Hermes Agent
一句话定义
Hermes Agent 是 Nous Research 开源的自进化 AI Agent 框架，其核心创新在于内置学习闭环——任务完成后自主创建 Skill、在后续使用中持续改进、跨会话持久化知识并构建用户画像，实现从”每次对话归零”到”越用越聪明”的跨越。
摘要
Hermes Agent 是 2026 年由美国开源人工智能研究机构 Nous Research 推出的 AI Agent 项目，主打”持久运行”和”自进化”。与大多数每次对话从零开始的无状态 Agent 不同，Hermes 通过两条路径驱动自进化：一是日常的自动 Skill 生成（Skill Generation），从 Agent 执行轨迹中自动沉淀可复用技能，快速、轻量、即时生效；二是可手动触发的 RL 训练（Reinforcement Learning），基于 ShareGPT 格式的轨迹数据进行强化学习微调，从根本上改变模型本身的能力。这两种路径共同构成了 Hermes 的”内外双轮驱动”自进化闭环。在 Harness Engineering 的语境下，Hermes Agent 与 OpenClaw 并列为两种典型的实现路径，代表了不同的设计选择。Hermes 支持 Nous Portal、OpenRouter（200+ 模型）、NovitaAI、NVIDIA NIM、OpenAI 等多种模型供应商，提供 local、Docker、SSH、Singularity、Modal、Daytona 六种运行时后端，并提供从 OpenClaw 的一键迁移工具。
详情
起源与背景
Hermes Agent 由 Nous Research 开发维护。Nous Research 是一家美国开源人工智能研究机构，同时维护 Nous Portal 统一模型订阅平台。Hermes 的出现标志着 Agent 技术从”自主 Agent”阶段向”自进化 Agent”阶段的跃迁。
在此之前，以 OpenClaw 为代表的自主 Agent 已经解决了长程任务执行、工具调用、上下文压缩等问题，但其执行过程本质上是”无状态”的——当 Agent 完成一个任务后，无论过程中走了多少弯路、犯了多少错误，这些宝贵的”试错经验”都很难被沉淀下来。OpenClaw 的上下文管理策略主要服务于”当前会话”的稳定性，通过压缩上下文来防止 Context Window 爆炸，通过记录 Memory 来记住关键事实，但 Agent 的模型权重始终不变，它只是在不断检索外部知识库，而非将经验内化为自身能力。
Hermes Agent 正是为了解决这一痛点而生。它引入了自进化机制，试图让 Agent 不再仅仅被动地接收人类编写的 Skill，而是能够在交互过程中自动从历史对话、成功/失败案例中提取模式，自动生成或优化新的 Skill。Hermes 还提供了从 OpenClaw 的一键迁移工具 hermes claw migrate，可以迁移 SOUL.md 人格文件、记忆（MEMORY.md 和 USER.md）、用户自建 Skill、命令白名单、消息设置、API 密钥、TTS 资产和工作区指令（AGENTS.md）等。
核心机制 / 工作原理
Hermes Agent 的自进化机制依赖两条路径：Skill 生成（外挂式进化）和 RL 训练（内化式进化）。
路径一：自动 Skill 生成
Hermes 在根目录的 run_agent.py 中实现了”技能催促”（Skill Nudge）机制。系统维护一个 _iters_since_skill 计数器，记录距离上次使用 skill_manage 工具过了多少轮对话。当 Agent 连续工作了 _skill_nudge_interval = 10 轮都没有创建或修改技能时，系统会主动”提醒”Agent 把经验整理成技能。
每当主 Agent 完成对用户的回复后，系统通过 _spawn_background_review 在后台异步启动审查 Agent，从三个维度进行全方位审查：
- 记忆审查（
_MEMORY_REVIEW_PROMPT）：判断对话中是否蕴含值得长期保留的关键经验或事实，提炼长期记忆存入记忆库 - 技能审查（
_SKILL_REVIEW_PROMPT）：分析当前任务解决路径是否具有通用性，是否值得抽象并固化为可复用的 Skill - 综合审查（
_COMBINED_REVIEW_PROMPT）：反思整个执行过程中是否存在优化空间或潜在的错误模式
这种动态生成的 Skill 以明文 Markdown 文件存储，允许人工干预和纠偏，确保 Agent 不会在错误的道路上越走越远。但必须承认，这并不是真正意义上的”自进化”——无论 Agent 积累了多少 Skill，其底层的模型权重始终没变，它只是在不断检索外部知识库，而非将经验内化为自身的直觉与能力。
路径二：RL 训练闭环
Hermes 将 Agent 运行轨迹以 ShareGPT 格式持久化存储，构建完整的强化学习训练闭环：
- 轨迹捕获：Agent/trajectory.py 中的
save_trajectory函数以追加模式将运行轨迹存储至 JSONL 文件，同时通过convert_scratchpad_to_think将内部的<REASONING_SCRATCHPAD>标签转换为模型训练通用的<think>格式 - 批量数据生成：batch_runner.py 作为”自进化”的主力数据工厂，支持从人工准备的提示词或 Benchmark 数据集（GSM8K、HumanEval 等）出发，用线程池并行处理，以 Teacher 模型（默认 anthropic/claude-opus-4.6）执行完整 Agent 对话并录制轨迹
- 质量控制：通过零推理过滤，统计推理字段出现次数，两者都为零则丢弃该样本；同时进行工具集随机采样，训练数据包含各种工具搭配场景
