# Hermes Agent 调研报告
> 调研时间：2026-04-12 | 情报事业部
---
## 执行流程
```
1. 信息源并发搜索
├─ ✓ Grok X搜索 (grok-4-1-fast/xAI) → Hermes Agent 近7天 X 平台讨论
├─ ✓ Grok X搜索 (grok-4-1-fast/xAI) → Hermes vs 其他框架比较
├─ ✓ V2EX (SOV2EX API) → 中文社区讨论 6224 条
├─ ✓ WebFetch → GitHub 官方页面 (NousResearch/hermes-agent)
└─ ✗ Perplexity → API 401 认证问题（跳过）
↓
2. 资料整合 [claude-sonnet-4-6]
→ GitHub 技术文档 + X 社区反馈 + V2EX 中文讨论
↓
3. 事实/观点分离 [claude-sonnet-4-6]
→ 事实: Stars/Forks/架构/安装方式/支持平台
→ 观点: "越用越聪明" / "OpenClaw killer"
↓
4. Fact-check [claude-sonnet-4-6]
→ GitHub 数据一手来源直接验证
→ 社区评价交叉两个平台(X + V2EX)
→ 结果: 核心数据 ✓，部分增长数字 ⚠
↓
5. Insight 输出 [claude-sonnet-4-6]
→ 技术架构解析 + 爆火原因 + 对标框架分析
```
| 信息源 | 状态 | 说明 |
|-------|:----:|------|
| Grok X/Twitter | ✓ | 两轮搜索，获取近7天完整讨论趋势 |
| V2EX | ✓ | 6224条结果，2篇直接相关帖子 |
| WebFetch (GitHub) | ✓ | 官方README，62.8k Stars |
| Perplexity | ✗ | API 401，跳过 |
| Reddit | ✗ | 未调用（X+GitHub已足够） |
---
## 执行摘要
1. **Hermes Agent 是 NousResearch 开发的自改进 AI Agent**，核心创新是"学习闭环"——每约15个动作后自动创建/优化技能文件，实现跨会话累积学习
2. **爆火时间线**：2026年2月发布，4月初登 GitHub Trending 榜首，4月11-12日单日新增 6,437 Stars，截至调研时达 **62.8k Stars**
3. **技术亮点**：三层记忆系统 + 200+ 模型支持 + 6种部署后端 + 多平台网关（Telegram/Discord/Slack等）
4. **主要竞品是 OpenClaw**：Hermes 在自学习深度上胜出，OpenClaw 在生态广度上占优
5. **门槛极低**：一行 curl 安装，最低 $5/月 VPS 即可部署，非技术用户通过 Telegram Bot 即可使用
---
## 一、是什么？
Hermes Agent 是 [NousResearch](https://nousresearch.com/)（知名开源模型社区，Nous Hermes 系列模型的开发者）开源的 **自改进 AI Agent 框架**。
- **GitHub**: https://github.com/NousResearch/hermes-agent
- **License**: MIT
- **定位**: "The self-improving AI agent built by Nous Research" / "Agent that grows with you"
- **发布时间**: 2026年2月
---
## 二、核心技术架构
### 2.1 自改进学习循环（最核心创新）
```
用户任务 → Agent 执行（~15个动作）→ 自动生成/优化 Skill 文件
↑________________________________↓
下次同类任务使用优化后的 Skill
```
- 每约15个动作触发一次技能创建/优化
- 技能以标准格式存储，兼容 `agentskills.io` 开放标准
- 效果：同类任务速度从"20步5分钟"→"3步30秒"
### 2.2 三层记忆系统
| 层级 | 实现 | 功能 |
| ---- | ------------- | ---------------- |
| 持久记忆 | Agent 主动策管 | 跨会话知识保留，定期 nudge |
| 会话搜索 | FTS5 + LLM 摘要 | 历史对话全文搜索 |
| 用户建模 | Honcho 辩证系统 | 建立并深化用户画像 |
| | | |
### 2.3 部署与平台支持
**终端后端（6种）**：Local / Docker / SSH / Daytona / Singularity / Modal
**消息网关**：Telegram · Discord · Slack · WhatsApp · Signal · Email
**模型支持**：
- Nous Portal（原生）
- OpenRouter（200+ 模型）
- OpenAI / Anthropic / 自定义 endpoint
**安装（单行命令）**：
```bash
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
