夜雨聆风
我为什么放弃了 OpenClaw,全面拥抱 Hermes Agent(上手指南)
一、Hermes Agent 是什么
Hermes Agent 是 Nous Research 开源的自主 AI Agent 框架，GitHub 上已经超过 10 万 Star。官方地址：github.com/NousResearch/hermes-agent
说实话，我一开始也觉得”又一个 AI 聊天工具”。但用下来发现，它跟那些”绑死在 IDE 里的代码助手”或者”套壳聊天机器人”完全不是一回事。它的核心设计理念只有一句：用得越久，它越强。
这句”越用越强”不是营销口号。它内置了一整套自我进化的循环：每次对话都从里面提取记忆、自动生成能复用的技能、后台还有个程序默默自我审视。三个子系统一起转，让 Agent 的能力随着你用的时间不断往上涨。
我自己的理解是：它就是一个装在你自己设备上的全能 AI 助手。写代码、抓网页、做调研、管文件、调 API 都行，甚至能接上 Telegram、飞书、Slack，7×24 小时待命。它不绑死在你的笔记本上，可以跑在 5 美元一个月的 VPS 上、跑在 GPU 集群上，也可以跑在按用量计费的 Serverless 环境里（Daytona、Modal），闲着的时候几乎不花钱。
核心特性速览
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
二、环境要求与安装
这是全篇最”工具性”的一节，也是最容易踩坑的一节。我按顺序把每一步都写清楚。
（如果你电脑上已经装了 Claude Code，或者 Trae、Cursor、WorkBuddy 之类的别的 Agent 工具，也有个偷懒办法：直接把 Hermes 的 GitHub 地址丢给它，然后说一句”帮我参考这个地址，完成 Hermes 的安装”。）
2.1 环境要求
动手之前，先确认系统满足这几条：
|
|
|
|---|---|
|
|
|
|
|
|
不确定自己的 Python 版本？终端里敲一句查一下：
版本不够？按你的系统装：
2.2 一键安装
Linux / macOS / WSL2，一条命令：
Windows（PowerShell，目前还是早期 beta）：
安卓（Termux）也支持，用上面那条 curl 命令就行，安装器会自己认环境。
装完之后，当前这个终端还认不出 hermes 命令，得重载一下：
嫌麻烦就直接把终端关掉重开，效果一样。配置文件都在 ~/.hermes/ 这个目录下。
2.3 首次设置向导
装好之后，建议先把完整的设置向导跑一遍：
向导会带着你一步步走完下面这些（可以先选 quicksetup，把基础配置和模型先设好，剩下的以后按需再改）：
· 选 LLM 提供商
· 填 API Key
· 配默认工具集
· 设基础偏好
2.4 配置模型 Provider
装好之后第一件事就是配模型。Hermes 支持 20 多个 Provider，不绑定任何一家模型，这是它最大的优势之一：
交互式地选你的 Provider。我自己的配置是这样：
|
|
|
|
|
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
其他常用的 Provider：
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
选完 Provider，API Key 会存在 ~/.hermes/.env 文件里。
模型随时能换，不影响你已经攒下的记忆和技能。以后想换模型，再跑一次 hermes model 就行。
国内模型完全够用：GLM、DeepSeek、Kimi、通义千问都支持，不翻墙也能跑。我自己日常主力就是 GLM-5.1，写代码、生成文本都很稳，价格也划算。
2.5 验证安装：hermes doctor
这个命令值得单拎出来讲，因为它能帮你省下 90% 的排错时间（别问我怎么知道的）：
它会一项一项地查：
· Python 版本够不够
· 依赖装全了没有
· 模型配置有没有效
· 工具链正不正常
全绿通过 = 装好了。有红色报错，按提示修一下就行。
2.6 开始第一次对话
