Hermes Agent 实战指南：打造会自我进化的 AI 助手

为什么选择 Hermes Agent？

Hermes Agent 是一款开源 AI 助手（MIT 协议），核心优势在于其“学习闭环”设计。与普通 AI 工具不同，它能记住用户偏好、自动生成可复用的技能文件，并在后续任务中持续优化。支持多种模型（如 Claude、GPT、本地 Ollama 等）和实际工具调用（终端命令、文件操作等），适合开发者构建长期使用的 AI 工作流。

安装指南：两种路径

1. 已有 AI 工具的用户：直接让现有 AI 助手执行官方仓库的 install.sh 脚本，实现“用 Agent 装 Agent”。需提前准备好模型的 base_url 和 api_key。
2. 新手用户：
   • 系统要求：Linux/macOS/WSL2（Windows 需先配置 WSL2）
   • 运行一键安装脚本：install.sh
   • 配置环境：执行 source ~/.bashrc 后运行 hermes setup，按向导选择模型并填写 API Key。

官方资源：

• 代码仓库：github.com/nousresearch/hermes-agent
• 文档：hermes-agent.nousresearch.com/docs

核心功能与命令

• 跨会话记忆：自动保存用户偏好，下次对话无需从零开始。
• 技能沉淀：任务完成后自动生成 .skill 文件，后续直接调用。
• 实用命令：
  • hermes model：切换模型（支持 OpenRouter 200+ 模型）
  • hermes tools：配置工具权限
  • hermes doctor：检查系统健康状态
  • /skills：查看已有技能（对话框内输入 / 唤出快捷命令）

与 OpenClaw 的对比

1. 成本优化：Hermes 通过上下文压缩降低 Token 消耗。
2. 技能维护：OpenClaw 需手动管理技能，Hermes 自动生成并迭代。
3. 安全性：内置 Tirith 模块，严格管控文件操作权限。 迁移命令：hermes claw migrate（一键转移记忆、技能和配置）。

常见问题与修复

1. 记忆未保存：明确指令“记住我的偏好：XXX”，或调低 nudge_interval 参数。
2. 本地模型无法联网：7B 以下小模型可能无法解析指令，建议使用 7B–8B 或更高参数模型。
3. 网页查询虚构内容：在 Prompt 中强调“必须调用工具”，并将 temperature 设为 0.2–0.5。
4. 任务死循环：设置 max_iterations 为 8–12，并要求输出 FINAL ANSWER。

进阶技巧

• 长任务管理：手动插入 Checkpoint（如“当前进度总结…”）帮助 Agent 刷新记忆。
• Token 控制：启用 summary memory，设置 max_context_tokens 上限，定期用 /usage 监控消耗。

(文中案例与数字均为来源材料中提及，未经独立核实。)

系列：AI 实操