Hermes Agent
由 Nous Research 构建的自我改进型 AI 代理。唯一具备内置学习循环的代理——它能从经验中创建技能，在使用中改进技能，主动推动自己持久化知识，并在跨会话中建立对你日益深入的认知模型。
安装
Linux / macOS / WSL2
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bashWindows（原生，PowerShell） — 早期测试版，详情 →
iex (irm https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.ps1)Android（Termux） — 与 Linux 相同的 curl 一行命令；安装程序会自动检测 Termux。
完整内容请参见**安装指南**，了解安装程序的具体操作、按用户与 root 两种布局以及 Windows 相关说明。
什么是 Hermes Agent？
它不是绑定在 IDE 中的编程助手，也不是围绕单一 API 的聊天机器人封装。它是一个自主代理，运行时间越长能力越强。它可以部署在任何地方——一台 5 美元的 VPS、一个 GPU 集群，或是闲置时几乎零成本的无服务器基础设施（Daytona、Modal）。当它在你自己无需 SSH 登录的云 VM 上工作时，你可以通过 Telegram 与它对话。它不绑定在你的笔记本电脑上。
快速链接
| 🚀 安装 | 60 秒内在 Linux、macOS、WSL2 或原生 Windows（早期测试版）上完成安装 |
| 📖 快速入门教程 | 你的第一次对话和要尝试的关键功能 |
| 🗺️ 学习路径 | 根据你的经验水平找到合适的文档 |
| ⚙️ 配置 | 配置文件、提供者、模型和选项 |
| 💬 消息网关 | 设置 Telegram、Discord、Slack、WhatsApp、Teams 等 |
| 🔧 工具与工具集 | 70+ 内置工具及如何配置它们 |
| 🧠 内存系统 | 跨会话增长持久化内存 |
| 📚 技能系统 | 代理创建并重用的过程性记忆 |
| 🔌 MCP 集成 | 连接 MCP 服务器，筛选其工具，安全扩展 Hermes |
| 🧭 将 MCP 与 Hermes 结合使用 | 实用的 MCP 设置模式、示例和教程 |
| 🎙️ 语音模式 | CLI、Telegram、Discord 和 Discord VC 中的实时语音交互 |
| 🗣️ 将语音模式与 Hermes 结合使用 | Hermes 语音工作流的实操设置和使用模式 |
| 🎭 个性与 SOUL.md | 使用全局 SOUL.md 定义 Hermes 的默认语气 |
| 📄 上下文文件 | 塑造每次对话的项目上下文文件 |
| 🔒 安全 | 命令审批、授权、容器隔离 |
| 💡 技巧与最佳实践 | 充分利用 Hermes 的快速技巧 |
| 🏗️ 架构 | 底层工作原理 |
| ❓ 常见问题与故障排除 | 常见问题及解决方案 |
关键特性
- 闭环学习 — 代理策划的内存，带定期主动提示、自主技能创建、使用中技能自我改进、基于 FTS5 跨会话回忆结合 LLM 摘要，以及 Honcho 辩证用户建模
- 不仅限于笔记本电脑，随处可运行 — 6 种终端后端：本地、Docker、SSH、Daytona、Singularity、Modal。Daytona 和 Modal 提供无服务器持久化——你的环境在闲置时休眠，成本几乎为零
- 在你所在的地方运行 — CLI、Telegram、Discord、Slack、WhatsApp、Signal、Matrix、Mattermost、Email、SMS、钉钉、飞书、企业微信、微信、QQ Bot、元宝、BlueBubbles、Home Assistant、Microsoft Teams、Google Chat 等——一个网关支持 20+ 平台
- 由模型训练者构建 — 由 Nous Research 创建，Hermes、Nomos 和 Psyche 背后的实验室。支持 Nous Portal、OpenRouter、OpenAI 或任何端点
- 定时自动化 — 内置 cron，支持投递到任何平台
- 委派与并行 — 生成隔离的子代理进行并行工作流。通过
execute_code的程序化工具调用将多步骤管道压缩为单次推理调用 - 开放标准技能 — 兼容 agentskills.io。技能可移植、可共享，并通过技能中心由社区贡献
- 完整的网页控制 — 搜索、提取、浏览、视觉、图像生成、TTS
- MCP 支持 — 连接任何 MCP 服务器以扩展工具能力
- 研究就绪 — 批处理、轨迹导出、使用 Atropos 进行 RL 训练。由 Nous Research 构建——Hermes、Nomos 和 Psyche 模型背后的实验室
面向 LLM 和编程代理
本文档的机器可读入口点：
/llms.txt— 每个文档页面的精选索引，附简短描述。约 17 KB，可安全载入 LLM 上下文。/llms-full.txt— 所有文档页面连接为单个 markdown 文件，用于一次性加载。约 1.8 MB。
这两个文件也可在 /docs/llms.txt 和 /docs/llms-full.txt 访问。每次部署时重新生成。