就这么简单。敲完进对话模式，直接开聊。新手建议先试试这几句：
· 你好，请介绍一下你自己
· 帮我看看当前目录下有哪些文件
· 帮我写一个 Python 脚本，统计一个目录下所有 JSONL 文件的行数
Hermes 会自己挑合适的工具去把活干完。
我的第一条对话是：”帮我整理一下今天的团队工作进展，输出一份简短的日报”。它自己扫了我的工作目录、读了几份会议记录，输出了一份结构清晰的日报。那一刻我意识到，这东西不只是个聊天机器人。
三、对话中的进阶操作
3.1 斜杠命令速查
进了对话（敲 hermes）之后，下面这些是我最常用的斜杠命令：
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
重点说两个：
/skills —— 这是 Hermes”自进化”能力的可视化窗口。Agent 干完复杂任务后自己沉淀下来的技能，都能在这儿看到。我用了一个月之后敲这个命令，发现已经攒了十几个技能——简历筛选、日报生成、实验记录格式化，全是我自己都没察觉在重复做的事。
/insights –days 7 —— 相当于给你的 AI 助手出一份”周报”。它总结这周学了什么、哪些技能被反复调用、哪些任务模式在重复。说实话第一次看到这个输出我有点惊讶——Agent 比我自己还清楚我这一周在忙什么。
3.2 对话中临时切换模型
除了用 hermes model 全局切，我更常用的是在对话里随时切：
我的习惯是：日常对话和简单任务用 GLM-5.1（便宜），碰上复杂推理或者要设计代码架构，就切 DeepSeek V4 Pro（更强）。同一次对话里随便切，不影响已经攒下的记忆和技能。
四、核心机制：自我进化循环
这是 Hermes 最核心的设计，也是它跟所有”一次性 AI 助手”拉开差距的地方。这套 Self-Improving Loop（自我进化循环）由三个子系统组成。把这三个搞懂，你就明白 Hermes 为什么”越用越强”了。
4.1 记忆系统（Memory）
记忆系统是整个进化循环的地基。它不是个简单的对话记录器，而是有一套精心设计的分层架构。
MEMORY.md 与 USER.md
· MEMORY.md：约 2200 字符，放 Agent 精选的长期记忆。里面是 Agent 自己判断”重要”的东西：你的偏好、项目背景、常用工具配置等。
· USER.md：约 1375 字符，放用户画像。Agent 通过 Honcho 的”辩证式用户建模”，一点点搭起对你的理解。
记忆操作
Agent 通过 memory 工具管记忆：add 追加、replace 替换、remove 删除。
会话搜索
session_search 工具基于 SQLite FTS5 全文索引，能搜你所有的历史会话：
外部记忆 Provider
要是内置记忆不够用，Hermes 支持接 8 个外部记忆 Provider：
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
对大多数人来说，内置的 MEMORY.md + FTS5 搜索已经够用了。我自己目前还没接外部 Provider，内置这点记忆量对我够使。你要是重度用户、记忆量很大，可以考虑接一个。
4.2 技能系统（Skill）
如果说记忆是”知道什么”，那技能就是”知道怎么做”。
Skill 是 Hermes 从你的重复操作里自动提取出来的标准流程，存成 SKILL.md 文件。每个 Skill 长这样：
技能的自动生成
Agent 会在这几种情况下自动触发生成技能：
· 同一个任务调用了 5 次以上工具——说明这是个复杂流程，值得沉淀下来
· 遇到错误又成功克服了——把解决办法固化住
· 用户纠正了 Agent 的做法——把正确做法记下来
渐进式披露
技能系统用了三层渐进式披露，避免白白浪费上下文：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
这就意味着，几百个技能不会一股脑全塞进上下文，而是按需加载。
技能管理
Agent 自己也能管技能（skill_manage 工具）：创建、修补、编辑、删除。有安全机制会自动扫新装的技能，发现危险操作就回滚。
4.3 Nudge Engine（提示引擎）
