想要上手 Hermes Agent，无需复杂的前置技术储备，官方提供了多样化部署方案、完善的交互能力与扩展接口。本文结合官方实操内容，一步步带大家完成环境搭建、基础对话、基础配置、多平台接入、自定义技能与工具集成，让这款具备自改进能力的 AI Agent 快速投入使用。

多样部署方式，适配不同使用场景

Hermes Agent 提供三种主流安装模式，分别面向本地体验、环境隔离与全天候服务需求，开发者可以根据自身使用习惯和运行环境自由选择。

本地安装是最快上手的方式，适配 macOS、Linux 以及 WSL2 环境，仅依赖 Git 工具。打开终端，执行官方一键安装脚本，程序会自动补齐 Python、Node.js 等全部依赖，全程无需手动配置环境变量。

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

安装完成后，找到核心配置文件 ~/.hermes/config.yaml，填入大模型服务商与对应的 API 密钥，在终端输入启动命令，就能直接进入对话界面。

# 启动 Hermes Agent
hermes

# 查看版本，验证安装是否成功
hermes --version

这种方式适合初次体验、本地调试功能的用户，五分钟内即可完成整套流程。如果习惯使用 uv 管理 Python 环境，也可以通过下方命令完成安装：

uv pip install hermes-agent

如果追求运行环境纯净度，Docker 部署会是更优选择。先拉取官方镜像，再通过挂载数据目录启动容器，容器内所有配置、记忆文件、技能文档都会同步保存到宿主机。即便容器删除重建，历史数据也不会丢失，彻底规避本地环境依赖冲突的问题，同时也能实现多设备间的数据迁移。

# 拉取最新官方镜像
docker pull nousresearch/hermes-agent:latest

# 启动容器，挂载数据目录持久化文件
docker run -v ~/.hermes:/opt/data nousresearch/hermes-agent:latest

对于希望打造 24 小时在线私人助手的用户，轻量 VPS 部署性价比极高。每月仅需 5 美元左右的基础服务器，搭配 Ubuntu 22.04 系统就能稳定运行。在不部署本地大模型的前提下，程序内存占用低于 500MB，主流低价云主机均可流畅承载。VPS 部署流程和本地安装完全一致，SSH 登录服务器后，直接执行前文的一键安装脚本即可。此外框架还支持 Serverless 部署方案，借助 Daytona、Modal 等平台实现空闲休眠、消息触发唤醒，进一步降低闲置时段的资源消耗与使用成本，只需在配置文件中修改终端类型就能启用。

基础配置详解，打通大模型调用链路

config.yaml 是 Hermes Agent 的核心配置文件，所有运行规则、模型对接、平台接入参数都集中在此，简洁的设计大幅降低了配置门槛，文件默认路径为 ~/.hermes/config.yaml。

模型相关配置决定 Agent 的底层能力，框架兼容市面上主流大模型服务。下面是一份最小可用的配置示例，可直接参照修改使用：

model:
  provider: openrouter
  api_key: sk-or-xxxxx
  model: anthropic/claude-sonnet-4
terminal: local

通过 OpenRouter 可调用两百余款模型，灵活切换适配不同任务；选择 Nous Portal 则能使用官方 Hermes 系列模型，兼容性与适配性更佳。国内用户可以接入智谱 GLM-5 等服务，网络访问更稳定。注重数据隐私的用户，还能搭配 Ollama 在本地运行开源模型，实现完全离线使用。需要注意的是，相关第三方调用规则更新后，优先选择按量计费的 API 方式，能保障服务正常使用。

终端运行模式同样在配置文件中定义，不同模式对应不同的执行环境。local 模式直接在本机执行命令与代码，操作最简单；docker 模式将代码运行在沙箱容器内，提升系统安全性；ssh 模式支持连接远程服务器执行任务，而 daytona、modal 等配置则专门面向按需唤醒的轻量化场景。部署在公网 VPS 的用户，推荐将终端模式改为 docker，隔离风险，守护服务器安全，修改后配置如下：

terminal: docker

首次交互，感受自动记忆与技能生成能力

完成部署与配置后，开启第一次对话，就能直观体验 Hermes 区别于传统 AI 工具的核心特性。在终端输入 hermes 启动程序，界面简洁直观，无需额外引导，直接输入内容即可开启交流。

