Skip to content
AI-Daily-Builder

Hermes Agent：Nous Research 的自我改进、有记忆的常驻代理，在 Surface Release 中推出原生桌面应用

— 次浏览

Hermes Agent 是 Nous Research 推出、采用 MIT 许可的自我改进 AI 代理：它会编写自己的技能、跨会话保留记忆，并在你掌控的硬件上全天候运行。2026 年 6 月 6 日的 Surface Release 新增了 macOS、Linux 和 Windows 的原生桌面应用。

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

它是什么

Hermes Agent 是 Nous Research 推出的开源（MIT 许可）自主代理，以常驻 daemon 的形式运行在你掌控的硬件上——一台笔记本、一台家用服务器、一个 Docker 容器，或者闲置时几乎零成本的 serverless 沙箱。仓库的标语只有五个英文单词：“The agent that grows with you.”（与你一同成长的代理）。README 中更长的自我介绍才是真正的差异化所在：它自称是”唯一内置学习循环的代理——它从经验中创造技能、在使用过程中改进技能、提醒自己持久保存知识、搜索自己过去的对话，并跨会话建立对你日益深入的理解模型”。

即使以代理热潮的标准来看，它的增长曲线也十分惊人。项目于 2026 年 2 月下旬发布；NVIDIA 的 RTX AI Garage 文章（2026 年 5 月 13 日）报道它在不到三个月内突破 140,000 个 GitHub 星标，并称它是”根据 OpenRouter 统计，全世界使用量最高的代理”。截至本文撰写时，该仓库约有 189,000 颗星。它主要用 Python 编写，几乎可以连接任何模型端点（Nous Portal、OpenRouter、OpenAI 兼容 API、本地模型），并通过 20 多个消息渠道触达你——Telegram、Discord、Slack、WhatsApp、Signal、Matrix、电子邮件、短信等等——此外还有 TUI、CLI、网页仪表盘，以及现在的桌面应用。

学习循环才是真正的产品

大多数代理出厂时自带技能；Hermes 会自己编写技能。当它完成一项复杂任务或收到反馈时，会把学到的东西保存为可复用的技能——以文件形式存在的程序性记忆，兼容 agentskills.io 格式，因此技能可移植、可分享、可由社区贡献。技能还会在使用过程中被持续修订，而不是只创造一次。围绕这个核心的是记忆机制：由代理自行管理的长期记忆，配合定期”提醒”促使代理保存重要信息；用 FTS5 全文检索搜索自己过去的对话并由 LLM 摘要；以及一个跨会话不断深化的用户模型。内置的 cron 调度器把这一切的产出投递到任何已连接的渠道，而 MCP 集成则把工具能力扩展到出厂配置之外。

这个组合——daemon 常驻、自我编写的技能、跨会话回忆、加上调度——正是它与以会话为范围的编码代理的分野。编码代理在终端关闭时就忘了你。Hermes 的设计理念是第一天比较弱，但第九十天更强。

Surface Release：daemon 有了一张脸

最新版本 v2026.6.5”The Surface Release”（2026 年 6 月 6 日）是这个项目迈向主流的一步。重头戏是支持 macOS、Linux 和 Windows 的原生 Electron 桌面应用，具备拖放文件支持、应用内自我更新，以及多配置文件并行会话。远程网关功能让桌面应用可以通过安全 WebSocket（OAuth 或账号密码认证）连接运行在其他地方的 Hermes 实例——daemon 可以住在你的服务器上，而 UI 留在你的笔记本上。网页仪表盘已成长为完整的管理面板（MCP 目录、消息渠道、凭证、webhook、记忆、可插拔的 OIDC 登录），模型选择器现在在所有界面都支持模糊搜索，新的 /undo [N] 命令可撤回对话轮次，默认技能包则被刻意精简，较小众的技能改为可选安装。此版本还为桌面应用提供了完整的简体中文翻译。

安装与运行

# Linux / macOS / WSL2 / Android (Termux)
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

# Windows（原生 PowerShell）
iex (irm https://hermes-agent.nousresearch.com/install.ps1)

它可以在本机、Docker、SSH 上运行，也可以部署到 Daytona、Singularity 和 Modal。NVIDIA 的文章把它与本地模型搭配——在 RTX 工作站或具备 128GB 统一内存的 DGX Spark 上运行 Qwen 级别的开源权重模型——打造完全自托管、永远在线的配置。

实践者笔记

一个长期存活、会自我修改的代理，在运维上是与无状态编码代理完全不同的物种，我会从第一个小时就以这种态度对待它。积累的状态——记忆数据库加上自我编写的技能——就是它的价值所在，所以要像备份生产数据一样备份它。更重要的是，代理为自己编写的技能是日后会带着你的凭证执行的代码：审查它们的态度应该与审查同事的 pull request 相同，尤其是它在浏览开放网络之后创造的任何东西。先让它接入一个消息渠道、给予狭窄的权限，观察一周它选择保存什么，然后再扩大它的触达范围。

较少被考虑的角度

自我改进让”漂移”问题搬了家。对无状态代理而言，行为只在模型或提示词改变时才会改变——两者都是可审计的事件。对 Hermes 而言，每当代理编辑自己的技能或管理自己的记忆时，行为也会改变——也就是说：持续地、无声地、且因用户而异地改变。这正是它的功能所在，但这意味着两个 Hermes 实例会在几周内分化成真正不同的代理，而在全新安装上跑的任何评测，都无法告诉你太多关于你那个实例的事。二阶效应则是锁定（lock-in）落在哪里：在积累了数月的记忆与自我调校的技能之后，切换成本存在于代理的产出物存储中，而非模型里——这使得技能格式的可移植性（以及记忆属于你、存在你磁盘上的事实）可以说是整个设计中战略上最重要的特性。

请喝咖啡