Repo-AI-Analysis

Appearance

Hermes Agent

3.7/5综合评分
3.0/5推荐度
GitHub ↗ai-programs/agents/assistant-agentsPythonMIT★ 212,817核验 2026-07-11

证据等级：production use 2+ months + code review + docs + security audit reports

开始阅读
维度评分Hermes Agent：能力 5.0/5，易用性 4.0/5，性能 3.0/5，代码质量 4.0/5，文档 4.0/5，社区 4.0/5，成熟度 3.0/5，可扩展性 5.0/5，安全性 2.0/5，推荐度 3.0/5维度评分能力易用性性能代码质量文档社区成熟度可扩展性安全性推荐度

Hermes Agent ​

自托管、自进化的 AI 代理。由 Nous Research 打造。☤

状态: active · 总分: 3.7/5 · 推荐度: 3/5

一句话总结 ​

Hermes Agent 是一个自托管、自进化的 AI 代理框架，内置闭环学习系统——从经验中创建技能、自我修正、跨 session 记忆、持续构建用户模型。定位：会越用越聪明的个人 AI 助理——适合追求长期积累效应、需要多工具统一调度的技术用户。

总体评价 ​

Hermes Agent 已从早期 CLI/gateway 项目扩展为 CLI、TUI、Hermes Desktop、Web dashboard 与 20+ messaging platforms 共用的自主 agent 系统。2026-07-11 快照为 212.8k stars、39.3k forks，最新稳定产品版本 v0.18.2；学习闭环仍是差异化核心，但 MoA、completion contracts、background fan-out、desktop coding Projects 与 gateway scale-to-zero 已显著扩大系统边界 [GH:refresh-2026-07-11][GH:releases-2026-07-11][Docs:refresh-2026-07-11]。

适合：有 Linux/Docker/CLI 经验的技术用户、希望 agent 能自我成长的研究者、需要长期积累效应（skill 自动迭代、跨 session 记忆）的人。

不适合：非技术用户、企业合规环境（安全审计发现 4 Critical + 9 High）、追求开箱即用的人。

一句话：这是目前唯一真正在「自进化」的 agent——用一个月之后，它和第一天完全不同。但你要愿意投入时间调教它，且愿意承受它偶尔的「成长痛」。

推荐度：3/5 ​

2026-06 推荐度重校准：security=2，默认 ALLOW-ALL、插件/代码执行边界风险高；即使能力强，也不应给默认采用级推荐。

定位：需要一个越用越聪明的个人 AI 助理、愿意投入时间调教的技术用户。Hermes 的核心价值不在于功能的广度（虽然它已经很广），而在于时间维度上的增值：skills 从经验中自动创建并自我改进、memory 跨 session 积累、session search 让你找回以前的对话——这些是任何竞品都没有的闭环。

杀手锏：学习闭环：

  • Skills 系统：复杂任务完成后自动生成 SKILL.md，使用中遇到 pitfalls 自动 patch，版本迭代积累——这是真正的 procedural memory
  • Memory 系统 + Honcho 用户建模：agent 自动决定什么该记住，跨 session 构建用户画像
  • FTS5 Session Search：跨对话的全文搜索 + LLM 摘要，真正做到「不重复劳动」

但闭环也是双刃剑：

  • 「自进化」意味着行为会变化——今天的 Hermes 和一个月后的 Hermes 处理同一任务的策略可能不同，这是功能而非 bug，但确实增加不确定性
  • 安全审计发现默认配置是 ALLOW-ALL [GH:Audit]——agent 越自主，安全风险的放大效应越强
  • Python 代码库的质量在 agent 类项目中属于上乘，但远不到「生产级」

结论：如果你只需要一个 agent 来「执行指令」，Hermes 不值得——用 Claude Code 或专门的工具更高效。但如果你想要一个和你一起成长的长期 AI 伙伴，Hermes 目前没有对手。

