Hermes — AI Agent 运行时框架详细介绍
一、产品概述
Hermes 是Nous Research开源的可自部署个人 Agent 运行时框架。官方将其定位为「self-improving autonomous agent」（可自我进化的自主智能体）。
它不是一个开箱即用的编码软件，也不等同于 Claude Code 这类执行工具。更准确的描述是：一个长期运行的个人 Agent 后台——它能记住你的项目背景、编码习惯和过往经验，让 AI 不再每次从零开始。
产品形态速览
| 维度 | 说明 |
|---|---|
| 产品形态 | 可自部署的 Agent 运行时框架 |
| 所属层级 | 个人 Agent 运行时层（工具链第 1 层） |
| 核心角色 | 给编码 Agent 补记忆、技能与自动化 |
| 是否可独立运行 | 否，需对接大模型（Claude/GPT 等）和执行工具 |
| 是否具备编码能力 | 不具备原生编码能力，底层编码依赖 Claude Code 等执行工具 |
| 开源性 | 开源（Nous Research） |
| 通俗类比 | 程序员的私人助理——帮程序员记东西、攒经验、跑后台 |
与 Claude Code 的关系
Hermes = 运行时增强层（记忆管理 + 技能沉淀 + 后台自动化） Claude Code = 干活执行者（写代码 + 跑命令 + 修报错） 二者是调度从属关系，不是竞品。 一个负责"记住和调度"，一个负责"落地执行"。二、安装与部署
2.1 环境要求
- Node.js 18+
- 可访问大模型 API（如 Anthropic API）
- 本地 SQLite 支持（用于记忆存储）
2.2 部署步骤
# 第一步：拉取仓库gitclone https://github.com/nousresearch/hermes.gitcdhermesnpminstall# 第二步：配置 Hermescpconfig.example.yaml config.yaml2.3 配置文件详解
修改config.yaml核心配置：
# 模型供应商配置model_provider:anthropicapi_key:${ANTHROPIC_API_KEY}# 执行后端配置（指定底层谁来写代码）executor_backend:claude-code# 记忆系统配置memory:core_memory_files:-MEMORY.md# 项目长期约定-USER.md# 个人编码偏好2.4 初始化核心记忆文件
Hermes 最核心的设计是三层结构化记忆。部署后首先要初始化两个硬上限核心记忆文件：
MEMORY.md（项目长期约定）：
# MEMORY.md 项目：nodejs-user-server 技术栈：Node.js + Express + Mongoose 编码规范：必须写入参校验、try/catch、接口注释、单元测试 已有路由：/api/login /api/register 项目约定：所有接口返回格式为 {code, msg, data} 数据库：MongoDB，User 集合字段见 /models/user.jsUSER.md（个人编码偏好）：
# USER.md 缩进风格：2 空格 错误返回：统一返回 {code, msg, data}，拒绝松散裸返回 命名规范：文件名 kebab-case，变量名 camelCase 测试框架：Jest，测试文件放在 __tests__/ 目录 Git 提交规范：遵循 Angular Commit Convention三、核心设计详解
3.1 三层结构化记忆体系（最核心设计）
这是 Hermes 与原生编码工具最本质的区别：
| 记忆层级 | 存储方式 | 运作机制 | 解决的问题 |
|---|---|---|---|
| 第一层：核心置顶记忆 | MEMORY.md + USER.md（硬上限文件） | 每次会话自动注入上下文，作为最高权重信息 | 项目约定和用户偏好不丢失 |
| 第二层：会话检索记忆 | 历史对话全量存入本地 SQLite，通过 FTS5 全文检索按需召回 | 需要时才检索，不影响当前上下文容量 | 上下文溢出问题 |
| 第三层：技能化长期记忆 | 从执行经验中自动抽象标准化技能，存入技能库 | 同类任务直接触发已有技能 | 重复引导的浪费 |
为什么记忆要有硬上限？
- 置顶记忆要的是高权重、低噪声，不是越多越好
