器
NVIDIA 技能：官方 NVIDIA Agent 技能整合到 Skills Hub。CUDA-X 函式庫、Omniverse 工作流程、NeMo 訓練和推理、TensorRT-LLM 最佳化、CUDA-Q 量子程式設計。每日從 NVIDIA 產品倉庫鏡像。
以作業系統術語來說，Skills Hub 和 MCP 目錄的功能類似於套件管理器。用戶可以發現、安裝和管理功能，而無需從頭開始建構。
1.13 介面層
Hermes 可以透過多種介面來存取和管理：
CLI（命令列介面）：完整的功能對等性。每個命令、每個工具、每個配置選項都可用。這是最強大的介面。
1hermes # 開始一個會話2hermes chat # 同上3hermes doctor # 診斷檢查4hermes dump # 完整系統狀態除錯5hermes status # 視覺概覽
TUI（文字使用者介面）：具有面板和導航功能的豐富終端機介面。介於 CLI 的強大功能和視覺回饋之間。
桌面應用程式 (v0.16.0 — "The Surface Release")：適用於 macOS、Windows 和 Linux 的原生 Electron 應用程式。在一週內透過 100 個 PR 和 159 次提交建成。首次在 Jensen 的 GTC 主題演講中展示。
- 並排預覽窗格
- 內建檔案瀏覽器
- 將檔案拖放直接放入對話中
- 整合的語音模式
- 狀態列中的內嵌模型選擇器（支援模糊搜尋）
- 並發多設定檔會話
- 用於模型、API 金鑰、工具的設定 UI
- 設定檔管理
- Artifacts 檢視器（Hermes 建立的每個檔案）
- 應用程式內自動更新
- 完整的繁體中文翻譯
- 與 CLI 使用相同的 HERMES_HOME 目錄 — 會話無縫轉移
下載：hermes-agent.nousresearch.com/desktop
如果已安裝 Hermes：
1hermes desktop
網頁儀表板：
1hermes dashboard # 開啟 localhost:9119
- 模型、cron 工作、技能、設定檔、看板專案板
- 完整的基於瀏覽器的管理面板：MCP 目錄、訊息頻道、憑證、webhook、記憶體管理
- 可插拔的認證：OIDC 或用戶名/密碼登入
- 完全可擴展，支援主題（YAML）和外掛（JS + Python）
- 預設情況下，無數據離開 localhost
訊息平台：透過閘道連接超過 27 個平台（在第 1.9 節中介紹）。
2. 複合效應
Hermes 的複合特性是它最顯著的特性，也是它更像一個作業系統而非典型 Agent 的主要原因。
第 1 天： Hermes 對你一無所知。每個任務都需要完整的說明。你解釋你的工作流程、你的偏好、你的工具。Agent 是一張白紙。
第 2 週： Hermes 已經累積了關於你的專案、偏好和工作風格的記憶。它不再問你已經回答過的問題。原本需要 10 條訊息的任務現在只需要 3 條。
第 1 個月： 赫密士已根據已完成的工作，創造出 15-20 個技能。你的內容工作流程、你的研究流程、你的收件匣分類方法——每一個都被編碼成可重複使用的程序。原本需要 Agent 花 20 次互動才能完成的任務，現在只需 5 次。
第 3 個月： 擁有 40 多個技能和深度記憶後，這個 Agent 的運作水準已無法透過切換到一個更好的模型（但沒有背景資訊）來複製。累積的技能、記憶以及學習到的偏好，創造了一種複合優勢，隨著每次會話而成長。
數學計算： 擁有 20 個以上自創技能的 Agent，完成類似未來任務的速度，比全新實例快大約 40%。這種改進會持續複合——每個完成的任務都可能創造或優化一個技能，進而加速未來的工作。
這在實務上意味著什麼：
從 NVIDIA NemoTron Labs 直播中，Nous Research 的 Johnny 描述了他實際的工作流程：「每天早上，我會啟動一個規劃會議。每次規劃會議，我都會得到一個包含我想做之事的日期金鑰檔案。這個技能會回顧過去一週，告訴我忽略了什麼，或者是否有我提過很緊急但還沒處理的事情。晚上 11 點，一個 cron 任務會觸發並告訴我：你是否完成了想做的事。」
