上个月开始把个人助理从 OpenClaw 迁到 Hermes Agent，用了一个月后决定重写这篇教程。Hermes 是 Nous Research 开源的"会越用越强"的自进化 AI Agent，和 OpenClaw、Claude Code 属于同一赛道，但核心差异是它内置了一套学习闭环：任务做完会自动把流程沉淀成技能，会话结束会把经验整理进长期记忆。这篇笔记按 2026 年 9 月的最新版本重写，覆盖安装、记忆、技能、工具后端、消息网关、多 Agent 与自动化，命令都经过官方文档核对。
1. Hermes Agent 是什么：与 OpenClaw / Claude Code 的差异
Hermes Agent（GitHub: NousResearch/hermes-agent）是 AI 实验室 Nous Research 于 2026 年 2 月发布的开源 Agent 框架，MIT 协议。它不是一个绑在 IDE 里的编码副驾驶，也不是聊天机器人的壳——官方定位是"runs anywhere and gets more capable the longer it runs"：跑在 5 美元的 VPS、GPU 集群或闲置几乎零成本的 Serverless 基础设施上，你可以在地铁上用 Telegram 跟它对话，而它在云端虚拟机里干活。
一句话对比三类工具：
Hermes Agent | OpenClaw | Claude Code / Codex | |
核心 | 自进化学习循环（技能+记忆） | 多渠道消息网关 | 终端编码 Agent |
学习闭环 | 完整（自动建技能+Curator 维护） | 手动为主 | 有限 |
记忆 | 三层：MEMORY/USER + FTS5 会话搜索 + 外部 Provider | Markdown 文件记忆 | 项目级 CLAUDE.md |
消息平台 | 20+（含微信/飞书/钉钉/企微/QQ） | 20+ | 基本无 |
模型 | 模型无关，20+ 供应商 | 模型无关 | 绑定自家 |
官方"唯一内置学习循环"的说法包含四件事：Agent 从经验里创建技能、在使用中改进技能、主动把知识写进记忆、跨会话搜索自己的历史对话。截至 2026 年 8-9 月，项目 GitHub Stars 已超过 24 万，并登上 OpenRouter Token 消耗榜首。
2. 安装与初始化：60 秒跑通
2.1 安装
Linux / macOS / WSL2 / Android (Termux)：
Windows 原生（PowerShell）：
安装器自动处理 Python（经 uv）、Node.js、ripgrep、ffmpeg，以及 Windows 下的便携 Git Bash，无需预先装任何依赖。想同时要桌面 App 的，可以直接下载 Hermes Desktop 安装器。
2.2 配置模型
两条路二选一。最省事的推荐路径——用 Nous Portal 一个订阅覆盖模型 + 网络搜索 + 图片生成 + TTS + 云浏览器：
一条命令完成 OAuth 登录、把 Nous 设为 provider、开启 Tool Gateway。自带 300+ 模型可选，随时
/model 切换。自带密钥的用户执行
hermes model 或 hermes setup，走完整向导选择供应商。Hermes 支持的供应商非常广：OpenRouter、Anthropic、OpenAI、Google Gemini、DeepSeek、Kimi/Moonshot（含中国区）、MiniMax（含中国区）、z.ai/GLM、阿里 DashScope、Hugging Face、NVIDIA NIM、xAI/Grok、GitHub Copilot（OAuth）、Ollama/LM Studio 本地模型以及任意 OpenAI 兼容自定义端点。注意：Hermes 要求模型至少有 64K 上下文，本地模型请把上下文开到 64K 以上。
2.3 目录结构：先看懂 ~/.hermes
原则很简单：密钥进
.env，设置进 config.yaml。用 hermes config set KEY VAL 会自动把值路由到正确文件，永远不要手改 config.yaml（缩进错误会弄坏运行中的网关）。2.4 第一次对话与验证
如果连一次干净的对话都跑不通，不要急着加网关、cron、技能——先把基础闭环跑稳，再层层往上加。
3. 记忆系统：三层记忆，三种速度
很多人抱怨"Hermes 记不住东西"，其实它是三层设计，理解后才知道每层各管什么：
层级 | 载体 | 容量 | 特性 |
第一层 | `MEMORY.md`（工作笔记） | ≤2200 字符 | 每次会话以冻结快照注入上下文 |
第一层 | `USER.md`（用户画像） | ≤1375 字符 | 同上，存偏好与沟通风格 |
第二层 | `state.db` + FTS5 全文搜索 | 几乎无限 | 主动搜索几周前的对话，LLM 再摘要 |
第三层 | 外部 Memory Provider | 无限 | Honcho / Mem0 / Holographic / Supermemory 等，可插拔 |
为什么"刚告诉它的事它转头就忘"？因为写入是 Agent 策展（Agent-curated）+ 周期性 nudge，不是逐句实时写盘——实时写入会频繁改变 system prompt 头部、破坏前缀缓存、拉高成本。只有你明确表达偏好、发现环境事实、纠正它的做法、或它判断某信息重要时，才会在若干轮后整理进记忆。想让某件事被记住，直接说："请把这件事写入你的长期记忆"。
想调记忆反思频率，改
config.yaml 的 memory.nudge_interval（默认约 10，越大越省 token、越小记得越勤）。关键事实放 MEMORY，流程放技能；记忆满时（头部会显示 ~80%）让 Agent 做一次整理合并。4. 技能系统：让它越用越会的核心
