16万星最倔AI助手:我在飞书上调戏它,它在云端帮我干活

AI 工具 · 开源推荐

16万星最倔AI助手：我在飞书上调戏它，它在云端帮我干活

自进化AI代理，全平台消息接入，模型随便切——这是GitHub上最硬核的AI助手框架之一。

它到底能干什么

作者第一次接触到 Hermes Agent，是在微信的 Nous Research 社区里。当时有人发了一个 Demo：把一个问题丢给 Hermes，它自动拆解、搜索、写入文件、最后发了一条飞书消息回来。整个过程没有手动干预。

作者的第一反应是："这不就是我想要的那个东西吗？"

然后看了一眼 Stars 数——16.2万。再看了一眼公司：Nous Research。顿时觉得这玩意儿是真的有东西。

全平台覆盖

飞书、微信、钉钉、WhatsApp、Signal、邮件——全部从同一个网关进程跑。我手机上装个飞书，它在云端服务器跑，零延迟回消息。Cursor 里装个插件，命令行里敲 hermes，本地 terminal 直接对话也行。

不同工具，同一个脑子。

模型随便换

OpenAI、Anthropic、Kimi/Moonshot、MiniMax、硅基流动、阿里云百炼（200+模型）——一个命令切，不需要改代码，不需要重启。你觉得 GPT-4 太贵，下次换 Claude；你觉得某个国产模型性价比高，秒切过去。

模型无关，是 Hermes 区别于大多数 AI 助手框架的核心差异。大多数框架是从 OpenAI API 包装出来的，换模型等于重写项目。

自带记忆系统

它会记住你上次聊了什么、在哪个项目卡住了、用的是什么技术栈。跨会话回溯，FTS5 全文搜索配合 LLM 摘要，不会让你丢失任何上下文。

这不是简单的对话历史。这是真正持久化的用户建模。

技能系统

用多了它会从你的对话里自动生成技能（Skill）。比如你经常让它写某个特定格式的测试报告，它学会之后，下次一句话就能执行。

这不是 RAG。这是直接学会你的工作流。

定时自动化

内置 cron 调度器，日报、备份、周报——用自然语言描述，它按时帮你跑完发到指定平台。

子Agent并行

复杂任务拆解成多个子任务，并行跑，结果汇总。写 Python 脚本里调用它的 RPC 接口，多步管道零上下文开销。

多种运行环境

本地、Docker、SSH 远程、Singularity、Modal、Daytona——本地不够用切到云端，一个命令的事。Modal 和 Daytona 还支持 Serverless 模式，空闲时休眠、有任务唤醒，成本接近零。

· · ·

实测：一次真实的用法

作者的使用场景是这样的：

工作机器是 MacBook Air M2，16GB 内存，跑大模型太吃力。Hermes Agent 部署在一台约50元/月的 VPS 上，通过飞书访问。

平时让它做的事：

查某个开源项目的文档，总结关键变更
写 Python 脚本，丢给它需求描述，它出代码，我直接用
每天早上 8 点自动推送前一天的 GitHub Trending 摘要
调试代码，把报错信息粘贴进去，它帮我定位问题

用的模型是 Kimi，月均成本大概十几块人民币。

这不是在"用 AI"，这是把一个永不疲倦的助手外包了出去——它不会请假、不会抱怨、不会在凌晨三点说"明天再说"。

· · ·

架构：分层的清晰设计

看一张架构图会更容易理解它是怎么串起来的：

从下往上看：

数据层 —— SQLite 存会话、skills/ 存技能文件、hermes/ 存记忆、config.yaml 存配置。

执行后端 —— 代码实际跑在哪里：本地、Docker、SSH、Modal……切换后端不影响上层逻辑。

模型层 —— 真正的大脑，支持 40+ 工具调用能力，OpenAI/Anthropic/Kimi 等主流模型全支持。

核心 Agent 层 —— 这是主体逻辑所在。AI Agent（run_agent.py）负责对话循环，CLI（cli.py）负责命令行入口。用户建模（Honcho）跟踪你的偏好，记忆系统（hermes_state）持久化会话，Skills 系统管理技能，MCP 集成连接外部工具，Cron 调度处理定时任务，子 Agent 处理并行拆分。

消息网关 —— 来自飞书/微信/WhatsApp 的消息在这里汇聚，统一转发给核心 Agent 处理。所有渠道共用同一套会话逻辑。

客户端层 —— 你接触的入口。CLI 命令行、TUI 终端界面、飞书机器人、Cursor 插件……你用什么工具都行，底层都是同一套对话。

整个系统的设计哲学：入口多样，出口统一，核心不变。

· · ·

为什么是 Hermes Agent，而不是别的

作者用过不少 AI 助手框架。

有的绑定 OpenAI，换模型等于重写项目。有的部署麻烦，文档写得像谜语。有的记忆系统形同虚设，每次对话都当第一次见面。

Hermes Agent 的不同在于两点：

第一，模型无关。它从一开始就没打算绑死哪家模型。你随时可以切换，而且上层代码完全不用改。

第二，学习闭环。这是最关键的区别。大多数 AI 助手是"stateless"的——你说什么它答什么，答完就忘。Hermes 会从对话里提取模式，生成可复用的 Skill。你用得越多，它越懂你。

至于 Stars 16.2万这件事——在 GitHub 的 AI 代理赛道里，这个数量级说明它已经经过了足够多的用户验证和社区打磨。坑该踩的别人都踩过了。

· · ·

怎么跑起来

安装一条命令：

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

Linux、macOS、WSL2、Android (Termux) 都支持。装完：

hermes 开始对话

hermes gateway 启动网关（接飞书/微信等）

hermes setup 一次性配置所有渠道

Cursor 用户装插件，hermes 命令行用户直接 terminal 里敲，消息平台用户配好 Token 挂在后台。门槛很低。

· · ·

结语

用 Hermes Agent 有一段时间了，最大的感受是：它真的在工作，而不是在表演。

很多 AI 工具用起来像 demo——炫酷但不能真的干活。Hermes Agent 不是。它默默地跑在服务器上，我发一条消息，它帮我查资料、写代码、推日报。它不刷存在感，但每次我需要的时候它都在。

16万 Stars，不是没有原因的。

📎 项目地址

https://github.com/NousResearch/hermes-agent

Star 162k · MIT 协议 · 全平台支持