每一轮对话结束后，系统会自动将交互内容存入内置的 SQLite 数据库，并通过 FTS5 建立全文索引。区别于全量加载历史记录的模式，Hermes 会根据当前对话话题，按需检索相关历史片段，既控制了上下文长度、保证响应速度，也实现了跨会话的记忆留存。我们可以通过命令查看程序目录结构，直观看到数据存储文件：

# 查看 Hermes 根目录文件
ls ~/.hermes/

# 查看自动生成的技能目录
ls ~/.hermes/skills/

简单的自我介绍、使用习惯描述，都会被系统精准记录，下次对话时无需重复交代背景信息。

随着对话深入，当执行代码转换、文件处理这类重复性较强的复杂任务时，框架会自动提炼执行流程，生成独立的 Markdown 格式技能文件，存放至专属技能目录。后续再次发起同类需求，Agent 会直接调用已生成的技能完成工作，不再重复摸索执行逻辑。如果对输出结果提出修改意见，系统不仅会修正当前内容，还会同步更新对应的技能文档，逐步优化执行规则，形成持续迭代的使用闭环。整个过程无需手动编写规则文件，自动化流程让工具越用越贴合个人使用习惯。

多平台网关接入，实现全终端协同使用

Hermes 搭载统一的消息网关模块，支持十余种主流社交与办公平台接入，所有终端共享同一套记忆、技能与配置，真正做到一处使用、多端联动。

Telegram 是移动端接入的首选平台，配置流程简单高效。在平台内找到官方机器人账号 @BotFather，发送 /newbot 按指引创建专属 Bot，获取格式类似 123456789:ABCdefGhIJKlmNoPQRsTUVwxyz 的 Token。将 Token 填入 config.yaml 完成绑定，完整配置参考如下：

model:
  provider: openrouter
  api_key: sk-or-xxxxx
  model: anthropic/claude-sonnet-4
terminal: local
gateway:
  telegram:
    token: "你的Telegram Bot Token"

保存配置后重启 Hermes 服务，即可在手机端和机器人交互。手机端不仅可以发送文字指令，语音消息也能自动转写处理，碎片化场景下使用十分便捷。依托 VPS 全天候运行的特性，即便关闭本地电脑，也能随时通过手机向 Agent 下发任务、查看结果。

面向团队协作场景，可接入 Discord、Slack 等平台。在对应开发者后台创建应用并获取 Bot Token 后，继续在配置文件中追加对应参数：

gateway:
  telegram:
    token: "你的Telegram Bot Token"
  discord:
    token: "你的Discord Bot Token"
  slack:
    token: "xoxb-你的Slack Bot Token"

Discord 适合技术团队内部沟通、代码协作，将机器人拉入群组后，全体成员都能调用 Agent 完成代码审查、信息汇总等工作；Slack 更适配企业办公环境，按照平台规则创建应用并配置权限，就能融入企业现有工作流。除此之外，框架还原生支持 WhatsApp、Signal，社区也拓展出钉钉、飞书等国内常用办公平台适配方案，覆盖个人与团队的多样化使用需求。

跨平台对话连续性是网关设计的一大亮点。在手机 Telegram 上发起调研任务，切换到电脑终端可以继续跟进进度，Discord 群组中讨论的技术方案，在 Slack 内也能正常调取历史上下文。所有交互数据统一存储，不会因为终端切换出现信息断层。同时结合定时任务功能，还能设置自动推送简报、汇总工作内容等规则，让 Agent 主动完成周期性工作。

自定义技能编写，灵活拓展专属能力

除了系统自动生成技能，Hermes 也支持手动创建、编辑技能，使用者可以根据业务需求定制专属执行规则，进一步强化工具能力。框架沿用通用的技能标准，技能文件以 Markdown 格式编写，上手门槛极低，所有自定义技能统一存放在 ~/.hermes/skills/ 目录下。

