一句话定位
Claude Code 的开源替代品，但不绑定任何模型。
自进化、跨平台、模型无关、可从 OpenClaw 一键迁移。
自进化、跨平台、模型无关、可从 OpenClaw 一键迁移。
Hermes Agent 是 NousResearch 推出的开源 AI Agent 框架。它不只是一个编程助手——它能自动学习你的工作方式，在完成复杂任务后自动创建可复用的 Skills，并在跨会话中保持记忆。你可以用任何 LLM（OpenAI、Claude、GLM、Kimi、MiniMax 或 OpenRouter 上的 200+ 模型）来驱动它，部署在本地、Docker、SSH 服务器、Daytona 或 Modal 上。
核心能力
🧠 自进化闭环（Closed Learning Loop）
这是 Hermes 最核心的差异化能力。完成复杂任务后，Agent 会自动提取经验并创建 Skill，下次遇到类似任务时自动调用。Skills 在使用过程中还会自我优化。配合 FTS5 全文搜索 + LLM 摘要的跨会话记忆系统，Agent 越用越强。
🔀 模型无关架构
不绑定任何模型提供商。通过
hermes model 命令一键切换：Nous Portal、OpenRouter（200+ 模型）、Z.ai/GLM、Kimi/Moonshot、MiniMax、OpenAI，或自定义端点。不存在供应商锁定。
🌐 6 平台 × 6 执行环境
消息平台：Telegram · Discord · Slack · WhatsApp · Signal · Email
执行环境：本地 · Docker · SSH · Daytona · Singularity · Modal
Daytona 和 Modal 支持无服务器持久化——环境闲置时自动休眠，降低成本。跨平台对话上下文自动保持。
执行环境：本地 · Docker · SSH · Daytona · Singularity · Modal
Daytona 和 Modal 支持无服务器持久化——环境闲置时自动休眠，降低成本。跨平台对话上下文自动保持。
🔧 40+ 内置工具 + MCP 集成
内置 40+ 工具，支持可配置工具集。通过 MCP（Model Context Protocol）扩展能力。支持子 Agent 生成（Subagent Spawning）并行处理多个工作流。内置 Cron 调度器实现定时任务自动化。
🔄 从 OpenClaw 一键迁移
hermes claw migrate 一行命令导入 OpenClaw 的 SOUL.md、MEMORY.md、用户创建的 Skills、命令白名单、消息设置、API Keys 和工作区指令。零成本切换。
📊 RL 训练轨迹生成
独特功能：Agent 的执行轨迹可以自动导出为 RL 训练数据（通过 tinker-atropos 子模块）。这意味着你可以用 Hermes 的工作记录来微调自己的模型——真正的数据飞轮。
安装与使用
一行安装（Linux / macOS / WSL2）
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
hermes — 启动交互式 CLI
hermes model — 选择 LLM 提供商/模型
hermes gateway — 启动消息平台网关
hermes setup — 完整配置向导
hermes claw migrate — 从 OpenClaw 迁移
hermes model — 选择 LLM 提供商/模型
hermes gateway — 启动消息平台网关
hermes setup — 完整配置向导
hermes claw migrate — 从 OpenClaw 迁移
竞品对比
| Hermes Agent | Claude Code | OpenClaw | |
|---|---|---|---|
| 开源 | MIT ✅ | ❌ 闭源 | 部分开源 |
| 模型选择 | 任意模型 | 仅 Claude | 仅 OpenAI |
| 自进化 Skills | ✅ 自动创建+自我优化 | Skills 生态（手动） | Skills（手动） |
| 跨会话记忆 | ✅ FTS5 + LLM | CLAUDE.md + memory | 有限 |
| 消息平台 | 6 个平台 | CLI + IDE | CLI |
| 执行环境 | 6 种后端 | 本地 | 沙盒 |
| RL 训练数据 | ✅ 轨迹导出 | ❌ | ❌ |
| Stars | 33K | 闭源 | — |
