初识 Hermes 及工作中的简单应用Hermes Agent — “The self-improving AI agent.”运行越久 → 学习越多 → 能力越强什么是 Hermes AgentHermes Agent 是由Nous Research推出的开源 AI Agent 框架 —— 不是聊天机器人也不是 IDE Copilot而是能够长期运行、持续学习、可部署到任意环境中的自主智能体。传统 AI vs Hermes 模式❌ 传统 AI 产品用户输入 → Prompt → LLM → 结果单向、无记忆、无成长。✅ Hermes 模式用户输入 → 构建上下文 → LLM 决策 → 调用工具 → 获得结果 → 更新记忆 → 沉淀技能 → 输出Hermes 更接近AI 员工、AI 运维助手、AI 研发代理、自动化执行系统 —— 而非简单的聊天工具。核心特性① 自学习Learning Loop这是 Hermes 最大特色 ——运行越久学习越多能力越强。能力来源自动记录经验创建可复用技能Skill使用中持续优化跨会话记忆用户建模闭环流程执行 → 记录 → 提炼 → 形成技能 → 再次使用 → 能力增强正向反馈循环 —— 用越久越聪明。② Memory长期记忆普通 ChatHermes上下文结束 → 遗忘会话结束 → 持久保存 → 下次继续支持与价值用户偏好 / 历史任务 / 工作上下文 / 长期知识减少重复 Prompt个性化交互支撑长周期任务数天数周③ Skills技能系统Skill Agent 的程序性记忆将反复操作沉淀为可复用资产。生成周报 → 收集数据 → 分析变化 → 输出 Markdown未来调用技能 → 一句话自动完成。技能来源本地定义项目级或用户级SKILL.md社区共享复用他人沉淀的技能自动生成从反复操作中自动提炼④ Tool Calling工具系统类别示例Webweb_search文件read_fileShellterminal浏览器browser自动化processAgentsubagentMemorymemory通信message工具组合 → 完整闭环搜索 → 分析 → 写代码 → 运行 → 修复 → 提交Hermes 可自主组合工具从搜索到提交形成完整工作闭环。⑤ Multi-Agent多 Agent 协作架构Master Agent │ ├── Research Agent ├── Coding Agent ├── Review Agent └── Deploy Agent特点⚡并行执行多个 Agent 同时工作互不阻塞隔离上下文每个 Agent 独立上下文互不干扰提升吞吐复杂任务拆解为并行子任务常见运行模式终端模式hermes# CLI 交互hermes--tui# 图形终端消息平台接入Telegram · Discord · Slack · Teams · WhatsApp · …消息平台 → Hermes Gateway → 工具执行 —— 在常用聊天工具中直接使用 AI Agent。安装与启动安装# Linux / macOScurl-fsSLhttps://hermes-agent.nousresearch.com/install.sh|bash# Windowsiex(irm https://hermes-agent.nousresearch.com/install.ps1)初始化 启动hermes setup--portal# 初始化hermes# 启动也支持通过 OpenCode 安装与 Claude Code 协同工作。常用 Slash Commands会话管理命令功能/new新建会话/clear清空上下文/retry重试上次操作/undo撤销操作/title命名会话/resume恢复历史会话/sessions查看历史会话Agent 控制命令功能/agents查看后台任务/background后台执行任务/queue查看任务队列/goal设定长期目标/stop停止当前任务配置命令命令功能/config查看/修改配置/model切换模型/personality切换人格/reasoning设置推理等级/voice语音模式/yolo关闭确认提示上下文优化命令功能/compress压缩上下文/snapshot创建上下文快照/rollback回滚到快照/steer插入控制指令/learn —— 把生成技能的控制权交给用户Hermes 1.17 新增通过明确的学习指令用户可以决定从哪里学习、学习什么、沉淀成什么技能。/learn 要学习的内容不带参数时默认从当前对话流程中学习。