Nous Research 推出內建學習閉環的 Hermes Agent，支援一鍵從 OpenClaw 遷移，星數已突破 69.9k。
本文源自 BlockBeats，由動區動趨整理報導。
（前情提要：巴逆逆變工具人！網友開源「冥燈反指追蹤器」，她一停損你 TG 就響）
（背景補充：Hermes Agent 快速上手教學》內建自動學習、從 OpenClaw 搬家、Skill+常用指令表）
<br />
2 月 25 日，一個叫 Nous Research 的團隊在 GitHub 上悄悄推了一個 v0.1.0。最早 Hermes 這個模型只有一行安裝命令和一句話的產品定位：「An agent that grows with you」。
當時很少有人就注意到它，即使 Nous Research 在模型圈有一定聲譽，他們的 Hermes 系列模型在 HuggingFace 上已經積累了 3300 萬次下載，但整個開發者社群的關注度都在被奉若神明的 OpenClaw「小龍蝦」上。33 天超過 React 成為歷史第一，「小龍蝦」成為了 GitHub 有史以來漲星最快的專案，高峰期每小時 710 顆星，但就在此時有安全研究人員在同一時間視窗內，以平均每天 2.2 個 CVE 的速度持續披露漏洞，63 天累計 138 個安全漏洞。整個社群開始重新思考一個問題：這東西到底能不能用在生產環境？
在這樣的背景下，同為競品的 Hermes Agent 終於有了可趁之機，也迎來了自己的第一個快速增長期。
Hermes 在自己的程式碼裡寫進了一鍵從 OpenClaw 遷移的工具，那批從 OpenClaw 出走的開發者，需要一個地方落腳，Hermes Agent 成了一個口口相傳的好選擇。
於是 從 3 月初開始，Hermes Agent 殺進了 GitHub Trending，最高衝到第 11 位，星數突破 2200。AwesomeAgents 把它稱為「2026 年迄今最具野心的開源 Agent 發布」，目前 Hermes 的 github 有 69.9k 的 Star 和 9k 的 Fork。
今天律動 BlcokBeats 和大家聊一聊這個 Agent 有何不同之處。
Hermes Agent 是由 Nous Research 構建的一款自我進化 AI 智慧體，也是目前唯一內建學習閉環的 Agent。
它能從使用經驗中自動建立技能、在使用過程中持續改進這些技能、主動將知識固化為可複用資產、檢索自己過去的對話歷史，並在多次會話中不斷加深對你這個使用者的理解。
所以簡單來說，Hermes Agent 最大的優點就是：越用越聰明，越用越順手。
它的定位，不是繫結在 IDE 裡的程式設計助手，也不是對某個單一 API 的聊天封裝，而是一個真正駐留在你的伺服器上、能記住它學到的東西、執行時間越長能力越強的自主 Agent。
Nous Research 從一開始就將自己定位為開源優先、去中心化方向的 AI 實驗室，目標是構建使用者可自主控制的 AI，而不是將智慧集中在少數幾家封閉公司手中。他們早期的工作集中在 Hermes 模型系列，同時在基礎設施和系統層面大量投入，還探索了跨全球分散式消費級 GPU 進行模型訓練的 DisTrO 技術，以及 WorldSim、Doomscroll 等多智慧體互動、長程行為的模擬環境。
Hermes Agent 這個團隊，是曾打造了 Nomos、Psyche 一系列模型背後的同一批人。
Hermes Agent 的最核心機制是它的記憶系統和技能系統。Agent 維護兩個精簡的核心檔案：MEMORY.md 儲存環境資訊、約定和從過去任務中總結的經驗；USER.md 儲存你的偏好和溝通風格。這兩個檔案在每次會話開始時自動注入系統提示，相當於 Agent 的「長期工作記憶」。此外，所有歷史會話都存入 SQLite 全文搜尋資料庫，讓 Agent 能檢索數週前的對話內容。
在技能系統方面，每次完成複雜任務（通常是 5 次以上工具呼叫），Agent 會自主建立一份結構化的 Markdown「技能檔案」，記錄操作步驟、已知內容和驗證方式，供未來複用。技能檔案遵循漸進披露模式：Agent 預設只看技能名稱和描述（約 3000 token），需要時才載入某條技能的完整內容，以此控制 token 消耗。
工具層面，Hermes Agent 內建超過 40 種工具，涵蓋網頁搜尋、瀏覽器自動化、視覺理解、影象生成、文字轉語音，還支援透過自然語言設定定時任務，讓 Agent 在無人值守的情況下自動執行報告生成、資料備份、系統監控等週期性工作。
其中最受歡迎的工具，也就是社群使用者在實際使用中頻率最高、反饋最多，以及根據 Hermes 的功能架構和開發者社群的典型需求，排在前面的是這幾個工具：