推荐玩法
1. 开源全栈：GLM-5.1 + Hermes Agent
用 GLM-5.1（MIT 开源、SWE-Bench Pro 58.4）驱动 Hermes Agent，实现完全开源的 AI 编程栈。通过 OpenRouter 或 Z.ai API 接入，成本远低于 Claude Code。
2. Telegram 远程控制服务器
在服务器上部署 Hermes + Telegram Gateway，手机上随时发消息让 Agent 执行命令、查日志、部署代码。配合 Cron 调度器实现定时任务自动化。
3. 用执行轨迹微调自己的模型
通过 tinker-atropos 子模块导出 RL 训练数据。让 Hermes 用大模型（如 Claude）完成任务，把轨迹用来微调小模型——逐步降低 API 成本。
4. 从 OpenClaw 无痛迁移
hermes claw migrate 一键导入 OpenClaw 的 Personas、Memories、Skills、API Keys。保留所有工作习惯的同时获得模型无关和自进化能力。5. 多 Agent 并行工作流
通过 Subagent Spawning 让多个 Agent 并行处理不同任务。v0.6.0 新增的多 Profile 隔离支持同一台机器运行多个独立 Hermes 实例，各自独立配置和记忆——向"Agent 操作系统"演进。
6. 自进化提示优化（$2-10/次）
hermes-agent-self-evolution 子项目使用 DSPy + GEPA（Growth via Evolutionary Prompt Adaptation）：读取执行轨迹 → 分析失败原因 → 生成候选变体 → 自动评估 → 提交 PR。不需要 GPU，纯 API 调用，每次优化 $2-10。
为什么重要
1. 自进化是关键差异。Claude Code 和 OpenClaw 的 Skills 需要人工创建和维护。Hermes 的 Skills 是 Agent 自己在工作中创建的，而且会在使用中自我优化。这是从"工具"到"同事"的质变。
2. 模型无关 = 抗风险。绑定单一模型的 Agent 面临定价变动、服务中断、能力退化的风险。Hermes 可以随时切换到更强或更便宜的模型，真正做到"模型是可替换的，工作流是你的"。
3. RL 训练轨迹是隐藏杀手锏。大多数 Agent 的执行记录就这么丢掉了。Hermes 把每次执行都变成训练数据。如果你有自己的模型微调需求，这个数据飞轮的价值巨大。
4. OpenClaw 迁移降低切换成本。一行命令导入所有配置和 Skills，不用从头开始。这是挑战现有生态最务实的策略。
5. 多平台部署满足企业需求。通过 Telegram/Slack/Email 和团队沟通，通过 Docker/SSH/Modal 部署到任何基础设施——这是面向企业级使用场景的架构设计。
局限与风险
编程能力取决于底层模型。Hermes 本身不提供模型，编程表现完全取决于你选择的 LLM。用 Claude Opus 驱动和用开源小模型驱动，体验天差地别。
v0.7.0 仍是早期版本。780 个 open issues 说明稳定性仍有优化空间。
Skills 自进化的质量尚未经过大规模验证。自动创建的 Skills 是否真的比手动创建的更好，社区还在验证中。
生态体量远小于 Claude Code。agentskills.io 的 Skills Hub 规模与 ClawHub 的 3 万 Skills 相比仍有差距。
v0.7.0 仍是早期版本。780 个 open issues 说明稳定性仍有优化空间。
Skills 自进化的质量尚未经过大规模验证。自动创建的 Skills 是否真的比手动创建的更好，社区还在验证中。
生态体量远小于 Claude Code。agentskills.io 的 Skills Hub 规模与 ClawHub 的 3 万 Skills 相比仍有差距。
参考链接
[1] GitHub — nousresearch/hermes-agent
[2] 官方文档 — hermes-agent.nousresearch.com/docs
[3] Skills Hub — agentskills.io
[4] NousResearch — nousresearch.com
[2] 官方文档 — hermes-agent.nousresearch.com/docs
[3] Skills Hub — agentskills.io
[4] NousResearch — nousresearch.com