Skip to content
AI-Daily-Builder

Hermes Agent：Nous Research 的自我改進、會記憶的常駐代理，在 Surface Release 中推出原生桌面應用

— 次瀏覽

Hermes Agent 是 Nous Research 推出、採 MIT 授權的自我改進 AI 代理：它會撰寫自己的技能、跨工作階段保留記憶，並在你掌控的硬體上全天候執行。2026 年 6 月 6 日的 Surface Release 新增了 macOS、Linux 與 Windows 的原生桌面應用。

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

它是什麼

Hermes Agent 是 Nous Research 推出的開源（MIT 授權）自主代理，以常駐 daemon 的形式運行在你掌控的硬體上 —— 一台筆電、一台家用伺服器、一個 Docker 容器，或是閒置時幾乎零成本的 serverless 沙箱。儲存庫的標語只有五個英文字：「The agent that grows with you.」（與你一同成長的代理）。README 中較長的自我介紹才是真正的差異化所在：它自稱是「唯一內建學習迴圈的代理 —— 它從經驗中創造技能、在使用過程中改進技能、提醒自己持久保存知識、搜尋自己過去的對話，並跨工作階段建立對你日益深入的理解模型」。

即使以代理熱潮的標準來看，它的成長曲線也十分驚人。專案於 2026 年 2 月下旬推出；NVIDIA 的 RTX AI Garage 文章（2026 年 5 月 13 日）報導它在不到三個月內突破 140,000 顆 GitHub 星標，並稱它是「根據 OpenRouter 統計，全世界使用量最高的代理」。撰文當下，該儲存庫約有 189,000 顆星。它主要以 Python 撰寫，幾乎可連接任何模型端點（Nous Portal、OpenRouter、OpenAI 相容 API、本地模型），並透過 20 多個訊息管道觸及你 —— Telegram、Discord、Slack、WhatsApp、Signal、Matrix、電子郵件、SMS 等等 —— 此外還有 TUI、CLI、網頁儀表板，以及現在的桌面應用。

學習迴圈才是真正的產品

大多數代理出廠時附帶技能；Hermes 會自己撰寫技能。當它完成一項複雜任務或收到回饋時，會把學到的東西保存為可重複使用的技能 —— 以檔案形式存在的程序性記憶，相容於 agentskills.io 格式，因此技能可攜帶、可分享、可由社群貢獻。技能還會在使用過程中持續被修訂，而不是只創造一次。圍繞這個核心的是記憶機制：由代理自行策展的長期記憶，搭配定期「提醒」促使代理保存重要資訊；以 FTS5 全文檢索搜尋自己過去的對話並由 LLM 摘要；以及一個跨工作階段不斷深化的使用者模型。內建的 cron 排程器把這一切的產出投遞到任何已連接的管道，而 MCP 整合則把工具能力擴展到出廠配置之外。

這個組合 —— daemon 常駐、自我撰寫的技能、跨工作階段回憶、加上排程 —— 正是它與以工作階段為範圍的編碼代理的分野。編碼代理在終端機關閉時就忘了你。Hermes 的設計理念是第一天比較弱，但第九十天更強。

Surface Release：daemon 有了一張臉

最新版本 v2026.6.5「The Surface Release」（2026 年 6 月 6 日）是這個專案邁向主流的一步。重頭戲是支援 macOS、Linux 與 Windows 的原生 Electron 桌面應用，具備拖放檔案支援、應用內自我更新，以及多設定檔並行工作階段。遠端閘道功能讓桌面應用可以透過安全 WebSocket（OAuth 或帳號密碼驗證）連接運行在其他地方的 Hermes 實例 —— daemon 可以住在你的伺服器上，而 UI 留在你的筆電上。網頁儀表板已成長為完整的管理面板（MCP 目錄、訊息管道、憑證、webhook、記憶、可插拔的 OIDC 登入），模型選擇器現在在所有介面都支援模糊搜尋，新的 /undo [N] 指令可撤回對話輪次，預設技能組合則被刻意精簡，較冷門的技能改為選配安裝。此版本還為桌面應用提供了完整的簡體中文翻譯。

安裝與執行

# 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)

它可以在本機、Docker、SSH 上執行，也可以部署到 Daytona、Singularity 與 Modal。NVIDIA 的文章把它與本地模型搭配 —— 在 RTX 工作站或具備 128GB 統一記憶體的 DGX Spark 上運行 Qwen 級別的開源權重模型 —— 打造完全自託管、永遠在線的配置。

實務者筆記

一個長期存活、會自我修改的代理，在運維上是與無狀態編碼代理完全不同的物種，我會從第一個小時就以此態度對待它。累積的狀態 —— 記憶資料庫加上自我撰寫的技能 —— 就是它的價值所在，所以要像備份正式環境資料一樣備份它。更重要的是，代理為自己撰寫的技能是日後會帶著你的憑證執行的程式碼：審查它們的態度應該與審查同事的 pull request 相同，尤其是它在瀏覽開放網路之後創造的任何東西。先讓它接上一個訊息管道、給予狹窄的權限，觀察一週它選擇保存什麼，然後才擴大它的觸及範圍。

較少被考慮的角度

自我改進把「漂移」問題搬了家。對無狀態代理而言，行為只在模型或提示詞改變時才會改變 —— 兩者都是可稽核的事件。對 Hermes 而言，每當代理編輯自己的技能或策展自己的記憶時，行為也會改變 —— 也就是說：持續地、無聲地、且因使用者而異地改變。這正是它的功能所在，但這意味著兩個 Hermes 實例會在幾週內分化成真正不同的代理，而在全新安裝上跑的任何評測，都無法告訴你太多關於你那個實例的事。二階效應則是鎖定（lock-in）落在哪裡：在累積了數個月的記憶與自我調校的技能之後，切換成本存在於代理的產出物儲存庫中，而非模型裡 —— 這使得技能格式的可攜性（以及記憶屬於你、存在你磁碟上的事實）可以說是整個設計中戰略上最重要的特性。

請喝咖啡