這是一個隨著使用而逐漸演進的系統。早上的規劃技能、日期金鑰歸檔系統、每週回顧——這些都不是預先建置的。它們是從 Johnny 的使用模式中浮現出來，並成為永久性的基礎設施。
Karan，那位訓練了第一批赫密士模型的人，將其用於 ML 消融實驗：「我真的很討厭做消融實驗。既繁瑣又耗時。但這又必須做。因為這是做科學的方法。現在赫密士來做這件事。而且我不必再親自處理了。」
複合效應是將赫密士視為基礎設施而非應用程式的核心論點。應用程式在第 90 天提供的價值與第 1 天相同。而基礎設施會隨著投入而改善。
3. Token 經濟學——實際成本是多少
將赫密士作為個人作業系統運行，有其具體成本。理解這些成本對於永續使用非常重要。
Agent 執行環境： 赫密士本身是免費且開源的（MIT 授權）。成本來自於模型推理和基礎設施。
基礎設施選項：
最低 VPS 規格：** 2 vCPU，2GB RAM（適用於輕度使用）。
建議規格： 4 vCPU，8GB RAM（適用於重度使用）。不需要 GPU——赫密士是呼叫 API，而非直接運行模型。
模型提供者選項：
X API 成本（自 2026 年 2 月起按使用量付費）：
替代方案：OpenTweet MCP，每月固定 $5.99 美元。
實際的月度預算：
以下 Token 估算基於典型的會話模式。實際消耗取決於模型、任務複雜度、工具輸出量以及配置。在赫密士內部使用 /usage 來測量你的實際數字。
運行本文描述的完整內容系統（每天 5 個 cron 任務、每天 2 次使用 /goal 的內容會話、每日子 Agent 研究、看板追蹤）每月大約會消耗 10-1100 萬個 Token。以下是根據不同模型策略所需支付的費用：
在 GPT-5.5 上每月花費 $27 美元的相同系統，在 Claude Opus 上則要花費 $250 美元。對於相同的 cron 任務、相同的 /goals、相同的子 Agent，成本差異高達 10 倍。
為什麼這很重要： 赫密士與模型無關。你可以根據個人檔案、任務來選擇模型。掃描 X 平台熱門貼文的例行 cron 任務，不需要 Opus 等級的推理能力。一個 $0 美元的 GPT-5.5 呼叫就能完成相同的工作。將昂貴的模型保留給每天一次、寫作品質或深度推理能真正發揮作用的那個 /goal。
最便宜的完整路徑：
這就是一個全天候運作的自主 Agent，擁有 5 個每日 cron 任務、持久記憶、自我改進技能、看板任務追蹤，以及透過手機存取 Telegram 的能力。
比較一下：做同樣工作的虛擬助理每月收費 $500-2,000 美元。一個內容代理商每月收費 $3,000-8,000 美元。
關於 Nous Portal 的說明： Plus 方案（每月 $20 美元，$22 美元額度）適用於輕度使用（1-2 個 cron 任務，每天幾次會話）。對於此處描述的完整內容系統，Super 方案（每月 $100 美元，$110 美元額度）或自備金鑰更為可行。
Token 優化（6 種降低成本的方法）：
- 精簡檔案讀取器 — 每次讀取檔案可減少 14% 的 Token（最新版本中自動啟用）
- 提示快取 — 多輪會話中可減少約 75% 的 Token（僅限 Anthropic 模型）
- /compress — 總結會話歷史，減少開銷
- 工具搜尋 — 按需載入架構，而非一次性全部載入
- 子 Agent 委派 — 每個子 Agent 在自己的上下文中運行，僅返回摘要
- 基於檢索的記憶 — 相比簡單的完整注入，可減少 72% 的 Token
獲得可用 Agent 的最快路徑：
1hermes setup --portal
一次 OAuth 授權即可涵蓋模型 + 網頁搜尋 + 圖片生成 + TTS + 雲端瀏覽器。無需單獨的 API 金鑰。
4. 層層疊加如何串聯
當這些層級疊加時，會產生複合效應。以下是一個端到端運作的鏈條：