我们可以通过终端命令新建技能文件，以规范 Git 提交信息的技能为例：

# 新建自定义技能文件
touch ~/.hermes/skills/git-commit-style.md

打开文件写入规则内容，一份完整的技能文档可以包含标题、触发条件、行为规则、实操示例等内容。精准描述触发场景，能让 Agent 在对应需求出现时自动匹配技能；详细的步骤规则与约束要求，统一任务执行标准；搭配真实的输入输出示例，进一步规范执行逻辑。编写完成后无需重启服务，技能即时生效。

社区技能库也是能力拓展的重要渠道。直接向 Agent 发送指令，即可查询、安装社区共享的成熟技能，一键部署立即生效。所有安装后的社区技能都支持二次编辑，使用者可以基于通用模板修改细节，适配自身工作场景。同时框架支持跨工具技能迁移，在同标准其他 AI 工具中积累的技能文件，直接复制到 ~/.hermes/skills/ 目录，简单调整后就能直接在 Hermes 中使用，过往的技能资产可以无缝复用。

日常使用中也有对应的调试技巧。对话中输入指令即可查看当前已加载的技能列表，判断目标技能是否正常触发；也可以通过命令查看本地日志文件，追溯技能匹配、执行的全过程，排查冲突与异常。

# 查看技能相关日志
cat ~/.hermes/logs/hermes.log

当多个技能触发条件重叠时，系统会优先匹配契合度更高的内容，若出现执行偏差，可通过调整触发规则、精简技能内容来优化。

MCP 协议集成，打通全品类外部工具生态

依托 Model Context Protocol（MCP）开放协议，Hermes 能够连接六千余款外部应用与服务，打破原生工具的能力边界，无缝融入个人与团队的现有工具栈。

MCP 相当于 AI 工具领域的通用接口，分为 stdio 和 HTTP 两种连接方式。本地数据库、本地文件类工具优先使用 stdio 模式，以子进程形式运行，通信速度快且无需额外网络开销；云端服务、多团队共享工具则选择 HTTP 长连接模式，适配远程调用场景。两种模式仅需在 config.yaml 中补充对应参数，无需开发额外适配代码，即可完成对接。

GitHub 是最常用的 MCP 集成场景，前往 GitHub 开发者设置页面生成个人访问令牌后，在配置文件中添加 MCP 服务：

mcp_servers:
  github:
    command: "npx"
    args: ["-y", "@modelcontextprotocol/server-github"]
    env:
      GITHUB_PERSONAL_ACCESS_TOKEN: "你的GitHub Token"

接入完成后，Agent 能够实现仓库查询、Issue 创建、代码审查、PR 管理等全套操作，用自然语言就能完成仓库运维工作。

对接 PostgreSQL 数据库的配置示例如下，可根据自身数据库账号、地址修改连接字符串。出于安全考量，对接数据库时建议使用只读账号，规避数据误修改风险。

mcp_servers:
  postgres:
    command: "npx"
    args: ["-y", "@modelcontextprotocol/server-postgres"]
    env:
      POSTGRES_CONNECTION_STRING: "postgresql://user:pass@localhost:5432/mydb"

框架支持精细化的工具权限管理，针对每一个 MCP 服务，都可以手动限定可调用的工具列表，遵循最小权限原则。以下示例仅开放 GitHub 部分常用工具，屏蔽高危操作：

mcp_servers:
  github:
    command: "npx"
    args: ["-y", "@modelcontextprotocol/server-github"]
    env:
      GITHUB_PERSONAL_ACCESS_TOKEN: "你的GitHub Token"
    allowed_tools:
      - list_issues
      - create_issue
      - get_pull_request
      - create_pull_request_review

实际使用中可以循序渐进接入外部服务，先部署高频工具熟悉流程，再根据需求逐步增加，避免工具过多导致决策效率下降。

原生工具、自定义技能与 MCP 外部服务可以形成高效组合。MCP 负责对接外部应用获取数据与能力，技能文件定义标准化的使用流程，原生工具完成本地调度与执行。三者相互配合，能够搭建出自动化工作流，从数据获取、流程处理到结果输出全链路自主运行，充分释放 Hermes Agent 的自动化潜力。