Nudge Engine 是第三个子系统，也是最容易被忽略的一个——因为它在后台默默干活，你不主动翻日志，甚至都不知道它在忙啥。它本质是一个跑在后台的审查 Agent。工作流程是这样：
· 每轮对话结束后，Nudge Engine 在后台 fork 一个独立的审查 Agent
· 这个审查 Agent 检查：有没有值得记下来的信息、有没有值得沉淀的技能
· 它内部维着两个计数器：memory_count 和 skill_count
· 计数器到了阈值（默认 10），就触发一次记忆写入或技能生成
· 审查 Agent 最多调 8 次工具，防止它无限循环
五、SOUL.md：定义 AI 人格
SOUL.md 是 Hermes 的”灵魂文件”，放在 ~/.hermes/SOUL.md。它定义了 Agent 的人格、沟通风格、专业领域，还有你的身份信息。说实话，这部分值得你花 15 分钟认真写——写好了，后面每一次对话都在这个底子上往上叠。
没有 SOUL.md 的 Hermes，就像一个没性格的通用助手，每次对话都得重新跟它解释你是谁。有了 SOUL.md，它就知道你的背景、你的工作、你喜欢什么样的沟通方式。再配上 Memory 系统，它能一步步搭起对你的深入理解。
示例配置（我自己的实际配置）
这是我照着自己实际情况写的 SOUL.md。它能帮 Agent 快速搞清楚：你是谁、你在做什么、你需要什么样的帮助。
六、配置精讲：config.yaml
Hermes 的主配置文件在 ~/.hermes/config.yaml，搭配 ~/.hermes/.env 存密钥。日常用默认配置就够了，但下面这几个配置项值得了解一下，能帮你省不少 Token、提升体验。
6.1 终端后端
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
比如要环境隔离，切到 docker 后端，配置长这样：
6.2 辅助模型（Auxiliary Models）
可以给不同任务指定不同模型，平衡成本和质量：
6.3 上下文压缩
长对话很费 Token。Hermes 内置了 LLM 压缩：
6.4 委派（Delegation）
让 Agent 自己生成子 Agent 去处理子任务：
6.5 安全配置
6.6 网页搜索
七、实操案例：我用 Hermes 做什么
装好之后，我把它揉进了日常工作流。下面是六个真实场景，全是我每天在用的。
场景一：工作记录——把散落的笔记变成结构化知识
我一个人接好几个客户的项目，每天的活都很碎：跟 A 客户对需求、给 B 客户调试客服机器人、整理 C 客户的知识库、晚上还要回报价。我习惯随手在对话里丢一句：
Hermes 会自动把它整理成结构化的工作记录，存进记忆。过一周我搜”上次跟那个制造业客户对齐验收口径是哪天”，它能精确找到。用了一周后，MEMORY.md 里已经攒下”用户是做企业 AI 服务的独立开发者””手上同时跟好几个客户项目”这些结构化信息——不用我手动维护，Agent 自己提炼的。
场景二：头脑风暴——给客户的技术方案怎么选
这是我最常用的场景之一。比如有个客户想上一套企业知识问答，我在纠结技术路线：
Hermes 会结合它记忆里关于我这个项目的信息，给出有针对性的分析，而不是泛泛地告诉你”RAG 适合啥、微调适合啥”。
场景三：简历筛选——帮我筛外包和合作者
项目忙不过来时我会找外包，会收到一堆简历，让 Hermes 帮着做第一轮筛：
它会给一个简洁的评估：匹配度、亮点、疑点。我拿着筛选结果再决定要不要细聊，省了不少时间。用多了之后，Agent 自己沉淀出一个”简历筛选”的 Skill，我现在只要说一句”帮我筛一下这份简历”就行了。
场景四：日报周报——给客户的项目进展从碎片到成品
这是我每周给客户同步进展的固定动作：
Hermes 会生成格式规范的周报，分”本周完成””进行中””下周计划”三块。给不同客户发的时候，加一句”换成给某某客户的口吻”就行。
场景五：自研小工具——快速搞定临时需求
交付项目时经常要些小工具：把客户给的数据转个格式、批量跑一遍测试问答、把结果汇个总。以前我要么自己写脚本，要么干脆手动弄。现在直接让 Hermes 搞：
