夜雨聆风三周前，我在一台每月5美元的VPS上跑起了Hermes Agent。那天打开终端，它干了一件我没吩咐的事——它发现我每个周五都在重复解释同一个“部署到预发布环境”的流程，于是自作主张，给自己写了一个技能（skill）。
不是我自己写的配置文件，也不是从GitHub抄来的模板。是它盯着我重复做了四次同样的事，自己学会的。
你读过的那些宣传文案里，“自我进化的智能体”听起来像句口号，直到你亲眼看到 skills/ 目录下多了几个它自己生成的文件，才会明白那是什么意思。但几乎没人会写“那一刻之后”发生了什么。今天这篇，就是那个“之后”。
Hermes Agent 是 Nous Research 推出的开源智能体框架，MIT协议，2026年2月首次发布。它跟同期冒出来的二十多个同类框架最大的不同，在于一个闭环学习机制：智能体执行任务 → 评估结果 → 提炼可复用的模式 → 写成技能文件存到磁盘 → 下次遇到类似任务时自动调用。
而且它会持续“记住”你——你的偏好、你的项目、你习惯的工作流，跨会话、跨重启，不会丢失。
这不是一个塞进IDE里的编程助手。它是一个长期运行的进程，可以装在你的服务器、笔记本，甚至树莓派上（如果你够闲的话），然后通过Telegram、Discord、Slack、微信、邮件或者纯命令行跟你交互。你不说话的时候，它也在后台默默待命。
到2026年年中，它在GitHub上已经攒了约22万星标，按OpenRouter的使用量排名，成了全球最火的智能体框架。这种增长曲线会带来两样东西：一是铺天盖地的“10个必知技巧”流水文章；二是几乎没有一篇讲“过了第一天之后你该怎么办”。
大多数你用过的智能体框架只做上半部分：组织上下文、调用工具、生成回复。Hermes 多了一个底部的循环——它会评估自己刚才的输出，然后把评估结果写回自己的未来上下文里。这个反馈回路，是整个项目最核心的设计赌注。
所有人都会告诉你跑这行：
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash看一眼没问题，但如果你打算把它当正经基建用，别把一个没读过的脚本往存着你SSH密钥的机器上灌。
建议这样：
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh -o install.shless install.sh # 真的读一遍bash install.shsource ~/.bashrc # 或者 ~/.zshrc
这个安装脚本写得挺讲究——它用
uv（Astral 出品的 Rust 版Python包管理工具）建了一个隔离的Python环境，顺便拉进Node.js、ripgrep和ffmpeg，克隆仓库及子模块，再把 hermes 命令软链到你的PATH里。全程不需要sudo。Linux上只要提前装好git就行。Windows有原生beta支持，但WSL2仍是久经考验的老路。
有个事提前知会你：因为安装脚本会绑 uv 这个较新的Rust二进制，它在运行时拉取包，有些杀毒软件会报“可疑”。不是病毒，是扫描引擎还没学乖。提前知道，免得半夜两点被假警报折腾。
装完验证一下：
hermes --versionhermes doctor
然后运行设置向导：
hermes setup它会一步步问你选哪个模型供应商（OpenRouter、OpenAI、Anthropic、Google Gemini 或 Nous自家的Portal），输入至少一枚API密钥，再可选地连上消息网关。
当然，之后随时可以单独改：
hermes model # 选LLM提供商和模型hermes tools # 开关哪些工具hermes gateway setup # 连Telegram、Discord、Slack等hermes config set/get # 查看/修改配置项
配置文件放在~/.hermes/ 下config.yaml 管设置，.env 管密钥，还有子目录放会话、日志、记忆、技能和定时任务。
全新安装大概占200MB，随着时间推移，记忆和技能积累，再额外吃掉100到500MB。
