1. Hermes 是什么？
本章你将学到
- Hermes 是什么、解决了什么"已有 AI 工具解决不了"的问题
- 它和 ChatGPT、Claude Code、Codex、OpenClaw 的关键差异
- 它能用在哪些真实场景
- 它不适合做哪些事，避免预期错位
- 谁在维护、能用多久
1.1 一句话定位
Hermes Agent 是 Nous Research 推出的自我进化（self-improving）开源 AI Agent 框架——你装上跑一段时间，它自己会从过往任务里总结经验、写成 skill 沉淀下来，下一次遇到同类任务就更熟练。
官方 tagline 是一句很直白的话：
"The agent that grows with you" —— 那个和你一起成长的 agent
它不是一个聊天机器人，不是一个 IDE 插件，不是一个工作流编排器。它是一个长跑型 AI agent 平台，核心是把"用 LLM 完成任务"这件事做到能自己学习和进化。
关键词：自我进化（Self-Improving）· 多后端（Multi-Backend）· 跨会话记忆（Persistent Memory）· 训练数据可导出（Trajectory）· Python 原生
1.2 它和 ChatGPT / Claude Code / Codex / OpenClaw 哪里不一样
新手最容易把这五类工具混成一锅粥。一张表分清：
| 维度 | ChatGPT | Claude Code | Codex | OpenClaw | Hermes |
|---|---|---|---|---|---|
| 类别 | 聊天 | 编程助手 | 编程助手 | 个人 AI 助手 | 自进化 AI Agent |
| 跑在哪 | OpenAI 云 | 终端 / IDE | 终端 | 本地常驻 | 本地 / Docker / SSH / 云沙箱（7 选 1） |
| 语言栈 | — | TypeScript | TypeScript | Node.js | Python (uv) |
| 杀手特性 | 通用问答 | IDE 集成深 | 终端原生 | 50+ IM channel | 用得越久越懂你 + 自动产 skill |
| 记忆 | 单会话 | CLAUDE.md | AGENTS.md | memory + skills | Honcho 用户建模 + FTS5 搜索 + 自动 skill |
| 数据所有权 | OpenAI 服务器 | 本地 + API | 本地 + API | 完全本地 | 完全本地（含云沙箱也是你的账号） |
| 训练数据导出 | ❌ | ❌ | ❌ | ❌ | ✅ trajectory 批量导出 |
三句话理解差异
- ChatGPT = 一个聪明的网友，每次见面都把你当陌生人
- Claude Code / Codex = 一个能直接改代码的远程同事
- OpenClaw = 住在你飞书/IM 里的私人秘书，多人协作
- Hermes = 一个会读自己日记的研究助理，今天的它比昨天更懂你
1.3 它最大的卖点：自我进化
这是 Hermes 区别于其他 agent 的核心特性，值得单独说。
怎么个进化法
你给它一个任务（比如"帮我整理这个 GitHub 仓库的 issue，按优先级排"）。Hermes 完成这个任务可能要调 5-15 次工具：拉仓库、读 issue、查上下文、归类、排序、输出。
任务完成后，Hermes 自动：
- 复盘整个过程：哪几步关键、哪几步绕路、有没有踩坑
- 把经验提炼成一份 markdown 文件（一个 skill）
- 存到
~/.hermes/skills/，下次遇到类似任务直接调用
下次你说"再帮我整理 X 仓库的 issue"——它直接看自己写的 skill，不再绕路，速度和质量都提升。
这意味着什么
用得越久越聪明——这是其他 AI 工具做不到的。 而且生成的 skill 符合 agentskills.io 开放标准，可以分享给别人 / 复用别人写的。
真实演化案例
来自社区一位用户实测：装 Hermes 一周后，它自己生成了 12 个 skill，比如：
summarize-arxiv-paper.md—— 8 次后总结的"读论文给摘要"流程debug-pytest-failure.md—— 第三次 debug pytest 失败时沉淀的rewrite-for-xiaohongshu.md—— 你让它改过几次小红书风格后自创的
这些 skill 完全是你的工作流模式，别人的 Hermes 一开始没有，但你能把这些 skill 发到 agentskills.io 让别人复用。
1.4 它能做什么（真实场景）
个人技术工作流
帮我把 ai-learning-docs 仓库这周的 commit 整理成 changelog
监控 arxiv cs.AI 分类，每周给我精选 5 篇推送
我电脑关机时，凌晨 3 点用 SSH 后端跑那个备份脚本跨平台对话
（在 Telegram 起话）老婆生日想买礼物，预算 1500，她喜欢手作