```
**支持系统**：Linux · macOS · WSL2 · Android（Termux）
---
## 三、GitHub 数据（事实）
| 指标 | 数值 | 置信度 |
|------|------|-------|
| Stars | 62,800 | ✓ 一手来源 |
| Forks | 8,400 | ✓ 一手来源 |
| Commits | 3,955 | ✓ 一手来源 |
| 4月11-12日单日新增 Stars | 6,437 | ⚠ 社区报告，未直接验证 |
| 发布至今 Star 增速 | 2月→4月 破6万 | ✓ 与当前数据吻合 |
---
## 四、观点光谱
### 正面（主流，~90%）
- "唯一真正越用越聪明的 Agent"
- "OpenClaw 应有的样子"
- "周一20步5分钟，周四3步30秒"——自学习效果真实
- GitHub 热度代表开发者投票
### 中性/补充
- 部分用户建议 Hermes + OpenClaw 组合使用（各有所长）
- 技术用户：需要前沿模型 API（非完全本地化）
### 负面/风险（少量）
- OpenClaw 等对手可能抄学习循环特性（无明显技术壁垒）
- 有假冒账号（@Teknium 已公开警告）
- API Key 安全风险（属通用 Agent 问题，非 Hermes 专属）
---
## 五、深度分析
### 5.1 为什么会爆火？
**时机**: 2026年初 AI Agent 浪潮第二波，用户从"会用工具"进化到"想要自主Agent"
**差异化**: 大多数 Agent 框架（LangChain、AutoGPT、OpenClaw）是"静态工具箱"，Hermes 首次将"自我改进"做成可感知的用户体验——你能看到它越来越快
**门槛降低**: $5 VPS + Telegram Bot = 普通人也能拥有 24/7 运行的私人AI员工，这个 narrative 极具传播性
**NousResearch 背书**: 在开源 LLM 社区有极高声誉（Nous Hermes 模型系列），用户基础信任度高
### 5.2 与主要竞品对比
| 维度 | Hermes Agent | OpenClaw | AutoGPT |
|------|:------------:|:--------:|:-------:|
| 自学习能力 | ★★★★★ | ★★ | ★★ |
| 生态/插件 | ★★★ | ★★★★★ | ★★★ |
| 部署难度 | 极低 | 低 | 中 |
| 消息平台集成 | 全 | 全 | 有限 |
| 模型支持 | 200+ | 多 | OpenAI为主 |
| 开源 | MIT | 是 | MIT |
| 中文社区 | 增长中 | 较成熟 | 一般 |
### 5.3 技术可持续性评估
**优势**:
- 自学习机制有真实效用，非噱头
- MIT License，社区可自由贡献
- agentskills.io 标准化有望形成生态
**风险**:
- 学习闭环原理并不复杂，大厂/竞品可快速跟进
- 技能文件质量依赖底层模型能力，模型越强效果越好→依赖头部模型
- 长期运行的记忆污染问题（Agent 学到错误经验如何纠正？）
---
## 六、洞见与建议
### 对个人用户（你）
**推荐尝试**，理由：
1. 学习成本极低，一行命令装好
2. Telegram 网关 = 手机随时调度 Agent
3. 自学习特性对高重复性任务（如调研、内容处理）有实际价值
4. 与你现有的事业部体系（info-bu / content-bu）高度契合——可作为底层 Agent 引擎
**使用建议**:
- 先在低价 VPS 部署，接 Telegram
- 用于高重复性调研任务（让它自己学会你的工作流）
- 模型选 Opus 4.6 或 Sonnet（自学习质量取决于推理能力）
### 对内容创作（选题参考）
这个项目是**极好的内容选题**：
- 技术门槛适中，适合"带你动手"类内容
- 自学习叙事感强（可视化前后对比）
- B站/小红书当前热度窗口（4月刚上 Trending，中文内容尚少）
---
## 七、风险与不确定性
| 不确定项 | 置信度 | 说明 |
|---------|-------|------|
| 长期学习质量 | ⚠ | 记忆污染/错误技能积累问题未见系统解决方案 |
| 商业模式 | ? | 纯开源/MIT，变现路径不明 |
| 与 Anthropic/OpenAI 官方 Agent 竞争 | ? | Anthropic Agent 能力强化后可能形成压力 |
| 中文支持成熟度 | ⚠ | V2EX 讨论少，中文优化情况未验证 |
---
## 附录：原始来源
1. GitHub 官方: https://github.com/NousResearch/hermes-agent
2. X/Twitter Grok 搜索结果（2026-04-05 ~ 2026-04-12）
3. V2EX 帖子: https://www.v2ex.com/t/1204588 (赫妹 Agent 教程)
4. V2EX 帖子: https://www.v2ex.com/t/1204456 (hermes-agent 提及)
5. Robert Scoble 推文: https://x.com/i/status/2040728792642224157