本文基于实际安装和使用 Hermes Agent 的真实体验，记录了从安装到核心功能测试的完整过程。

为什么需要自我进化的 AI Agent？

目前市面上的 AI Agent 产品很多，但大多数都有一个共同的痛点：每次对话都是从零开始。你告诉它你的偏好、你的项目背景、你的工作习惯，下次打开又得重新说一遍。

Hermes Agent 是 Nous Research 开源的一个 AI Agent 框架，它的核心卖点是：一个能从经验中学习、在使用中自我改进的 AI 助手。它会自动记住你的信息，自动创建可复用的技能，甚至能跨会话回忆过去的对话。

本文就来实际体验一下，看看它到底有没有宣传的那么神奇。

安装与配置

安装方式选择

Hermes Agent 提供了两种安装方式：

方式一：一键安装（推荐新手）

iex (irm https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.ps1)

这种方式会自动安装所有依赖，包括 uv（Python 包管理器）、Git、Node.js 等。适合环境干净的用户。

方式二：自定义目录安装

如果你不想装到默认的 C 盘，或者想指定安装目录，可以用这种方式：

# 下载安装脚本到临时目录
irm https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.ps1 -OutFile "$env:TEMP\hermes-install.ps1"

# 带参数执行，指定安装目录
& "$env:TEMP\hermes-install.ps1" -HermesHome "F:\software\hermes" -InstallDir "F:\software\hermes\hermes-agent" -SkipSetup

这里有几个参数说明：

• -HermesHome：Hermes 的数据目录（配置、日志、记忆等）
• -InstallDir：源码安装目录
• -SkipSetup：跳过初始设置向导，后面可以手动配置

安装完成后会提示重启终端，让 PATH 环境变量生效。

验证安装

打开新的 PowerShell 窗口，运行：

hermes --version

看到类似下面的输出，说明安装成功：

Hermes Agent v0.14.0 (2026.5.16)
Project: F:\software\hermes\hermes-agent
Python: 3.12.7
OpenAI SDK: 2.24.0

配置模型

有两种方式配置 API Key 和模型：

方式一：官方向导

hermes setup

这个向导会引导你配置 LLM 提供商、API Key 等信息。支持 OpenRouter、OpenAI、Anthropic 等多种提供商。

方式二：使用 CC Switch（推荐）

CC Switch 是一款跨平台桌面应用，专为使用 AI 编程工具的开发者设计。它帮助你统一管理 Claude Code、Claude Desktop、Codex、Gemini CLI、Hermes 等受管应用的配置。一键切换多个 API 供应商配置，支持预设模板，快速添加常用供应商。

用 CC Switch 配置的好处是：一次配置，多个工具共享，切换供应商也很方便。

核心功能体验

配置完成后，运行 hermes 进入交互式 CLI。这里让他介绍自己，一切正常，说明配置可用。

接下来，我们来体验 Hermes 的几个核心功能。

1. 记忆系统：跨会话记住你的身份

这是 Hermes 最让我惊喜的功能之一。

我用自然语言告诉它：

“记住：我是大数据和AI行业的从业者，有自己的公众号，经常写技术文章。”

它回复说已经记住了。然后我用 /new 开了一个新会话，问它：

“你还记得我是做什么的吗？”

它准确地回答了我的职业信息。

更让我意外的是，当我打开 F:\software\hermes\memories\USER.md 文件时，发现它确实把这条信息写入了记忆文件。

§
用户是大数据和AI行业的从业者，有自己的公众号，经常写技术文章

这个功能的实现原理是：Hermes 会在每次会话开始时，自动将记忆文件注入到系统提示词中。这样 Agent 就能"记住"你的信息，而不需要你每次重复说明。

2. 技能系统：77 个内置技能

Hermes 内置了 77 个技能，覆盖了多个领域：

分类	技能示例
自主 AI Agent	Claude Code、Codex、OpenCode 委托编码
创意	ASCII 艺术、信息图、漫画、像素艺术
数据科学	Jupyter 内核、DSPy、HuggingFace
GitHub	Issue 管理、PR 工作流、代码审查
生产力	Notion、Obsidian、Google Workspace
研究	arXiv 论文搜索、博客监控