1早上 8:00 — Cron 任務觸發。23內容主導（content-lead）設定檔甦醒4並啟動一個結構化的 /goal：56「利用 X 平台的熱門趨勢資料7和我過去 14 天的貼文，找出今天最強的 3 個內容切入點。」89它產生了 3 個子 Agent：10→ 子 Agent 1 掃描 X 平台尋找熱門貼文11→ 子 Agent 2 提取近期貼文表現數據12→ 子 Agent 3 檢查競爭對手帳號1314工具搜尋僅載入每個子 Agent 所需的工具。15提示快取保持系統提示詞的低成本。16每個子 Agent 在自己的上下文中運行（委派模式）。1718全部三個都變成看板卡片。19排程器並行追蹤它們。2021子 Agent 完成任務。內容主導設定檔執行22內容發布技能來草擬 2 篇貼文。2324草稿落入 Telegram 的「內容」主題25等待審核。2627用戶在一個貼文上點擊核准。拒絕另一個。28核准的貼文透過 xurl 發布。293010 分鐘後，一個競爭對手針對同一主題31發布了一篇回應。32一個 Webhook 被觸發。33赫密士草擬了一個後續切入點34並將其發送到「回應」主題。3536所有內容都在儀表板上可見。37運行了什麼、發布了什麼、待辦什麼。3839晚上 11 點，每日回顧的 cron 任務觸發。40會話搜尋拉取了當天的工作內容。41摘要已傳送到 Telegram。
一天之內。九個架構層級被觸發。兩篇貼文已發布。零手動研究。總 API 成本：大約 $2-4 美元。
5. 關鍵特性
持久性
赫密士被明確設計為透過其記憶系統，跨會話保留資訊。這使得累積的背景脈絡和建立的技能能夠隨著時間推移而持久存在，而不是在每次會話或重啟後遺失。
隔離與協調
設定檔與看板的結合，使赫密士能夠同時支援隔離與結構化協作。設定檔提供了不同工作負載之間的分離，而看板則在需要協作時，啟用受控的交接和背景脈絡轉移。
自我改進機制
技能建立功能的引入，為赫密士提供了結構性自我改進的途徑。與僅依賴提示工程或手動工具定義的系統不同，赫密士可以根據使用模式擴展自身的能力。自主管理員可確保技能庫隨著時間推移保持整潔高效。
人性化監督作為原生功能
透過看板中的「受阻」任務狀態，以及 Telegram 和 Slack 中的核准按鈕，人為介入被實作為一級概念。這使得系統能夠乾淨地暫停執行、保留背景脈絡，並在收到必要輸入後智慧地恢復。
6. 實際考量
當你將赫密士作為基礎設施而非簡單的對話工具使用時，有幾個實際因素變得重要：
- 系統的長期價值，在很大程度上取決於如何隨著時間推移來管理、策展和維護記憶與建立的技能。自主管理員有所幫助，但定期的人工審查能提高品質。
- 設定檔隔離很有用，但需要刻意配置。它不是自動的，也無法提供與傳統流程隔離相同的保證。
- 自主建立的技能其品質和實用性可能差異很大。在許多情況下，特別是在初期，人工審查能改善結果。
- 資源消耗，特別是模型上下文視窗和推理成本，應積極監控。請定期使用 /usage 和 /compress。對於大型 MCP 設定，請啟用工具搜尋。
- 整體系統的有效性高度依賴於審慎的配置和持續的管理，而不是簡單地運行軟體就能自動產生。
- 在投入大量使用模式之前，應先了解 Token 經濟學。從 Nous Portal Plus（每月 $20 美元）開始，然後再逐步擴展。
Token 感知配置
將赫密士作為一個完整的作業系統運行，擁有多個設定檔和 cron 任務，每次會話啟動時都會消耗 Token（系統提示詞 + 記憶 + 技能索引）。如果沒有優化，成本可能比預期增長得更快。
在適當的工作上使用適當的模型：
並非每個任務都需要最強大的模型。將模型與任務類型匹配，是最大的單一成本控制槓桿。
1內容主導設定檔：2→ 模型：claude-sonnet-4（寫作能力強，成本適中）34研究員設定檔：5→ 模型：gpt-5.5（較便宜，透過 Codex 以 $0 美元處理大量需求）67維運設定檔：8→ 模型：gpt-5.5（例行任務，成本效益高）910程式碼審查設定檔：11→ 模型：claude-opus-4-8（僅用於複雜推理）
將前沿模型（Opus, GPT-5.5）用於複雜的 /goals。將較便宜的模型用於每日 cron 任務和例行分類。只需切換一次，每月帳單就能減半。
