Hermes Agent 源码解析(2026-04)-夜雨聆风

Hermes Agent 源码解析(2026-04)

本来已经对各种🦞感到厌倦了，最近 timeline 又开始不断出现 Hermes Agent，自称 self-improving AI agent。

为方便记忆，本文以爱马仕作为简称。

项目刚刚发布不久，代码量不大又是 Python 编写，所以晚上花了点时间，快速瞄了一眼源码。

各种🦞大同小异，爱马仕让人印象比较深刻的主要是它 memory 和 skills 的设计。

Memory

爱马仕提供了4层 memory：

Prompt Memory 即 MEMORY.md 和 USER.md 文件，每次会话开始都会注入到上下文中。

Session 存储在本地 SQLite 数据库中，搭配 FTS5 扩展，支持全文检索。

Skills 也可以被看作是过程记忆，使用渐进式披露的方式，先调用 skills_list tool 获取索引，然后调用 skill_view tool 获取内容。

支持第三方的 memory 实现，不过我只用过其中的 mem0 和 OpenViking。

爱马仕提供了以下 tool 操作 memory:

爱马仕通过4层 memory 支持了 working memory、episodic memory、semantic memory 和 procedural memory。

Skills

这也是爱马仕比较有特色的地方，通过一个循环不断提炼 Skills:

observe -> distill -> reuse -> refine

爱马仕提供了对 Skills CRUD 的 tool：

当一个任务满足条件，执行至少5次 tool call，从错误中恢复，用户修正或者它认为这个工作流值得持久化的时候，就是尝试创建新的 skill，如果 skill 已经存在，就会尝试修改既存 skill。

这应该不是我第一次见过类似的设计，我不确定爱马仕是否是昙花一现，但是 self-improving 将会成为之后 AI Agent 的标配之一。