让我印象深刻的是，当我让它写一个 Python 脚本时：

“帮我写一个 Python 脚本，批量读取指定目录下所有 CSV 文件，统计每个文件的行数、列数、文件大小，最后输出一个汇总表并保存为 result.xlsx。”

它不但完成了代码编写，还自动进行了测试。这种"不只是写代码，还要验证代码"的行为，比很多同类产品要靠谱。

3. 网页抓取：自动尝试多种方案

这个功能的体验过程非常有意思。

我让它帮我整理知乎热点：

“打开知乎热榜，帮我整理今天的前10个热点话题，包括标题、热度和一句话摘要。”

有趣的是，他发现知乎不能直接获取。

结果它一共尝试了 5 种方案：

步骤	方法	结果
1	直接访问 zhihu.com/hot	❌ 页面 JS 渲染，60s 超时
2	知乎官方 API	❌ 需要登录认证 (401)
3	第三方聚合 API (vvhan / tenapi)	❌ 接口不可用 / 502
4	tophub.today 网页抓取	❌ IP 触发安全验证
5	RSSHub RSS 订阅源	✅ 成功获取 37KB XML 数据
6	sed/grep 解析 XML 提取标题、摘要、链接	✅ 输出 TOP10

最让我意外的是第 5 步：它自己找到了 RSSHub 的 RSS 订阅源来获取数据。我没有提醒它用 RSS，它完全是自主决策的。

虽然过程有些坎坷，但它最终完成了任务。这种"遇到问题不放弃，自己想办法解决"的能力，正是 Agent 的核心价值所在。

4. 定时任务：自然语言创建自动化

Hermes 内置了 cron 定时任务功能，理论上可以通过命令创建定时任务：

/cron add "every day at 8am" "抓取知乎热榜TOP10"

但实际体验时发现，这种方式很容易出语法错误。我尝试了多种写法都失败了：

/cron add 每天早上8点，通过RSSHub抓取知乎热榜TOP10
(._.) Please provide a prompt or at least one skill

/cron add "every day at 8am" "抓取知乎热榜TOP10"
(._.) Usage: /cron add <schedule> <prompt>

最后，我干脆直接用自然语言问它：

“如何把刚才抓取知乎热榜TOP10的任务放在定时任务里，我想每天8点都看到。”

没想到，这样直接就完成了！

通过 /cron list 查看，确实已经存在这个定时任务。

这给我的启发是：对于 Agent 来说，自然语言交互比命令语法更重要。用户不应该去记忆复杂的命令格式，直接用自然语言描述需求就好。

5. Gateway 网关（跳过）

Hermes 支持通过 Telegram、Discord、Slack 等多个平台进行交互。但这个功能在很多同类产品中都有，差异化不明显，这里就不展开了。

6. 其他值得了解的功能

除了上面详细体验的功能外，Hermes 还有一些值得关注的能力：

Goal（目标系统）

你可以给 Hermes 设置一个长期目标，比如"帮我整理一份 Python 数据处理最佳实践文档"。它会跨多轮对话持续追踪这个目标，直到完成。适合需要多步骤协作的复杂任务。

子 Agent 并行

Hermes 可以 spawn 隔离的子 Agent 来处理并行工作流。比如你让它同时做三件事，它会分配给不同的子 Agent 并行执行，而不是串行等待。这在处理批量任务时能显著提升效率。

模型无关

Hermes 不绑定任何 LLM 厂商。通过 hermes model 命令可以一键切换模型，支持 OpenRouter（200+ 模型）、OpenAI、Anthropic、小米 MiMo、月之暗面 Kimi 等多家提供商。这意味着你可以根据任务类型选择最合适的模型，而不是被锁定在某个平台上。

MCP 集成

Hermes 支持 MCP（Model Context Protocol）协议，可以连接任何 MCP 服务器来扩展能力。这意味着你可以接入各种第三方工具和服务，而不需要 Hermes 本身支持它们。

