一個 AI Agent 在 GitHub 上一天漲了 11,000 顆星。不是另一個 ChatGPT 套殼。不是 IDE 裡的自動補全。它住在你自己的伺服器上，有持久記憶，40 多種內建工具，跨 Telegram、Discord、Slack、WhatsApp 統一對話。最關鍵的是——它用越久越聰明，因為它會從自己的經驗中學習。
這個項目叫 Hermes Agent，來自 Nous Research。MIT 開源授權，零遙測，$5 美元的 VPS 就能跑。
我花了幾天研究這個項目的架構、文件、社群討論和實際部署流程。下面是完整拆解。
Nous Research 是誰？為什麼值得關注
Nous Research 不是什麼新冒出來的團隊。他們從 2022 年開始在 Discord 和 Twitter 上組建社群，2023 年正式成立公司。核心成員包括 Jeff Quesnelle、Karan Malhotra、Teknium 和 Shivani Mitra。
他們最出名的是 Hermes 模型系列。從 Hermes 2 到 Hermes 3，再到最新的 Hermes 4（基於 Llama 3.1 70B，用了 6000 萬 token 的混合推理數據訓練），一直是開源社群的參考模型。用過 Ollama 跑本地模型的人，大概率見過 Hermes 這個名字。
他們的定位很明確：做用戶可控的 AI，不做閉源圍牆花園。Hermes Agent 就是這個理念的產品化延伸。
Hermes Agent 到底是什麼
一句話：一個裝在你自己伺服器上的 AI 助手，有記憶、有工具、會學習，而且跨平台。
不要把它想成 ChatGPT 那種一問一答的聊天機器人，也不要把它想成 Cursor 那種綁在 IDE 裡的編程助手。Hermes Agent 更像是一個住在你伺服器上的數位員工——你可以從 Telegram 跟它說「幫我查一下這個」，它會用內建工具去搜索、寫腳本、操作文件，做完後把結果發回來。下次你再問類似的問題，它會記得上次的做法，甚至自己改進流程。
2026 年 2 月 25 日首次發布 v0.1.0，到 4 月 8 日已經迭代到 v0.8.0。兩個月內合併了 400 多個 PR，63 位貢獻者，開發速度很猛。
核心功能拆解
1. 自我進化學習迴路
這是 Hermes Agent 跟所有其他 AI Agent 最大的差別。
大多數 AI Agent 是「無狀態」的——每次對話都從零開始。你教它一個工作流程，下次開新對話，它全忘了。Hermes Agent 不一樣，它有一個閉環學習系統：
- 從經驗中自動創建 Skill 文件（結構化的知識文檔）
- 使用過程中持續改進這些 Skill
- 定期提醒自己把重要資訊寫入持久記憶
- 搜索過去的對話記錄找相關上下文
- 建立越來越深的用戶模型（知道你是誰、偏好什麼、在做什麼項目）
實際效果是什麼？第一週你可能要花時間教它你的工作流程。第二週它開始主動建議。第四週它已經知道你週一早上通常要做什麼報告，會提前準備好資料。
記憶系統用 MEMORY.md 和 USER.md 持久化，還支援外部記憶後端（Honcho、Mem0、RetainDB 等），可以跨 session 保持用戶畫像。
2. 跨平台統一對話
支援 15+ 個平台，一個 Gateway 進程全搞定：
Telegram、Discord、Slack、WhatsApp、Signal、Matrix、Mattermost、Email、SMS、DingTalk、飛書、企業微信、BlueBubbles、Home Assistant，還有 CLI。
你可以在 Telegram 上跟它說「幫我跑一下那個腳本」，然後切到電腦上用 CLI 看結果。對話是連續的，不用重複解釋上下文。
3. 40+ 內建工具
不需要額外配置就能用的工具集：網頁搜索、瀏覽器自動化、終端執行、文件編輯、圖片生成、文字轉語音、視覺辨識、定時任務、子代理委派、Home Assistant 智能家居控制。
比較實用的幾個：
- 子代理委派（delegate_task）：可以同時開 3 個子代理平行工作，每個有獨立的上下文和工具集
- 代碼執行（execute_code）：寫 Python 腳本調用 Hermes 的工具，把多步驟工作壓縮成一次 LLM 調用
- Checkpoint 回滾：每次改文件前自動快照，搞砸了可以 /rollback 恢復
- MCP 整合：支援 MCP（Model Context Protocol）+ OAuth 2.1 PKCE 認證，可以接第三方服務
4. 模型不綁定
不強制你用特定模型。支援 Nous Portal、OpenRouter（200+ 模型）、OpenAI、z.ai、Kimi/Moonshot、MiniMax，或者你自己架的 API 端點。想用本地跑的 Llama 也行，想用 Claude 也行。
這點跟 OpenClaw 一樣靈活，但 Hermes 的學習迴路不依賴特定模型能力，換模型不影響已累積的 Skill 和記憶。
5. 部署成本極低
$5 美元月費的 VPS 就能跑。支援六種終端後端：本地、Docker、SSH、Daytona、Singularity、Modal。也支援 serverless 部署——閒置時幾乎不花錢。
真正的成本是 API 調用費。根據社群反饋，日常使用大約 $15-80 美元/月的 API 費用，取決於你用什麼模型和頻率。
兩分鐘安裝教學
Hermes Agent 的安裝出奇簡單。一行命令：