优势 ​

  1. 唯一具备真正学习闭环的 agent：skills 自动创建 + 使用中自我 patch + memory 跨 session 积累——其他 agent（包括 OpenClaw）的「skills」本质是静态配置文件，Hermes 的 skills 是活的
  2. 架构设计干净：AIAgent 核心 → Prompt Builder + Provider Resolution + Tool Dispatch 三层分离清晰 [Docs:Arch]；SQLite + FTS5 的 session 存储设计合理；3 种 API mode（chat_completions / codex_responses / anthropic_messages）统一抽象
  3. 极佳的可扩展性：skills + MCP + plugin + toolsets + provider 五大扩展体系，每个都设计为可独立插拔
  4. 文档一流：从 quickstart、Desktop/native Windows 到架构内部和 llms.txt 机器可读入口，文档覆盖同类项目中很强 [Docs:refresh-2026-07-11]
  5. 模型无关：任何 API provider 都可接入，/model 实时切换无需重启
  6. 部署灵活性极高：当前官方文档列出 6 种 terminal backends（local / Docker / SSH / Singularity / Modal / Daytona），其中 Modal/Daytona 支持 serverless persistence [Docs:refresh-2026-07-11]
  7. 研究工具链完整：batch trajectory generation + Atropos RL environments + trajectory compression——不仅是工具，还是研究平台

劣势 ​

  1. 安全默认值过于宽松：社区安全审计发现 4 Critical + 9 High [GH:Audit]，YOLO mode 关闭所有安全检查、write_safe_root 需手动 opt-in、plugin 系统加载任意代码无沙箱
  2. 自进化 = 行为不确定：skill 自动 patch 是好机制，但也意味着 agent 的行为会随时间漂移——今天的配置明天可能被自己的 skill 修改
  3. Python 运行时开销：同样是 agent runtime，Hermes 的资源效率不如 OpenClaw 的 Node.js——Python 的内存占用和启动开销显著
  4. 成熟度仍不足：已到 v0.18.2，但 v0.18.1 一个 patch tag 就汇总约 660 PRs；庞大变更面与 9,159 open issues / 18,430 open PRs 使 stability 不能按版本号乐观推断 [GH:refresh-2026-07-11][GH:releases-2026-07-11]
  5. 社区规模与生产深度仍不等价：212.8k stars 和 39.3k forks 是可见度信号，不能证明默认安全或生产采用率 [GH:refresh-2026-07-11]
  6. 学习曲线存在：setup wizard 降低了门槛，但要真正发挥「自进化」能力需要理解 skills/memory/session search 的交互逻辑

适合什么场景 ​

  • 想要一个越用越好的长期 AI 伙伴，愿意投入时间调教的技术用户
  • 已有多个 AI 工具/代理，需要一个能自我优化调度策略的统一层
  • 研究 AI agent 的工程架构——skills 的自动创建/迭代机制、memory 的自动管理、session search 的设计都值得学习
  • 需要 agent 在云上 24/7 运行，从 Telegram 等消息平台交互（serverless 休眠模式成本极低）
  • 想用自然语言写定时任务（built-in cron）的场景

不适合什么场景 ​

  • 一次性的垂类任务：写一个 PR 不如 Claude Code，做一次数据分析不如 Jupyter agent。Hermes 的价值在长期积累，短期回报不明显
  • 非技术用户：要真正安全使用需要配置 DM policy、沙箱、文件系统限制、工具白名单——这些不是「装完即用」
  • 企业合规环境：默认 ALLOW-ALL 的安全姿态不适合生产部署（除非你做深度安全加固）
  • 不喜欢 agent 行为变化的用户：自进化意味着不可预测——如果你期望每次相同输入得到相同输出，Hermes 不适合你