灵活部署

Hermes 支持六种终端后端：本地、Docker、SSH、Singularity、Modal、Daytona。其中 Modal 和 Daytona 支持 serverless 持久化——空闲时休眠，按需唤醒，几乎零成本。你可以跑在 $5 VPS 上，也可以跑在 GPU 集群上。

整体体验总结

经过实际体验，Hermes Agent 有几个让我印象深刻的地方：

1. 记忆系统真的好用

跨会话记忆是刚需。很多 Agent 产品都有这个功能，但 Hermes 的实现方式很优雅——自动注入系统提示词，用户完全无感。

2. 技能系统有潜力

77 个内置技能覆盖了很多场景，而且 Agent 还能自动创建新技能。虽然这次体验中没有触发自动创建技能的功能，但这个方向很有想象空间。

3. 自主决策能力突出

网页抓取那个案例最能说明问题：遇到 4 次失败后，它自己找到了 RSSHub 这个方案。这种"不依赖用户提示，自己解决问题"的能力，比简单的工具调用更有价值。

4. 自然语言交互是王道

定时任务的创建过程说明，对于 Agent 来说，精确的命令语法不如自然语言交互来得直接。这也是 Agent 产品应该追求的方向。

也有需要改进的地方：

• 安装过程对新手不太友好，需要处理很多环境问题
• 命令语法有时不够直观，容易出错
• 部分功能依赖外部服务（如 RSSHub），稳定性有风险

适合什么场景？

根据我的体验，Hermes Agent 适合以下场景：

• 需要长期协作的开发者：记忆系统让 Agent 能记住你的项目背景和偏好
• 需要自动化工作流的用户：定时任务 + 网页抓取可以实现很多自动化场景
• 喜欢折腾的技术爱好者：丰富的技能系统和插件机制有很多可玩性

与同类产品对比

市面上有不少 AI Agent 产品，这里拿几个有代表性的来对比一下。

Hermes Agent vs OpenClaw

OpenClaw 是另一个开源 AI Agent 项目，Hermes 官方甚至提供了从 OpenClaw 迁移的工具（hermes claw migrate），说明两者定位相似。主要区别：

维度	Hermes Agent	OpenClaw
核心理念	自我进化（记忆 + 技能自改进）	工具调用 + 对话
记忆系统	自动注入系统提示词，跨会话持久化	有记忆功能，但实现方式不同
技能系统	77 个内置技能 + 自动创建	技能体系较轻量
模型支持	200+ 模型，一键切换	支持主流模型
部署方式	6 种终端后端（本地/Docker/SSH/云）	主要本地部署
社区生态	Nous Research 维护，活跃度高	社区驱动

从 OpenClaw 迁移到 Hermes 很方便，官方支持导入设置、记忆、技能和 API Key。

Hermes Agent vs Claude Code / Cursor

这类产品更偏向"编程助手"，而 Hermes 是一个通用 Agent：

维度	Hermes Agent	Claude Code / Cursor
定位	通用 AI Agent	编程专用助手
记忆	跨会话持久化记忆	项目级上下文
技能	77 个跨领域技能	专注代码相关
定时任务	内置 cron 调度器	无
多平台	CLI + Telegram + Discord 等	IDE 集成
适用场景	编程 + 研究 + 自动化 + 日常	编程为主

如何选择？

• 如果你主要写代码：Claude Code / Cursor 更专业，IDE 集成更好
• 如果你需要一个"会记住你的全能助手"：Hermes Agent 更合适
• 如果你两者都要：Hermes 支持委托 Claude Code 执行编码任务（内置 claude-code 技能）

写在最后

Hermes Agent 的核心理念是"自我进化"——通过记忆系统、技能系统和自主决策能力，让 Agent 能够在使用过程中不断学习和改进。虽然目前还有一些体验上的小问题，但这个方向很有前景。

如果你也对 AI Agent 感兴趣，不妨试试 Hermes Agent，体验一下"会记住你的 AI 助手"是什么感觉。

---