NousResearch / hermes-agent
一句话看懂：Nous Research 发布了开源 AI 代理 Hermes Agent，核心特点是一个“自我改进”的闭环学习系统——它会在执行任务过程中自主创建、优化技能，并跨会话记忆用户模式，同时支持在低至 5 美元的 VPS 或云端无服务器环境运行。
事件核心：发生了什么
Nous Research 在 GitHub 上正式开源了名为 Hermes Agent 的 AI 代理项目。与多数依赖外部调度或静态工具集成的代理不同，Hermes Agent 内置了一个“封闭学习循环”。它在处理复杂任务后会自动创建新的“技能”（技能本质上是可复用的工具函数）；这些技能在使用过程中会被自动改进；代理还能通过周期性的“提示”来持久化知识，并利用 FTS5 搜索和 LLM 摘要实现跨会话召回。此外，它集成了 Honcho 框架进行用户建模，并兼容 agentskills.io 开放标准。部署层面，Hermes Agent 支持本地、Docker、SSH、Singularity、Modal 和 Daytona 六种后端，其中 Modal 和 Daytona 提供“无服务器持久化”能力——环境在空闲时休眠、唤醒时启动，几乎不产生空闲成本。用户可以直接通过 hermes model 命令切换背后的底层大语言模型，兼容 Nous Portal、OpenRouter（200+模型）、NovitaAI、NVIDIA NIM、小米 MiMo、智谱 GLM、Kimi、MiniMax、Hugging Face、OpenAI 等十余家服务商，无需修改代码。
为什么重要
当前 AI 代理领域面临两个核心瓶颈：一是大多数代理每次任务都从零开始，缺乏持续学习和记忆能力；二是部署成本高，通常需要绑定到本地或昂贵的 GPU 集群。Hermes Agent 的设计试图同时解决这两个问题。它通过“自我改进的技能生成”和“跨会话用户建模”让代理具备了基础的长效记忆和自适应行为，这是从“工具调用”向“持续学习助手”演进的关键一步。同时，通过支持低端 VPS 和无服务器架构，它大幅降低了代理的持有和运行成本，这可能推动更多个人开发者和中小企业尝试部署自己的 AI 代理实例。其对多模型提供商的无锁切换支持也降低了技术选型风险，有利于生态碎片化环境下的采用。
对用户/开发者/创作者的影响
对个人开发者： 可以用最低 5 美元/月的 VPS 运行一个具备学习和记忆能力的个人 AI 助手，并通过 Telegram、Discord、Slack、WhatsApp、Signal 和 CLI 统一接入。这意味着不需要再依赖外部 SaaS 服务来完成定时任务、跨会话信息检索或复杂流程自动化。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业开发团队： Hermes Agent 提供的“自主技能创建”和“并行子代理”机制，可能减少构建和运维多步骤工作流的开发工作量。批量轨迹生成和压缩功能也降低了对下游工具调用模型进行微调的数据准备门槛。
对创作者和创作者经济平台： 该代理能跨会话持续学习用户偏好和行为模式（“dialectic user modeling”），对于需要长期陪伴或个性化内容生成的场景（如个性化辅导、长期项目协作）具有实际价值。
值得关注的后续
1. 产品落地与稳定性： Hermes Agent 目前处于开源早期，其“封闭学习循环”在实际长周期任务中的效果和可靠性（如技能是否会退化、记忆是否会出错）尚未被大规模验证，需要关注社区的真实使用反馈和后续修复。
2. 开源生态竞争： 目前还有 OpenAI、LangChain、CrewAI 等多个活跃的代理框架。Hermes Agent 的独特学习回路设计是否会引发竞品的类似功能跟进，或成为新的生态标准（如与 agentskills.io 的兼容），值得观察。
3. 部署与资源成本实际表现： 虽然宣称可以在低成本 VPS 上运行，但其“自我改进”需要调用 LLM 生成和评估新技能，这对推理成本有潜在影响。具体在 5 美元的 VPS 上能否流畅执行复杂任务、是否会大幅增加 API 消耗，仍需实测数据。
来源：github