与类似项目对比 ​

项目定位相对本项目
OpenClaw通用自托管 agent两者社区都已超大；OpenClaw 更偏 Gateway/channel breadth，Hermes 更强调 learning loop、verification 与 Desktop coding workflow [GH:refresh-2026-07-11]
Claude Code / Codex CLI专用代码 agent代码能力更强，但无记忆/自进化/跨 session 能力；定位完全不同
n8n / LangChain工作流自动化可视化编排更强，但无自主学习和记忆；Hermes 更「agent」，n8n 更「automation」

它能做什么 ​

  • 学习闭环（核心差异）：Skills 自动创建（复杂任务后生成 SKILL.md）→ 使用中自我 patch（遇到 pitfalls 自动修正）→ Memory 自动管理（agent 自主决定该记住什么）→ Session Search（FTS5 + LLM 摘要的跨对话召回）→ Honcho 辩证用户建模 [Docs]
  • 多通道交互：Telegram、Discord、Slack、WhatsApp、Signal、Email、CLI——统一 gateway 进程
  • 全功能 TUI：多行编辑、slash command 自动补全、对话历史、中断重定向、streaming tool output
  • 60+ 工具与 toolsets：terminal（6 种 backend）、browser、web、file、vision、MCP、delegation、cron、memory、skills 等；具体数量随快速发布变化 [Docs:refresh-2026-07-11]
  • 子代理委派：delegate_task 可 spawn 独立 subagent 处理并行任务，无上下文污染
  • 代码执行：execute_code 用 Python 脚本以 RPC 调用工具，将多步 pipeline 压缩为零上下文开销
  • 内置 cron：自然语言描述定时任务，结果投递到任意平台
  • 模型无关：Nous Portal、OpenRouter（200+ 模型）、NVIDIA NIM、Xiaomi MiMo、Kimi、MiniMax、Hugging Face、OpenAI、自定义 endpoint——/model 实时切换
  • 研究工具链：batch trajectory generation、Atropos RL environments、trajectory compression
  • 6 种 terminal backend：local、Docker、SSH、Singularity、Modal、Daytona；Modal/Daytona 支持 idle persistence [Docs:refresh-2026-07-11]
  • v0.18 新增面：first-class Mixture-of-Agents、verification completion contracts、/learn//journey、background fan-out、Desktop Projects/memory graph 与 gateway scale-to-zero/drain coordination [GH:releases-2026-07-11]

运行环境与资源占用 ​

场景CPU内存存储说明
最小（CLI only）1 vCPU512MB1GB基础对话，无 gateway
标准（+gateway）1-2 vCPU1-3GB5GB日常单用户 + Telegram/Discord
生产（+沙箱+多通道）2-4 vCPU4-8GB20GB+完整功能、Docker 沙箱
  • 运行时：Python 3.11+，uv 包管理器
  • 操作系统：Linux / macOS / WSL2 / native Windows / Termux (Android)；native Windows 已进入官方安装与支持路径，不再只是 early beta [Docs:refresh-2026-07-11]
  • Docker：沙箱和部分部署需要；非必须
  • GPU：不需要
  • 外部依赖：LLM API（任何 provider）——token 费用是唯一长期隐性成本
  • ARM64 支持：✅（Apple Silicon、树莓派、AWS Graviton）

上手体验 ​

评分 4/5。一键安装 + hermes setup 向导可在 2 分钟内开始对话 [Docs]。TUI 体验在同类产品中最好——slash command 自动补全、streaming tool output、中断重定向都很流畅。

但「能用」到「安全地用」之间有差距：默认配置是 ALLOW-ALL——文件系统全开、命令自动审批、write_safe_root 未启用。要真正安全使用需要配置 DM policy、沙箱模式、文件系统限制、工具白名单。这不是 setup wizard 能解决的问题——需要阅读安全文档并主动 hardening。

此外，要发挥「自进化」的最大价值，需要理解 skills/memory/session search 的交互逻辑——这部分的学习曲线不是零。

代码质量 ​

评分 4/5。架构分层在 agent 类项目中仍属上乘，但当前仓库演化速度极高，必须把 release notes 中的大规模 refactor/hardening 与 18,430 open PRs 同时看待 [Docs:Arch][GH:refresh-2026-07-11][GH:releases-2026-07-11]：

