适合国内环境的完整安装指南,附踩坑记录和抄袭争议梳理。
前言
最近 AI Agent 圈有个项目挺火的——Hermes Agent,硅谷 Nous Research 团队做的,GitHub 上线一个多月就冲到了 9 万 Star。
它最大的特点是"自进化":不是那种每次开聊都得重新交代背景的 Agent,而是会自动总结经验、创建技能,用得越多越顺手。三层记忆系统,跨会话还记得你。
不过前两天出了个瓜——4 月 15 号,中国团队 EvoMap 发长文说 Hermes 的"自进化"核心架构抄了他们的 Evolver,10 步主循环一一对应、12 组术语系统性替换、7 份公开材料零引用。Nous Research 的回应是"Delete your account",挺无语的。
争议归争议,工具本身确实好用,MIT 协议完全开源。下面教你怎么从零把它跑起来。
一、先确认你的环境
| 项目 | 要求 |
|---|---|
| 操作系统 | Linux / macOS / WSL2(不支持 Windows 原生) |
| Python | 3.10+,推荐 3.11 |
| 内存 | 4GB+(本地跑模型要 16GB+) |
| 网络 | 需要访问 GitHub(国内有办法绕) |
| 模型 API Key | 至少一个,DeepSeek、OpenRouter、OpenAI 都行 |
Windows 用户看过来:Hermes 不支持 Windows 原生,得先装 WSL2,推荐 Ubuntu 22.04。WSL2 安装教程网上很多,搜一下就行,这里不展开了。
二、两种安装方式
方式 A:一键安装
网络通的话,一行命令就完事:
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
脚本会自动装好这些依赖:
| 依赖 | 干嘛用的 |
|---|---|
| Python 3.11 | 运行环境 |
| Node.js v22 | 前端工具链 |
| uv | Python 包管理 |
| ripgrep | 文件内容搜索 |
| ffmpeg | 音视频处理 |
装完刷新环境变量:
source ~/.bashrc
# 用 zsh 的话
source ~/.zshrc
然后跑一下诊断:
hermes doctor
全部打勾就说明没问题了。
方式 B:手动安装
国内直连 GitHub 动不动就超时,这时候得手动来,一步步搞。参考大海资源网的方案:
第 1 步,更新系统包
sudo apt update
第 2 步,装 Python 和编译工具
sudo apt install python3-pip python3-venv python3-full build-essential git -y
第 3 步,装必备工具
sudo apt install ripgrep ffmpeg -y
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
sudo apt install -y nodejs
第 4 步,改 GitHub Host
echo "20.205.243.166 github.com" | sudo tee -a /etc/hosts
注意这个 IP 不一定一直能用,去站长工具(ping.chinaz.com)查最新的替换。实在不行的话……你懂的,准备个梯子最省心。
第 5 步,克隆仓库
git clone https://github.com/NousResearch/hermes-agent.git ~/.hermes/hermes-agent
cd ~/.hermes/hermes-agent
第 6 步,初始化子模块
git submodule update --init --recursive
第 7 步,装 uv
curl -LsSf https://astral.sh/uv/install.sh | sh
source $HOME/.local/bin/env
第 8 步,建虚拟环境
uv venv --python 3.11
source .venv/bin/activate
第 9 步,安装 Hermes
uv pip install -e . --index-url https://pypi.tuna.tsinghua.edu.cn/simple
这里加了 --index-url 指定清华源,国内下载快很多。
三、配置
3.1 一键配置向导
hermes setup
跟着提示一步步走就行,它会帮你选模型、开工具、配网关。
3.2 选模型
hermes model
支持的提供商挺多的:
| 提供商 | 说明 | 推荐指数 |
|---|---|---|
| Nous Portal | 官方模型,原生函数调用 | 一般 |
| OpenRouter | 200+ 模型随便选 | 高 |
| OpenAI | GPT-4o 系列 | 高 |
| DeepSeek | 国内可用,便宜 | 国内首选 |
| Kimi | 国内可用,长上下文 | 中等 |
国内用户建议直接用 DeepSeek。在 hermes model 里选 More providers → Custom endpoint,然后填这些:
