认识 Hermes Agent

「装一个能自己写 Skill、记住你偏好、还能在 Telegram 里回消息的 Agent，和再开一个 ChatGPT 窗口，差在哪里？」

如果你把 Hermes 当成「终端里的聊天机器人」，很容易在第一次配置 Gateway、Skill 或记忆文件时感到多余。Hermes 面向的是长期任务：在多轮、跨会话运行里把经验写成可复用能力——复杂步骤落成 Skill，环境事实写进 MEMORY.md，下次会话直接调用，而不是每次从零解释。

本章回答三个问题：Hermes 是什么、它靠什么「越用越强」、以及你该不该为它投入学习成本。

本章路线：Agent Loop 与三项能力 → 闭环学习机制 → 与常见工具对比 → 运行形态与适用场景 → 决策边界。想先装起来可跳到安装与环境准备。

基本单元：自主 Agent，而不是聊天窗口

多数 AI 产品的基本单元是一轮问答：你输入，模型输出，会话结束或刷新后上下文清空。

Hermes 的基本单元是 Agent Loop：接收意图 → 组装系统提示 → 调用模型 → 若返回工具调用则执行并再次调用模型 → 直到给出最终回复并持久化会话。同一套 AIAgent 类驱动 CLI、TUI、消息网关、定时任务和编辑器 ACP 集成；平台差异留在入口适配层，不散落在核心逻辑里。

这意味着三件事：

能力	可观察行为	对读者的意义
工具执行	可读文件、跑终端、搜网页、控浏览器等约 70 项内置工具，以当前 registry 为准；MCP 扩展另计	回复不只停留在文字，可基于真实命令输出
跨会话状态	`MEMORY.md`、`USER.md`、SQLite 会话库与 FTS5 检索	关键事实可保留，历史对话可搜索
程序性记忆	`~/.hermes/skills/` 下的 `SKILL.md`，由 `skill_manage` 创建与修订	复杂工作流可沉淀为可重复调用的「手册」

三项能力叠加，才形成 Hermes 官方文档所称的 闭环学习机制（英文产品文案写作 closed learning loop）：在解决问题时写 Skill、维护记忆、检索旧会话；空闲时由 Curator 整理 Agent 自建的 Skill，避免技能库无限膨胀。这里的「学习」指工件越积越可用，不是底层模型权重在变。

闭环学习机制：四类外部工件

「自改进」容易被理解成模型变聪明。在 Hermes 里，更准确的描述是：Agent 拥有自己可读写的外部工件，系统提示引导它在合适时机更新这些工件。四类工件构成闭环：

执行任务 → 写入 Skill / 记忆 / 会话库 → 下次会话注入或检索 → Curator 归档冗余

1. 声明式记忆：`MEMORY.md` 与 `USER.md`

路径默认为 ~/.hermes/memories/。Agent 通过 memory 工具增删改条目。会话开始时，磁盘内容以冻结快照（官方称 frozen snapshot）注入系统提示：会话中途仍可写入磁盘，但不会立刻改写当前会话里的记忆块。这样保持提示前缀稳定，便于 Prompt Caching；新内容在下一次会话生效。

MEMORY.md：环境、项目惯例、踩坑记录等，约 2200 字符上限。
USER.md：沟通偏好、角色信息等，约 1375 字符上限。

写入前会做安全扫描，拦截明显的注入与外传模式。详见官方 Memory。

2. 程序性记忆：Skill

Skill 是带 YAML 前言的 Markdown 文档，兼容 agentskills.io 开放标准。系统提示里通常只放索引层（名称与描述，文档称 Level 0）；需要时再 skill_view 加载全文，避免一次性塞满上下文。

官方 Skills 文档写明：在完成复杂任务、踩坑后找到可行路径、或用户纠正做法等情况下，Agent 应倾向用 skill_manage 保存或修订 Skill。文档常以「5 次以上工具调用」作复杂任务示例。Hub 上的第三方 Skill 只能由用户通过 hermes skills install 安装，Agent 不能自行拉取未信任包。

3. 会话检索：`session_search`

所有 CLI 与网关会话写入 ~/.hermes/state.db，支持 FTS5 全文检索。适合「上周我们是否讨论过某配置」类问题，与始终占位的 MEMORY.md 互补。

4. 维护：Curator

Agent 自创建的 Skill 可能越积越多。Curator 在默认空闲条件下周期性运行：未使用 Skill 标记为 stale 或归档到 ~/.hermes/skills/.archive/，必要时用辅助模型提议合并。可用 hermes curator pin 保护关键 Skill；运行前可用 hermes curator run --dry-run 预览。