  • 架构清晰：AIAgent 核心（run_agent.py）→ agent/ 子系统（prompt_builder.py、context_engine.py、context_compressor.py、memory_manager.py）→ 工具层 → 存储层（SQLite + FTS5）。分层明确；工具数量以 current docs 的 60+ 为准，避免把旧快照当稳定接口 [Docs:Arch][Docs:refresh-2026-07-11]
  • Provider 抽象优秀：3 种 API mode 统一了不同 LLM provider 的差异，新增 provider 有清晰的模式
  • 文档即代码：架构文档（9 篇 developer guide）与代码结构一一对应，便于贡献者理解
  • 测试：有测试基础设施但覆盖率未知。快速发布节奏（周级）下测试可能跟不上功能迭代

扣分项：社区安全审计暴露出实现层面的粗糙——PYTHONPATH 注入 [GH:Sec1]、skills guard 是纯正则（可绕过）[GH:Audit]、plugin 系统加载任意代码无沙箱 [GH:Audit]。这些不是架构设计问题，是工程实现的债务。

可扩展性 ​

评分 5/5。Hermes 的可扩展性是其架构设计的核心亮点，五大体系独立可插拔：

  • Skills 系统：SKILL.md + agentskills.io 开放标准 + 自动创建/迭代 + 三级优先级（bundled / global / workspace）+ 使用中自我 patch——不仅是扩展机制，还是自进化引擎
  • MCP 集成：原生 MCP client，动态发现并注册 MCP server 工具，支持工具过滤和权限控制
  • Plugin 系统：PluginManager + registry 架构，通过 importlib 加载——虽然安全审计指出了沙箱缺失的问题，但从扩展设计的角度是完善的
  • Toolsets 体系：工具按功能分组，可按需启用/禁用；具体组数随快速版本变化，不作为稳定 API 承诺 [Docs:refresh-2026-07-11]
  • Provider 抽象：3 种 API mode（chat_completions / codex_responses / anthropic_messages），新增 provider 只需实现对应接口
  • 6 种 Terminal Backend：local / Docker / SSH / Singularity / Modal / Daytona——统一终端抽象层 [Docs:refresh-2026-07-11]

扣分项：skills 系统缺少版本管理和依赖解析（与 OpenClaw 同病），社区 skills 的安全审查仅靠正则 static analysis（易绕过）。

文档质量 ​

评分 4/5。Hermes 的文档在同类项目中遥遥领先，但并非完美：

  • 完整覆盖：Quickstart → User Guide（CLI / gateway / configuration / features / security）→ Developer Guide（architecture / agent-loop / prompt-assembly / provider-runtime / tools-runtime / session-storage / gateway-internals / context-compression / ACP）→ Reference（FAQ / troubleshooting）
  • 结构清晰：Learning Path 按经验水平引导读者到正确的文档入口 [Docs]
  • 机器可读：/llms.txt 和 /llms-full.txt 为 LLM 和 coding agent 提供结构化文档入口，每次部署自动生成——这个设计本身就是 brilliant [Docs]
  • 架构文档特别出色：9 篇 developer guide 不仅说「是什么」，还说「为什么这么设计」——System Overview 的 ASCII 图、Directory Structure、Data Flow（CLI session / Gateway message / Cron job 三条路径）[Docs:Arch]

扣分项：

  • 安全加固路径缺失：audit 发现 4 Critical + 9 High，但文档里没有「从默认不安全到生产安全」的分步 hardening guide——直接跳到参考级 security 页面
  • Skill 生命周期边缘 case：skill 自动 patch 的边界行为（什么条件触发？冲突怎么解决？skill 退化/废弃怎么处理？）文档未覆盖，需读源码
  • Plugin 开发指南浅：contributing guide 覆盖了基本流程，但相比架构文档的深度明显不足

