Hermes Agent 是由著名AI研究机构 Nous Research 开发的一款具备自我进化能力和深度记忆的开源自主型 AI 智能体。与仅局限于特定 IDE 的编程助手或基于单一模型 API 的套壳聊天机器人完全不同，Hermes Agent 被设计为一个可以长期稳定运行在您的服务器、云主机或本地环境中的“数字员工”。它内置了业内领先的学习循环系统：在日常交流与执行任务的过程中，它能够自动从复杂的工作经验里总结、提取并生成永久性的技能（Skills），在后续的工作流中进行自我优化；同时，它具备长期记忆系统，能够跨越不同的会话主动搜索历史对话，并随着时间的推移不断完善对用户习惯的个性化理解。
在模型底层方面，Hermes Agent 拒绝生态锁定，自带强大的路由系统。用户能够以零代码修改的方式，在包括 OpenAI、Anthropic、DeepSeek、阿里通义千问（Qwen）、Kimi 以及拥有超过200款开源模型的 OpenRouter 等平台之间无缝切换。在应用层面上，它可以一键化身为跨平台的消息网关，同时接入 Telegram、Discord、Slack、飞书和企业微信，让用户随时随地在手机端向服务器端下达指令。结合其内置的真实沙盒隔离机制、深度的浏览器操控能力以及独创的自然语言定时调度系统，Hermes Agent 能够极其安全地完成各类繁杂的网络搜索、代码排查与运维自动化工作任务。
功能列表
- 自动学习与技能进化：内置自我进化学习循环，智能体在完成复杂多步任务后，可自动归纳经验并生成可复用的专属“技能（Skills）”，且在后续调用中会不断对技能进行优化改进。
- 全平台跨端消息网关：内置强大的 Gateway 系统，只需一次部署，即可同时通过 Telegram、Discord、Slack、WhatsApp、Signal、飞书 (Feishu)、企业微信及 Email 接入，实现跨设备会话无缝流转。
- 零代码模型无缝切换：兼容海量底层大模型服务商，支持在命令行输入指令快速切换使用 OpenAI、Anthropic、DeepSeek、Hugging Face、Kimi 或 OpenRouter (200+大模型) 以及本地私有端点部署模型。
- 自然语言定时任务调度：内置强悍的 Cron 自动化系统。支持通过日常对话要求智能体定时执行工作，例如“每晚12点备份数据库”或“每天早上8点推送行业资讯汇总”，彻底实现无人值守。
- 安全多重沙盒代码执行：提供灵活的 Terminal Backend（终端执行后端）配置，支持在宿主机本地、Docker 容器、远程 SSH、Singularity 及 Modal 等多重隔离环境中执行系统命令和 Python 脚本，保障主系统安全无忧。
- 并行子智能体委派调度：对于极度复杂的工作流，支持生成相互隔离的子智能体进行并行处理，子智能体拥有独立的对话上下文和操作终端，极大提升复杂任务执行效率。
- 全面网页浏览与多模态控制：原生具备网页搜索、高阶浏览器自动化操作（基于 Playwright）、视觉图像识别分析、文本到语音（TTS）转换以及多模态跨模型推理能力。
- MCP服务器无缝联动IDE：支持以 MCP (Model Context Protocol) 服务器模式运行，直接对接 Cursor、VS Code 或是 Claude Desktop，成为本地开发环境的最强外脑。
使用帮助
Hermes Agent 作为一款长期在后台运行的“伴随式成长”型 AI 智能体，功能全面且扩展性极强。为了让您能够充分发挥它的无限潜力，本使用指南将从安装部署、服务商配置，到核心特性的高级用法，为您提供详尽的操作流程和步骤拆解，哪怕是新手也能直接上手配置出一套属于自己的自主智能体系统。
一、 系统安装与环境准备
Hermes Agent 支持主流的操作系统。为保障完整终端控制功能的实现，官方推荐将其部署在 Linux、macOS 或各种云端 VPS（哪怕是5美元一个月的平价主机）上。
1. Linux / macOS 一键安装流程
如果您使用的是常规类 Unix 系统，请打开您的系统终端（Terminal），直接运行以下官方提供的一键安装脚本。该安装程序十分自动化，会自动为您处理 Python 运行环境、Node.js 依赖配置及 hermes 核心全局命令的注入，您只需确保系统中已安装 git 即可：
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
脚本执行完毕后，终端会提示配置写入完成。此时请务必重新加载您的 Shell 配置文件使新增的系统命令立刻生效：
source ~/.bashrc # 如果您使用的是 Zsh，请运行 source ~/.zshrc
2. Windows 用户安装须知
