你的AI每次从零开始:搭个记得住你的本地助手

QUOTE

区别不在模型聪不聪明，在于一个用完即忘，一个越用越懂你。

周五晚上十点，老陈在地铁上点开 ChatGPT，第 8 次敲下同一套背景：后端用 Axum（Rust 的一个 Web 框架），代码部署在那台 Debian 服务器上，跑 Docker 千万别加 sudo。

提交信息按约定式提交写，测试要先在本地跑过……这些话，他这周已经交代了 8 遍。

每开一个新对话，对面那个聪明大脑就重新变回陌生人。项目路径、代码规范、踩过的坑、个人偏好，全部清零。

他的同事只在 Telegram（海外常用的一款聊天软件）里发了句“按老规矩发版”，自己服务器上的智能体已经开始拉分支、跑测试了。

区别不在模型聪不聪明，在于一个用完即忘，一个越用越懂你。

本文看点

Hermes Agent 是 Nous Research（开源 Hermes 系列大模型背后的实验室）出品的开源个人智能体，MIT 协议（最宽松的开源许可之一，可自由使用和修改）。

2026 年爆火，截至 10 月 31 日 GitHub 星标约 25.9 万，最新正式版 v0.22.5，10 月 22 日发布。

它不是绑在编辑器里的编程助手，也不是套了壳的聊天网页，而是一个跑在你自己机器上的常驻进程：笔记本、家里的 Mac mini、一台 5 美元/月的 VPS（虚拟专用服务器）都行。

你从 Telegram、飞书、Slack 或命令行跟它说话，它在你的机器上读文件、跑命令、改代码。

和网页版 AI 相比，差异集中在三件事：记忆存在哪、经验能不能自己攒、数据归谁。

Hermes 的持久记忆（跨对话保留信息的能力）落在两个明文文件里：

每次新开对话，这两个文件会自动注入系统提示词（模型开场就能读到的背景设定）。它天生知道你是谁、项目在哪、上次的教训是什么。

你随时可以用 cat ~/.hermes/memories/MEMORY.md 亲眼看它记了什么，写错了能改，也能 git 备份。

第二件事叫 learning loop（自我改进闭环）：干完一个复杂任务，后台会自动回放整段对话，把反复纠正过的流程压缩成一条记忆，或直接写成一个“技能”（一个叫 SKILL.md 的说明书文件）。

下次遇到同类任务零交代，技能还会在使用中继续修订。你也可以直接命令它：/learn 把我刚部署预发服务器的流程做成技能。

第三件事：记忆、会话、技能全部在 ~/.hermes/ 目录下。接本地模型时，数据不出机器。

跨对话记忆

经验沉淀

数据归属

触达方式

常驻与定时

操作你的系统

安全审批

团队复用

模型选择

价格

需要公平地说一句：ChatGPT 和 Claude 的网页版 2026 年都有记忆功能，差别不在“有没有”。

真正的差异在记忆归谁、你能不能看能不能搬，以及它会不会自己把经验攒成可复用的流程。

环境：macOS 或 Linux（Windows 用 WSL2）。你不用提前装 Python 或 Node，官方一键脚本会通过内置包管理器自动备好 Python 3.14、Node.js、ripgrep 等运行时。

本机已有 Python 3.11+ 或 Node 18+ 也不冲突，你只需要 curl 和 git。

终端跑一键安装：

重载 shell（bash 用户换成 ~/.bashrc）：

选模型：hermes model，交互向导里登录 Nous Portal 最省事，也可选 OpenRouter、OpenAI、Anthropic

开聊：hermes

验证记忆：先让它“总结当前目录在做什么”，再开新会话问“我在做什么项目”，看它答不答得上来

想在手机上随时找它，装完后跑 hermes gateway setup，按向导接 Telegram：找 @BotFather 建机器人拿 token，再 hermes gateway start。

token 填进 ~/.hermes/.env。

预算为零有一条官方路径：用 Ollama（本地大模型运行工具）跑本地模型，API 费用 0 元。官方当前推荐 gemma4:31b，模型约 20GB，推荐 32GB 以上内存，上下文要手动拉到 64K。

代价是纯 CPU 跑 31B 模型每秒只出 2–5 个 token（模型输出文字的计量单位），单条回复要等 30 秒以上；有 8GB 以上显存的显卡，体验才有质变。

用云 API 按用量付费，官方文档给的锚点是：一次重度编码会话大约 5–20 美元，而订阅制 Plus、Pro 都是 20 美元/月。

轻量尝鲜可以先选便宜模型按量付费，轻度使用通常远低于订阅费。

NOTE

两个坑：bot token 和 API key 只放进 ~/.hermes/.env，别提交进 git；近期流行的 sub2api（把订阅账号转成 API 多人共用）违反 OpenAI 和 Anthropic 的服务条款，有封号风险，别走。

官方没有发布“省几小时”的对照实验，能算的是你自己的账：每开一个新会话重新交代背景，保守按 3–5 分钟、一天 3 次、一周 5 个工作日算，是 45–75 分钟。

这两个记忆文件每轮自动注入，等于背景只说一遍。

另一个极端样本来自官方自述：Hermes Agent 用 1393 个 subagent（主任务拆出的并行执行单元，即子智能体）、约 19 个活跃工时重构了自己的代码库，模型花费约 19300 美元。

同等工作量的人工估算为 15 万至 180 万美元。这是孤证，当个量级参考就好。

明天就能试的最小动作：今晚装好 CLI，花 5 分钟让它总结一遍你手头的项目，然后开新会话考它。

它答得出“我在做什么项目”，你就有了一个记得住你的助手；答不出，先查模型上下文是否到了 64K。

如果你也是那种每个新对话都要重新自我介绍一遍的人，这篇就是写给你的。上面的对照表值得截图存手机，也值得转发给群里那个总在问“你用的什么 AI 工具”的朋友。

关注金句先生，个人开发者和小团队用得上的 AI 工具实测与落地路径，我们持续写。