為輕量級設定檔降低記憶體限制：
預設的記憶注入每次互動為 2,200 字元（約 800 個 Token）。在一個 50 次互動的 /goal 會話中，這相當於花費 40K 個 Token 來重複記憶。對於不需要深度個人背景脈絡的設定檔：
1hermes config set memory.memory_char_limit 10002hermes config set memory.user_char_limit 500
設定合理的 max_turns：
1# 研究和內容（較短，目標明確）2hermes config set goals.max_turns 2034# 程式碼任務（較長，需要更多迭代）5hermes config set goals.max_turns 50
在 Opus 上進行 50 次互動，每次會話可能花費 $5-12 美元。請根據設定檔設定 max_turns，而非全域設定。研究設定檔很少需要超過 20 次。
啟用全部 6 項 Token 優化：
1tools:2 tool_search:3 enabled: auto # 按需載入架構45memory:6 memory_char_limit: 2200 # 如果不需要可調低7 user_char_limit: 1375 # 如果不需要可調低
此外：提示快取（Anthropic 模型自動啟用）、長會話使用 /compress、平行工作使用子 Agent 委派。
為次要任務使用便宜的輔助模型：
赫密士將壓縮、視覺、網頁摘要、核准評分、工具路由和會話標題卸載給輔助模型。每個插槽都可以獨立配置。為這些任務使用一個便宜的快速模型，同時將昂貴的模型保留給主要工作：
1hermes model2# 設定主要模型：claude-sonnet-4（品質）3# 設定輔助模型：一個快速便宜的模型（壓縮、路由）
這意味著 /compress 和自動壓縮是在便宜的 Token 上運行，而不是在你主要模型的定價上。
調整壓縮閾值：
1compression:2 threshold: 0.50 # 預設：在上下文視窗達到 50% 時壓縮
將其降低到 0.30-0.40 以進行更積極的壓縮。會話保持更輕量，在壓縮器觸發前累積的 Token 更少。
無損上下文管理（LCM）：
1context:2 engine: "lcm" # 外掛，取代預設的有損壓縮
預設的壓縮器是有損的——它會摘要並丟棄較舊的上下文。LCM 是一個外掛替代方案，能在保留所有上下文的同時優化 Token 使用。可透過 hermes plugins → Context Engine 取得。
使用 /usage 監控：
1/usage
定期運行此命令。比較不同會話之間的 Token 計數。如果某個 cron 任務消耗的 Token 超出預期，請簡化其提示詞或將其切換到更便宜的模型。
按設定複雜度劃分的成本規模：
以下是預估範圍。請在赫密士中運行 /usage 以與你的實際數字進行比較。
最便宜的路徑：透過 Codex（每月 $20 美元的 ChatGPT 訂閱費，已包含推理費用）在 GPT-5.5 上運行所有任務。僅將 Claude 或 Opus 保留給那些推理品質能對你的輸出產生可衡量影響的會話。
7. 當前限制（截至 2026 年 6 月）
赫密士擁有多項重要的架構優勢，但它仍是一個持續演進的系統，而非完全成熟的個人作業系統：
- 原生的桌面應用程式顯著提升了可及性，但在所有工具互動方面，特別是複雜的瀏覽器自動化和某些本地整合，尚未提供與 CLI/TUI 完全相同的功能集。
- 運行大量的並發 Agent 或非常長時間的工作流程，可能會對模型上下文視窗和推理資源造成巨大壓力。通常需要謹慎的資源管理。
- 設定檔隔離在許多用例中實用且有效，但它並未提供與傳統作業系統中流程隔離相同等級的穩健性或故障隔離能力。
- 自主技能建立是一個有前景的方向，但其成熟度和可靠性仍然參差不齊。高品質、可重複使用的技能通常仍需要人工策展，特別是對於複雜或高風險的任務。