- Base URL:
https://api.deepseek.com/v1 - API Key:去 DeepSeek 官网申请一个
- Model:
deepseek-chat
3.3 配工具
hermes tools
文件操作、Shell 执行、网络请求、浏览器控制之类的,按需开就行。
3.4 消息网关(可选)
hermes gateway setup
可以接 6 个平台,接上之后手机上就能跟 AI 聊天了:
| 平台 | 怎么接 |
|---|---|
| Telegram | @BotFather 创建 Bot Token |
| Discord | 创建 Discord Bot |
| Slack | Slack App 接入 |
| WhatsApp Business API | |
| Signal | Signal 消息网关 |
| CLI | 命令行,默认就是这个 |
3.5 环境变量
如果你更习惯直接改配置文件,编辑 ~/.hermes/.env:
# API Key 填一个就行
OPENROUTER_API_KEY=sk-xxx
# 或者
OPENAI_API_KEY=sk-xxx
# 或者
DEEPSEEK_API_KEY=sk-xxx
# 需要代理的话
HTTPS_PROXY=http://127.0.0.1:7890
四、启动
hermes
看到欢迎界面就 OK 了,直接打字聊就行。
几个有用的命令:
hermes config check # 检查配置完不完整
hermes doctor # 跑诊断,出问题了先跑这个
hermes gateway install # 装成 systemd 服务,后台 24 小时跑
五、核心功能
三层记忆
| 层级 | 干嘛的 | 怎么理解 |
|---|---|---|
| 会话记忆 | 当前对话上下文 | 就像你的短期记忆 |
| 持久记忆 | 跨会话的偏好和项目信息 | 长期记忆 |
| 技能记忆 | 自动总结的解决方案 | 用多了形成的"肌肉记忆" |
自进化
这是它跟其他 Agent 最大的区别。用大白话说就是:做完一个任务之后,它会自己总结经验,下次遇到类似的直接用之前的套路。相当于你带了个会记笔记、会复盘的实习生。
用户下任务 → Agent 执行 → 做完了自动提取经验 → 存成 Skill
→ 下次类似任务直接调用 Skill → Skill 还会在使用中优化
内置工具
40 多个内置工具,文件操作、Shell、网络请求、浏览器控制、代码编辑基本都覆盖了。还支持 MCP 扩展。
定时任务
可以用自然语言设定时任务,比如:
hermes schedule "每天早上 8 点,汇总我的邮件并发送到 Telegram"
hermes schedule list # 查看已配的任务
RL 训练数据导出
每次执行任务的完整轨迹都会被记录,可以导出来微调模型:
hermes export --format sharegpt --output training_data.json
用得越久,积累的数据越多,以后微调出来的模型就越好用。
六、6 种部署后端
| 后端 | 什么场景用 | 怎么配 |
|---|---|---|
| local | 本地调试 | 默认,不用配 |
| docker | 隔离沙箱,生产推荐 | hermes config set backend docker |
| ssh | 远程服务器 | 配 SSH 密钥 |
| daytona | 无服务器持久化 | 5 美元/月的 VPS 就能跑 |
| modal | 云端函数 | 需要 Modal 账号 |
| singularity | HPC 集群 | 需要 Singularity 环境 |
省钱方案:Daytona 后端 + DeepSeek API,一个月几块钱。
七、Docker 部署
不想折腾环境的话,Docker 最省事:
docker pull nousresearch/hermes-agent:latest
docker run -it \
-v ~/.hermes:/root/.hermes \
-e OPENAI_API_KEY=your_key_here \
nousresearch/hermes-agent:latest
docker-compose 也行:
version: "3.9"
services:
hermes:
image: nousresearch/hermes-agent:latest
volumes:
- ~/.hermes:/root/.hermes
environment:
- DEEPSEEK_API_KEY=${DEEPSEEK_API_KEY}
stdin_open: true
tty: true
restart: unless-stopped
八、从 OpenClaw 迁移
之前用 OpenClaw 的话,一行命令迁移:
hermes claw migrate
SOUL.md、记忆、技能、API Key 都会搬过来。
九、踩坑记录
下面这些坑我自己和社区的人都踩过,提前说一声。
坑 1:hermes: command not found
最常见的报错,环境变量没刷新:
source ~/.bashrc