可选：通过 hermes memory setup 接入 Honcho、Mem0 等外部记忆插件，与内置 MEMORY.md/USER.md 并存，不替换内置层。

它不是什么：和常见工具的分工

维度	Hermes Agent	典型 IDE Copilot / 聊天助手	Auto-GPT 类循环	LangChain 等框架
主要界面	CLI、TUI、20+ 消息平台、Cron	编辑器内或网页	脚本/实验项目	需自建服务
跨会话记忆	内置文件 + SessionDB + 可选插件	通常弱或会话级	实现差异大	自行接向量库
工作流沉淀	一等公民 Skill + Curator	少见	少见标准化	自行设计
经验沉淀闭环	官方默认路径	一般无	易漂移、难维护	无默认实现
模型选择	`hermes model`，多 Provider；Quickstart 要求 ≥64K 上下文才通过启动校验，自托管见 Providers 各后端	绑定厂商	视配置	任意

与本站 Claude Code 专题的关系：Claude Code 强在绑定代码库、高权限本地工程循环；Hermes 强在长期驻留、多平台触达、自编写 Skill 与网关自动化。二者可并存：例如在仓库里用 Claude Code 改代码，在 VPS 上用 Hermes 跑定时巡检并把结果推到 Telegram。

关于 OpenClaw 等其它 Agent 产品：功能重叠会随版本变化。撰写对比时只写你能从官方文档或发布说明核实的条目，其余标为「未核实」。

运行形态：不绑在你的笔记本上

官方定位强调：Hermes 可以跑在低价 VPS、远程 SSH 主机，或通过 Daytona、Modal 等后端在沙箱里执行终端命令。你用 Telegram 发消息，实际命令可能在云端环境执行。

终端后端包括 local、docker、ssh、daytona、modal、singularity 等，完整列表见官方 Architecture。同一套 Agent 核心，换的是命令执行的影响范围：本地 shell、容器隔离或远程主机。

消息侧，单个 Gateway 进程可对接 Telegram、Discord、Slack、WhatsApp、Signal、飞书、企业微信、QQ 等适配器，并支持自然语言 Cron 与跨平台投递。细节留到后续「消息网关」一章。

适用场景

以下场景与 Hermes 的设计较匹配：

个人长期助理：记住偏好与常用环境，在 IM 里完成查资料、跑脚本、提醒类任务。
研发与运维自动化：在 Docker 或远程主机中执行检查、生成报告、按 Skill 固化发布流程。
产品 / 项目管理：跨会话保留决策上下文，用 Skill 固定周报或需求拆解模板。
研究与批处理：轨迹导出、与 Atropos 等训练管线集成（进阶主题）。

决策边界：何时不必上 Hermes

只想偶尔问一句、不需要工具和记忆：直接用网页聊天或 IDE 内助手，启动与维护成本更低。
主要需求是深度改本地 monorepo：优先 Claude Code、Cursor Agent 等 IDE 原生方案。
合规禁止代码或日志出网：Hermes 默认调用云端模型 API，需先确认数据出境与密钥管理策略。
期望「装完就零配置完美」：你仍需配置 Provider、审批策略，并理解 Skill 与记忆文件的作用，否则容易觉得「和 ChatGPT 差不多」。

最小认知图

你（CLI、Telegram、Cron 等入口）
        │
        ▼
  入口：CLI · Gateway · Cron · ACP
        │
        ▼
  AIAgent：组 prompt → 调模型 → 执行工具 → 循环
        │
        ├─ Tools（终端、文件、网页、浏览器等）
        ├─ Skills（SKILL.md，渐进加载）
        ├─ Memory（MEMORY.md / USER.md，冻结快照）
        └─ Sessions（SQLite + FTS5）

自检问题

你目前工作流里，哪些步骤每次都要重新解释一遍？它们适合写成 Skill，还是写进 AGENTS.md？
若 Agent 自动写入的记忆有一条是错的，你会如何发现并修正？这如何影响你对「越用越强」的信任边界？
你愿意把命令执行放在 local 还是 docker/远程？这与你在 IM 里使用 Gateway 的风险承受度是否一致？

读者自测

用一句话说明 Agent Loop 与「单轮聊天」的区别。
说出 MEMORY.md 与 Skill 各解决哪类问题。
解释冻结快照：为何会话中途改记忆不会立刻出现在系统提示里。