项目当前不支持在原生 Windows 命令行中直接运行。Windows 用户必须先启用并安装 WSL2 (Windows Subsystem for Linux)。打开微软商店安装好 Ubuntu 后，打开该子系统的终端应用，然后按上述的第一点执行 Linux 一键安装脚本即可顺利运行。
3. 基于 Docker 容器化的一键部署（推荐）
如果您希望保持服务器宿主机环境的绝对干净，或者需要以网关的形式常驻云端运行，强烈推荐使用 Docker 部署：
# 首先创建一个数据存储目录，用于持久化保存所有的 API 配置、历史记忆和进化技能
mkdir -p ~/.hermes
# 交互式启动容器，并进入系统的首次初始化配置向导
docker run -it --rm -v ~/.hermes:/opt/data nousresearch/hermes-agent setup
该命令会将智能体的配置文件安全地映射到宿主机的 ~/.hermes 目录中。这种方式的好处在于，即使日后您拉取了新版本的系统镜像进行跨版本升级，您与 AI 产生的所有会话历史和配置文件也永远不会丢失。
二、 大模型接入与功能服务配置 (Provider Setup)
Hermes 的核心优势是不绑定任何单一的模型或云厂商。在安装完成后，我们需要为这个智能体分配它的“智慧大脑”。
1. 交互式大模型初始化配置
在安装成功的终端中输入以下核心配置命令，启动可视化选择向导：
hermes model
该命令会在终端列出所有支持的模型提供商矩阵。您可以直接使用键盘方向键进行选择，支持包括 OpenAI Codex、Anthropic (Claude)、DeepSeek、阿里通义千问 (Qwen)、Kimi (Moonshot)、MiniMax，甚至是 OpenRouter（整合了超过200款优质开源及闭源模型）等众多平台。
选中您理想的目标服务商后，系统界面会提示您输入对应的 API 密钥 (API KEY)。例如，如果您选择了 DeepSeek 平台，只需粘贴您在开放平台申请的密钥并按下回车，一切底层参数及上下文长度检测工作系统均会自动搞定。
2. 深度功能开关与沙盒设置
如果您后续需要对智能体进行进阶权限管控（例如：是否允许其主动浏览网页、是否授权其本地文件系统读写权限等），可以在终端随时运行 hermes tools 指令进行单独模块的开关切换。或者使用 hermes setup 随时进入全局设置页面进行全盘调整。
三、 核心使用模式操作指南
1. 命令行交互沉浸模式 (CLI Chat)
对于开发者或喜爱极客操作的用户，最直接的体验方式是在终端直接唤醒它：
hermes
运行后将进入一个支持全屏多行编辑的 TUI（终端用户界面）。这不仅仅是一个对话框，更是一个操作系统级别的操作控制台。您可以直接提出需求：“帮我用 Python 写一个批量重命名当前目录下所有图片文件的脚本，并直接执行”，它会自动生成代码、下发系统指令并向您返回最终执行的结果反馈。
高阶交互技巧：在对话框输入斜杠 / 即可呼出全快捷指令菜单；按下 Ctrl+B 能够直接调用电脑麦克风开启语音实时对话录音；输入 /voice tts 还能让智能体语音为您播报处理结果。
2. 部署跨平台社交网关 (Gateway Deployment)
Hermes Agent 允许您“一次部署，跨端无缝连接”。您可以将其变身为专属客服或助理，接入 Telegram、Discord、Slack 等各大主流 IM 软件上。
以常驻 Docker 部署网关为例，当您通过 hermes setup 填入了 Telegram Bot Token 之后，仅需执行以下守护进程命令：
docker run -d \
--name hermes \
--restart unless-stopped \
-v ~/.hermes:/opt/data \
nousresearch/hermes-agent gateway run
容器启动后，您的专属超级助理便 24 小时在线待命。您可以随时随地在手机版 Telegram 上向它发送消息和任务。由于底层会话状态全部打通，您在电脑终端布置的一半工作，完全可以在下班路上的手机聊天框中继续跟进指挥。
四、 核心特色功能场景实操
1. 唤醒自然语言定时自动化 (Cron Automations)
以往配置定时自动化任务往往需要开发者去撰写生涩难懂的 Crontab 表达式和系统脚本，而在 Hermes Agent 中只需向它发送一段对话文字。
实操案例：在聊天界面对它说：“请你每天晚上 11 点，自动访问 GitHub 查看我的仓库今日有没有新增的 Issue，提取关键内容后总结成中文报告发送到我的 Slack 频道里”。系统会立即理解时间周期语义，并在后台创建一个无感知的持久化定时任务。您随时可以使用 /cron list 命令查看正在运行的计划列表。
2. 安全沙盒环境代码运行 (Sandboxed Backend)