它直接生成能跑的脚本，我 review 一下就能用。这类需求频率高、单次工作量又不大，以前总被卡在”写脚本的时间比用工具的时间还长”，现在几秒钟就解决。
场景六：技术调研——快速抓住核心
看到一个新模型、新方案，让 Hermes 帮忙快速提炼，判断值不值得用到客户项目里：
它会给一个结构化的分析。如果我之前调研过类似的方案，它还会主动关联：”之前你看过一个类似的方案，那次的结论是……”——这就是 Memory 的价值。
观察自我进化
用了一阵子之后，看看 Agent 都学到了啥：
我发现用了两周之后，skills 目录里已经躺着 5 个自动生成的技能文件了。最常用的是”日报生成”和”简历筛选”——因为这俩操作我确实每天都在做。Hermes 自动把它们沉淀成了标准流程。
八、多平台网关与 OpenClaw 迁移
8.1 多平台网关
如果你想（像我一样）让 Hermes 同时在 Telegram、Discord、Slack 这些平台上干活：
一个 gateway 进程搞定所有平台。它支持跨平台对话连续——在 Telegram 聊到一半，切到 Discord 接着聊，上下文不丢。还支持语音消息转录。
对我们做客服 SaaS 的来说，这个能力直接就是产品力——客户可能散在不同平台，但 Hermes 作为 AI 客服，在所有平台上记的是同一份上下文。客户不管从哪个渠道来找你，AI 都知道之前聊了啥。
8.2 从 OpenClaw 迁移
如果你之前用的是 OpenClaw（龙虾），Hermes 就是它的正式继任者。同一个团队、同一条产品线，但架构和能力做了大幅升级。第一次跑 hermes setup 时，如果它检测到你本地有 ~/.openclaw 目录，会自动提示迁移。也可以手动来：
迁移内容包括
· 人格文件（SOUL.md）
· 记忆数据（MEMORY.md、USER.md）
· 自建技能（导入到 ~/.hermes/skills/openclaw-imports/）
· 命令审批白名单
· 各平台 API Key（Telegram、OpenRouter、OpenAI、ElevenLabs 等）
· TTS 语音资源、工作区指令（AGENTS.md）
迁移完成后，OpenClaw 的原始数据不会被删，你可以放心操作。万一不满意，原来那只龙虾还在。
九、常见问题
Q：Hermes 和普通 AI 聊天有什么区别？
A：三个核心区别：1）自主调工具（能真去执行操作）；2）自我进化（用久了会攒记忆、自动生成技能）；3）持久运行（不靠浏览器，能 7×24 跑在服务器上）。
Q：Token 消耗会不会很大？
A：配置合理的话，消耗是可控的。我的做法：日常用 GLM-5.1（便宜），复杂任务切 DeepSeek V4 Pro；开上下文压缩；辅助模型用轻量的。
Q：记忆上限 2200 字符够用吗？
A：轻度用够了。重度用户建议接外部记忆 Provider（比如 Hindsight 或 MemOS），或者用 MemOS 本地记忆插件扩容。
Q：怎么切换模型？
A：三种方式：1）全局切 hermes model；2）对话中临时切 /model deepseek:deepseek-v4-pro；3）在 config.yaml 里给不同任务配不同模型。切模型不影响已经攒下的记忆和技能。
Q：遇到问题怎么排查？
A：第一反应跑 hermes doctor，80% 的问题它能直接告诉你答案。如果 doctor 全绿但还有问题，再查 hermes model 确认 Provider 配置，或者跑 hermes setup 重新初始化。
Q：想快速体验满配版，不想一个个手动配怎么办？
A：社区有个一键满配工具 evey-setup，跑一条命令就能自动装 29 个常用插件、配好免费模型访问和 Token 优化。下一篇会细讲。
Q：去哪儿找更多工具、Skill 和教程？
A：三个推荐入口：Hermes Atlas（hermesatlas.com，交互式工具地图）、awesome-hermes-agent（GitHub 资源汇总）、get-hermes.ai/community（官方社区门户）。
十、核心价值：为什么选择 Hermes
用了一个月之后，我总结了几个让我觉得”选对了”的理由：