Hermes Agent：会自我进化的 AI 智能体

本地部署 AI 完全指南 · 第 6 期

你有没有过这样的体验：用 AI 处理了一件很复杂的事，费了半天劲调教好；下次再让它干类似的活，它又忘了，一切重来。

这是所有普通 AI 产品的通病——跨会话失忆。你上次教会它的东西，关掉窗口就归零。

但有一类新物种正在打破这个局面。今天的主角 Hermes Agent，就是其中最受关注的一个：它会把你教过的技能沉淀下来，越用越顺手，甚至能在无人干预的情况下自我进化。

2026 年 2 月开源至今，GitHub 星标已超 20 万——这个数字在开源 AI 圈是现象级的。

它从哪来

Hermes Agent 出自 Nous Research——一家以"开放前沿 AI"著称的研究机构，也是著名开源模型 Hermes、Nomos 系列的作者。所以它自带两个标签：开放、硬核。

2026 年 2 月，Hermes Agent 正式开源，采用 MIT 协议（最宽松的开源许可之一，商用无压力）。此后更新极快：3 月办黑客马拉松、v0.5.0 强化安全、v0.18.0 推出 /learn 技能学习……

社区热度一路飙升，很快成为本地 AI 圈最火的智能体项目之一。

它解决什么问题：AI 的"失忆症"

普通 AI 的工作方式是"一次性"的：每次对话都是全新开始，没有记忆，没有成长。你教它的工作流程、你的偏好、你踩过的坑——它全都记不住。

Hermes Agent 的核心创新，就是内置了一个学习闭环：

执行任务 → 总结经验 → 沉淀为技能 → 下次直接复用 → 继续优化

具体来说：

• 自主创建技能：你让它处理一件事，它干完后会把"怎么干的"总结成一个可复用的技能（skill），存起来
• 使用中持续优化：下次遇到类似任务，它直接调用已有技能，干完再根据新经验更新技能
• 跨会话构建用户画像：它记住你的偏好、风格、常用工具，越用越懂你

一句话：别的 AI 用完即走，Hermes Agent 用一次强一次。

能干什么：从终端到聊天软件的"全能打工人"

Hermes Agent 不是又一个聊天框，而是一个真正能"干活"的智能体：

• 终端直接对话：在命令行里跟它交流，它能执行命令、操作文件、完成多步任务
• 远程下发指令：支持 20 余种通讯平台接入（Telegram、飞书、微信生态等），你在手机上发条消息，家里的电脑就替你干活
• 兼容 300+ 大模型：OpenAI、Claude、以及我们前面讲的各类本地模型（Ollama、vLLM 等）都可以作为它的"大脑"
• 多智能体协作：它还能组织多个 AI 一起工作，各司其职完成复杂任务

比如：出门在外，用 Telegram 给家里的 Hermes Agent 发一句"帮我把这周的日志整理成周报发我邮箱"，它自己规划、自己执行、自己交付。

本地部署：一条命令

作为"本地部署 AI 完全指南"的一期，当然要讲部署。好消息是——和 Ollama 一样简单：

pip install hermes-agent

或者用 Docker 一键起服务。装好后指定你本地 Ollama 的模型作为后端，数据全部留在本机，技能库和用户画像也存储在本地。

如果你没有很强的本地显卡，也可以接入云模型 API——架构上它完全中立，本地还是云端，看你自己的选择。

适合谁

• 效率狂人：重复性工作交给它，越用越自动化
• 隐私敏感者：本地部署 + 本地模型，全链路不出网
• 爱折腾的玩家：训练它学你的工作流，体验"调教一个 AI 员工"的乐趣

注意两点：一是它还在快速迭代，偶尔会有不稳定；二是能力越强越要设好权限边界——这也是官方 v0.5.0 专门强化安全的原因。

下期预告

从 Ollama 到 Bionic，从选模型到 Cherry Studio，再到今天的 Hermes Agent——我们的本地 AI 地图已经拼得差不多了。

下一期是系列收官：组装你的本地 AI 全家桶。硬件怎么配、软件怎么搭、什么场景配什么组合，一张总图全部讲清楚。我们收官见。

评论区聊聊：你最想让 AI 帮你记住并自动化的，是哪一件事？

JOTO 企业落地观察

• 企业若将 Hermes Agent 类系统用于内部知识沉淀，需明确技能库的版本控制与审批机制——因技能可被自动创建并复用，未经审核的技能可能固化错误流程。
• 该类智能体的“跨会话用户画像”能力对企业 RAG 知识工程构成新挑战：传统 RAG 依赖静态文档切片，而 Hermes 的动态技能演化要求知识源具备实时反馈与闭环更新能力。
• 其 MIT 协议与本地部署特性虽利于合规，但企业需自行承担技能演化过程中的责任归属判定——当自动优化后的技能导致操作偏差，追溯路径比固定提示词更复杂。
• 多智能体协作模式若引入生产环境，将放大智能体间指令歧义风险；企业需在部署前定义清晰的智能体角色契约与失败熔断策略，而非仅依赖底层模型能力。