会自己成长的 AI 助理:Hermes Agent 凭什么越用越强?

你好，我是江小湖。在2026 主流 Agent 全景中你看到了个人助理这个品类。Hermes Agent 是 Nous Research 开发的开源产品（2026 年 2 月发布），和 OpenClaw 定位类似但有一个关键差异：它会自己成长。

Hermes Agent 是一个自主成长的开源个人 Agent。它像 OpenClaw 一样运行在你自己的设备上，通过聊天应用与你交互。但它最独特的地方在于一个闭环学习机制：从每次交互中学习——记住偏好、创建技能、改进技能、积累知识。用越久，它越了解你。

一句话定位：一个会自己成长的 AI Agent。

由 Nous Research（知名的开源 AI 研究机构，以 Hermes 系列模型闻名，200K+ GitHub Stars）开发和维护。

这是 Hermes Agent 区别于所有产品的核心机制。它的学习循环：

• 1.解决复杂问题 → 你要求它完成一个你不熟悉的任务
• 2.自动创建 Skill → Agent 将解决方案打包为可复用的 Skill 文件
• 3.Skill 自我改进 → 下次使用这个 Skill 时，Agent 自动优化它
• 4.记忆提醒 → Agent 主动询问"这条信息值得记住吗？"
• 5.跨 Session 回顾 → Agent 能在旧对话中搜索相关经验

结果是：头一周 a 你可能觉得自己在教它做事，一个月后它已经比你更熟悉你的工作模式。 这和传统 Agent "每次从头开始"的体验完全不同。

图：Hermes 四步闭环学习——越用越强的自成长机制

Hermes 的子 Agent 不只是"后台跑一个任务"——它提供了完整的子 Agent 编程模型：

• •隔离上下文：每个子 Agent 有独立的对话、终端、Python RPC，主会话上下文不受影响
• •Python RPC：你可以写 Python 脚本通过 RPC 调用子 Agent 工具，将多步流水线压缩为一次推理调用
• •并行工作流：一个研究任务可以拆为 3 个子 Agent 同时进行——一个搜索网页、一个读文档、一个写代码——完成后汇总
• •零上下文成本：子 Agent 的结果以摘要形式返回，不膨胀主会话上下文

典型场景：你让 Hermes 调研"Agent 评测的最新方法"。它拆为 3 个子 Agent——一个读 SWE-bench 论文、一个搜索 Reddit 讨论、一个看最新 Benchmark 排行榜。3 分钟后返回一份综合报告，期间你可以继续和它聊天做其他事。

日常个人助理：通过聊天应用管理日程、做研究、回答问题。数据完全由你控制。

研究助手：异步子 Agent 系统特别适合研究——让一个子 Agent 去调研市场，另一个分析竞品，主 Agent 继续和你对话，完成后汇总结果。不阻塞、不串扰。

编码 Co-pilot（独特能力）：通过 Code Bridge 调度本地 Claude Code、Codex、Kimi Code 执行编码任务。Hermes 充当"调度中心"，把编码工作分发给最合适的工具。

自动技能积累（独特能力）：解决复杂问题后自动打包为 Skill。下次遇到同类问题直接使用，不需要重新思考和重复描述。

定时自动化：用自然语言设置定时任务——"每天早上 9 点检查服务器健康，结果发到 Telegram""每周一整理未读邮件，标记重要事项"。

内容创建：图像生成、语音合成、文本生成——支持的模型多，你可以在不同任务间切换不同模型。

研究实验：作为 Nous Research 的产品，它支持批量生成 Agent 轨迹、记录运行日志，可用于研究实验。

Hermes 的 Skills 兼容 agentskills.io 开放标准，这意味着 Skills 可以跨 Agent 框架复用。社区 Skills Hub 已有大量可直接使用的 Skill。

Skills 在 Hermes 中有几个独特机制：

• •自动创建：完成复杂任务后，Agent 主动询问"要不要把这个方案存为 Skill"
• •自动改进：使用 Skill 时，Agent 发现步骤不够好会主动优化它
• •条件激活：只有当前工具可用时才显示对应的 Skill，避免无效菜单
• •前置检查：Skill 可以声明依赖工具，不满足时自动隐藏

这和 Claude Code 需要手动写 Skill 的方式不同——Hermes 在你不知不觉中就帮你积累了 Skill 库。

Hermes 有一个功能丰富的终端界面（TUI），基于 React/Ink 构建：

• •粘性输入框：多行编辑，支持粘贴大段代码
• •斜杠命令补全：自动补全 /skill、/model、/tools 等命令
• •实时流式输出：工具调用结果实时显示，支持 OSC-52 剪贴板
• •会话历史：上下键浏览历史命令，支持搜索
• •子 Agent 监控：在状态栏看到正在运行的子 Agent 数量

模型自由是其另一核心差异。通过 OpenRouter 可访问 200+ 模型，也支持 Nous Portal、OpenAI、Anthropic、Google、DeepSeek、本地 Ollama、vLLM 等。用 hermes model 命令切换模型，不需要修改任何代码。

这意味着你可以在高难度任务上用 Claude Opus，日常简单任务上用更便宜的模型，编码任务上用 Codex——不绑定任何单一供应商。

选型建议：需要微信 → OpenClaw。需要模型自由度和编码 Agent 编排、Python 技术栈 → Hermes。两个都试试不冲突——它们可以运行在同一台机器上服务于不同场景。

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

自动安装所有依赖。不需要 sudo。安装后走快速设置向导，连接到聊天平台和模型供应商，几分钟内开始使用。

• •Hermes Agent 的核心差异是闭环学习——自动创建和改进技能，越用越强
• •200+ 模型自由 + 编码 Agent 编排，灵活度同类最高
• •6 种终端后端 + 无服务器支持，部署灵活
• •和 OpenClaw 定位类似但各有侧重——选型取决于技术栈和平台需求

到这里你已经了解了当前主流的 Agent 产品生态。下一章开始进入 Agent 底层原理——02 — LLM 基础。

• •Hermes Agent GitHub
• •Hermes Agent 官方文档
• •Hermes Agent 功能概览
• •Nous Research