如果把大语言模型比作“大脑”，普通聊天机器人通常只负责理解问题并生成文字；AI Agent 则多了一套“行动系统”：它能选择工具、观察执行结果、继续调整下一步，还能把有价值的经验留给未来。
Hermes Agent 是 Nous Research 开源的个人 AI Agent。它可以从命令行、桌面端或消息平台接收任务，连接不同模型和工具，并通过 Memory 与 Skills 跨会话积累经验。理解它的关键，不是背下所有功能，而是看懂一次任务如何在系统中流动。> 本文依据 2026 年 8 月 11 日的官方仓库与文档整理。项目仍在快速迭代，具体功能与默认配置应以最新文档为准。## 一、Hermes Agent 不是一个新的大模型Hermes Agent 更接近一个围绕大模型搭建的“有状态运行时”。模型负责判断和生成，Hermes 则负责准备上下文、提供工具、执行动作、保存会话，并把工具结果重新交给模型。因此，Hermes 可以更换模型提供商，而它的 Memory、Skills、会话和工具系统仍然存在。命令行、消息平台和桌面应用也只是不同入口，背后共享的是同一个核心编排器 AIAgent。官方的架构文档将其职责概括为提示词构建、模型调用、工具执行、重试与回退、上下文压缩和持久化。可以先用下面这张简化图建立整体认识：mermaidflowchart LR U[用户任务] --> E[CLI / 桌面端 / 消息网关] E --> C[装配提示词、记忆和会话上下文] C --> M[Provider + 大语言模型] M -->|直接回答| O[返回结果并保存会话] M -->|请求工具| T{已启用的 Toolset} T -->|普通操作| R[工具执行结果] T -->|高风险操作| A{人工批准} A -->|批准| R A -->|拒绝或超时| M R --> M O -.可选沉淀.-> K[Memory 或 Skill]这是一张任务路径图，不是完整部署拓扑。真正决定 Hermes 能做什么的，是所选模型、已启用工具、执行环境和权限策略的组合。## 二、核心：不断“调用模型—执行工具—回填结果”的 Agent Loop假设你让 Hermes：“检查这个项目为什么测试失败，并给出修复建议。”一次任务大致经过以下过程。首先，Hermes 接收用户消息并装配上下文。系统提示词不仅包含基本行为规则，还可能包含项目说明、用户偏好、长期记忆、相关 Skill 和已有会话历史。上下文过长时，系统会压缩部分中间对话，避免超过模型窗口。接着，Hermes 调用选定的大语言模型。模型可能直接回答，也可能返回一个结构化工具请求，例如读取文件或运行测试。模型本身并没有直接操作电脑；它只是说明“想调用哪个工具、参数是什么”。然后，Hermes 检查这个工具是否在当前平台启用、运行条件是否满足，并将请求交给对应处理器。执行结果会作为一条工具消息加入会话，再送回模型。模型看到真实输出后，可以修正判断、调用下一个工具，或者生成最终答案。这个循环就是 Agent 与普通单轮问答最重要的差异：模型不只依据训练知识猜测，还能通过工具获得新的“观察”。不过它并非无限自治——用户可以中断，工具和模型可能失败，循环也有迭代预算。官方的 Agent Loop 文档给出了完整生命周期。## 三、Tools 负责行动，Toolset 决定能力边界Hermes 的工具覆盖网页搜索、浏览器、终端、文件、记忆、任务委派和定时任务等类别。工具按 Toolset 分组，可针对不同平台启用或关闭。换句话说，大模型不是“天生会操作终端”；Hermes 只是把当前允许使用的工具定义告诉模型，再负责执行模型提出的合法请求。终端工具还能使用不同后端：本机、Docker、SSH 或云端沙箱等。本机执行最直接，但没有隔离；容器和远程环境可以缩小影响范围。对于危险命令，Hermes 提供人工批准、路径保护和始终生效的灾难性命令阻断等多层护栏。详见官方的工具说明和安全文档。这里最重要的认识是：Toolset 是能力开关，不等于安全沙箱；“弹窗批准”也不等于绝对安全。要让 Agent 接触重要文件、凭据或生产环境，仍应采用最小权限和隔离执行环境。## 四、Memory、会话搜索和 Skills 有什么区别？这三个概念经常被笼统地称为“长期记忆”，但它们解决的问题不同。- Memory 是小而精选的便签。内置的 MEMORY.md 保存环境事实、约定和经验，USER.md 保存用户偏好与沟通方式；它们会在会话开始时进入系统提示词。- 会话历史 保存在 SQLite 中，并可通过全文检索查找过去的真实消息。它更像档案库，而不是每次都全部塞给模型。- Skills 是按需加载的工作手册。一个 Skill 可以描述“什么时候使用、按什么步骤执行、有哪些坑”，适合保存较长的可复用流程。例如，“用户喜欢简洁中文回复”适合进入 Memory；“如何完成一次 CSDN 发布并核验结果”更适合写成 Skill；上周某次排障的完整对话则留在会话数据库中。官方分别把 Memory 和 Skills 定位为持久事实与“过程性记忆”，后者采用渐进披露，需要时才加载完整内容，从而减少上下文占用。可参阅 Memory 与 Skills 文档。## 五、“自我改进”不是模型自己训练模型Hermes 最有辨识度的设计，是把任务经验重新沉淀为 Memory 或 Skill。任务结束后，后台复盘可以检查本次对话：如果发现稳定的用户偏好、环境事实或纠错经验，就保存为短记忆；如果发现经过多次工具调用才验证成功的流程，就创建或修补 Skill。后续遇到相关任务时，这些文本化经验能够重新进入上下文。因此，这里的“学习”是运行时的经验积累，而不是在本机自动更新大模型权重。它也不保证每次都能判断正确：过时经验可能误导后续任务，糟糕的 Skill 也可能固化错误步骤。Hermes 为 Memory 和 Skills 提供写入审批开关，可将后台修改暂存，等用户检查后再应用；Curator 则负责整理 Agent 创建的 Skills，减少长期积累后的重复与陈旧内容。这种设计的价值在于经验是可读、可编辑、可审查的，而不是藏在不可见的参数变化里。它的边界也同样清晰：需要人类持续维护，并对高风险写入保留最终控制。## 六、适合哪些场景？Hermes Agent 适合需要多步工具协作、希望跨会话保留工作习惯的个人自动化场景，例如代码排查、资料研究、系统运维、内容整理和定时任务。对于初学者，最稳妥的使用方式是从可回滚、低权限的任务开始：先只读分析，再逐步开放文件写入或终端能力，并观察每次工具调用。如果只记住一句话，可以这样概括：Hermes Agent 是一个围绕大语言模型构建的有状态任务运行时；Agent Loop 让模型和工具反复协作，Memory 保存精选事实，Skills 保存可复用流程，而权限与隔离决定它能安全地走多远。## 参考资料- Hermes Agent 官方仓库- Architecture- Agent Loop Internals- Tools & Toolsets- Persistent Memory- Skills System- Security- Curator