Hermes — AI Agent 运行时框架详细介绍

一、产品概述

Hermes 是 Nous Research 开源的可自部署个人 Agent 运行时框架。官方将其定位为 「self-improving autonomous agent」（可自我进化的自主智能体）。

它不是一个开箱即用的编码软件，也不等同于 Claude Code 这类执行工具。更准确的描述是：一个长期运行的个人 Agent 后台——它能记住你的项目背景、编码习惯和过往经验，让 AI 不再每次从零开始。

产品形态速览

维度	说明
产品形态	可自部署的 Agent 运行时框架
所属层级	个人 Agent 运行时层（工具链第 1 层）
核心角色	给编码 Agent 补记忆、技能与自动化
是否可独立运行	否，需对接大模型（Claude/GPT 等）和执行工具
是否具备编码能力	不具备原生编码能力，底层编码依赖 Claude Code 等执行工具
开源性	开源（Nous Research）
通俗类比	程序员的私人助理——帮程序员记东西、攒经验、跑后台

与 Claude Code 的关系

Hermes = 运行时增强层（记忆管理 + 技能沉淀 + 后台自动化）
Claude Code = 干活执行者（写代码 + 跑命令 + 修报错）

二者是调度从属关系，不是竞品。
一个负责"记住和调度"，一个负责"落地执行"。

---

二、安装与部署

2.1 环境要求

• Node.js 18+
• 可访问大模型 API（如 Anthropic API）
• 本地 SQLite 支持（用于记忆存储）

2.2 部署步骤

# 第一步：拉取仓库
git clone https://github.com/nousresearch/hermes.git
cd hermes
npm install

# 第二步：配置 Hermes
cp config.example.yaml config.yaml

2.3 配置文件详解

修改 config.yaml 核心配置：

# 模型供应商配置
model_provider: anthropic
api_key: ${ANTHROPIC_API_KEY}

# 执行后端配置（指定底层谁来写代码）
executor_backend: claude-code

# 记忆系统配置
memory:
  core_memory_files:
    - MEMORY.md   # 项目长期约定
    - USER.md     # 个人编码偏好

2.4 初始化核心记忆文件

Hermes 最核心的设计是三层结构化记忆。部署后首先要初始化两个硬上限核心记忆文件：

MEMORY.md（项目长期约定）：

# MEMORY.md
项目：nodejs-user-server
技术栈：Node.js + Express + Mongoose
编码规范：必须写入参校验、try/catch、接口注释、单元测试
已有路由：/api/login /api/register
项目约定：所有接口返回格式为 {code, msg, data}
数据库：MongoDB，User 集合字段见 /models/user.js

USER.md（个人编码偏好）：

# USER.md
缩进风格：2 空格
错误返回：统一返回 {code, msg, data}，拒绝松散裸返回
命名规范：文件名 kebab-case，变量名 camelCase
测试框架：Jest，测试文件放在 __tests__/ 目录
Git 提交规范：遵循 Angular Commit Convention

---

三、核心设计详解

3.1 三层结构化记忆体系（最核心设计）

这是 Hermes 与原生编码工具最本质的区别：

记忆层级	存储方式	运作机制	解决的问题
第一层：核心置顶记忆	MEMORY.md + USER.md（硬上限文件）	每次会话自动注入上下文，作为最高权重信息	项目约定和用户偏好不丢失
第二层：会话检索记忆	历史对话全量存入本地 SQLite，通过 FTS5 全文检索按需召回	需要时才检索，不影响当前上下文容量	上下文溢出问题
第三层：技能化长期记忆	从执行经验中自动抽象标准化技能，存入技能库	同类任务直接触发已有技能	重复引导的浪费

为什么记忆要有硬上限？

• 置顶记忆要的是高权重、低噪声，不是越多越好
• 如果什么都往里塞，过期信息和临时结论会稀释真正重要的项目约定
• 没有上限的记忆系统，时间一长就会熵增，检索噪声变大
• 有界记忆，本质上是用容量换稳定性

