大多数 AI Agent 还是"读完即忘"的执行者——你问一句，它答一句，下次同样的问题它还得重新想一遍。
但 24.3 万星的 hermes-agent 走了一条不一样的路：把 Agent-Curated Memory、Autonomous Skill Creation、Skills Self-Improvement、FTS5 Session Search、Honcho User Modeling 五件套焊进运行时本身，再用一个多渠道网关把 6 个 IM 入口收进单一进程。
这套架构不是工程师写出来的，是 Agent 自己一边用一边改写出来的。
项目速览
| 字段 | 值 |
|---|---|
| 全名 | NousResearch/hermes-agent |
| 星数 | 243,514 ★ |
| Fork | 50,226 |
| 语言 | Python 3.11 + uv |
| 许可证 | MIT（商用友好） |
| 最近推送 | 2026-09-09（今日活跃） |
| 安装 | 一行命令，支持 Linux/macOS/Windows/WSL2/Termux/Android |
MIT + 6 平台覆盖 + 5 个内置学习组件，单凭这三件事，它就值得任何想自己搭 AI 工作台的人花 15 分钟读完这篇。
核心差异化：5 件套学习闭环
很多人把"学习闭环"和"长期记忆"混为一谈。hermes-agent 把这件事拆得更细：记忆、技能、检索、用户建模、自动化调度各司其职，每一层都能独立替换。
1. Agent-Curated Memory（Agent 自己管记忆）
普通 Agent 的记忆是被动写入：你说一句"我喜欢极简风格"，它存一行字符串，下次想起来再读。
hermes-agent 的记忆是 Agent 自己编排的——Agent 定期自驱持久化（self-driven persistence），决定哪些值得保留、哪些可以忘掉、哪些该合并成主题。这不是工程师写的定时任务，是 Agent 自己判断"现在该整理一下了"。
它解决的是记忆垃圾问题：聊了几千轮之后，原始对话塞满向量库，检索质量越来越差。Agent-Curated Memory 让 Agent 主动归档、归纳、丢弃。
2. Autonomous Skill Creation（自创建技能）
复杂任务跑完之后，Agent 自己把过程沉淀成可复用的 Skill。这件事和 obra/superpowers 那种"工程师写 Skill 文件、Agent 读"完全反过来——Skill 是 Agent 用出来的，不是人写出来的。
举个具体场景：你让 hermes-agent 帮你分析一批 Reddit 评论的情感倾向，第一次跑通了，Agent 会自动写一个 analyze-reddit-sentiment 的 Skill，下次遇到类似任务直接调用。这个 Skill 不是死的，每次用完都会改进。
3. Skills Self-Improvement（自改进 Skills）
这是整篇最值得关注的特性。Skill 不是"创建即定型"，而是在使用中持续自我改写。
机制上有三层：
- 调用结果反馈：Skill 跑完后，Agent 评估"这次跑得好不好"
- 失败模式归纳：反复失败的步骤会被标记为待改进
- 改写执行：Agent 直接修改 Skill 的代码或 prompt
效果是：使用频率越高的 Skill，质量越高。这和人脑"用进废退"的机制类似。
4. FTS5 Session Search（跨会话检索）
用的是 SQLite FTS5 全文检索引擎，加上 LLM 摘要驱动的索引策略。
直白说：不管你 3 个月前和 Agent 聊过什么主题，今天问一句"上次我们讨论过 xxx 吗"，Agent 能在毫秒级返回结果，并且带摘要。
为什么这个组件单独提？因为 SQLite FTS5 是单机引擎，不依赖向量数据库、Elasticsearch、Qdrant 之类的外部服务。一台 $5 的 VPS 就能跑起来。这也是 hermes-agent 标榜"$5 VPS 可运行"的底气之一。
5. Honcho User Modeling（用户建模）
Honcho 是 Plastic Labs 开源的用户建模库，用 dialectic（辩证法）方法建模——Agent 不只是记录你"喜欢什么"，而是建模"你是怎么思考的"。
这听起来玄，但落地很具体：
| 普通用户画像 | Honcho 建模 |
|---|---|
| 喜欢极简风格 | 决策路径：先排除法 → 再细节确认 → 才会接受推荐 |
| 对价格敏感 | 价值锚点：低于行业均价 60% 才触发购买意愿 |
| 内容运营者 | 工作流：周一选题 → 周三写稿 → 周五复盘，焦虑点在周三晚上 |
差别在于：前者是属性标签，后者是思维轨迹。后者对 Agent 调整输出策略更有用。
多渠道网关：单一进程管 6 个 IM 入口
hermes-agent 不是只跑在终端的 TUI 工具。它把 Telegram、Discord、Slack、WhatsApp、Signal、CLI 六种入口收进一个进程。