五种使用方式方式示例从目录/代码库学习/learn 从 ~/projects/my-api 学习这个项目的代码风格和架构从 URL 学习/learn 学习 https://example.com/api-docs 的 API 设计模式从当前工作流学习/learn 把刚才修复数据库连接超时的步骤保存为技能从粘贴的笔记学习/learn 从上面的笔记创建一个部署检查清单技能从对话历史学习/learn 把这次对话中解决 CI 构建失败的方法保存下来Hermes vs 普通 AI Agent能力普通 AgentHermesTool Use✓✓长期记忆✗✓技能沉淀✗✓多 Agent部分✓自学习✗✓消息平台部分✓MCP部分✓核心差异成长。Memory Skills Self-Learning 越用越强。为什么值得关注真正的变化不只是让模型调用工具而是让 Agent 拥有成长能力。能力沉淀演化路径Prompt → Workflow → Agent → Learning Agent未来不是写 Prompt而是训练自己的 Agent。实战基于 Hermes 构建业务知识助手安装与路径配置# 安装curl-fsSLhttps://hermes-agent.nousresearch.com/install.sh|bash# 或交给 OpenCode 执行# 创建副本profilehermes profile create my-profileechoexport PATH$HOME/.local/bin:$PATH~/.bashrc配置模型信息my-profile setup配置过程中会要求填写模型端点地址、模型名称、鉴权 Token 等信息请按你的实际环境填写此处不展示具体配置值。配置内存Memory 项目初始化配置内存$ my-profile memory setup Configuring holographic: SQLite database path [~/.hermes/profiles/my-profile/memory_store.db]: Default trust score for new facts [0.5]: HRR vector dimensions [1024]: Memory provider: holographic Activation saved to config.yaml Provider config saved Start a new session to activate.项目初始化Git 拉取项目切换至固定分支claude init初始化项目将触发关键字等信息填写到project.md中创建技能 构建知识库自建技能技能说明order-ticket-parser解析工单数据并存储到外挂内存my-order统计工单工作台处理完成的工单生成周报my-add-module自动添加业务模块 Git 仓库my-knowledge统一的知识查询框架三层查询策略构建知识库的三种方式通过auto.py生成的文件沉淀知识库通过order关键字将 QA 沉淀知识库通过代码查询知识沉淀至知识库技能一order-ticket-parser —— 工单数据解析目标解析工单数据并存储到外挂记忆构建可复用的工单知识库。解析流程用户消息以 order 开头 ↓ 解析工单数据 ↓ 提取工单号格式: OPEN... ↓ 格式规范? ├─ 规范 ─→ 提取问题描述OPEN 开头的行 │ ↓ │ 提取解决方案以 # 开头的行 │ ↓ │ 配对问答 → 形成工单记录 │ ↓ │ 调用 fact_storeactionadd, categoryproject │ ↓ │ 设置标签tags工单 │ └─ 不规范 ─→ 跳过该工单继续下一个 ↓ 还有更多工单? ├─ 是 ─→ 提取下一个工单号 └─ 否 ─→ 反馈处理结果统计存储数量 → 结束技能二my-order —— 工单统计与周报生成目标统计本周处理完成的工单自动生成周报 Markdown。工单统计与周报生成流程用户请求统计我本周处理完成的工单数 ↓ API 可用? ├─ 推荐: API 方式 ──────────────┐ │ 获取 OAuth Token (password grant) │ ↓ │ 获取用户信息 /iam/.../users/self │ ↓ │ 拉取 Workbench 数据按 solutionUserId 过滤 │ ↓ │ 并行拉取解决方案文档 | 交流记录 │ │ └─ Fallback: 浏览器方式 ─────────┤ 登录开放平台 │ ↓ │ 切换到我处理的 │ ↓ │ 切换到其他tab │ ↓ │ 逐页提取工单编号 │ ↓ │ 逐个打开详情页 ────────────┘ ↓ 生成周报 Markdown ↓ ┌──────────────┬──────────────┬──────────────┐ │ 问题描述 │ ✅ 解决方案 │ 处理过程 │ │ AI 总结 │ 原文提取 │ 全参与者总结 │ └──────────────┴──────────────┴──────────────┘ ↓ 输出: 周报-日期范围.md 总数 明细表格 状态分类技能三my-add-module —— 添加业务模块目标根据用户提供的 Git URL自动添加业务模块仓库并完成配置。