选模型供应商是个正经决策，不是填个表就完事。Nous Portal 用一次OAuth登录就能调用300多种模型，还捆绑了工具网关（网页搜索、图像生成、TTS、云浏览器），不用在五个厂商的API密钥之间来回切。方便是有代价的：免费额度仅供评估，每月0.1美元额度；真干活得每月20美元的Plus套餐，或者用自己的提供商密钥。想直接付给厂商，hermes model 也能指向OpenAI、Anthropic或自定义兼容OpenAI的端点。如果看重隐私或不想花API费用，可以搭配Ollama或LM Studio全离线跑——记忆、技能、定时任务、文件工具都照常工作，只是本地模型在复杂的多步工具调用上明显会迟钝一些。
一句话说透Hermes和OpenClaw的本质区别：OpenClaw的生态讲的是“这里有几千个预制技能可以装”，Hermes讲的是“我自己来造技能”。
所有已安装或由智能体自己生成的技能，都会自动变成斜杠命令。比如你教过它一套Kubernetes部署流程，之后普通聊天里直接输入：
/k8s deploy the staging manifest它就能懂。你不需要提前装任何东西——当任务匹配到某个已有技能时，智能体会在对话中间自行调用。
你也可以主动教：
/learn <目录、URL，或者你刚带它走完的那套流程>它会把那套流程提炼成一个可复用的技能文件。
/journey 能看一条时间线，列出它积累的所有记忆和技能，支持就地编辑和删除。桌面版还会渲染成一张径向图——听起来花哨，但等你跑了三个月，想看看智能体到底“学”了你哪些东西，就真香了。
技能的生命周期就是一个闭环：执行任务 → 评估结果 → 提炼模式 → 完善技能文件 → 下次匹配时调用。技能兼容开放的 agentskills.io 标准，所以可以分享给其他实例。Hermes 还集成了 Atropos，用于强化学习训练和轨迹导出——也就是说，智能体积累的经验理论上可以反馈到模型微调流水线里，不止是你个人工作流的优化。
这就是和OpenClaw最鲜明的架构差异。OpenClaw的技能是人写的，通过社区中心 ClawHub 分发，你写、你审、你装。得益于这种模式，它的生态极其庞大——约有5700多个社区技能，覆盖Linear集成、发票处理等等。Hermes 第一天几乎没有任何预制广度，因为它的设计初衷就是让你的实例自己生长，根据你的实际使用习惯，而非别人的用例。
实际取舍很简单：如果你今天就要用上某个具体SaaS集成，而且还没人给你写过——OpenClaw的目录里大概率已经有了。如果你希望智能体跑得越久越贴合你的习惯——Hermes 就是为这个造的，代价是第一天生态比较薄。
很多讲Hermes的文章在这里很含糊。我们说清楚：记忆栈分四个独立层级。
工作记忆：就是当前会话的上下文窗口，没啥特殊的。
持久笔记：放在
MEMORY.md和USER.md里，智能体会根据对话模式自己写入，不用你显式下令。长对话压缩前，会执行一次“记忆冲刷”，让模型提取并持久化它认为重要的东西。会话历史：用SQLite FTS5全文检索 + LLM摘要，支持跨会话搜索。这是精确的全文匹配，不是模糊向量相似度，所以查“我们上次关于X做了啥决定”时召回精度更高。
用户画像（可选）：通过Honcho的“辩证”层，构建一个不断演进的你的工作画像——沟通风格、决策模式、项目背景、工作习惯。它暴露自己的内部工具接口：
honcho_profile、honcho_search、honcho_context、honcho_reasoning、honcho_conclude，采用双层上下文注入（基础层：会话摘要+伙伴卡片；按需补充层：辩证推理）。程序记忆（技能本身）：算第五层也行，它记住的是“方法”，不只是事实。
在生产环境依赖它之前，有两个限制得心里有数。MEMORY.md 上限约2200字符，逼着智能体必须狠心取舍。早期对话的细节会被新信息覆盖，且默认没有版本历史。另外，同时只能激活一个外部记忆提供商——Honcho、Mem0、Hindsight，三选一，不能共存。
架构本身是“缓存感知”的——系统提示快照在会话初始化时就冻结了，高频模型调用会命中缓存的上下文窗口，避免“学习循环”悄悄烧掉你的token预算。