架构上的关键是：每个渠道都是独立模块，通过统一的内部消息总线接入核心 Agent。
实际体验是：你早上在 Telegram 给 Agent 发了一段任务描述，Agent 在云端 VM 上跑了 30 分钟，下午回到电脑前打开 CLI 直接接着昨天的进度继续。
这件事为什么值得提？因为大多数 AI Agent 工具的"多渠道"是分别部署多个实例——Telegram 一个、Discord 一个、Slack 一个，每个都有自己的记忆和上下文。hermes-agent 用单一进程避免了这种碎片化。
跨平台安装
| 平台 | 安装方式 |
|---|---|
| Linux / macOS | `curl -fsSL https://hermes-agent.nousresearch.com/install.sh \ |
| Windows | PowerShell 原生支持，捆绑 MinGit，无需管理员权限 |
| WSL2 | Linux 安装流程 |
| Termux / Android | 完整支持（移动端能跑） |
背后依赖 Python 3.11 + uv（Rust 写的 Python 包管理器，安装即捆绑）。Node.js、ripgrep、ffmpeg 也都是开箱即用。
这意味着你不被任何云平台绑架——不需要绑定 OpenAI、不需要订阅特定服务、不需要本地 GPU。
与同类项目对比
| 维度 | hermes-agent | OpenClaw | obra/superpowers | mattpocock/skills |
|---|---|---|---|---|
| 学习闭环 | 原生 5 件套 | 靠 Skills 手工维护 | Plan-Spec 流程驱动 | 工程师维护 |
| 多渠道 | 6 个 IM 全支持 | 飞书为主 | CLI | CLI |
| 自改进 | 技能自进化 | 手工优化 | 流程强制门 | 人工维护 |
| 运行门槛 | $5 VPS | 较强硬件 | CLI | CLI |
| License | MIT | AGPL | MIT | MIT |
注意 mattpocock/skills 是更早的工程技能库（27.5 万星），obra/superpowers 是 Chrome 工程总监的 Agent 技能框架（28.3 万星）——它们走的是"工程化 Skills"路线；hermes-agent 走的是"Agent 自己管 Skills"路线，哲学正好相反。
内容运营者能借鉴什么
这是写给 aiec.fun 读者的角度——我们大多数不是开发者，是内容运营者、AI 工具使用者、想把 AI 用到工作流里的人。
hermes-agent 的三层飞轮对内容运营的启发：
第一层：把"对话历史"升级为"主题档案"。你每周和 AI 讨论 30 个选题方向，3 个月后 AI 还记得哪条线索是你去年看过的——这就是 FTS5 Session Search 的价值。Notion AI、飞书智能伙伴目前的跨会话检索都还做不到这个颗粒度。
第二层：让 AI 自己维护 SOP。你让 AI 写过一次小红书爆款流程，下次 AI 应该能自动把"调性匹配度检查"+"关键词密度校验"+"首段钩子三选一"沉淀成 SOP，下次用直接调用——这就是 Autonomous Skill Creation 的价值。
第三层：建模你自己，不是建模你的偏好。"我周二下午效率最高"、"我对 AI 套壳产品天然警觉"、"我的读者画像是 30-40 岁宝妈"——这些不是偏好标签，是思维轨迹。AI 知道你"怎么想"，才能输出真正适配的内容。
什么时候你不需要它
反面场景，诚实列出：
- 你只是想用 ChatGPT / Claude 网页版，没必要装 hermes-agent
- 你不打算写代码、读 prompt、看 Agent 自创建的 Skill 文件，那学习闭环对你是个黑盒
- 你的内容产出节奏是"每月 1 篇"，记忆系统不是瓶颈
- 你团队习惯用飞书自带 AI、不想引入新工具
hermes-agent 是给"把 AI 当工作伙伴、愿意花一周磨合"的人准备的，不是给"用 AI 当搜索工具"的人准备的。
它值不值得装
老实说，结论分两半：
值得装，如果你是：
- 自媒体 / 博主，想让 AI 帮你长期沉淀选题库和写作 SOP
- 独立开发者，把 AI 当协作者而不是工具
- 内容运营负责人，想给团队搭一套"会自我改进"的 AI 工作台
先观望，如果你是：
- 偶尔用 AI 写写邮件的人
- 习惯 ChatGPT 单一窗口、懒得折腾命令行的人
- 没有跨会话、跨设备工作需求的人
MIT 许可证、$5 VPS 跑得动、Python 源码开放、24.3 万星验证了社区活跃度——这些是它的下限保障。但学习闭环的最大收益来自长期使用，前两周你可能感觉"和普通 Agent 没什么区别"。给它一个月，让 Skills 自创建、自改进跑几个循环，再来评判。
工具不值钱，把工具用成"越来越懂你的同事"才是 hermes-agent 真正的卖点。