与 OpenClaw 文档的「博客文章合集」风格形成鲜明对比——Hermes 的文档像一个有架构师的产品，OpenClaw 的文档像快速堆起来的 wiki。

社区与成熟度 ​

维度评分说明
社区活跃度4/5212.8k stars、39.3k forks；v0.18 release notes 列出 370+ contributors。规模很大，但 9,159 issues / 18,430 PRs 也说明治理与 triage 压力巨大 [GH:refresh-2026-07-11][GH:releases-2026-07-11]
成熟度3/5v0.18.2，Desktop/MoA/verification/gateway 等能力快速扩展；v0.18.1 六天内汇总约 660 PRs，仍属 rapid-growth system，不宜把 release cadence 当稳定性证明 [GH:releases-2026-07-11]

社区和成熟度存在不对称——社区规模是 v4.0 级别的，成熟度是 v0.3 级别的。但不同于 OpenClaw 的担忧（作者离职、移交基金会），Hermes 由 Nous Research 团队持续主导，项目治理更稳定。

安全与风险 ​

评分 2/5。这仍是 Hermes 最大的短板：旧版社区安全审计（v0.8.0）报告 4 Critical + 9 High [GH:Audit]；此后 v0.17/v0.18 release notes 记录了 approval、MCP persistence、credential exfiltration、browser metadata、session IDOR 与 dependency hardening [GH:releases-2026-07-11]。2026-07-11 repo-advisories endpoint 未发现 published GHSA，但这既不能抹去旧问题，也不能证明当前默认姿态安全 [GH:advisories-2026-07-11]。

关键风险：

  1. ALLOW-ALL 默认姿态：YOLO mode 关闭所有安全检查、write_safe_root 需手动 opt-in、non-interactive mode 自动批准所有命令——不主动做安全配置的用户面临极高风险 [GH:Audit]
  2. Plugin 系统无沙箱：通过 importlib 加载任意代码，插件可获得 Hermes 进程的所有权限 [GH:Audit]
  3. execute_code 非真沙箱：作为普通 subprocess 运行 Python，社区发现 PYTHONPATH 注入可泄露 API key 和安全规则 [GH:Sec1]
  4. Skills guard 只做静态正则：技能描述中的 prompt injection 可绕过——攻击者通过恶意 skill 实现持久化 prompt injection [GH:Sec2] [GH:Sec3]
  5. Tool output 无 prompt injection 防御：browser_navigate、terminal(curl)、read_file 等工具返回的外部内容直接注入 agent 上下文 [GH]

好消息：项目在持续 harden，且可通过 DM policy、沙箱、工具白名单、write-safe roots、managed scope 等机制降低风险；坏消息是 Hermes 的价值正来自高权限工具、插件、MCP 与自主学习，配置错误或 prompt/tool injection 的 blast radius 仍然很大。故 security 保持 2/5，而不是因“0 repo advisories”上调。

License：MIT——商用友好。

学习价值 ​

极高——即使你不打算长期使用 Hermes，以下设计值得深入学习：

  • Skills 系统的自进化机制：自动创建 + 使用中 patch 的闭环是目前 agent 领域最先进的 procedural memory 设计。SKILL.md 格式简单但设计精妙——它是一个 agent 写给自己的「操作手册」
  • Memory 系统的自动管理：agent 自主决定什么该记住（而非用户手动管理），加上 Honcho 的辩证用户建模——这个方向是 agent 长期记忆的正确解法
  • Session Search 的设计：FTS5 全文搜索 + LLM 摘要的混合方案——性能和语义理解的工程权衡做得很好
  • Provider 抽象层：3 种 API mode 统一 200+ 模型的接口——如果你需要构建模型无关的 agent，这是最佳参考
  • 文档工程：/llms.txt + 9 篇 developer guide 的文档结构——如果你的项目也有 LLM 作为用户/贡献者，值得借鉴