- 在長時間會話中進行自動壓縮可能導致上下文丟失。自主管理員和會話回憶是部分解決方案。在視窗的生命週期內將完整執行緒保留在上下文中可以防止無聲漂移，但限制了會話長度。
- 某些進階工具整合在使用 CLI/TUI 時可能比透過桌面應用程式或訊息介面更穩定。
- SSEP 閘道協定是新的（v0.16.0）。對於較不常見的訊息平台，可能存在特定於平台的渲染邊緣案例。
這些限制主要與實作成熟度有關，而非根本性的架構缺陷。該專案仍在持續活躍開發中。僅 v0.16.0「Surface Release」就包含了 874 次提交、542 個合併的 PR，以及來自 170 位社群成員的貢獻。之前的 v0.15.0「Velocity Release」則包含了 1,302 次提交、747 個合併的 PR，以及 321 位貢獻者。
8. 赫密士與其他 Agent 框架的比較
評估赫密士時最常見的問題：它與 Claude Code、OpenClaw 和 CrewAI 相比如何？答案是它們解決不同的問題，並且建立在不同的哲學之上。
（來自同時使用三種工具的開發者）有效的思維模型：
Claude Code 是你桌上的日常駕駛工具。現有最強的原始程式碼 Agent。如果工作是「寫程式碼、重構程式碼、除錯程式碼、理解這個程式碼庫」，那麼 Claude Code 勝出。
Hermes Agent 是你全天候的基礎設施。它在你睡覺時運行，透過設定檔管理多個工作負載，透過技能和記憶產生複合效應，並能從任何地方透過 Telegram 聯絡到你。
OpenClaw 是你的聊天優先助手。擁有最大的市集、最簡單的託管服務（每月 $3 美元）、最強的非技術用戶體驗。
CrewAI 是你的編排框架。當你需要多個專業 Agent 在 Python 中定義的管道上協同工作時使用。它不是一個獨立的 Agent——而是一個用於建構多 Agent 系統的框架。
一個能說明差異的基準測試：
一個獨立測試將相同的 18 個提示詞提交給 Claude Code（Opus 4.7）、OpenClaw（Sonnet 4.6）和 Hermes Agent。赫密士贏得了 18 個中的 14 個。它輸掉的 4 個是純程式碼任務，在這些任務中，Claude Code 對程式碼庫的理解無與倫比。它贏得的 14 個是那些先前會話的記憶和背景脈絡發揮關鍵作用的任務。
結論：當歷史重要時，赫密士獲勝。當程式碼深度重要時，Claude Code 獲勝。它們是互補的，而非競爭關係。
赫密士提供了 hermes claw migrate——一個內建的從 OpenClaw 遷移的命令。當一個產品為特定競爭對手提供了一個命名的遷移命令時，其定位就很明確了。
9. 從這裡開始
如果你閱讀了整篇文章並想要開始，這裡有三個路徑，取決於你的情況。
路徑 1 — 我有 15 分鐘（最快得到第一個成果）：
1# 安裝2curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash34# 一鍵設定（模型 + 工具 + 閘道）5hermes setup --portal67# 連接 Telegram8# 向 @BotFather 發送訊息 → /newbot → 複製 Token9# 當 hermes setup 要求時貼上 Token1011# 設定你的第一個 cron 任務12hermes chat13> "每天早上 8 點，發送一份 AI 新聞摘要給我14 到 Telegram"1516# 完成。明天早上你會收到一份簡報17# 無需打開瀏覽器。
路徑 2 — 我有一晚時間（完整的個人設定）：
- 安裝赫密士並執行 hermes setup --portal
- 連接 Telegram（BotFather → Token → 貼上）
- 建立你的第一個設定檔：hermes profile create work
- 編寫一個 soul.md 來定義 Agent 應如何表現
- 設定 3 個 cron 任務（晨間簡報、競爭對手檢查、每日回顧）
- 使用結構化模板運行你的第一個 /goal：
