Appearance
Hermes Agent 使用教程：打造你的 AI 智能助手
前言
Hermes Agent 是由 NousResearch 开发的开源 AI 智能体框架，它不仅仅是一个聊天机器人，而是一个具备自我改进能力、持久化记忆、子 Agent 委派等高级功能的智能助手平台。
本文将从安装到实战，手把手教你如何使用 Hermes Agent。
什么是 Hermes Agent？
Hermes Agent 的核心能力包括：
- 自我改进的 Skill 系统 — Agent 可以不断学习新技能并优化现有能力
- 持久化记忆 — 基于 FTS5 全文搜索 + LLM 摘要，记忆跨会话保留
- 子 Agent 委派 — 复杂任务可以拆分给专门的子 Agent 处理
- MCP 集成 — 支持 Model Context Protocol，连接外部工具和数据源
- 浏览器自动化 — 可以自主浏览网页、提取信息
- 代码执行 — 安全沙箱内执行代码，完成编程任务
安装
1. 环境要求
- Python 3.10+
- pip 或 uv 包管理器
- 至少一个 LLM API Key（支持 OpenAI、Anthropic、本地模型等）
2. 安装 Hermes CLI
bash
# 使用 pip 安装
pip install hermes-agent
# 或使用 uv（更快）
uv pip install hermes-agent3. 验证安装
bash
hermes --version
hermes doctorhermes doctor 会检查你的环境配置，确保一切就绪。
配置
设置 LLM Provider
编辑 ~/.hermes/config.yaml：
yaml
# 使用 OpenAI
provider: openai
model: gpt-4o
# 或使用 Anthropic
# provider: anthropic
# model: claude-sonnet-4-20250514
# 或使用本地模型（通过 Ollama）
# provider: ollama
# model: hermes3设置 API Key
编辑 ~/.hermes/.env：
bash
# OpenAI
OPENAI_API_KEY=sk-your-key-here
# 或 Anthropic
ANTHROPIC_API_KEY=sk-ant-your-key-here基础使用
快速问答
最简单的用法，直接提问：
bash
hermes run "什么是 RAG 技术？" --non-interactive --no-stream参数说明：
--non-interactive— 非交互模式，执行完自动退出--no-stream— 不流式输出，等待完整结果
带上下文问答
当你需要 Hermes 参考特定文档时：
bash
hermes run "总结这个项目的架构" --context-file ./README.md --non-interactive交互模式
不加参数直接运行，进入交互对话：
bash
hermes chat记忆系统
Hermes 的记忆系统是其最强大的功能之一，所有记忆跨会话持久保存。
搜索记忆
bash
hermes memory search "部署"Hermes 会使用 FTS5 全文搜索快速定位相关记忆。
查看笔记
bash
hermes memory notes list添加笔记
bash
hermes memory notes add "项目使用 pnpm 管理依赖，构建命令是 pnpm run build"下次你问 Hermes 关于项目的问题时，它会自动参考这些记忆。
记忆如何工作
- 短期记忆 — 当前对话的上下文
- 长期笔记 — 你主动添加的笔记
- 自动摘要 — LLM 会自动总结重要对话内容并存储
- 全文检索 — FTS5 引擎支持快速模糊搜索
Skill 系统
Skill 是 Hermes 的可扩展能力模块，类似插件系统。
查看已安装 Skills
bash
hermes skills list创建自定义 Skill
bash
hermes skills create "code-review" --description "自动代码审查，检查安全漏洞和代码规范"创建后，Hermes 可以在需要时自动调用这个 Skill。
Skill 自我改进
Hermes 会在使用 Skill 的过程中不断优化：
- 记录哪些 Skill 在什么场景下最有效
- 根据使用反馈调整调用策略
- 自动组合多个 Skill 完成复杂任务
子 Agent 委派
对于复杂任务，Hermes 可以委派给专门的子 Agent：
bash
hermes run "使用 delegate_task 来：研究 2026 年 LLM 的最新发展趋势" --non-interactive --no-stream子 Agent 的工作流程：
- 任务分析 — Hermes 分析任务，确定需要哪些子 Agent
- 委派执行 — 将子任务分配给专门的 Agent
- 结果汇总 — 收集所有子 Agent 的结果
- 整合输出 — 生成最终的统一回复
实战案例
案例 1：自动化代码审查
bash
# 让 Hermes 审查代码变更
hermes run "审查 ./src 目录下的最近修改，关注安全问题和性能优化" \
--context-file ./src/ \
--non-interactive案例 2：技术文档生成
bash
# 基于 README 生成详细文档
hermes run "为这个 API 生成完整的接口文档" \
--context-file ./api/routes.ts \
--non-interactive案例 3：学习助手
bash
# 交互式学习
hermes chat
> 我在学习 Transformer 架构，请从注意力机制开始讲解
> 能给我一个简单的 self-attention 实现吗？
> 这个实现的时间复杂度是多少？Hermes 会记住你的学习进度，下次继续时无缝衔接。
与 OpenClaw 集成
如果你使用 OpenClaw，可以通过 ClawHub 安装 Hermes Agent Skill：
bash
clawhub install hermes-agent-v2安装后，你可以直接通过 OpenClaw 调用 Hermes：
- 「使用 hermes 帮我分析这段代码」
- 「调用 hermes 搜索记忆中的部署方案」
- 「hermes run 帮我写一个 Python 爬虫」
常用命令速查
| 命令 | 说明 |
|---|---|
hermes run "问题" | 单次问答 |
hermes chat | 交互对话 |
hermes status | 查看状态 |
hermes doctor | 环境检查 |
hermes memory search "关键词" | 搜索记忆 |
hermes memory notes list | 查看笔记 |
hermes memory notes add "内容" | 添加笔记 |
hermes skills list | 查看 Skills |
hermes skills create "名称" | 创建 Skill |
常见问题
Q: 支持哪些 LLM？
A: 支持 OpenAI、Anthropic、Google、本地模型（通过 Ollama/vLLM）等。在 config.yaml 中配置即可。
Q: 记忆数据存在哪里？
A: 存储在 ~/.hermes/ 目录下，使用 SQLite + FTS5 引擎。
Q: 子 Agent 会消耗更多 Token 吗？
A: 是的，子 Agent 独立运行，每个都有自己的上下文。建议在复杂任务中使用，简单任务直接运行即可。
Q: 如何备份记忆和配置？
A: 备份 ~/.hermes/ 目录即可：
bash
tar -czf hermes-backup.tar.gz ~/.hermes/总结
Hermes Agent 是一个功能强大的开源 AI 智能体框架，它的核心优势在于：
- 记忆持久化 — 真正的跨会话记忆，不是每次从零开始
- Skill 自我改进 — 越用越聪明
- 子 Agent 协作 — 复杂任务自动拆解
- 开放集成 — MCP 协议支持，可连接各种工具
如果你在寻找一个不只是聊天、而是真正能学习和成长的 AI 助手，Hermes Agent 值得一试。
相关链接：
- GitHub: https://github.com/NousResearch/hermes-agent
- OpenClaw Skill: 通过
clawhub install hermes-agent-v2安装