对比OpenClaw：它的记忆模型故意做得更简单、更透明——就是纯Markdown文件，你随时可以打开文本编辑器直接改，通过SQLite向量+关键词搜索，但跨会话需要手动设置。Hermes用“自动化”换掉了“透明性”。你一般不用手动编辑智能体对你的理解，让它自己打理，/journey 是你观察它保留了什么的窗口。
单线程聊天扛不住真实工作负载。Hermes支持派生隔离的子智能体，每个有自己的对话、终端和记忆，可以并行干活——一个在帮你分类收件箱，另一个在跑数据管道，互不干扰，各自汇报。
对工程师来说更有趣的是Python RPC脚本层。不用每一步工具调用都消耗一个完整的对话轮次，你可以写一个脚本通过RPC调工具，把整个流水线压缩成单个零上下文成本的轮次。这区别在实际操作中比纸面上听起来大得多——一个是智能体把十步ETL工作的每个中间步骤都念叨一遍，另一个是直接跑完告诉你结果。
还有个 /goal 工作流值得了解：给Hermes一个目标和成功标准，一个“工人”子智能体提出方案，另一个独立的“法官”LLM打分，循环直到法官确认目标达成。相当于内置了轻量级评估循环，不用自己额外搭。
用聊天的方式给智能体描述时间表：
“每个工作日上午8点，拉取昨天的错误日志，总结异常，然后发到 #eng-oncall Slack频道。”
Hermes 内置了一个用自然语言描述的定时调度器，不用写crontab语法。定时任务会在全新会话里运行，自动投递结果。每日报告、夜间备份、每周审计——轻松搞定。用 deliver=all 的话，同一份输出会同时推送到你连上的每一个聊天平台。
如果你把Hermes当作个人运维层而不是聊天玩具，这个功能就值回票价了——智能体不只等你问才答，它会按计划主动干活，然后把结果推到你所在的任何地方。
本地笔记本上装一个，那是演示。在VPS上以systemd服务跑起来，才是基建。
一个最简生产部署长这样：一台干净的每月5美元Debian VPS（2GB内存，约1GB磁盘起步足够）：
ssh user@your-server-ipcurl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh -o install.sh# 读了install.sh之后再跑bash install.shsource ~/.bashrchermes setup # 配置供应商 + 至少一个网关hermes doctor # 确认一切就绪hermes chat -q "Hello! What tools do you have available?"# 冒烟测试
然后配成systemd服务，让它重启后自动拉起，SSH断线也不影响——别只挂在tmux里，迟早会手滑关掉。
硬件瓶颈不在Hermes本身——它的占用量很小，真正吃资源的是模型。轻量VPS配上托管API，代理主机成本很低。只有为了隐私或成本原因刻意跑本地模型时，才需要上GPU。
认证与授权：访问通过用户白名单和各平台配对来管控。不要把Hermes网关挂到一个公开的Telegram机器人上却不设白名单——那等于建了一个带根权限工具访问的公开API。
审批流程：默认用“智能审批”——一个独立的LLM评审员来评估被标记的命令，而不是每条都弹窗问你，但每个裁决只针对那一条命令。rm -rf build/ 即使批准一百次，也不会产生一个永久的 rm 白名单。某些命令类不管审批历史如何都硬拦截：递归删除、sudo、磁盘和设备的写操作、凭据和系统配置的编辑、管道到shell、SQL的DROP和TRUNCATE、杀进程等。
文件写保护：在 write_file 或补丁落盘前，Hermes会检查目标路径是否在黑名单或可选沙箱内。被阻止的写操作直接失败，没有审批弹窗，也不能在聊天UI里覆盖。陷阱在于：模型可能还是会声称“编辑成功”，即使被拦截了。如果 display.file_mutation_verifier 开启（默认是开的），请相信验证器的底部脚注，而不是助手的结案陈词。跳过这点的人，会且只会被坑一次，通常坑得不轻。
沙箱：本地执行没有容器隔离。Docker、SSH、Daytona、Singularity、Modal 是另外五种支持的终端后端，都能提供真正的执行边界，而纯本地后端没有。
