项目概览
Hermes Agent 是由 Nous Research 团队开发的开源 AI Agent 框架，GitHub 星标超过 90,000。其核心定位不是简单的“大模型套壳聊天工具”，而是具备持续记忆、自动技能提取和跨会话成长能力的自我进化型 Agent。传统 AI Agent 每次会话后所学技能、积累经验和对用户的理解全部归零，而 Hermes Agent 引入持久化记忆系统、技能自动发现与注册机制以及三层记忆架构，使能力持续增长。框架采用“最小核心 + 最大扩展”原则，核心 Agent Loop 精简，工具、技能、记忆、提示等能力通过注册机制动态注入。记忆系统分为 MemoryStore、MemoryManager 和 MemoryProvider 三层，支持跨会话检索和上下文压缩。技能系统从实际使用中自动提取重复模式，并采用渐进式加载策略。工具体系覆盖浏览器、代码执行、语音等场景，并内置多后端架构。此外，Prompt Builder 模块化组装系统提示，内置注入守卫；Auxiliary Client 管理多模型路由与自动降级。整体生态包含 80+ 衍生项目，形成“Agent 构建生态，生态增强 Agent”的正向飞轮。
解决什么问题
传统 AI Agent 的运作模式像一个“失忆的实习生”——每次会话结束后，它所学到的技能、积累的经验、对用户的理解全部归零。Hermes Agent 引入持久化记忆系统、技能自动发现与注册机制以及三层记忆架构，让 Agent 的能力像滚雪球一样持续增长。其核心定位不是简单的“大模型套壳聊天工具”，而是具备持续记忆、自动技能提取和跨会话成长能力的自我进化型 Agent。
工作方式
架构遵循“最小核心 + 最大扩展”原则，核心 Agent Loop 精简，负责消息处理、工具调度和结果聚合；工具、技能、记忆、提示等能力通过注册机制动态注入。记忆系统采用三层架构：MemoryStore 管理会话上下文，MemoryManager 负责记忆写入、检索、排序、淘汰和压缩，MemoryProvider 提供 SQLite + FTS5、文件系统存储和冻结快照模式。技能系统从实际使用中自动提取重复模式，采用渐进式加载策略，按需发现和加载技能。工具体系通过工具集系统组织，递归解析平台和通用工具集，内置 14+ 个平台工具集。Prompt Builder 模块化组装系统提示，内置注入守卫和技能缓存。Auxiliary Client 管理多模型提供商的路由、降级和负载均衡。
核心能力
- 三层记忆架构，支持跨会话上下文保持
- 技能自动发现与提取，从使用中结晶化经验
- 渐进式加载，避免提示词膨胀
- 多后端浏览器工具（Playwright、Puppeteer、Selenium）
- 代码执行沙箱，隔离宿主系统
- 语音模式，支持多 STT/TTS 提供商
- 模块化提示构建，内置注入守卫
- 多模型路由与自动降级
- 上下文压缩（Context Compressor v3）
- 异步桥接，支持并发工具执行
使用前需要了解
- AI 整理 · 本地测试，未经人工复核；依据历史报告节选，不代表当前产品状态。
- 报告未说明具体的使用边界、限制条件或适用场景。未提及系统要求、依赖环境、性能指标或安全限制。未说明支持的平台范围（macOS、Linux、Windows 等）的具体细节。未提及许可证类型（报告提到 MIT，但未详细说明）。未说明社区支持、文档资源或商业使用条款。未提及已知问题、故障排除或维护要求。未说明与其他系统的集成方式或扩展开发指南。未提及数据隐私、合规性或安全认证。未说明版本更新策略或长期支持承诺。
