Github热榜Hermes Agent入门到精通，死磕这篇保姆级教程就够了！
Hermes Agent是由 Nous Research 构建的自我改进 AI Agent。它通过闭环学习机制与其他 Agent 框架区分开来——该 Agent 从经验中创建技能，在使用过程中改进技能，搜索自身的历史对话，并随时间推移构建对用户的深层模型。无论你是在终端中聊天、通过 Telegram 发送消息，还是通过 IDE 集成，Hermes 在所有地方都运行相同的核心 Agent 引擎。
Hermes 的独特之处
大多数 AI Agent 是无状态的请求-响应管道——每次对话都从零开始。Hermes 从底层设计为有状态且自我改进的。它记住已完成的操作，将这些知识组织为可复用的技能，并利用这些技能在每次交互中表现得更好。
以下是 Hermes 与典型 Agent 框架的直观对比：
| 能力 | 典型 Agent 框架 | Hermes Agent |
|---|---|---|
| 记忆持久化 | 仅限会话范围 | 跨会话 FTS5 搜索、Honcho 对话分析、持久化记忆提供者 |
| 技能创建 | 手动进行提示词工程 | Agent 在复杂任务后自动创建技能，在使用中自我改进 |
| 模型灵活性 | 绑定单一提供者 | 使用/model在会话中途切换提供者——OpenRouter、OpenAI、Anthropic、Gemini、Nous Portal、本地模型 |
| 消息平台 | CLI 或单一平台 | 单一网关进程支持 16+ 个平台（Telegram、Discord、Slack、WhatsApp、Signal、Matrix 等） |
| 终端后端 | 仅限本地 Shell | 本地、Docker、SSH、Daytona、Singularity、Modal——包括无服务器休眠 |
| 定时自动化 | 依赖外部 cron 或不支持 | 内置 cron 调度器，支持自然语言任务定义和跨平台投递 |
| 子 Agent 委派 | 极少支持 | 隔离的子 Agent 用于并行工作流，通过 RPC 脚本实现零上下文成本轮次 |
| IDE 集成 | 不支持或专有 | 适用于 VS Code、JetBrains 及任何兼容 ACP 客户端的 ACP（Agent Client Protocol）适配器 |
| 研究工具 | 非关注重点 | 批量轨迹生成、Atropos RL 环境、用于训练的轨迹压缩 |
高层架构
Hermes 围绕一个单一的 Agent 引擎构建，可通过多个前端进行访问。CLI（cli.py）和消息网关（gateway/run.py）都将数据馈入run_agent.py内部的同一对话循环，该循环负责编排 LLM 调用、工具执行、记忆检索和技能管理。ACP 适配器（acp_adapter/server.py）提供了第三个前端，用于使用标准化的 Agent Client Protocol 进行 IDE 集成。
Agent 循环遵循一个简单却强大的周期：接收用户输入 → 组装系统提示词（身份、记忆、技能、上下文文件） → 调用 LLM → 如果模型请求工具调用，则执行工具并循环返回 → 返回最终响应。无论是由终端、Telegram 消息还是 IDE 提示词触发，此循环都以相同方式运行。
核心能力概览
多提供者模型支持
Hermes 几乎支持所有 LLM 提供者。hermes model命令（或在对话中使用/model）让你无需重启即可瞬间切换提供者。智能模型路由系统（agent/smart_model_routing.py）透明地处理特定于提供者的特殊逻辑——从不同的工具调用格式到上下文窗口限制。
| 提供者 | 可用模型 | 备注 |
|---|---|---|
| Nous Portal | Hermes 模型、MiMo v2 Pro（免费层） | Nous Research 原生托管 |
| OpenRouter | 200+ 个模型 | 最大的模型市场 |
| OpenAI | GPT-4o、Codex、o 系列 | 自优化的工具使用引导 |
| Anthropic | Claude 4 系列 | 直接 SDK 集成 |
| Google AI Studio | Gemini 系列 | 原生提供者，支持自动上下文长度检测 |
| 本地端点 | Ollama、vLLM、SGLang | 任何兼容 OpenAI 的服务器 |
| Kimi/Moonshot | Moonshot 模型 | 中国 AI 提供者 |
| MiniMax | MiniMax 模型 | 备选提供者 |
你可以在任何平台（CLI、Telegram、Discord 或 Slack）上使用/model斜杠命令在对话中途切换模型。聚合器感知解析会尽可能让你保持在 OpenRouter 或 Nous Portal 上，并支持自动的跨提供者故障转移。
闭环学习
这是 Hermes 的核心差异化优势。学习循环在四个阶段运作：
- 记忆— Agent 在所有会话中维护关于你、你的项目以及你的偏好的持久化记忆。MemoryManager 编排一个内置提供者和最多一个外部插件提供者，并通过上下文隔离机制防止召回的数据与实时用户输入混淆。
- 技能创建— 在完成复杂任务后，Agent 能够自动创建可复用的技能（以带有 YAML frontmatter 的 Markdown 格式存储在
~/.hermes/skills/中）。每个技能编码了 Agent 学会高效执行的一种流程。 - 技能改进— 技能在使用过程中自我改进。当 Agent 遇到边缘情况或更优方法时，它会自动更新技能内容。
- 会话召回— 对历史对话进行全文搜索（FTS5），并结合 LLM 驱动的摘要实现跨会话上下文检索。你可以问“上周二我做了什么工作？”并得到有意义的答案。
工具与扩展性
Hermes 附带了通过集中的 ToolRegistry 注册的40 多个工具。工具被组织成工具集——可组合的分组，可根据每个会话进行混合搭配。核心工具集包括 Web 搜索、终端执行、文件操作、浏览器自动化、视觉分析、图像生成、技能管理、记忆、任务规划、代码执行、子 Agent 委派、定时任务管理和跨平台消息传递。
工具还可以在运行时通过MCP (Model Context Protocol) 服务器添加，利用符合 MCP 标准的外部工具提供者来扩展 Hermes 的能力。
六种终端后端
终端工具不局限于你的本地 Shell。Hermes 支持六种执行后端，让你可以在最适合任务的环境中运行命令：
| 后端 | 适用场景 | 持久性 |
|---|---|---|
| Local | 机器上的快速任务 | 会话范围 |
| Docker | 隔离的、可复现的环境 | 容器范围 |
| SSH | 远程服务器 | 服务器范围 |
| Daytona | 无服务器开发环境 | 空闲时休眠 |
| Modal | 无服务器 Python 计算 | 空闲时休眠 |
| Singularity | HPC 集群 | 任务范围 |
Daytona 和 Modal 提供无服务器持久性——你的 Agent 环境在空闲时休眠，并按需唤醒，在会话之间几乎不产生任何费用。
快速入门
Hermes 可在 Linux、macOS、WSL2 和 Android (Termux) 上于一分钟内完成安装：
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bashsource ~/.bashrc # 或：source ~/.zshrchermes # 开始聊天！首次启动后，hermes setup会引导你完成提供者配置、工具选择和消息平台设置。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～