凭据处理：针对MCP服务器，Hermes会在工具调用前过滤并脱敏环境变量和凭据。当你连上Gmail、GitHub或任何有写权限的系统时，这一点至关重要。
提示词注入防御：从文件或外部内容（抓取的网页、邮件正文）中提取的上下文，会在被当作指令信任前扫描注入企图。做浏览器自动化或读取不可信文档的智能体，这是基本功。值得确认它确实开了，而不是默认以为开着。
可观测性：hermes doctor 是第一个诊断站。日志、会话历史、记忆都在 ~/.hermes/ 下，直接往你现有的日志聚合系统送就行。没有内置的追踪或指标导出器，如果需要Prometheus风格的指标，得自己动手接。
成本控制：缓存感知的内存架构有帮助，但最大的杠杆还是选哪条供应商路径。Nous Portal把模型调用和工具网关使用从同一个信用池里扣，账单简单，但一个话多的定时任务和一个重度的浏览器自动化技能会抢同一个预算。/subscription 和 /topup 可以在终端里管理Portal套餐。
安全记录：截至最近一次公开统计，Hermes还没有公开披露的、智能体特有的CVE。OpenClaw在2026年3月的一周内披露了9个CVE，其中一个评分为CVSS 9.9。这只是快照，不是保证。更新、增长更快的项目通常因为受到更多审视而积累CVE，而不是更少。别把“目前干净”当作永久属性。
agentskills.io 开放标准 | ||
该怎么选？如果你今天就需要广泛的预制集成，不太关心它花几个月学习你的习惯——OpenClaw的生态规模是实打实的优势，你更可能找到别人写好的、刚好匹配那个工具的技能。如果你要搭建一个打算跑一年的东西，希望它更像一个熟悉你工作方式的同事，而不是一个工具——Hermes就是冲着这个结果造的，代价是第一天生态比较薄。没有绝对的好坏，它们优化的是不同时间尺度的需求。
上面全是架构，现在来看真正用它搭个东西长什么样。
在所有被公开的Hermes部署里，定时工程状态报告是最常见的第一阶段试点，理由充分：流程可重复、大部分只读、容易审查，之后再信任它做风险更高的事。而且这个例子能串起前面几乎所有的模块：工具权限、定时任务、记忆、投递，以及一个人工确认环节。
目标：每个工作日早上，Hermes拉取代码仓库和问题跟踪器里昨晚的变更，总结阻塞项和进展，然后往团队真正看的Slack或Telegram频道丢一份短摘要。
第一步：先定工作流，再碰智能体动终端之前，写清楚四件事：触发条件（每天定时，仅工作日）、需要的工具（仓库只读、问题跟踪器只读、一个消息频道）、输出格式（短摘要，不要长篇）、审批点（不需要，因为是只读且内部，但第一周输出你手动过一遍）。跳过这一步，后面就容易搞出一个有生产写权限的智能体——因为配只读token太麻烦？
第二步：只给任务所需的最小权限hermes tools 启用仓库工具和你用的问题跟踪器集成，其他全部关掉。用最小权限凭证，意味着即使摘要写得烂，也只是尴尬，不会出危险。如果连GitHub或Linear的token，务必用只读作用域。状态报告技能不需要任何写权限。
第三步：先手动跑一次，再自动化
hermes chat -q "Pull yesterday's commits, merged PRs, and newly opened or closed issues across [your repos]. Summarize blockers, progress, and anything that looks like it needs a decision. Keep it under 200 words and skip anything routine."仔细看输出。真的短到团队愿意读吗？阻塞项抓得准吗？这一步能抓到提示词太模糊的问题，远早于它每天8点无人值守运行。
第四步：把好用的提示词转成定时任务手动跑了几次都靠谱后，用大白话告诉定时调度器：
每个工作日上午8点，拉取昨天[你的仓库]的提交、合并PR和问题活动，用不到200字总结阻塞项和进展，并投递到Slack的 #eng-status 频道。
不用写crontab语法。每次任务都在全新会话里跑，不会拖带昨天的上下文慢慢漂移——这正是状态报告想要的。