技能（Skill）是 Agent 的"程序性记忆"——不是它知道什么，而是它会怎么做。技能是带 YAML frontmatter 的 Markdown 文档，存在
~/.hermes/skills/，兼容 agentskills.io 开放标准。4.1 渐进式披露
技能采用三级按需加载，装再多也不撑爆上下文：
4.2 使用与安装
每个已装技能自动成为一个斜杠命令，CLI 和消息平台通用：
Skills Hub 集成了多个来源：官方可选技能（official）、skills.sh、well-known 端点、直接 GitHub（openai/anthropics/NVIDIA 仓库）、ClawHub、LobeHub，以及自定义 Tap 仓库。所有第三方技能安装前会跑安全扫描（检查数据外排、提示注入、破坏性命令），危险判定不能靠 --force 绕过。
4.3 自进化循环与 Curator
这是 Hermes 最核心的差异。完成复杂任务（通常 5 次以上工具调用）、走过死胡同找到正确路径、被你纠正、或发现非平凡工作流之后，Agent 会主动提议把方法存成技能（由 skill_manage 工具执行 create / patch / edit / delete 等操作）。技能里的坑、边界条件和验证方法都会被记录下来，下次遇到同类问题直接按已验证流程走，不用重新摸索。
技能越堆越乱怎么办？Curator 后台维护系统负责垃圾回收：闲置 30 天的技能标 stale、90 天归档（归档到
.archive/ 可恢复），用 hermes curator pin <skill> 可钉住重要技能。它只处理 Agent 自建的技能，从不碰内置和 Hub 安装的，且只归档不删除。4.4 SKILL.md 长什么样
5. 工具与执行后端
Hermes 内置 60+ 工具，按工具集（toolset）分组，可针对每个平台单独启用/禁用（
hermes tools）。常用工具集：web（搜索/抓取）、browser（浏览器自动化）、terminal、file、code_execution（沙箱 Python）、vision、image_gen、tts、skills、memory、session_search、delegation（子 Agent）、cronjob、messaging、kanban 等。工具变更在 /reset 新会话后生效。终端命令可在七种后端执行，只改配置不换代码：
后端 | 场景 |
local | 本机开发 |
docker | 隔离容器（只读根文件系统+丢弃全部 capabilities） |
ssh | 远程服务器，Agent 无法改自己的代码 |
singularity | HPC 集群 |
modal / daytona / vercel_sandbox | Serverless，空闲休眠几乎零成本 |
安全细节做得很扎实：容器后端全部只读根文件系统、无特权提升、namespace 隔离；Docker 是"一个长驻容器 + docker exec"，
pip install 一次全程生效。后台进程可用 terminal(background=true) 配合 process 工具的 list/poll/log/kill 管理。还有一招省 token 的杀手锏
execute_code：Agent 写 Python 脚本通过 RPC 调用工具（web_search、read_file、terminal 等），中间结果不进上下文，只有最终 print 返回。官方例子：3 次以上带逻辑的工具调用、批量过滤、循环处理结果都该用脚本化——能把多步流水线压成一次推理。6. 消息网关：把 Agent 接到 20+ 平台
6.1 平台支持
一条 Gateway 进程接入 Telegram、Discord、Slack、WhatsApp、Signal、Matrix、Mattermost、Email、SMS，以及国内常用：微信（Weixin）、企业微信（WeCom）、飞书（Feishu）、钉钉（DingTalk）、QQ Bot、元宝；还有 Home Assistant、Microsoft Teams、Google Chat、BlueBubbles（iMessage）。个人微信原生支持扫码连接，图片/视频/文件/语音都收。
6.2 以 Telegram 为例
在 Telegram 找 @BotFather 拿 token，配好 allowed users 白名单。网关里的常用命令：
/new 开新会话、/model 切模型、/approve 批准待执行的危险命令、/deny 拒绝、/sethome 把当前聊天设为默认投递频道、/stop 中断任务、/voice on 开启语音对话。6.3 安全默认
陌生人的 DM 默认需要配对授权（
hermes pairing approve <code>）；危险命令默认由审批系统拦截。建议给每个平台配置用户白名单（如 TELEGRAM_ALLOWED_USERS），防止 Bot 被陌生人随意调用烧额度。7. Profiles 与多 Agent：一人成团
7.1 Profiles
Profile 是一套完全隔离的 Hermes 实例——独立的 config/.env/SOUL.md/记忆/技能/会话/网关。创建后自动生成命令别名：
给每个 Profile 一份专属 SOUL.md（性格/行为准则），并各配一个独立 Telegram Bot token（同 token 会触发令牌冲突保护）。
7.2 多 Agent 协作三板斧
- delegate_task（子 Agent）：主 Agent 把任务拆给隔离子 Agent 并行执行，批量用