添加模块流程用户提供 Git URL ↓ 收集必要信息服务名 / 关键词 / 分支 ↓ 信息完整? ├─ 缺服务名 ─→ 自动从 URL 提取 ├─ 缺关键词 ─→ 询问用户 ├─ 缺分支 ─→ 询问用户 └─ 已完整 ─→ 提取仓库名称 ↓ 编辑 project.md 添加服务配置 ↓ mkdir -p 创建目录 ↓ git clone 克隆仓库 ↓ git checkout 切换分支 ↓ 验证结果 ├─ 成功 ─→ 完成返回摘要 ├─ 分支不存在 ─→ 列出可用分支用户选择后重试 └─ 克隆失败 ─→ 报告错误技能四my-knowledge —— 知识查询框架目标统一的知识查询入口采用三层查询策略命中后自动沉淀。三层查询策略总览用户查询 ↓ 读取 project.md关键词匹配 ↓ 识别目标服务 ↓ 三层查询策略 │ ├─ 第 1 层fact_store probe精准查询 │ 命中? ─ 是 → 整理回答 │ └ 否 → 进入第 2 层 │ ├─ 第 2 层fact_store search关键词搜索 │ 命中? ─ 是 → 整理回答 │ └ 否 → 进入第 3 层 │ └─ 第 3 层代码库查询 获取答案 → 自动存储到 fact_store ↓ 返回用户答案 通用查询 → 我也不知道代码库查询详情第 3 层触发代码库查询 ↓ 强制使用 Claude Code ↓ claude -p 执行查询 --allowed-tools Read --max-turns 15 ↓ 查询成功? ├─ 成功 ─→ 获取答案 └─ 失败 ─→ 回退传统文件搜索search_files / read_file→ 获取答案 ↓ 自动存储到 fact_storeactionadd / tags服务实体标签 ↓ 返回用户答案前提条件已确认特定服务 → 路径/工作目录/服务名/仓库名参考官方文档https://hermes-agent.nousresearch.comQ A
初识 Hermes 及工作中的简单应用
发布时间：2026/7/9 11:19:53
初识 Hermes 及工作中的简单应用Hermes Agent — “The self-improving AI agent.”运行越久 → 学习越多 → 能力越强什么是 Hermes AgentHermes Agent 是由Nous Research推出的开源 AI Agent 框架 —— 不是聊天机器人也不是 IDE Copilot而是能够长期运行、持续学习、可部署到任意环境中的自主智能体。传统 AI vs Hermes 模式❌ 传统 AI 产品用户输入 → Prompt → LLM → 结果单向、无记忆、无成长。✅ Hermes 模式用户输入 → 构建上下文 → LLM 决策 → 调用工具 → 获得结果 → 更新记忆 → 沉淀技能 → 输出Hermes 更接近AI 员工、AI 运维助手、AI 研发代理、自动化执行系统 —— 而非简单的聊天工具。核心特性① 自学习Learning Loop这是 Hermes 最大特色 ——运行越久学习越多能力越强。能力来源自动记录经验创建可复用技能Skill使用中持续优化跨会话记忆用户建模闭环流程执行 → 记录 → 提炼 → 形成技能 → 再次使用 → 能力增强正向反馈循环 —— 用越久越聪明。② Memory长期记忆普通 ChatHermes上下文结束 → 遗忘会话结束 → 持久保存 → 下次继续支持与价值用户偏好 / 历史任务 / 工作上下文 / 长期知识减少重复 Prompt个性化交互支撑长周期任务数天数周③ Skills技能系统Skill Agent 的程序性记忆将反复操作沉淀为可复用资产。生成周报 → 收集数据 → 分析变化 → 输出 Markdown未来调用技能 → 一句话自动完成。技能来源本地定义项目级或用户级SKILL.md社区共享复用他人沉淀的技能自动生成从反复操作中自动提炼④ Tool Calling工具系统类别示例Webweb_search文件read_fileShellterminal浏览器browser自动化processAgentsubagentMemorymemory通信message工具组合 → 完整闭环搜索 → 分析 → 写代码 → 运行 → 修复 → 提交Hermes 可自主组合工具从搜索到提交形成完整工作闭环。