- 如果什么都往里塞，过期信息和临时结论会稀释真正重要的项目约定
- 没有上限的记忆系统，时间一长就会熵增，检索噪声变大
- 有界记忆，本质上是用容量换稳定性
3.2 自进化学习闭环
Hermes 支持从每次执行结果中自动总结经验、优化技能：
执行任务 → 记录过程与结果 → 提炼模式 → 存入技能库 → 下次同类任务自动复用运行越久、同类任务处理越多，执行速度和准确率越高——这就是"自进化"的核心含义。
3.3 后台常驻与多端接入
| 能力 | 说明 |
|---|---|
| 后台 Daemon | 支持常驻运行，可配置定时任务、触发式任务 |
| 无人值守 | 定时巡检、自动部署、日志整理等自动化工作 |
| 多端接入 | CLI、Telegram、Slack 等多端接入，不限于本地终端 |
四、实操 Demo
场景：在已有用户模块上新增分页查询接口
# 第一步：启动后台常驻 Hermesnodeindex.js daemon# 第二步：新开终端，下发任务hermes chat"给用户接口新增分页查询用户列表接口"执行过程演示
- 自动加载核心记忆：Hermes 自动注入 MEMORY.md 和 USER.md，无需重复讲解项目技术栈、编码规范
- 调度底层执行：自动调用 Claude Code 完成编码 + 自测
- 沉淀会话记忆：执行完毕自动将本次设计思路、踩坑点存入 SQLite 检索记忆
- 技能化沉淀：多次迭代后自动提炼「分页接口开发技能」存入技能库，同类任务速度越来越快
五、适用场景
✅ 最适合的场景
| 场景 | 原因 |
|---|---|
| 个人长期项目 | 跨会话记住项目背景和编码习惯，不用反复解释 |
| 自动化运维脚本 | 后台 daemon 常驻，定时执行巡检、部署 |
| 私人工作助理 | 记住你的偏好，处理日常开发任务 |
| 多端触达任务 | 通过 Telegram/Slack 远程下发任务 |
| 需要技能积累的项目 | 同类任务反复执行，越用越快 |
⚠️ 不适合的场景
| 场景 | 原因 |
|---|---|
| 多人强交付项目 | 偏单用户设计，每个人各有一套记忆，容易口径对不上 |
| 强合规项目 | 没有团队级权限、审计和协作机制 |
| 需要统一标准的团队 | 没有强制工程纪律，没有单一事实源 |
六、与其他工具的关系
6.1 Hermes vs Claude Code
| 维度 | Claude Code | Hermes |
|---|---|---|
| 层级 | 执行层 | 运行时增强层 |
| 能写代码吗 | ✅ 是 | ❌ 否（依赖 Claude Code） |
| 有记忆吗 | ❌ 无持久记忆 | ✅ 三层记忆体系 |
| 能后台常驻吗 | ❌ 会话即结束 | ✅ Daemon 后台运行 |
| 状态 | 偏无状态 | 有状态，积累经验 |
| 通俗角色 | 干活的程序员 | 程序员的私人助理 |
关系总结：增强与被增强，不是竞品。Claude Code 负责一次次把任务做完，Hermes 负责把这些任务里的经验留下来。
6.2 Hermes + Claude Code 组合
这是最基础的双层组合——Claude Code 干活，Hermes 攒经验，适合单人长期维护项目。
但需注意：
- 记忆膨胀风险：建议每月清理一次核心记忆，只保留项目结构、长期约定和稳定经验
- 不适合多人：6 个人各用各的 Hermes，短期都快，联调时才发现接口定义、异常码、测试标准全不统一
七、优势与局限总结
优势
| 优势 | 说明 |
|---|---|
| 记忆能力强 | 三层记忆体系，跨会话持久化上下文，告别反复解释 |
| 自进化 | 越用越懂你，同类任务速度越来越快 |
| 后台自动化 | Daemon 常驻 + 定时任务，无人值守 |
| 本地化部署 | 隐私性好，数据不出本地 |
| 多端接入 | CLI / Telegram / Slack 均可触达 |
局限
| 局限 | 说明 |
|---|---|
| 不写代码 | 本身不负责底层编码推理，必须对接大模型和执行工具 |
| 偏单用户 | 没有团队级权限、审计和多人协作机制 |
| 缺工程纪律 | 没有强制 TDD、评审等质量门禁 |
| 记忆需治理 | 长期使用需要主动清理，避免记忆膨胀和污染 |
一句话总结
Hermes 是运行时增强层。Claude Code 负责执行动作，Hermes 负责沉淀记忆和经验。它的核心价值不是"写代码更快"，而是"下次不用从零开始"。