（出门到了公司，切到 Signal 续）那个手作博主你查到几个备选？
（回家用 CLI 收尾）选第二个 OK，帮我下单。信息深度处理
读完这本 800 页的 PDF，给我提取所有"看似无关但作者反复提到"的概念
分析这个 git 仓库一年的 PR 数据，告诉我谁是隐藏的高产者训练数据生成（开发者向）
为我的微调任务生成 5000 条 "工具调用 → 推理 → 结果" 的训练样本
压缩这些 trajectory 到 50K tokens 以内方便微调多 agent 并行调研
开 5 个 subagent 同时调研这 5 个 LLM 公司的最新发布，
一小时后汇总成对比表给我写代码（与编程助手协作）
Hermes 不是专门的编程助手，但内置 40+ 工具能干一般的代码任务。复杂代码场景建议它去调 Claude Code / Codex。详见 33. 联动其他工具。
1.5 你能在哪里跟它对话
Hermes 的 channel 数比 OpenClaw 少（一开始定位就更专一），但覆盖技术型用户的核心 IM：
| 端 | 支持 |
|---|---|
| 命令行 CLI | ✅ 主战场，功能最全 |
| Telegram | ✅ |
| Discord | ✅ |
| Slack | ✅ |
| ✅ | |
| Signal | ✅ |
| Matrix | ✅ |
| ✅（通过 gateway） | |
| 飞书 / 钉钉 / 企微 / QQ / 微信 | ❌ 暂不直接支持，国内用户看 24 章 的桥接方案 |
国内用户预警
Hermes 原生不支持飞书 / 钉钉 / 企微 / 微信 / QQ 这些国内 IM。 如果你严重依赖国内 IM 通信 → 选 OpenClaw 更合适。 如果你能接受用 CLI / Telegram / Email 当主入口 → Hermes 完全够。
1.6 适用场景
最适合用 Hermes 的人
- 开发者 / 研究员 / 技术深度玩家
- 想要"用得越久越懂自己"的长期助手
- 需要把任务跑在多种环境（本地 + 云沙箱）
- 关心数据隐私 / 喜欢 self-hosted
- 想给微调模型造训练数据
- 习惯命令行交互
不太适合的场景
- ❌ 要在飞书 / 钉钉 / 微信里给团队用 → 看 OpenClaw
- ❌ 要 IDE 里边写代码边问 AI → 看 Claude Code / Codex
- ❌ 零编程基础、只想点点点 → Hermes 命令行门槛偏高
- ❌ 要快速一次性问答 → 直接用 ChatGPT 网页更省事
1.7 安全 / 关键限制
安装前必读
- 不支持 Windows 原生——必须用 WSL2（Windows Subsystem for Linux）
- 演进速度快——从 v0.1.0 到 v0.8.0 两个月，API 在小版本间可能不兼容
- 40+ 内置工具有权限——包括 shell 执行、文件读写、浏览器自动化
- trajectory 数据可能含敏感信息——导出训练数据时记得脱敏
- 生产环境建议跑沙箱后端（Modal / Daytona / Vercel Sandbox），不要直接在主力机跑高权限工具
Hermes 本身和 OpenClaw 一样默认对敏感操作要确认，但社区 skill 和 MCP server 不是官方审核，装前必须看一眼源码。详见 15. 安全清单。
1.8 它由谁维护、能用多久
- 作者 / 公司：Nous Research ——以训练开源 LLM（Hermes 系列模型）出名的研究机构，技术口碑非常硬
- 首发时间：2026 年 2 月
- 协议：MIT License（最宽松，商用零顾虑）
- GitHub：github.com/NousResearch/hermes-agent
- 社区：6 万+ Star（截至 2026 年 4 月）+ MiniMax 战略合作
- 更新节奏：极快（两个月 v0.1 → v0.8，平均每周一个版本）
你应该担心它"消失"吗？
- ✅ Nous Research 是行业有名的开源 AI 研究组织，做开源生态是它的核心业务
- ✅ MIT 协议——就算公司倒了，代码永远在
- ✅ 已经有 MiniMax 等大厂战略合作
- ⚠️ 演进太快，大版本可能不兼容——建议小版本之间升级，遇大版本看 release notes
短期看：放心投入学习。
看完这一章你应该知道
✅ Hermes 是会自我进化的开源 AI Agent，"用得越久越聪明" ✅ 和 Claude Code / Codex（IDE 编程）、OpenClaw（多 IM 协作）定位完全不同 ✅ Python 写的、不支持原生 Windows（要 WSL2） ✅ 6 万 + Star，MIT 协议，Nous Research 维护 ✅ 国内 IM（飞书/钉钉/微信）暂不支持，是它的短板
下一步：2. 核心概念图解 →
搞懂 Agent Loop / Skills / Tools / Backend / Gateway / Memory 这六个词——这是后续 39 章的基础词汇。