delegate_task(tasks=[...])。注意子 Agent 从全新上下文开始，必须把文件路径、报错信息等背景写全；在线模型建议从 2-3 个并发起步，别贪多。
- Bot Mode / 群聊：桌面端把 Profiles 变成一组带名字、头像、专属模型与技能、可 @ 互发的 Bot，能在群聊里开"多 Agent 圆桌"（上限 10 条/3 轮防失控），
@user可把人类拉进判断。
- Kanban 看板：SQLite 持久化工作队列，任务在 Triage → Todo → Ready → In progress → Blocked → Done 间流转，调度器按 assignee Profile 自动拉起 worker，支持父子依赖、失败熔断、崩溃回收与结构化交接。适合 PM-写-审的多角色流水线。
并发编辑代码避免 git 冲突，用
-w（git worktree 模式）或干脆 tmux 拉起多个独立实例。8. 自动化：Cron、Webhook 与后台任务
8.1 定时任务（最常用）
Hermes cron 支持自然语言描述，不用记 crontab 语法：
关键原则：提示词必须自包含。cron 每次都在全新会话运行，没有你之前的对话上下文，"做我平时的晨报"会失败，要把搜索主题、条数、格式、口吻一次写全。想要纯脚本的看门狗（无 LLM、空输出即静默），用
--no-agent + --script。时区是个大坑：cron 走服务器系统时区，先 timedatectl 确认再配置。8.2 其他自动化
/background <prompt>：后台跑一个任务不阻塞当前对话；
/goal <目标>：让 Agent 跨多轮持续推进直到达成；
- Webhook：
hermes webhook subscribe <name>暴露 HTTP 入口，事件驱动运行；
- 每天自动发的简报/复盘，就是 cron + delegation 并行调研 + 平台投递的经典组合（官方教程叫 Daily Briefing Bot）。
9. 进阶玩法
- OpenClaw 迁移：
hermes claw migrate一键导入 SOUL.md、MEMORY/USER 记忆、技能、命令白名单、消息配置与白名单密钥，还支持 --dry-run 预览；
- 作为 Python 库：
from run_agent import AIAgent，agent.chat()/run_conversation()直接嵌进自己的脚本、FastAPI、Discord bot 或 CI；批量用batch_runner.py，每个 prompt 独立隔离环境；
- IDE 集成：
hermes acp起 ACP server，VS Code / Zed / JetBrains 都能用；
- `hermes proxy`：起一个 OpenAI 兼容本地代理，把 Codex CLI / Cline 等任何工具指向你的 OAuth 订阅，不额外花 API 钱；
- 研究就绪：批量轨迹生成、轨迹压缩、Atropos RL 环境，用于训练下一代工具调用模型。
10. 安全治理
七层纵深防御，重点是前两层：
- 用户授权：平台用户白名单 + DM 配对；
- 危险命令审批
approvals.mode：smart（默认，辅助 LLM 分级：低危自动放行、高危自动拒绝、不确定问人）/ manual（全问）/ off（全放行，等同 --yolo，仅限可信环境）；
- 容器隔离：Docker/SSH/Modal 等后端天然隔离；
- 还有 MCP 凭据过滤、上下文文件注入扫描、会话隔离、输入清理。
敏感信息建议：密钥只进
.env；工具输出可选开启密钥脱敏（security.redact_secrets: true）与 PII 脱敏。给 Agent 接消息平台前，务必先配置好白名单和审批，等于把命令执行权交给别人这种事要慎重。11. 故障排查：五步恢复法
遇到不对劲，按这个顺序来：
常见问题速查：
症状 | 原因与解法 |
模型空回复/报错 | provider 或 Key 错，重跑 hermes model |
工具不可用 | 该平台工具集未启用，hermes tools 检查后 /reset |
网关起了但收不到消息 | Bot token 或白名单没配好，重跑 hermes gateway setup |
记忆没更新 | 冻结快照设计使然，跨会话才生效；显式说"请记入长期记忆" |
技能不显示 | hermes skills list 确认已装 + 平台启用状态 |
时区任务乱跑 | cron 走服务器系统时区，timedatectl 核对 |
SSH 退出网关就停，加
sudo loginctl enable-linger $USER；WSL2 需要 /etc/wsl.conf 里 systemd=true。12. 小结：Hermes 适合谁
把 Hermes、OpenClaw、Pi 摆在一起时我的选择逻辑是：想要一个跨平台常驻、能在 Telegram/微信上指挥、且希望它"越用越懂我、越用越会干"的长期数字员工，选 Hermes——它的自进化技能 + 三层记忆目前没有开源替代做得更完整；如果你主要是终端写代码、偏好极简可 DIY 的 harness，Pi 更合适；如果重度依赖多渠道消息生态和更成熟的网关，OpenClaw 仍是强项。三者并不互斥，很多人是 Pi/Claude Code 写代码、Hermes 管记忆与自动化、OpenClaw 对外服务。
值得提醒的是上手节奏：第一周先跑稳基础对话并喂好 USER/MEMORY，第二周再上网关、技能和 cron。技能和记忆是"养"出来的资产，前期投入越多，后期回报越大。
参考来源
*笔记整理日期：2026-09-09。Hermes 迭代很快，具体命令与配置以官方文档为准。*