
Nous Research 正式發布開源 AI Agent 框架 Hermes Agent,直接對標 OpenClaw,官方同步提供完整的 OpenClaw 記憶與技能遷移工具。Hermes Agent 具備基於 SQLite 的長期記憶機制、「封閉式學習循環(Closed Learning Loop)」自我進化架構。
Hermes Agent 的技術核心:持續存在的代理與自我進化架構
傳統聊天機器人採問答式設計,每次對話結束即清除上下文。Hermes Agent 的定位根本不同——它是一個「持續存在的代理系統」,長期運行於使用者環境中,透過 SQLite + FTS5 全文檢索的記憶機制跨會話保留資訊,使代理無需每次從零開始重建上下文。
Hermes Agent 的核心差異在於封閉式學習循環:每次任務完成後,系統會自動整理執行流程並生成可重用技能(Skills)檔案,在後續類似情境中直接調用,逐步形成對使用者行為與偏好的深度理解。模型供應商方面,支援 OpenAI、Anthropic、OpenRouter、Ollama,以及所有相容 OpenAI API 格式的自訂端點(Custom Endpoint),包括 vLLM 與 SGLang,後者對需要本地部署模型的開發者尤其實用。
9 步驟完成安裝:從環境配置到進階工具串接
Hermes Agent 的安裝流程以官方 Quickstart 為主軸,九個步驟涵蓋環境配置、模型選擇、平台串接與工具擴展:
步驟一:安裝基礎環境:執行官方 curl 安裝指令,完成後重新載入 Shell 路徑(source ~/.bashrc 或 ~/.zshrc)
步驟二:設定模型供應商:以 hermes model 指令選擇 LLM 供應商,支援 Nous Portal、OpenAI、Anthropic、OpenRouter,或透過 Custom Endpoint 接入本地模型
步驟三:啟動 CLI 對話:執行 hermes 進入代理介面,系統自動載入 Web 搜索、檔案操作與終端機指令等工具
步驟四:測試核心執行能力:透過自然語言觸發終端指令(如查詢磁碟用量),驗證工具執行能力;以 hermes -c 恢復上一次對話上下文
步驟五:串接訊息平台:執行 hermes gateway setup,完成 Telegram、Discord、Slack、WhatsApp 等平台的互動式設定
步驟六:啟用語音模式:安裝 voice 套件後以 /voice on 開啟,支援麥克風輸入及 TTS 語音輸出,可延伸至 Discord 語音頻道
步驟七:安裝 Skills 與排程自動化:以 hermes skills install 安裝功能模組;以自然語言建立 Cron Job,例如「每天早上 9 點查 AI 新聞並傳送至 Telegram」
步驟八:整合開發者編輯器(ACP):安裝 ACP 支援後執行 hermes acp,使代理可在 VS Code、Zed、JetBrains 等編輯器中直接提供能力
步驟九:串接 MCP 外部工具:在配置檔加入 MCP Server(如 GitHub),透過 Model Context Protocol 擴展外部工具整合能力
安全性方面,官方建議透過設定將終端機執行後端切換至 Docker 容器,確保所有代理指令在隔離環境中執行,不影響主機系統。
OpenClaw 一鍵遷移:記憶、技能與設定完整轉移
Hermes Agent 官方提供 hermes claw migrate 指令,可從 ~/.openclaw/ 讀取資料,將人格(SOUL)、長期記憶、技能模組、模型設定、通訊平台及 API 金鑰一併匯入新系統。執行前可加入 --dry-run 參數預覽變更內容,進行確認後再執行完整遷移。
遷移過程中,多個記憶檔案會被合併去重後寫入 Hermes 記憶架構;不相容的舊系統配置項目(如 plugins 或複雜 channel 設定)會存入 archive 供手動調整。遷移完成後,官方建議確認 API 金鑰有效性、重新啟動 gateway 並測試通訊功能,確保整個代理在 Hermes 環境中正常運作。
常見問題
Hermes Agent 與 OpenClaw 的根本差異是什麼?
兩者均為開源 AI 代理框架,但 Hermes Agent 具備基於 SQLite + FTS5 的長期記憶機制與封閉式學習循環,使代理能跨會話保留經驗並逐步進化。官方同步提供完整的一鍵遷移工具,使 OpenClaw 使用者可無損轉移既有的記憶配置與技能模組。
Hermes Agent 是否支援在本地部署模型,而不依賴雲端 API?
支援。透過 Custom Endpoint 設定,Hermes Agent 可接入 Ollama、vLLM、SGLang 或任何相容 OpenAI API 格式的本地推論服務,適合重視資料隱私或需要離線環境的使用者,且無需修改任何程式碼即可切換供應商。
如何在 Hermes Agent 執行終端指令時確保主機系統安全?
