Hermes Agent 从入门到精通橙皮书-花叔

橙 ⽪ 书Hermes Agent从入门到精通第一个出厂就带缰绳的 AI AgentNous Research 开源框架实战指南The Agent That Grows With You关键词：自改进Agent · 跨会话记忆 · Skill系统 · MCP · 多平台适合读者：想搭建个人AI Agent的开发者和AI爱好者版本：v260407花叔公众号「花叔」· B站「AI进化论-花生」本手册基于 Hermes Agent v0.7.0 编写。AI 工具迭代迅速，部分内容可能随版本更新而变化，请以官方文档为准。目录CONTENTSPart 1: 概念§01不是又一个Agent：从Harness到Hermes§02Hermes Agent全景：60秒看懂Part 2: 核心机制§03学习循环：Agent自己给自己造缰绳§04三层记忆：从金鱼到老友§05Skill系统：会自我进化的能力§0640+工具与MCP：连接一切Part 3: 动手搭建§07安装与配置：三种方式§08第一次对话：让Hermes认识你§09多平台接入：在哪都能找到它§10自定义Skill：教Hermes新技能§11MCP集成：连接你的工具栈Part 4: 实战场景§12个人知识助手：跨会话记忆的威力§13开发自动化：代码审查到部署§14内容创作：从调研到成稿§15多Agent编排：让三匹马同时跑Part 5: 深度思考§16Hermes vs OpenClaw vs Claude Code：不是选择题§17自改进Agent的边界：它能走多远§01 不是又一个Agent：从Harness到HermesNot Another Agent: From Harness to HermesOpenClaw热潮还没散，Hermes Agent就来了。它不是「又一个Agent工具」，而是Harness Engineering概念的第一次产品化。又来一个？我理解你的疲惫。OpenClaw在2025年底掀起了龙虾热。2600万用户，国内大厂纷纷跟进做自己的龙虾类产品。那段时间你的朋友圈大概率被「我养了一只虾」刷过屏。龙虾热还没完全散去，又有一个新东西冒出来了。2026年2月，Nous Research发布了Hermes Agent。两个月不到，GitHub stars飙到27000+。你的第一反应可能是：龙虾我还没搞明白，又来？我花了一周时间把Hermes从头到尾拆了一遍，发现它和OpenClaw走的是完全不同的路。Hermes不是又一个龙虾，它在做一件我们一直在讨论但没人做成产品的事。Harness Engineering是什么如果你读过上一本橙皮书《Harness Engineering》，这部分可以跳过。没读过的话，30秒讲清楚。2026年初，AI编程圈出现了一个共识：瓶颈不是模型，是环境。LangChain团队做了一个实验，用同一个模型（GPT-5.2-Codex），只调整周围的「缰绳」配置，成绩从52.8%涨到66.5%，排名从Top 30跳到Top 5。模型一行没改。Mitchell Hashimoto（Terraform的创造者）第一个给这件事命名：Harness Engineering。他的做法很朴素，每次AI犯错，就加一条规则，让它永远不再犯同一个错。文件是活的，一直在长。我在那本书里把Harness拆成了五个组件。这五个组件，是理解Hermes的钥匙。五组件映射Harness Engineering讲的是方法论，是「你应该给AI造什么样的缰绳」。但方法论有一个问题：执行全靠人。你得自己写CLAUDE.md，自己配hooks，自己搭记忆系统，自己设计工作流。Hermes做的事情是：把这五个组件全部内建了。Harness五组件手动实现方式Hermes内建系统指令层手写CLAUDE.md / AGENTS.mdSkill系统（markdown skill文件，自动创建+自改进）约束层配置hooks / linter / CITool permissions + sandbox + toolset按需启用反馈层人工审查 / 评估者Agent自改进学习循环（完成任务后自动复盘优化）记忆层手动维护knowledge base三层记忆（会话/持久/Skill）+ Honcho用户建模编排层自己搭多Agent pipeline子Agent委派 + cron调度看左列和右列的对比。左边全是手动操作，你得是一个有经验的工程师才能搭出来。右边是开箱即用，装完就有。这就是Hermes和OpenClaw的本质区别。OpenClaw给你一套配置即行为的系统，你写SOUL.md，它变成你想要的样子。它的记忆系统功能完善（Daily Logs + MEMORY.md + 语义搜索），Skill生态庞大，但主要靠人工编写和维护。Hermes把这五个维度全部内建了，而且让它们自动运转。概念连接：如果你用过Claude Code的CLAUDE.md + hooks + memory，你已经在手动实现Harness了。Hermes做的事情是把这套手动流程变成了一个自动运行的系统。从「你给AI造缰绳」变成「AI自己给自己造缰绳」。Nous Research为什么做这件事做Hermes Agent的不是大公司，是一个开源AI研究实验室。Nous Research在AI圈被形容为「开源社区中的神秘力量」。核心人物Teknium主导微调和数据集策划，早期靠RedmondAI提供算力支持，团队规模一直不大。但他们做出来的Hermes模型家族（从8B到Hermes 4的14B/70B/405B），纯靠后训练就达到了前沿水平。不需要从头预训练，不需要巨额算力预算。这个理念延续到了Hermes Agent上：用开源工具+任意LLM API，个人也能部署媲美商业方案的AI Agent。MIT许可证，完全开源。他们的核心原则挺鲜明的。用户控制优先，模型是可控的（steerable），你可以按需调整行为，不受企业内容策略限制。审查这事儿他们明确不做，声明模型是「unencumbered by censorship, neutrally aligned」。同时在创造力和数学、编码、推理性能上都不妥协。这些原则决定了Hermes Agent的设计取向：不是替你做决定，而是你设规则、它学规则、然后越做越好。控制权始终在用户手里，执行的复杂度由系统承担。不是替代，是递进有一个常见的误解：Hermes要取代Claude Code或OpenClaw。其实不是，这三个工具解决的是不同层面的问题。Claude Code做交互式编码。你坐在终端前，和它来回对话，实时协作。它是你的结对工程师。OpenClaw做配置即行为。你写一个SOUL.md，它就变成你想要的样子。配置透明，生态成熟，ClawHub有44000+社区Skill。Hermes做自主后台+自改进。你不需要坐在它旁边。它自己跑，自己学，自己进化。24/7在线，通过Telegram或Discord随时可达。一个有意思的点是，这三个工具都采用agentskills.io标准，Skill可以互通。你在Claude Code里写的Skill