赋予 AI 执行系统命令的权限会带来系统奔溃的风险，但有了终端后端隔离技术，一切尽在掌握。
实操指南：修改配置表 config.yaml，将 terminal.backend 属性的值设定为 docker（当然也可以选择远程 ssh 或云端沙盒 modal）。此后，智能体进行的一切安装包依赖下载、风险代码调试、系统命令探测等行为，均会被完全框定在一个受到严格文件资源限制的只读 Docker 命名空间沙盒内执行。一旦任务搞砸引发系统级崩溃，也不会对您真实的电脑文件和操作系统产生哪怕一丁点的影响。
3. 启用 MCP 服务器模式联动现代 IDE 工具
对于专业程序员，可通过后台让智能体运行于 MCP 服务模式。该模式下，它可以暴露其内部存储上下文的通信协议。
实操指南：在本地运行服务后，您可以打开最前沿的 AI 编程工具 Cursor 或者是 VS Code，将局域网内的 Hermes Agent 添加为 MCP 扩展源。此后，您便可以在写代码时直接让 IDE 内部的人工智能与后台运行的全能 AI 产生联动通信，实现“多路大模型、跨层级智能联合作业”的终极办公形态。
应用场景
- 全天候跨端数字助理与深度信息检索
您可将部署在服务器端常驻的 Hermes 绑定至个人的 Telegram 等手机通讯软件上。当您外出没有带电脑时，依然可以通过手机发送语音需求（如：“帮我搜索今天关于大模型技术发展的最新行业财报并制作成简短要点摘要”）。Hermes 会在云端自动唤起浏览器控制权限抓取网页、过滤广告、提取正文，接着调用选定的大模型进行逻辑归纳，最后将处理好的结构化信息发送回您的手机聊天框中。 - 开发者代码调试协助与服务器智能运维
运维开发人员直接通过系统终端或企业微信等内部渠道，即可给智能体下发运维指令。由于具备独立的沙盒测试机制和系统 Shell 操作权限，开发者可以指示 Hermes 进入远程服务器排查报错日志、重新部署配置 Nginx 容器、分析内存泄漏源头，甚至在安全的隔离环境中预执行各种系统修复 Python 脚本并自行纠错，充当资深的“高级运维工程师”。 - 企业无人值守数据报表处理及定时投递自动化
借助系统自带的 Cron 定时调度功能结合并行子智能体架构，极度适合企业中后台繁杂数据汇总。可向智能体下达明确的自动化指令：“每周五下午四点，自动读取项目团队在飞书文档上的工作周报记录，进行数据可视化图表转化，并通过邮件与 Slack 分发给各部门主管。” 智能体便会在后台建立稳定的运行流，且在遭遇网络等异常情况时利用内生重试机制确保业务按时完成。
QA
- Hermes Agent 这款强大的软件是免费的吗？未来如何收费？
Hermes Agent 系统自身完全基于 MIT 协议进行开源，并且免费提供所有的功能模块。不过，由于系统的思考中枢需要接入大型语言模型（比如配置接入 OpenAI API、DeepSeek 开放平台或云端算力节点），这部分 API 调用的 Token 费用需要由您自行向对应的模型服务商进行支付结算，系统不会收取任何差价与月租。 - 如果我的主力工作电脑是 Windows 系统，可以直接双击安装使用吗？
目前系统底层依赖大量原生 Unix 生态组件，因此暂不支持直接在 Windows 命令提示符 (CMD / PowerShell) 中原生运行。建议 Windows 用户先安装 WSL2 (Windows Subsystem for Linux) 并安装 Ubuntu 环境，然后再在子系统终端中执行安装脚本即可无缝运行；或者您可以使用 Docker 进行容器化部署。 - 既然它能主动执行脚本和命令，如果不小心运行了删除系统文件的代码怎么办？安全性如何保障？
针对此类风险，系统内置了强大的后端执行隔离机制。您只需将执行配置设定为基于 Docker、远程 SSH、Singularity 或者 Modal 平台沙盒。如此一来，智能体的所有物理终端操作和系统命令均被禁锢在具有权限限制的隔离容器中运行，即便智能体产生了模型幻觉输出错误代码，也绝对无法对宿主机的系统文件进行破坏。 - 使用中途如果我觉得某家模型不太聪明，随时更换底层的大模型方便吗？
非常方便。Hermes Agent 最大的特性之一就是拒绝一切系统锁定和代码侵入。您可以随时在终端中运行hermes model指令，无需修改底层一行代码，即可在高达200多个模型列表中无缝即时切换。无论是切换为处理逻辑推理的闭源强力模型，还是专精代码编写的开源端点模型，都能在瞬间完成。 - 它的“自我进化循环”是如何体现的？
当智能体协助您完成了一套此前未处理过的复杂任务链路后（例如：搜集某家公司数据并转化为特定格式的 Markdown 文档），它的后台学习系统会主动总结整个工作流和执行逻辑，并自动在系统内部生成一个代码级别的“技能库（Skill）”。当您下一次下发类似指令时，它能够直接绕过摸索试错阶段，直接精确调用已学习的技能，实现响应速度与处理准确率的进化。