Hindsight 是目前生態內最火的單一工具，是 Hermes 官方推薦的長期記憶外掛。它在每次 LLM 呼叫前自動召回相關上下文，支援本地 PostgreSQL 或雲端部署，已作為原生 Memory Provider 整合進 Hermes。
Anthropic-Cybersecurity-Skills 是生態內 Stars 最高的技能包，收錄了 753+ 條結構化網路安全技能，完整對映 MITRE ATT&CK 框架，適合安全研究與滲透測試場景。
mission-control 是目前生態內最熱門的 Agent 編排儀表盤，支援 Agent 艦隊管理、任務分發、成本追蹤和多 Agent 協同工作流，被社群推薦為生產級部署的標配。
Hermes Agent Self-Evolution 是一個進化式自我改進技術，使用 DSPy + GEPA 來最佳化技能、提示和程式碼。
Hermes Workspace 是 Hermes 原生工作區，整合聊天介面、終端和技能管理器，是最受歡迎的圖形化入口。
此外，它還可以派生出獨立的子 Agent，每個子 Agent 擁有自己的對話上下文、獨立終端和 Python RPC 指令碼，從而實現零上下文成本的並行流水線。
在基礎設施靈活性上，支援六種終端後端：本地執行、Docker、SSH 遠端、Daytona 無伺服器、Singularity 容器和 Modal 雲函式。Daytona 和 Modal 在空閒時會休眠，成本幾乎為零。你可以在 5 美元的 VPS 或 GPU 叢集上執行它，透過 Telegram 下達指令，讓它在你從不直接 SSH 進入的雲伺服器上工作。
Hermes Agent 目前與 OpenClaw 構成最直接的競爭關係，兩者都是面向開發者的開源 Agent 框架。
兩者的架構哲學截然不同：OpenClaw 的設計核心是一個「控制平面」，一個統一的長期執行程式，負責管理會話、路由、工具執行和狀態，所有東西都流經這個中央控制器。Hermes 則以 Agent 自身的執行迴圈為核心，把閘道器、定時排程器、工具執行時等全部圍繞這個「做、學、改進」的反覆迴圈來構建。
在技能系統上兩者差異尤其顯著：OpenClaw 的技能大多是人工編寫的，從 workspace、personal、shared 或外掛等不同層級載入；Hermes 的思路則是讓 Agent 自己從經驗中生成技能，形成真正的自主學習閉環。
上手極其簡單。一行命令「curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash」即可完成安裝，支援 Linux、macOS 和 WSL2，Hermes Agent 會自動完成全部配置，無需手動操作。
Hermes 官網
Hermes Agent 安裝完成後，執行「hermes setup」啟動引導向導，選擇你的模型提供商（支援 Nous Portal、OpenRouter、OpenAI 或任何自定義端點），接入你的訊息平台（Telegram、Discord、Slack 或 WhatsApp），然後開始第一次對話。從第一次互動開始，Hermes Agent 就立即進入學習模式，開始構建記憶、建立技能、每次會話後都變得更有能力。
日常使用的核心命令包括：
hermes（開始對話）、
hermes model（選擇 LLM 提供商和模型）、
hermes tools（配置啟用哪些工具）、
hermes gateway（啟動訊息閘道器，接入 Telegram、Discord 等平台）、
hermes setup（執行完整的設定嚮導，一次性配置所有內容）、
hermes claw migrate（從 OpenClaw 遷移）、
hermes update（更新到最新版本）、
hermes doctor（診斷問題）；
Hermes Agent 適合的場景包括：需要跨會話記住上下文並持續改進能力的通用 AI 助手；需要組合使用工具、外掛、MCP 伺服器、瀏覽器或 Shell 的自定義 Agent 工作流；在本地硬體、雲 VM 或低成本無伺服器基礎設施上部署 Agent；以及需要跨平台保持可搜尋對話歷史和習得技能的持久助手場景。
更具體而言，可以用它在 Telegram 上與它對話的同時讓它在雲 VM 上執行任務、設定自動化並將報告推送到任意平台、讓它接管週期性任務；也可以將它接入 Slack 或 Discord 為整個團隊提供 AI 協作支援；或者利用其軌跡匯出功能，為下一代 tool-calling 模型的 RL 訓練生成訓練資料。
📍相關報導📍
OpenClaw「小龍蝦」爆雙重危機！axios 供應鏈藏投毒後門、MEDIA 漏洞波及全球 17 萬案例