第五步：连上投递渠道hermes gateway setup，指向Slack（或Telegram等团队真会看的平台）。同时在这里限定频道权限——智能体只能往 #eng-status 发消息，不能更宽。
第六步：观察一周，再信任很多人跳过这步然后后悔。连续五到七个工作日，每天早上读一遍摘要。记下它反复搞错的地方——漏了上下文、误标阻塞项、把真正重要的事埋没在角落里。调整定时提示词，而不是改底层智能体配置，因为问题几乎都在指令里，不在管道上。
第七步：稳定后提升为技能一旦摘要可靠到不用你每天盯着，就把流程保存下来：
/learn build and deliver the daily engineering status digest现在它是一个可复用技能了。以后你问“做个周报版”或“换个仓库的日报”，Hermes都能直接适配，不用从头再解释一遍。
整个弧线就是：范围收紧 → 手动测试 → 自动化 → 观察 → 提升。这是个刻意挑的小工作流。重点不是状态报告，而是这七步形态——范围、测试、自动化、观察、提升——会套用到你最终交给Hermes的每一个更高风险的工作流上，从发布就绪检查到事故应对手册。从这里开始，因为搞砸的下限只是一条平庸的Slack消息，而不是生产事故。
完全禁用审批（YOLO模式）跑在存有真实凭据的机器上。提示词弹窗多了确实烦，但只能在沙箱后端（至少Docker）这么做，绝不要在存有未限域SSH密钥或
~/.aws、~/.ssh云凭据的主机上开。轻信助手的总结，不信文件变异验证器。被阻止的写操作模型照样可能描述成成功。留着验证器，任何涉及文件操作的任务，认真读底部脚注。
把
MEMORY.md的2200字符限制当bug，而不是设计约束。总有人期待无限记忆，发现旧内容悄悄消失就懵了。别跟这个限制较劲，需要长期保存的东西用会话搜索，把MEMORY.md当小容量的高优先级草稿本，不是档案馆。安装时跳过消息网关，然后纳闷为什么智能体感觉跟实际工作脱节。它真正的价值体现在能从Slack或Telegram触达，而不是关在一个你得想起来才打开的终端里。
无脑选Nous Portal但不查免费额度。每月0.1美元免费信用是评估用的，不是干活的。认真测试的话，一开始就预算好Plus套餐，或者带自己的供应商密钥，免得调试半天发现是额度用完了。
同时开启Honcho和另一个记忆提供商，指望两个都跑。同一时间只能激活一个外部记忆提供商。按实际需求刻意选一个，别想叠buff。
先在本地跑，等流程稳定再迁到VPS。本地跑能快速迭代模型选择和工具配置，不用为头一周可能要改五次的服务器付费。配置稳定后，迁到永远在线的基建上。记忆和技能的价值是靠“持续运行”复利的——笔记本每天合盖就断了这种连续性。
让技能自然形成，而不是第一天就强行教所有东西。第一天坐下来
/learn二十个流程的冲动很常见，但更好的做法是正常用一周，等智能体自己发现真正的重复，再针对那少数几个真正重复的工作流执行/learn。从真实摩擦中长出的技能，比从假设中造出来的更管用。一旦连上任何有生产写权限的系统，立刻用沙箱后端。硬拦截命令能防住灾难性的单条指令，但防不住另一类更隐蔽的错误——在错误仓库里做了一处细微的错误编辑。Docker隔离几乎零成本，却能排除一整类“这怎么发生的”事故。
定期 review
/journey，别默默信任它。Hermes的主打卖点就是自主记忆管理，这意味着它也是最有可能会偏离你真正想记住的内容的东西。每月花五分钟检查，能赶在过期或错误上下文影响未来六个月回复之前及时纠正。
接下来你可以做什么
你不需要再多一篇总结了。你需要的是真的去跑一遍。
先在临时VPS上装，别在主机器上，记得先读安装脚本再管道到bash。跑 hermes setup，选一个你清楚账单规则的供应商，连一个消息网关。正常用一周，别刻意敲 /learn，就看它自己决定构建哪些技能。等信任它了，迁到Docker后端，配一个真正的定时任务，往你确实会看到的地方发报告。如果你同时在评估两个框架，直接用这种实际体验去对比OpenClaw。上面那些取舍都是真实的，而它们在实际使用中的感受，跟纸面上读起来完全不同。
能从这套框架里获得最多收益的工程师，从来不是提示词写得最巧的那些人——而是跑得足够久，久到学习循环真的有东西可以学的那些人。