官方建議將終端機後端切換至 Docker 容器模式,使代理的所有指令執行在完全隔離的環境中,不影響主機檔案與系統配置。對需要更高安全隔離的場景,也支援切換至 SSH 後端進行遠端執行。
免責聲明:本頁面資訊可能來自第三方,不代表 Gate 的觀點或意見。頁面顯示的內容僅供參考,不構成任何財務、投資或法律建議。Gate 對資訊的準確性、完整性不作保證,對因使用本資訊而產生的任何損失不承擔責任。虛擬資產投資屬高風險行為,價格波動劇烈,您可能損失全部投資本金。請充分了解相關風險,並根據自身財務狀況和風險承受能力謹慎決策。具體內容詳見
聲明。
相關文章
AI 代理完成獎金任務,燒毀 2,000 美元的運算成本後賺得 16.88 美元
根據 Beating,開發者 Chris 最近指示他的 AI Codex 代理去賺取 5 美元。經過 22 小時,該代理自主完成整個工作流程——識別程式碼漏洞、修復錯誤、與維護者溝通、並驗證付款——最終賺得 16.88 美元。然而,開發者很快就批評其經濟性:讓高階 AI 代理連續運行 22 小時,約消耗 2,000 美元的運算成本,導致淨虧損。Chris 澄清他使用的是每月 20 美元的訂閱方案,將成本轉嫁到 AI 平台。儘管在過程中帳戶限制觸發了兩次,他仍表示,等到平台成本在明年降至每百萬 tokens 2 美元時,這種模式將會變得有利可圖。
GateNews3小時前
Google Cloud 與 PayPal 高管:AI 代理商務將運行在加密支付軌道上
在 Consensus Miami,Google Cloud 的 Widmann 與 PayPal 的 Zabaneh 指出 AI 代理無法使用傳統銀行帳戶,必須走加密支付路線。Google 推出 AP2 開放協議,作為 AI 代理支付基礎,並捐贈給 FIDO 基金會;代理需以金鑰分片存取,不能單獨轉移資金。PayPal 的 PYUSD 被視為可程式化支付層,商家需要具備機器可讀目錄。雖然 AI 代理流量普遍,但具機器可讀目錄的商家比例仍低,責任歸屬與多方託管問題待界定。
Market Whisper3小時前
Google Cloud 和 PayPal 推出 AP2 協議,擁有 120+ 個合作夥伴;高層表示 AI 代理將在加密貨幣支付通道上運行
根據 CoinDesk,Google Cloud 與 PayPal 的高層人員在今天的 Consensus 會議上表示,由於結構性限制使 AI 代理無法存取傳統銀行帳戶,AI 代理將在加密貨幣支付通道上運作。Google Cloud 的 Web3 策略負責人 Richard Widmann 表示,加密貨幣支付通道提供「極佳的機器可讀支付介面」。Google 已推出 Agentic Payments Protocol(AP2),吸引了超過 120 家合作夥伴(包含 PayPal),並將其捐贈給 FIDO Foundation。PayPal 的穩定幣 PYUSD 依照 PayPal 加密貨幣資深副總裁 May Zabaneh 的說法,作為一層「天生可程式化的支付層」。
GateNews6小時前
Google 推出 AI 代理支付協議,已包含 120+ 個合作夥伴(含 PayPal)
根據 CoinDesk,Google Cloud 和 PayPal 的高層人員討論了加密貨幣付款如何成為由 AI Agent 推動的商務基礎。Google Cloud Web3 策略負責人 Richard Widmann 宣布,Google 已推出 Agentic Payments Protocol(AP2),並捐助給 FIDO Foundation,現已有超過 120 個合作夥伴(包含 PayPal)正在參與。Widmann 指出,由於技術與監管限制,AI Agents 無法開立傳統銀行帳戶,因此加密貨幣「是一個極佳的機器可讀付款介面」。 PayPal 加密貨幣業務資深副總裁 May Zabaneh 表示,公司將 AI Agents 視為繼離線、線上與行動支付之後的下一代商務。她強調,PayPal 的 PYUSD 穩定幣可為 AI 原生交易提供一個可程式化的付款層。根據 PayPal 的研究,目前 95% 的商家網站都能看到 AI Agent 流量,但只有 20% 擁有機器可讀的商品目錄。
GateNews16小時前
Stanford 推 Agent Island:AI 模型在 Survivor 風格遊戲中策略背叛、互投淘汰
Stanford 數位經濟實驗室的 Murphy 推出 Agent Island,一群 AI 在 Survivor 式的多人遊戲中互動結盟、背叛與投票淘汰,透過動態淘汰賽測量策略性行為,避免以靜態記憶取勝。此設計針對靜態基準的飽和與訓練資料污染問題,同時也可能被用於增強欺騙與操縱,研究團隊正評估公開與濫用風險的平衡,以及未來是否成為常態化評估標準。
鏈新聞abmedia16小時前
x402 Protocol 第 1 季度付款超過 1 億美元,Base 上鏈 AI 代理穩定幣交易中有 90%
根據 ChainCatcher,Base 的 x402 協定付款在 2026 年第一季總計超過 1 億美元。超過 90% 的鏈上 AI 代理穩定幣交易發生在 Base 網路上。
GateNews18小時前