摘要：Nous Research 出品的自学习 AI Agent。内置学习循环——从经验中创建技能、使用中自我改进、主动搜索过去的对话、跨会话建立用户画像。支持 Telegram、Discord、Slack、WhatsApp 等多平台。
项目信息
| 项目 | 详情 |
|---|---|
| 作者 | Nous Research |
| GitHub | https://github.com/NousResearch/hermes-agent |
| 协议 | MIT |
| 核心定位 | 自进化的 AI 智能体 |
| 特色 | 唯一内置学习循环的 Agent |
它解决什么问题
大多数 AI Agent 是"一次性"的。每次对话结束，学到的东西就没了。下次遇到同样的问题，从头再来。
Hermes 不一样。它有内置的学习循环：
- 从复杂任务后自动创建技能
- 使用过程中自我改进技能
- 主动搜索过去的对话找答案
- 跨会话建立用户画像
Agent 越用越聪明，不是每次都从零开始。
核心功能
自学习循环
完成复杂任务
→ 自动提取可复用模式
→ 创建新技能
→ 下次遇到类似任务自动应用
→ 使用中持续改进技能质量
多平台支持
从 Telegram、Discord、Slack、WhatsApp、Signal 到 CLI，一个 Gateway 进程搞定所有平台。
在 Telegram 上跟它说话，它在云端 VM 上干活。你睡觉时它还在跑。
内置学习循环
- Agent 管理的记忆：周期性提示，确保持续积累
- 自动技能创建：复杂任务后自动生成技能
- 技能自我改进：使用中不断优化
- FTS5 会话搜索：跨会话全文搜索 + LLM 摘要
- Honcho 方言用户建模：深度了解用户偏好
定时任务
内置 cron 调度器，支持多平台投递。日报、备份、周报、审计，全用自然语言配置，无人值守运行。
子智能体并行
派生隔离子智能体处理并行工作流。用 Python 脚本通过 RPC 调用工具，多步骤流水线零上下文开销。
多后端部署
| 后端 | 用途 |
|---|---|
| 本地 | 日常开发 |
| Docker | 隔离环境 |
| SSH | 远程服务器 |
| Daytona | 无服务器，空闲时零成本 |
| Singularity | HPC 环境 |
| Modal | 无服务器，自动扩缩容 |
适用场景
强烈推荐：
- 想要 Agent 有持续学习能力
- 需要跨平台通信（Telegram、Discord 等）
- 需要在云端 7×24 运行
- 喜欢 Nous Research 的开源生态
不推荐：
- 只需要本地 CLI，不需要多平台
- 对自学习机制不感兴趣
- 不想维护 Gateway 进程
与同类项目对比
| 维度 | Hermes | OpenClaw | GBrain |
|---|---|---|---|
| 自学习 | ⭐⭐⭐⭐⭐ 内置循环 | ⭐⭐ 手动技能 | ❌ |
| 多平台 | ⭐⭐⭐⭐⭐ 6 个平台 | ⭐⭐⭐ 有限 | ❌ |
| 云端部署 | ⭐⭐⭐⭐⭐ 6 种后端 | ⭐⭐⭐ 有 | ❌ |
| 定时任务 | ⭐⭐⭐⭐ 内置 cron | ⭐⭐⭐⭐ LaunchAgent | ❌ |
| 知识管理 | ⭐⭐⭐ 会话搜索 | ⭐⭐⭐ MEMORY.md | ⭐⭐⭐⭐⭐ 知识库 |
| 上手难度 | ⭐⭐⭐⭐ 简单 | ⭐⭐⭐ 中等 | ⭐⭐ 复杂 |
个人评价
值得学习的点：
- 自学习循环是 Agent 进化的正确方向，从经验中提取技能比手动编写可持续
- 多平台支持做得很完整，Telegram + Discord + Slack + WhatsApp + Signal 全覆盖
- 6 种部署后端让 Hermes 可以跑在任何地方，$5 VPS 到 GPU 集群都行
- 从 OpenClaw 迁移的工具（
hermes claw migrate），说明社区生态在打通
不足：
- 自学习需要时间积累，新安装时效果不明显
- 多平台配置需要多个 API Key 和 Token
- 语音功能依赖外部服务（ElevenLabs 等），增加成本
推荐指数：⭐⭐⭐⭐（需要自学习 Agent 和多平台支持的用户）
评论 ({{ comments.length }})
暂无评论，来说两句吧