还不行的话检查 PATH:
echo $PATH | grep -o '/usr/local/bin'
坑 2:小模型效果很差
别用 7B 这种小模型,多步骤任务到第三步就开始胡说八道。底层模型决定了上限,至少 70B 级别的,或者直接上 Claude Opus / GPT-4o。
坑 3:记忆检索偶尔不准
持久记忆用的是 FTS5 全文搜索,语义理解能力有限,有时候会召回不相关的内容。可以手动清理:
hermes memory list
hermes memory search "关键词"
hermes memory delete <id>
坑 4:GitHub 克隆超时
国内老问题,三种解法:改 Host(手动安装第 4 步)、用 Gitee 镜像、或者挂梯子。
坑 5:Python 版本不对
Hermes 要 Python 3.11,系统上有多个版本的话:
uv python install 3.11
uv venv .venv --python 3.11
坑 6:子模块缺失
克隆的时候忘了加 --recurse-submodules:
cd ~/.hermes/hermes-agent
git submodule update --init --recursive
坑 7:更新后配置报错
hermes config check
hermes config migrate
坑 8:Telegram 网关连不上
.env 里加代理:
HTTPS_PROXY=http://127.0.0.1:7890
十、抄袭争议梳理
教程部分写完了,最近这个瓜挺值得聊的。
4 月 15 号,中国团队 EvoMap 发了一篇技术对比报告。他们做了一个叫 Evolver 的 AI Agent 自进化引擎,2 月 1 号就开源了。结果发现 3 月 9 号才创建自进化仓库的 Hermes Agent,核心架构跟 Evolver 高度雷同。
具体证据有三条:
| 证据 | 说了什么 |
|---|---|
| 10 步主循环完全对应 | 两个项目分别用 Python 和 Node.js 写的,但 10 步编排从头到尾一一对应 |
| 12 组术语系统性替换 | 逻辑骨架一模一样,就是变量名全换了 |
| 7 份公开材料零引用 | 引用了斯坦福、伯克利的东西,对最相似的 Evolver 连提都没提 |
时间线上,Evolver 2 月 1 号公开,Hermes 的自进化仓库 3 月 9 号才创建,晚了 36 天。Hermes 主仓库确实是 2025 年 7 月建的,但在 Evolver 公开之前一直是私有仓库,所有架构同构证据都集中在自进化模块。
Nous Research 的官方回应:"我们仓库 2025 年 7 月就有了。我们是先驱。Delete your account。"
没有任何技术层面的正面回应,直接让人删号。
EvoMap 团队已经把 Evolver 核心模块改成混淆发布了,协议也从 MIT 换成了 GPL-3.0。
这事儿其实暴露了一个更大的问题:传统开源协议(MIT、Apache、GPL)是给人设计的,防的是手动复制代码。但现在 AI 可以不抄一行原文,只复刻核心架构,产出一个跟原项目"毫无重合"的"全新"项目,传统的版权界定方式根本管不了。
十一、同类产品对比
| 维度 | Hermes Agent | OpenClaw | AutoGPT | CrewAI |
|---|---|---|---|---|
| Stars | 9 万+ | 35 万+ | ~17 万 | ~3 万 |
| 协议 | MIT | 部分开源 | MIT | MIT |
| 自进化 Skills | 自动创建+优化 | 手动 | 没有 | 没有 |
| 跨会话记忆 | 有 | 有限 | 没有 | 没有 |
| 模型选择 | 200+ | 仅 OpenAI | 多模型 | 多模型 |
| 消息平台 | 6 种 | CLI | 没有 | 没有 |
| 执行环境 | 6 种 | 本地 | 本地 | 本地 |
| RL 数据导出 | 有 | 没有 | 没有 | 没有 |
十二、可选功能包
有些功能需要额外装:
# 语音
pip install "hermes-agent[voice]"
# 消息平台
pip install "hermes-agent[messaging]"
# 浏览器自动化
pip install "hermes-agent[browser]"
# 图片生成
pip install "hermes-agent[image]"
# 向量数据库,增强记忆检索
pip install "hermes-agent[vector]"
# 全装上
pip install "hermes-agent[all]"
最后说两句
Hermes Agent 功能设计确实不错,三层记忆 + 自进化 + 多平台网关,是目前为数不多真正能"越用越好用"的 Agent。抄袭争议给它抹了一笔黑,但作为开源工具,该用还是能用。
适合这些朋友:
- 在意数据隐私、想本地部署的
- 有模型微调需求、需要积累训练数据的
- 想要一个能长期记住你的 AI 助手的
- 纯粹好奇想折腾一下的
这些情况就算了:
- 不想碰命令行的
- 想要开箱即用图形界面的
- 完全没有 API 预算的