Hermes Agent 完整架构说明

一、核心运行逻辑
整体采用闭环运行模式：感知输入→决策规划→工具执行→记忆沉淀→自我优化→输出反馈。
二、核心分层架构（从上到下）
1. 接入层
统一对接全渠道交互入口，一处配置即可全平台复用，无需重复适配，抹平渠道使用差异。
– 社交工具：Telegram、Discord、飞书、企业微信等
– 系统接口：CLI、API、邮件、网页
– 语音功能：语音文字双向转换
2. 对话与意图层
核心处理用户对话需求，实现精准交互：
– 维护多轮对话状态，保障交互连贯性
– 精准识别用户意图，拆分拆解复杂任务
– 沉淀用户偏好，打造个性化交互体验
3. 核心大脑层
架构核心模块，统筹决策调度与自我迭代，下设三大核心组件：
1. GEPA 自我进化引擎：任务执行后自动复盘、评估优化，固化可复用工作方法，快速迭代优化执行指令。
2. 任务规划器：自动拆分复杂任务，可分派子智能体并行处理，合理规划执行时序。
3. 技能系统：自动生成、统一管理可复用技能，支持手动编写与自动优化，按需加载调用。
4. 记忆架构层
搭载四层持久化记忆体系，跨会话、重启后数据不丢失，底层依托SQLite+FTS5实现高效全文检索：
– 短期记忆：留存当前对话内容
– 历史记忆：存储过往对话记录
– 用户记忆：记录用户习惯与偏好
– 技能记忆：固化标准化工作流程
5. 模型适配层
无平台绑定，全面兼容各类大模型，支持自由切换与自动降级，适配200+模型：
– 闭源模型：GPT-4o、Claude 3、Kimi等
– 开源模型：Ollama、Llama、Qwen等本地部署模型
6. 工具执行层
内置47+常用工具，支持自主扩展，具备完善的任务执行能力：
– 覆盖信息检索、代码运行、自动化操作、数据处理、系统调用等场景
– 支持子智能体调用、工具并行执行，可校验结果、重试失败任务
7. 存储与配置层
以本地存储为核心，存放技能库、记忆库与配置文件，后续可扩展向量数据库，提升数据存储检索效率。
三、简化运行流程
1. 用户通过任意渠道发起请求
2. 接入层统一归集请求信息
3. 识别用户意图、拆分任务
4. 核心大脑规划执行方案
5. 调用适配模型与工具完成任务
6. 复盘执行效果、优化流程
7. 沉淀技能、更新记忆库
8. 反馈结果，持续自我迭代
规智能体与同类架构，兼顾通用性、扩展性与迭代性。