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash支援 Linux、macOS、WSL2、Android（Termux）。原生 Windows 不支援，但 WSL2 可以。
安裝完成後的基本設定流程：
- 設定 API Key（推薦先用 OpenRouter，一個 key 就能切換 200+ 模型）
- 選擇你要連接的平台（Telegram 最簡單，建一個 Bot 拿 token 就好）
- 啟動 Gateway
- 開始對話
第一次對話時，它會問你一些基本問題來建立用戶畫像。之後就是正常使用，它會自己學。
想進階可以自訂 SOUL.md（Agent 的人格設定檔）、設定排程任務、安裝社群 Skill。
跟競品比一比
2026 年 AI Agent 市場上最常被拿來比較的三個：Claude Code、OpenClaw、Hermes Agent。但它們其實解決的是不同問題。
| Hermes Agent | OpenClaw | Claude Code | |
|---|---|---|---|
| 定位 | 個人 AI 助手（自託管） | 團隊 Agent 平台 | AI 結對編程 |
| 自我學習 | 有（閉環學習迴路） | 無（手動寫 Skill） | 有限（auto-memory） |
| 跨平台 | 15+ 平台 | 10+ 平台 | CLI / IDE 為主 |
| GitHub Stars | ~77K（截至 4 月 14 日） | ~345K | 非開源 |
| 部署成本 | $5 VPS + API 費 | $5 VPS + API 費 | $20/月訂閱 |
| 安全記錄 | 零 CVE | 9 個 CVE（2026 年 3 月） | 閉源，無公開記錄 |
| 授權 | MIT | Apache 2.0 | 商業授權 |
| 最適合 | 想要長期私人 AI 助手的開發者 | 需要多人協作的團隊 | 專注寫程式的開發者 |
簡單說：寫程式用 Claude Code，管團隊用 OpenClaw，想要一個長期陪伴、越用越懂你的 AI 助手用 Hermes Agent。它們不是互斥的，很多人同時用 Claude Code 寫程式 + Hermes Agent 處理其他事。
安全性值得一提。OpenClaw 在 2026 年 3 月被揭露 9 個 CVE（其中一個 CVSS 9.9），全球有 13.5 萬個暴露實例。Hermes Agent 目前零 CVE，內建 prompt injection 掃描和 OSV 惡意軟件檢測。當然，零 CVE 也可能只是因為用戶基數較小、被研究得較少，但至少目前的安全實踐看起來比較嚴謹。
優點和缺點，直說
我覺得做得好的
- 自我進化是真的差異化：不是行銷話術，架構上確實做到了閉環學習。用越久越值錢，這在目前的 AI Agent 裡很少見
- 部署門檻低：一行命令安裝，$5 VPS 能跑，不需要 GPU
- 模型自由：不綁定任何模型供應商，想省錢可以用便宜模型，想要品質可以切 Claude 或 GPT
- 隱私：數據全在你的機器上，零遙測。對於在意數據主權的人來說很重要
- 跨平台：15+ 平台統一入口，這個確實方便
需要注意的
- 需要技術基礎：雖然安裝簡單，但日常維護、排錯、自訂 Skill 還是需要一定的技術能力。不適合完全不懂終端的人
- 社群生態比 OpenClaw 小：OpenClaw 有 13,000+ 社群 Skill，Hermes 的 Skill Hub 還在早期階段
- 學習需要時間：「用越久越聰明」也意味著前幾天你需要耐心教它。不是開箱即用的傻瓜式體驗
- 原生 Windows 不支援：必須用 WSL2，對純 Windows 用戶多一步
- API 費用累積：免費的是軟件本身，但 API 調用費 $15-80/月 不算便宜
適合誰？不適合誰？
適合：
- 想要一個長期使用、越來越懂你的 AI 助手的開發者或技術人員
- 重視數據隱私、不想把所有東西交給雲端的人
- 需要跨多個通訊平台統一管理 AI 助手的人
- 喜歡折騰、願意花時間教 AI 的動手派
不適合：
- 完全不會用終端的非技術用戶（至少目前還不適合）
- 只需要 AI 幫忙寫程式的人（Claude Code 或 Cursor 更直接）
- 團隊協作場景需求高的人（OpenClaw 的多用戶管理更成熟）
結論
Hermes Agent 做對了一件事：它不只是在回答你的問題，它在學習怎麼更好地回答你的問題。
在 2026 年一堆 AI Agent 項目互相抄功能的市場裡，Hermes Agent 的自我進化學習迴路是真正的結構性差異。不是多一個功能的問題，是根本架構就不一樣。用了三個月的 Hermes Agent 和用了三天的 Hermes Agent，能力差距會越來越大。這個複利效應是其他平面架構的 Agent 做不到的。
MIT 開源、零遙測、$5 就能跑。如果你有一點技術基礎，而且想要一個真正屬於你自己的 AI 助手，Hermes Agent 值得花一個下午去部署試試。
GitHub：github.com/NousResearch/hermes-agent
官網文件：hermes-agent.nousresearch.com
免責聲明：本文為資訊分享，不構成投資建議。AI 工具更新快速，文中資訊截至 2026 年 4 月。使用開源軟件請自行評估風險。
發表迴響