Hermes Agent 是 Nous Research 开源的一款自进化 AI Agent，它能够持续学习、自我改进，并跨平台持久化运行。
Hermes Agent 与传统的 聊天机器人 不同，Hermes Agent 不仅仅回答问题——它会记住你的偏好、自动提炼工作流、跨会话保持上下文，并在多个消息平台上同步运行。
什么是 Hermes Agent？
Hermes Agent 是一个由 Nous Research 构建的自进化 AI Agent 框架，采用 MIT 开源协议。
Hermes Agent 的核心定位不是 聊天机器人 ，而是自主 Agent——一个能够在后台持续运行、主动学习、跨平台工作的智能代理。
官方定义非常直接：
它是一个自主智能体，运行时间越长，能力就越强。
用过 AI 工具的人都有这样的经历——花一个下午教会 Claude 或 ChatGPT 你项目的特殊规范，一次极其高效的协作后关闭了对话窗口。
第二天打开新会话，一切又回到了原点。
这叫做 AI 工具的失忆问题 （The Amnesia Problem）——能力在，记忆不在。
Hermes 通过三个核心机制解决失忆问题，形成一个不断自我增强的闭合循环：
任务执行 ↓ 提炼可复用技能（Skill） ↓ 更新持久记忆（Memory） ↓ 下次执行类似任务时自动加载 ↓ 持续改进 ……
简单来说： 聊天机器人 是问一句答一句，Hermes Agent 是给一个目标，它自己想办法完成。
与其他 AI 工具的对比
下表将 Hermes Agent 与当前主流的 AI 工具进行对比，帮助你理解它们在核心能力上的差异。
与其他开源 Agent 框架的区别
除了上面这些面向终端用户的工具，开源社区中还有不少 Agent 框架，Hermes 与它们也有本质区别。
AutoGPT、CrewAI 等框架擅长 编排多步骤任务 ，但它们本质上是 无状态的 ——每次运行都从零开始，没有记忆积累，也没有从过去经验中提炼工作流的机制。
Hermes 的差异在于 时间维度 ：它不只是执行当前这个任务，而是在执行过程中同步构建一个越来越强大的自我。
OpenClaw 是目前与 Hermes 最接近的竞品，两者都支持持久记忆和跨平台接入。
核心差异在于：
简单说：OpenClaw 是你精心调教的助手，Hermes 是会自我成长的学徒。
Hermes 的三层架构指的是：Agent 核心（决策与推理）→ Gateway（消息路由与平台适配）→ Connector（平台加密与身份边界）。这种分层设计让每一层可以独立扩展和替换。
Hermes 的核心理念
Hermes Agent 的设计围绕一个核心闭环：记忆 → 技能 → 任务执行 → 自我改进。
这个闭环让 Agent 在使用过程中不断成长，越用越懂你。
Hermes 采用三层记忆架构，从短到长覆盖不同时间维度。
工作记忆负责当前会话的上下文，语义长期记忆（ memory.md ）存储关键事实和偏好，情节日志（SQLite + FTS5）则记录所有的历史对话和操作。
Agent 可以跨会话搜索和召回之前的记忆，这意味着它不会忘记你之前告诉过它的事情。
技能是 Hermes 最核心的特色——它是程序性记忆的抽象，以 Markdown 文件的形式驱动可复用的工作流。
当 Agent 执行了 5 步以上的工具调用后，它可以自动将这个流程提炼为一个 Skill。
你也可以通过 /learn 命令从文档、API 文档或历史对话中生成 Skill。
社区通过 Skill Hub（agentskills.io）分享和安装技能，打造了一个开放的技能生态。
Hermes 拥有 70+ 内置工具，覆盖文件系统、Web 浏览、代码执行、图像识别、音频处理等 28 个工具集。
通过 MCP（Model Context Protocol）协议，你可以接入任何第三方工具服务器，无限扩展 Agent 的能力边界。
每 15 个任务后，Hermes 会触发 Periodic Nudge 机制，自动评估并优化自己的记忆和技能。
Honcho 用户建模系统会构建辩证式用户画像，让 Agent 跨会话构建对你的深度理解。
核心特性
Hermes Agent 支持自由切换任意大模型，包括 Nous Portal、OpenRouter（200+ 模型）、OpenAI、GLM、Kimi、MiniMax 等，执行 hermes model 即可切换，无需改代码、无厂商锁定。
整体架构
整体流程：
架构图：
适用场景速览
Hermes Agent 的应用场景非常广泛，以下是几个典型的使用方向。
一个 Hermes Agent 实例可以通过 Profile 系统创建多个分身，每个分身独立配置记忆、技能和工具，互不干扰。比如一个做编码助手，一个做研究助手，一个做运维监控。