⑤ Multi-Agent多 Agent 协作架构Master Agent │ ├── Research Agent ├── Coding Agent ├── Review Agent └── Deploy Agent特点⚡并行执行多个 Agent 同时工作互不阻塞隔离上下文每个 Agent 独立上下文互不干扰提升吞吐复杂任务拆解为并行子任务常见运行模式终端模式hermes# CLI 交互hermes--tui# 图形终端消息平台接入Telegram · Discord · Slack · Teams · WhatsApp · …消息平台 → Hermes Gateway → 工具执行 —— 在常用聊天工具中直接使用 AI Agent。安装与启动安装# Linux / macOScurl-fsSLhttps://hermes-agent.nousresearch.com/install.sh|bash# Windowsiex(irm https://hermes-agent.nousresearch.com/install.ps1)初始化 启动hermes setup--portal# 初始化hermes# 启动也支持通过 OpenCode 安装与 Claude Code 协同工作。常用 Slash Commands会话管理命令功能/new新建会话/clear清空上下文/retry重试上次操作/undo撤销操作/title命名会话/resume恢复历史会话/sessions查看历史会话Agent 控制命令功能/agents查看后台任务/background后台执行任务/queue查看任务队列/goal设定长期目标/stop停止当前任务配置命令命令功能/config查看/修改配置/model切换模型/personality切换人格/reasoning设置推理等级/voice语音模式/yolo关闭确认提示上下文优化命令功能/compress压缩上下文/snapshot创建上下文快照/rollback回滚到快照/steer插入控制指令/learn —— 把生成技能的控制权交给用户Hermes 1.17 新增通过明确的学习指令用户可以决定从哪里学习、学习什么、沉淀成什么技能。/learn 要学习的内容不带参数时默认从当前对话流程中学习。五种使用方式方式示例从目录/代码库学习/learn 从 ~/projects/my-api 学习这个项目的代码风格和架构从 URL 学习/learn 学习 https://example.com/api-docs 的 API 设计模式从当前工作流学习/learn 把刚才修复数据库连接超时的步骤保存为技能从粘贴的笔记学习/learn 从上面的笔记创建一个部署检查清单技能从对话历史学习/learn 把这次对话中解决 CI 构建失败的方法保存下来Hermes vs 普通 AI Agent能力普通 AgentHermesTool Use✓✓长期记忆✗✓技能沉淀✗✓多 Agent部分✓自学习✗✓消息平台部分✓MCP部分✓核心差异成长。Memory Skills Self-Learning 越用越强。为什么值得关注真正的变化不只是让模型调用工具而是让 Agent 拥有成长能力。能力沉淀演化路径Prompt → Workflow → Agent → Learning Agent未来不是写 Prompt而是训练自己的 Agent。实战基于 Hermes 构建业务知识助手安装与路径配置# 安装curl-fsSLhttps://hermes-agent.nousresearch.com/install.sh|bash# 或交给 OpenCode 执行# 创建副本profilehermes profile create my-profileechoexport PATH$HOME/.local/bin:$PATH~/.bashrc配置模型信息my-profile setup配置过程中会要求填写模型端点地址、模型名称、鉴权 Token 等信息请按你的实际环境填写此处不展示具体配置值。配置内存Memory 项目初始化配置内存$ my-profile memory setup Configuring holographic: SQLite database path [~/.hermes/profiles/my-profile/memory_store.db]: Default trust score for new facts [0.5]: HRR vector dimensions [1024]: Memory provider: holographic Activation saved to config.yaml Provider config saved Start a new session to activate.