3.2 自进化学习闭环

Hermes 支持从每次执行结果中自动总结经验、优化技能：

执行任务 → 记录过程与结果 → 提炼模式 → 存入技能库 → 下次同类任务自动复用

运行越久、同类任务处理越多，执行速度和准确率越高——这就是"自进化"的核心含义。

3.3 后台常驻与多端接入

能力	说明
后台 Daemon	支持常驻运行，可配置定时任务、触发式任务
无人值守	定时巡检、自动部署、日志整理等自动化工作
多端接入	CLI、Telegram、Slack 等多端接入，不限于本地终端

---

四、实操 Demo

场景：在已有用户模块上新增分页查询接口

# 第一步：启动后台常驻 Hermes
node index.js daemon

# 第二步：新开终端，下发任务
hermes chat "给用户接口新增分页查询用户列表接口"

执行过程演示

1. 自动加载核心记忆：Hermes 自动注入 MEMORY.md 和 USER.md，无需重复讲解项目技术栈、编码规范
2. 调度底层执行：自动调用 Claude Code 完成编码 + 自测
3. 沉淀会话记忆：执行完毕自动将本次设计思路、踩坑点存入 SQLite 检索记忆
4. 技能化沉淀：多次迭代后自动提炼「分页接口开发技能」存入技能库，同类任务速度越来越快

---

五、适用场景

✅ 最适合的场景

场景	原因
个人长期项目	跨会话记住项目背景和编码习惯，不用反复解释
自动化运维脚本	后台 daemon 常驻，定时执行巡检、部署
私人工作助理	记住你的偏好，处理日常开发任务
多端触达任务	通过 Telegram/Slack 远程下发任务
需要技能积累的项目	同类任务反复执行，越用越快

⚠️ 不适合的场景

场景	原因
多人强交付项目	偏单用户设计，每个人各有一套记忆，容易口径对不上
强合规项目	没有团队级权限、审计和协作机制
需要统一标准的团队	没有强制工程纪律，没有单一事实源

---

六、与其他工具的关系

6.1 Hermes vs Claude Code

维度	Claude Code	Hermes
层级	执行层	运行时增强层
能写代码吗	✅ 是	❌ 否（依赖 Claude Code）
有记忆吗	❌ 无持久记忆	✅ 三层记忆体系
能后台常驻吗	❌ 会话即结束	✅ Daemon 后台运行
状态	偏无状态	有状态，积累经验
通俗角色	干活的程序员	程序员的私人助理

关系总结：增强与被增强，不是竞品。 Claude Code 负责一次次把任务做完，Hermes 负责把这些任务里的经验留下来。

6.2 Hermes + Claude Code 组合

这是最基础的双层组合——Claude Code 干活，Hermes 攒经验，适合单人长期维护项目。

但需注意：

• 记忆膨胀风险：建议每月清理一次核心记忆，只保留项目结构、长期约定和稳定经验
• 不适合多人：6 个人各用各的 Hermes，短期都快，联调时才发现接口定义、异常码、测试标准全不统一

---

七、优势与局限总结

优势

优势	说明
记忆能力强	三层记忆体系，跨会话持久化上下文，告别反复解释
自进化	越用越懂你，同类任务速度越来越快
后台自动化	Daemon 常驻 + 定时任务，无人值守
本地化部署	隐私性好，数据不出本地
多端接入	CLI / Telegram / Slack 均可触达

局限

局限	说明
不写代码	本身不负责底层编码推理，必须对接大模型和执行工具
偏单用户	没有团队级权限、审计和多人协作机制
缺工程纪律	没有强制 TDD、评审等质量门禁
记忆需治理	长期使用需要主动清理，避免记忆膨胀和污染

一句话总结

Hermes 是运行时增强层。Claude Code 负责执行动作，Hermes 负责沉淀记忆和经验。它的核心价值不是"写代码更快"，而是"下次不用从零开始"。