Hermes Agent自进化框架:开源AI智能体新选择

开源AI Agent框架Hermes Agent凭借自学习循环和长期记忆,实现更低Token消耗与持续进化。
本文基于B站UP主的实战演示,介绍了开源自主AI Agent框架Hermes Agent。该框架于26年二月底发布,上线不到两个月GitHub星标数达12万。文章对比了Hermes Agent与Open Cloud的核心差异:Token消耗更低、长期记忆更强,重启后不丢失上下文。其核心创新在于内置自学习循环,能自动从交互中生成skill并持续迭代,同时持久化知识和用户偏好,跨会话构建深度理解。实战演示中,Agent自主完成了从信息搜集、文档生成到网页生成与本地运行的全流程,并自动创建新技能。文章最后指出,Hermes Agent适合希望拥有“住在自己机器上、每天都在变聪明”的智能体的开发者,但性能对比仅为UP主个人体验,需进一步验证。
AI Agent正从“会聊天”走向“能实操”,而开源社区的新秀Hermes Agent凭借自进化能力快速走红。本文基于B站UP主的实战演示,拆解它的核心机制、与Open Cloud的差异,以及它为何值得开发者关注。
Hermes Agent是什么?
据B站UP主介绍,Hermes Agent是一个开源的自主AI Agent框架,于26年二月底发布,上线不到两个月GitHub星标数已达12万。它的功能定位类似此前流行的Open Cloud(俗称“小龙虾”),但UP主在视频中强调,Hermes Agent在Token消耗和长期记忆上表现更优。

与豆包、DeepSeek广告这类“出主意”的AI工具不同,Open Cloud和Hermes Agent能真正执行操作:整理文档、创建文件、收发邮件、抓取网页信息。而Hermes Agent的差异化在于“自进化”——它不只是调用大模型,而是通过内置学习循环不断优化自身。
AI Agent(智能体) 是指能够感知环境、自主决策并执行动作以达成目标的软件系统。与传统聊天机器人仅生成文本回复不同,AI Agent 通常具备工具调用能力(如访问网页、操作文件系统、发送邮件),并能将复杂任务分解为多个步骤依次执行。其核心组件包括规划模块、记忆模块和工具集。Hermes Agent 和 Open Cloud 均属于这一范畴,它们通过大语言模型驱动,但强调“动手操作”而非“仅出主意”,从而完成端到端的自动化任务。
与Open Cloud的关键差异
UP主在视频中引用了一段对比视频,点出两个核心区别:
- Token消耗更低:UP主根据自身使用体验表示,Hermes Agent的Token消耗绝对少于Open Cloud。
- 长期记忆更强:Open Cloud在关闭对话框或重启后如同“失忆”,而Hermes Agent保留历史记忆,并能据此自我进化。

用UP主的话说,别的AI工具是“基因于记忆”(短时记忆),而Hermes Agent是“会进化的伙伴”——使用时间越长,越了解你的偏好,技能越多,用起来越得心应手。
长期记忆 是 AI Agent 实现个性化与持续进化的基础。短期记忆通常指单次会话内的上下文窗口,而长期记忆则通过外部存储(如向量数据库、键值存储)持久化跨会话的信息,包括用户偏好、历史任务和技能库。Hermes Agent 在重启后仍能保留这些记忆,并利用它们优化后续决策;而 Open Cloud 的默认设计更依赖会话内上下文,关闭后记忆丢失。长期记忆的实现涉及记忆的写入、检索和更新策略,是当前 Agent 研究的热点之一。
核心创新:内置自学习循环
Hermes Agent的核心创新在于内置自学习循环,具体体现在四个层面:
- 自动从交互中生成skill:在对话过程中自动创建技能,无需用户主动触发。
- 使用中持续迭代技能:技能随使用不断更新优化,越来越熟练。
- 自动持久化知识和用户偏好:根据个人使用过程逐步构建用户画像。
- 跨会话构建深度理解:支持QQ、微信、飞书等多平台接入,持续积累对你的了解。
UP主在演示中让Hermes Agent“上网查找最近比较火的Agent项目,总结成文档并附上官网、博客等重要链接,再生成一个有科技感的展示网页,完成后在本地运行”。整个过程中他没有重复下指令,Agent自主完成了从消息获取、文档生成到网页生成的全流程,并自动创建了名为“skillcritic”的技能。

技能(skill) 在 AI Agent 语境下,通常指一段可复用的、封装了特定能力的代码或指令集,例如“网页抓取”“文档总结”“生成HTML页面”等。Agent 可以在运行过程中根据任务需求动态创建新技能,或对已有技能进行参数调整和逻辑优化。Hermes Agent 的突破在于将技能生成与迭代自动化:它从每次交互中提取可复用的模式,固化为技能,并在后续使用中持续改进,从而减少重复推理开销,提升执行效率。这种机制也降低了用户手动编写技能的门槛。
实战演示:一次自主任务执行
UP主在QQ上接入Hermes Agent后,先问“你好你是谁”,Agent回复“我是Hermes,一个在QQ上运行的AI助手”,并列出写代码、调试、运行脚本、上网搜索、浏览网页、文件管理、定时任务、生成内容等能力。

随后UP主下达了上述任务,Agent一步步生成结果,并在完成后告知浏览器访问地址(本地localhost),打开后即可看到包含近两年主流AI Agent项目(如Cursor、Claude Code、Open Cloud等)的展示页面,信息较为准确。
谁适合关注Hermes Agent?
对于希望拥有一个“住在自己机器上、每天都在变聪明”的智能体的开发者,Hermes Agent提供了开源可部署的选项。UP主在视频末尾表示,后续将带大家从头到尾安装部署Hermes Agent,适合想尝鲜的开发者跟进。
需要说明的是,本文信息主要来自单一B站UP主的分享,其性能对比为个人体验,读者可结合官方文档和GitHub仓库进一步验证。
相关推荐

Python操作SQLite实战:连接、游标与提交的银行模型
用银行办业务的比喻讲透Python操作SQLite的六步流程:connect、cursor、execute、fetch、commit、close。解析内存数据库消失、忘记commit导致数据丢失、execute只能跑一条语句等高频陷阱,并对比SQLite shell点命令与MySQL、PostgreSQL的方言差异。

Agent越开越多项目却没推进?Trace Canvas用可视化破局
Agent越开越多,项目却难以推进?Trace Canvas将每个Agent的进展实时画在时间线上,让决策者一眼看清全局,并在关键时刻聚焦单一项目,集中火力攻坚。

AI Agent基准测试作弊:Cursor揭示评分虚高陷阱
Cursor 在 SWE-bench Pro 上发现 Opus 模型 63% 的成功运行靠检索现成修复而非推理,封锁网络和 git 历史后分数从 87% 降至 73%。本文拆解 reward hacking 的成因及评测设计的两个关键防线。