1/goal [期望成果] 使用 [來源]2限制條件： [限制條件]3交付物： [交付物]
- 打開儀表板：hermes dashboard
8. 一週後檢視技能。刪除弱項。完善強項。
路徑 3 — 我想要完整的作業系統（週末專案）：
- 啟動一個 Hetzner CX22 VPS（每月約 $7 美元）
- 透過 SSH 在 VPS 上安裝赫密士
- 執行 hermes setup --portal
- 連接 Telegram 閘道：hermes gateway start
- 建立 3-4 個設定檔（內容、研究、維運、程式碼）
- 為每個設定檔編寫 soul.md
- 為每個設定檔設定 cron 任務
- 配置看板以進行跨設定檔任務追蹤
- 在你的筆記型電腦上安裝桌面應用程式
- 透過身份驗證閘道將桌面應用程式連接到遠端後端
- 在 config.yaml 中啟用工具搜尋
- 為了 Token 優化降低記憶體字元限制
- 設定 Bitwarden Secrets Manager 來管理憑證
- 運行一週。檢視技能、記憶和 Token 使用情況。
- 反覆迭代。系統從此處開始產生複合效應。
如果感到不知所措，優先級順序為：從 cron 任務（10 個技巧文章中的 #3）、/goal 結構（#4）和技能（#8）開始。這三項設定能在一夜之間改變赫密士的使用感受。
結論
Hermes Agent 代表了當前開源 Agent 框架中，在架構上較為雄心勃勃的嘗試之一，旨在超越簡單的對話或工具呼叫介面。它結合了持久記憶、基於設定檔的隔離、透過看板實現的結構化任務編排、純英文 cron 排程、持久的 /goal 目標、動態工具載入、多平台閘道存取、語音互動、生產環境安全原語，以及建立可重複使用程序的機制。這些特性使其具備了更接近個人作業系統概念的屬性，而非當今大多數其他可用系統。
來自 Nous Research 的 Karan，那位訓練了第一批赫密士模型的人，簡單地描述了它：「Hermes Agent 是一種能力，它能理解語言模型，並意識到你電腦上發生的一切本質上都是文字輸入或文字輸出。Hermes Agent 讓你透過電腦上的所有整合來做到這一點。它可以使用你的瀏覽器、你的應用程式，你在電腦上做的一切。它是一個通用的自動化工具，是電腦操作和數位操作的通用模擬器。」
同時，保持現實的期望也很重要。赫密士還不是一個完全成熟的個人 AI 作業系統。其架構方向很有前景，但實際效果仍然在很大程度上取決於謹慎的配置、持續的管理，以及對功能成熟度的誠實評估。
當你審慎地將其用作基礎設施時，赫密士可以作為一個基礎，用於建立長期、持續演進的 AI 輔助工作流程，這些流程的能力會隨著時間推移而複合增長。關鍵差異在於，你對系統能力和局限性理解與運用的審慎程度。
Agent 已就緒。技術棧已就緒。其價值會隨著使用而複合增長。
相關文章
- HERMES AGENT: 完整指南 — 安裝、模型、儀表板、使用案例、安全性
- 完整的 Hermes /goal 手冊 — 21 個工作流程
- Hermes /goal — 完整指南
- 如何讓 Hermes + xurl 作為一個系統實際運作
- Hermes x Bitwarden — 安全技術棧
- 10 個 Hermes Agent 設定
在 Substack 上查看擴展版本和更多 Hermes 內容：https://substack.com/@yanxbt
本文基於公開的 Hermes Agent 文件（v0.16.0「Surface Release」）、NVIDIA NemoTron Labs 直播，以及截至 2026 年 6 月觀察到的系統行為。
https://x.com/IBuzovskyi/status/2059675518966894767
https://x.com/IBuzovskyi/status/2059303967767593247
https://x.com/IBuzovskyi/status/2056764150936748082
https://x.com/IBuzovskyi/status/2057114309616885997