- 渐进式训练：先小规模实验验证可行性，再启动正式大规模训练；训练结束后自动评估，效果未达预期则反馈指导下一轮参数调整
输出文件分为 trajectory_samples.jsonl（成功轨迹）和 failed_trajectories.jsonl（失败轨迹），使用 ShareGPT 格式是因为 LLaMA-Factory、FastChat、OpenChat 等主流训练框架均支持此格式。
多平台模型支持
Hermes 支持 Nous Portal、OpenRouter（200+ 模型）、NovitaAI、NVIDIA NIM、Xiaomi MiMo、z.ai/GLM、Kimi/Moonshot、MiniMax、Hugging Face、OpenAI 或自定义端点。通过 hermes model 命令切换，无需代码改动，无供应商锁定。
六种运行时后端
local、Docker、SSH、Singularity、Modal 和 Daytona。其中 Daytona 和 Modal 提供无服务器持久化，环境空闲时休眠，按需唤醒。
应用 / 使用场景
- 持续学习型开发助手：在长期软件开发项目中，Agent 随着使用不断积累项目特定的编码规范、架构决策和调试经验，越用越贴合团队习惯
- 自动化运维与定时任务：通过 Cron Job / Scheduled Task 驱动 Agent 定时运行，执行监控、日志分析、报告生成等重复性工作
- 知识密集型任务：结合 Skill 自动沉淀机制，将领域专家的操作经验结构化为可复用的 Skill 包，降低新用户上手门槛
- 模型能力微调：通过 RL 训练闭环，针对特定领域或 Benchmark 追求极致性能，适用于 AI 研究人员和算法工程师
- 从 OpenClaw 迁移：提供一键迁移工具，降低从 OpenClaw 生态切换的成本
局限与争议
- “自进化”的边界：Skill 自动沉淀本质上是”外挂式”进化，底层模型权重不变。正如深度解析文章所指出的，“这并不是真正意义上的自进化或者自我学习”，Agent 只是在不断检索外部知识库，而非将经验内化为自身能力
- Skill 自动生成的可控性：自动沉淀 Skill 的机制取决于模型自身的判断和决策，触发时机和可控性相对较低，实际使用中未必能沉淀出高质量的 Skill
- RL 训练门槛高：强化学习训练面向 AI 研究人员或算法同学设计，对于大多数工程落地场景，门槛和成本都相对较高
- 单进程架构：与 OpenClaw 类似，Hermes Agent 采用单进程架构，机器或进程挂掉后服务不可用，缺乏原生高可用能力
- 可观测性不足：Hermes Agent 甚至没有任务的执行记录功能，需要去会话里查找，缺乏搜索过滤条件，运维排查困难
- 定时任务管理分散：每个 Agent 都有独立的控制台来管理定时任务，大规模部署时管理成本高
- 资源利用率问题：定时任务功能内嵌在 Agent 进程里，需要 Agent 常驻才能正常执行任务，对于低频调度场景造成资源浪费
与其他实体的关系
- OpenClaw —— 前身/竞品，Hermes 提供一键迁移工具
hermes claw migrate；两者在 Harness Engineering 语境下代表不同的实现路径 - Claude Code —— 同系列深度解析对象，与 Hermes 有相似的 Prompt/Context/Harness 设计维度
- Nous Research —— Hermes Agent 的开发团队，美国开源人工智能研究机构，同时维护 Nous Portal 统一模型订阅平台
- Harness-Engineering —— Hermes 是 Harness 理念的实现载体之一，Agent = Model + Harness 的具体落地
- Context-Engineering
- SkillOpt —— Hermes 与 OpenClaw/Claude Code 的共性设计维度，涉及上下文精细化管理和渐进式披露
- ShareGPT —— Hermes 自进化 Pipeline 使用的统一数据格式，LLaMA-Factory/FastChat/OpenChat 等生态均支持
- LLaMA-Factory —— 支持 ShareGPT 格式的主流训练框架之一，用于 Hermes 的 RL 训练流程
- Andrej Karpathy —— 其开源项目 AutoResearch 与 Hermes 的 RL 训练闭环有相似之处；其 LLM-Wiki 项目与 Hermes 的 Skill 自动沉淀理念相通
- SkillOpt —— 同为 Skill 自动化领域的工具，路径不同：Hermes 通过 Skill Generation 从轨迹中自动沉淀新 Skill（外挂式），SkillOpt 通过训练循环系统化优化单份 Skill 文件（内省式）
参考来源
- 深度解析Hermes-Agent如何实现自进化 —— 最详尽的源码级解析，聚焦 Skill 催促机制、后台审查 Agent、轨迹数据格式、批量数据生成和 RL 训练闭环
- 一文搞懂Hermes-新顶流Agent如何从经验中自我进化 —— 全景概述，涵盖安装、命令、Nous Portal 集成、六种运行时后端和 OpenClaw 迁移
- Harness-Engineering-来龙去脉 —— 对比了 Hermes Agent 与 OpenClaw 两种 Harness 实现路径
- Agent从一问一答到自主执行面临哪些挑战 —— 提及 Hermes Agent 在高可用、运维成本、权限管理和可观测性方面的痛点
- Agent核心技术概念与范式发生了哪些演变 —— 将 Hermes 定位为”自进化 Agent”阶段的代表性框架
- 深度解析LLM-Wiki-Obsidian-Wiki-GBrain —— 从 Knowledge Engineering 角度讨论 Hermes 的 Skill 自动沉淀与知识自进化