自从 OpenClaw 发布以后,几乎每周都会冒出新的 agent 项目,让人很难一个个都试过去。但最近有一个新项目,确实吸引了不少注意力,它就是 Hermes Agent。
它在 GitHub 上的 star 数虽然远不及 OpenClaw,但它并没有走“比谁 memory 更大”的路线,而是更强调性能和学习能力。所以,它很可能不是简单的替代品,而是这个领域里另一条值得关注的产品路径。
2026 年 3 月,Nous Research 推出了 Hermes Agent。 它是一个开源 agent framework,重点在于解决“AI 失忆”和“长期个体化”这两个问题。
如果你以为这只是又一个新聊天机器人,那其实不太对。Hermes 更接近一个会学习的 AI agent。你用得越久,它越会把自己的经验整理成可复用 skills,持续改进,保存有价值的信息,甚至还能搜索过去的会话。
它还支持多平台,包括 Telegram、Discord、Slack、WhatsApp、Signal 和 CLI,并兼容 200 多个模型端点,例如 OpenRouter、Nous Portal、OpenAI 和 Anthropic。部署方式也很灵活,从 5 美元 VPS 到 GPU 集群,再到几乎零空闲成本的 serverless 架构都可以跑。
Hermes Agent 的三个关键特性
1. 自动学习 Skills:越用越聪明
这是 Hermes 最有辨识度的能力之一。
举个例子,如果你让 Hermes “用 Docker 部署一个服务”,它执行完之后,会把完成这个任务的关键步骤自动保存成一个 skill。下次你再让它做类似工作时,它就可以更快、更稳定地复用之前积累的经验。
更重要的是,这些 skills 不是一劳永逸写死的,它们还能随着使用被持续修正和更新。
相比之下,很多其他 agent 的 skills 更多还是人工编写、人工维护。而 Hermes 的思路更接近“把你的真实使用过程,逐渐沉淀成机器自己的能力资产”。
2. 三层记忆结构:一种不容易“失忆”的 AI
很多 AI 一旦会话结束,就相当于把你忘了。但 Hermes 尝试从结构上解决这件事。
它的 memory 分成三层:
- • MEMORY.md:由 agent 维护的长期备忘,记录你的环境、项目和偏好
- • USER.md:更偏静态的人物画像,例如名字、时区、沟通风格
- • Session Search(FTS5):把历史会话保存到 SQLite,可供后续检索
因此,如果你问它“还记得上周我们聊过 Nginx 配置吗?”,它可以搜索历史 session 再回答,而不是完全从零开始。
3. 多平台一致接入:同一个 Agent,到处都能用
Hermes 支持 Telegram、Discord、Slack、WhatsApp、Signal、Email/SMS、Home Assistant、Matrix/Mattermost、DingTalk 和 CLI 等多个入口。
重点不是“能接很多平台”,而是:这些平台共享的是同一个 agent 和记忆体系。
这意味着你可以早上用 Telegram 给它布置任务,晚上在 Discord 上追问进展,它依然知道自己是谁,也知道你们刚刚在做什么。
它的 Memory 到底怎么工作
Hermes 的 memory 不是简单的历史归档,而是更偏“执行与个体化”的基础设施。
它把 memory 分成短期记忆、长期记忆和技能记忆,每层负责的事情不同:
- • 短期记忆:保存最近的上下文
- • 长期记忆:保存用户偏好、行为模式和长期信息
- • 技能记忆:把重复任务自动沉淀成可复用 skill
其中最有意思的是“技能记忆”。
例如,如果你多次让它“每周一生成进度报告”,Hermes 会在内部逐渐把这件事总结成一个稳定 skill。之后它不仅更快,而且输出格式也会越来越贴近你的习惯。
这就是它所谓“自我改进”的核心:不是模型本身会自动升级,而是执行经验在被持续结构化。
多平台兼容,是它另一个很现实的优势
Hermes 可以跑在 Telegram、Discord…