Hermes Agent + Ollama 本地安装指南

在 AI Agent 领域，OpenClaw 发布后几乎每周都有新项目涌现，让人目不暇接。然而，2026 年 3 月由 Nous Research 推出的 Hermes Agent 凭借其独特的产品定位脱颖而出。它并非简单地追求更大的内存容量，而是将重心放在性能提升与自主学习能力上，这使其成为该领域值得关注的新路径。

三大核心特性解析

Hermes Agent 是一个开源 Agent 框架，其核心使命是解决「AI 失忆」与「长期个体化」这两个关键问题。与传统聊天机器人不同，Hermes 更像一个具备持续学习能力的 AI 助手。用户使用时间越长，它越能将经验整理为可复用的 Skills，持续优化并保存有价值的信息，同时支持跨会话检索。此外，它兼容 Telegram、Discord、Slack、WhatsApp、Signal、CLI 等多个平台，并支持 200 多个模型端点，部署方式从 5 美元 VPS 到 GPU 集群均可灵活运行。

Memory 机制深度解析

第一，自动学习 Skills 是 Hermes 最具辨识度的能力。当用户要求它「用 Docker 部署一个服务」完成后，它会自动将关键步骤保存为可复用的 Skill。下次执行类似任务时，它能够更快、更稳定地复用积累的经验，且这些 Skills 会随着使用持续修正和更新。第二，三层记忆结构从架构层面解决了 AI 失忆问题：MEMORY.md 维护长期备忘，记录环境、项目和偏好；USER.md 存储静态人物画像；Session Search（FTS5）将历史会话保存至 SQLite 供后续检索。第三，多平台一致接入确保用户在不同入口（ Telegram、Discord、Slack 等）都能获得统一的 Agent 和记忆体系。

安装配置详解

Hermes 的 Memory 机制分为三层：短期记忆保存最近上下文，长期记忆存储用户偏好和行为模式，技能记忆则将重复任务自动沉淀为可复用 Skill。其中「技能记忆」最具创新性——当用户多次要求「每周一生成进度报告」时，Hermes 会逐渐将这项任务总结为稳定 Skill，之后不仅执行更快，输出格式也会越来越贴合用户习惯。这种「自我改进」的核心并非模型自动升级，而是执行经验被持续结构化的过程。

安装过程简洁高效。Hermes 支持 Linux、macOS 和 Windows（WSL），在 Mac 本地运行体验良好。执行安装命令后，系统会自动创建虚拟环境并安装 Python 与 Node.js 依赖。安装流程包含五个步骤：选择 Model 和 Provider、配置 Terminal Backend、调整 Agent Settings、连接 Messaging Platforms、配置 Tools。对于 OpenClaw 老用户，系统会自动检测已有数据并支持配置迁移。推荐使用 Ollama 作为本地推理后端，通过 Custom OpenAI-compatible endpoint 接入，本地地址为 http://localhost:11434/v1，API key 可留空。

如有侵权，请联系删除。