NousResearch/hermes-agent

它解决了什么问题

Hermes Agent 解决了 AI 助手在会话间丢失上下文且任务执行能力无法提升的问题。它是一个自我改进型代理，能够记住你的指令，从成功的任务中学习技能，并不断构建关于你的用户画像，从而随着时间推移变得越来越有用，而不是每次都从零开始。

工作原理

Hermes 运行一个闭环学习系统：在完成复杂任务后，它会自动创建技能，这些技能在重复使用中不断优化，并且它会定期提醒自己保存重要知识。它通过搜索过去的对话（使用 FTS5 全文搜索加 LLM 摘要）来跨会话回溯上下文，并使用 Honcho 库构建用户画像。你可以通过终端 UI 与其对话，或通过单一网关进程将其连接到 Telegram、Discord、Slack、WhatsApp 和 Signal 等消息平台。它支持任何 LLM 提供商（Nous Portal、OpenRouter、OpenAI 或你自己的端点），并可在本地机器、Docker、SSH 或 Modal 和 Daytona 等无服务器后端上执行工作，这些后端在空闲时会休眠以节省成本。它还内置了用于自动化任务的 cron 调度器，并能生成隔离的子代理以进行并行工作。

适用人群

希望拥有一个持久化 AI 助手，且该助手能在云服务器或 VPS 上运行、可通过消息应用访问并能随时间改进的开发者、研究人员和高级用户。它也旨在帮助研究人员为工具调用模型生成训练轨迹。

亮点

• 内置学习循环：从经验中创建技能并在使用过程中进行优化。
• 具备跨会话搜索和基于 LLM 摘要的持久记忆。
• 多平台访问：通过一个网关即可连接 CLI、Telegram、Discord、Slack、WhatsApp、Signal 和电子邮件。
• 可在本地、Docker、SSH 或无服务器后端运行，空闲成本几乎为零。
• 计划自动化：支持自然语言 cron 任务，并将结果发送到任何平台。
• 支持生成并行子代理，并支持通过 RPC 调用工具的 Python 脚本。
• 兼容 agentskills.io 开放标准和 MCP 服务器。
• 可从 OpenClaw、Claude Code、Codex 和 Cursor 导入设置和记忆。