项目初始化Git 拉取项目切换至固定分支claude init初始化项目将触发关键字等信息填写到project.md中创建技能 构建知识库自建技能技能说明order-ticket-parser解析工单数据并存储到外挂内存my-order统计工单工作台处理完成的工单生成周报my-add-module自动添加业务模块 Git 仓库my-knowledge统一的知识查询框架三层查询策略构建知识库的三种方式通过auto.py生成的文件沉淀知识库通过order关键字将 QA 沉淀知识库通过代码查询知识沉淀至知识库技能一order-ticket-parser —— 工单数据解析目标解析工单数据并存储到外挂记忆构建可复用的工单知识库。解析流程用户消息以 order 开头 ↓ 解析工单数据 ↓ 提取工单号格式: OPEN... ↓ 格式规范? ├─ 规范 ─→ 提取问题描述OPEN 开头的行 │ ↓ │ 提取解决方案以 # 开头的行 │ ↓ │ 配对问答 → 形成工单记录 │ ↓ │ 调用 fact_storeactionadd, categoryproject │ ↓ │ 设置标签tags工单 │ └─ 不规范 ─→ 跳过该工单继续下一个 ↓ 还有更多工单? ├─ 是 ─→ 提取下一个工单号 └─ 否 ─→ 反馈处理结果统计存储数量 → 结束技能二my-order —— 工单统计与周报生成目标统计本周处理完成的工单自动生成周报 Markdown。工单统计与周报生成流程用户请求统计我本周处理完成的工单数 ↓ API 可用? ├─ 推荐: API 方式 ──────────────┐ │ 获取 OAuth Token (password grant) │ ↓ │ 获取用户信息 /iam/.../users/self │ ↓ │ 拉取 Workbench 数据按 solutionUserId 过滤 │ ↓ │ 并行拉取解决方案文档 | 交流记录 │ │ └─ Fallback: 浏览器方式 ─────────┤ 登录开放平台 │ ↓ │ 切换到我处理的 │ ↓ │ 切换到其他tab │ ↓ │ 逐页提取工单编号 │ ↓ │ 逐个打开详情页 ────────────┘ ↓ 生成周报 Markdown ↓ ┌──────────────┬──────────────┬──────────────┐ │ 问题描述 │ ✅ 解决方案 │ 处理过程 │ │ AI 总结 │ 原文提取 │ 全参与者总结 │ └──────────────┴──────────────┴──────────────┘ ↓ 输出: 周报-日期范围.md 总数 明细表格 状态分类技能三my-add-module —— 添加业务模块目标根据用户提供的 Git URL自动添加业务模块仓库并完成配置。添加模块流程用户提供 Git URL ↓ 收集必要信息服务名 / 关键词 / 分支 ↓ 信息完整? ├─ 缺服务名 ─→ 自动从 URL 提取 ├─ 缺关键词 ─→ 询问用户 ├─ 缺分支 ─→ 询问用户 └─ 已完整 ─→ 提取仓库名称 ↓ 编辑 project.md 添加服务配置 ↓ mkdir -p 创建目录 ↓ git clone 克隆仓库 ↓ git checkout 切换分支 ↓ 验证结果 ├─ 成功 ─→ 完成返回摘要 ├─ 分支不存在 ─→ 列出可用分支用户选择后重试 └─ 克隆失败 ─→ 报告错误技能四my-knowledge —— 知识查询框架目标统一的知识查询入口采用三层查询策略命中后自动沉淀。三层查询策略总览用户查询 ↓ 读取 project.md关键词匹配 ↓ 识别目标服务 ↓ 三层查询策略 │ ├─ 第 1 层fact_store probe精准查询 │ 命中? ─ 是 → 整理回答 │ └ 否 → 进入第 2 层 │ ├─ 第 2 层fact_store search关键词搜索 │ 命中? ─ 是 → 整理回答 │ └ 否 → 进入第 3 层 │ └─ 第 3 层代码库查询 获取答案 → 自动存储到 fact_store ↓ 返回用户答案 通用查询 → 我也不知道代码库查询详情第 3 层触发代码库查询 ↓ 强制使用 Claude Code ↓ claude -p 执行查询 --allowed-tools Read --max-turns 15 ↓ 查询成功? ├─ 成功 ─→ 获取答案 └─ 失败 ─→ 回退传统文件搜索search_files / read_file→ 获取答案 ↓ 自动存储到 fact_storeactionadd / tags服务实体标签 ↓ 返回用户答案前提条件已确认特定服务 → 路径/工作目录/服务名/仓库名参考官方文档https://hermes-agent.nousresearch.comQ A
