Hermes Agent 最详细的教程：通过Hermes Agent 构建完整的AI团队

一句话创建AI 团队：hermes profile create analyst --clone && hermes profile create writer --clone && hermes -p analyst。三个命令，两个专业 AI 员工上线，开始协作。

2026 年的 AI Agent 赛道早已过了"能聊天就行"的阶段。当我们还在纠结 prompt 怎么写的时候，Nous Research 已经悄悄把一个会自我进化、能组建团队、支持 200+ 大模型的开源 Agent 框架做到了 15.6 万 Star。

这个框架叫 Hermes Agent（代号"爱马仕"，不是那个奢侈品包）。

今天这篇文章不讲虚的，从安装到组建你的第一个 AI 打工团队，全流程实操。读完你就能拥有一个 7×24 小时在线、不抱怨、不摸鱼、会自我进化的 AI 团队。

---

一、Hermes Agent 是什么？为什么值得学？

1.1 一句话定位

Hermes Agent 是一个开源的、自托管的、会自我进化的 AI 智能体框架。

和市面上主流的 Agent 产品做个对比：

特性	Claude Code	OpenClaw	Hermes Agent
开源协议	闭源	Apache 2.0	MIT（最宽松）
持久记忆	会话级	支持	多层记忆 + FTS5 跨会话召回
自动学技能	❌	部分	内置闭环学习
多模型切换	Claude only	OpenRouter	200+ 模型，一条命令切换
消息平台接入	CLI only	Telegram/Discord	20+ 平台统一网关
多 Agent 团队	❌	❌	Profile 隔离 + 交接合同
自我进化	❌	有限	从经验创建技能、使用中改进

核心差异：Hermes 不是 IDE 绑定的编码 Copilot，也不是单一 API 的聊天机器人封装。它是一个自主智能体——运行时间越长，能力越强。

1.2 核心架构：三层设计哲学

Hermes 的架构围绕三个核心层展开：

┌──────────────────────────────────────────────────┐
│              接入层 (Gateway)                     │
│  CLI │ Telegram │ Discord │ Slack │ 飞书 │ 微信   │
├──────────────────────────────────────────────────┤
│              智能体层 (Agent Core)                │
│  SOUL.md │ 多层记忆 │ 技能系统 │ 子代理并行          │
├──────────────────────────────────────────────────┤
│              基础设施层 (Infrastructure)           │
│  Local │ Docker │ SSH │ Modal │ Daytona │ MCP    │
└──────────────────────────────────────────────────┘

• 接入层：一个网关进程统一管理 20+ 消息平台，对话跨平台连续
• 智能体层：人格定义（SOUL.md）、持久记忆、自动技能创建、子代理并行
• 基础设施层：7 种终端后端，从本地到云端弹性伸缩

1.3 多层记忆系统：为什么它能"越用越聪明"？

这是 Hermes 最有野心的设计。它的记忆不是一个简单的上下文窗口，而是四层分级架构：

记忆层	机制	作用
工作记忆	当前会话上下文	处理即时任务
程序性记忆	Skills 系统	Agent 从经验中创建的可复用技能
策展记忆	Agent 自主管理	定期"轻推"自身持久化重要知识
用户模型	Honcho 辩证建模	跨会话构建对你的深层理解

关键细节：记忆使用基于 SQLite FTS5 的全文检索引擎，配合 LLM 摘要做跨会话记忆召回。当记忆使用超过 80% 时，Agent 会自动合并和精简条目——它不是无脑囤积，而是有选择地遗忘。

---

二、10 分钟安装：从零到能对话

2.1 系统要求

项目	最低要求	推荐配置
CPU	2 核	4 核+
内存	4 GB	8 GB+
磁盘	10 GB	20 GB+
系统	Linux / macOS / WSL2	任意
网络	能访问 GitHub	–

Windows 用户注意：原生 Windows 支持仍为早期 Beta，强烈建议使用 WSL2。

2.2 一键安装

# Linux / macOS / WSL2 一行命令搞定
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
# 重载 shell 配置（必须！）
source ~/.bashrc    # bash 用户
# source ~/.zshrc  # zsh 用户（macOS 默认）
# 验证安装
hermes --version

安装脚本自动完成五件事：

1. 检测系统架构（x86_64 / arm64）
2. 安装 uv、Python 3.11、Node.js v22、ripgrep、ffmpeg
3. 克隆 Hermes Agent 仓库到 ~/.hermes/
4. 创建 Python 虚拟环境并安装依赖
5. 注册 hermes 全局命令

2.3 国内网络加速（强烈建议）

如果你在国内，大概率会卡在 GitHub 下载。提前配置镜像：

# Git 镜像加速
git config --global url."https://mirror.ghproxy.com/https://github.com".insteadOf "https://github.com"
# pip 镜像加速
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
pip config set install.trusted-host mirrors.aliyun.com
# npm 镜像加速
npm config set registry https://mirrors.cloud.tencent.com/npm/ --global

2.4 配置大模型

# 交互式配置向导（最省心）
hermes setup
# 或者直接选择模型
hermes model

支持的模型提供商（重点推荐几个国内可用的）：

提供商	配置难度	适合场景
DeepSeek	⭐ 简单	国内首选，性价比高
阿里云 DashScope	⭐ 简单	Qwen 系列
OpenRouter	⭐⭐ 中等	200+ 模型随意切
Ollama	⭐⭐ 中等	完全离线，隐私优先
Claude	⭐⭐ 中等	当前能力天花板

手动配置示例：

# DeepSeek 配置
hermes config set model deepseek/deepseek-chat
hermes config set DEEPSEEK_API_KEY sk-your-key-here
# Ollama 本地模型（完全免费）
ollama serve  # 先启动 Ollama
hermes config set model ollama/qwen2.5

2.5 第一个对话

hermes

搞定。你现在有一个能对话、能记忆、能使用工具的 AI Agent 了。

---

三、核心概念速通：理解 Hermes 的设计哲学

在组建团队之前，你需要理解四个核心概念。不用全记住，但后面的团队搭建全靠它们。

3.1 SOUL.md —— Agent 的灵魂文件

这是 Hermes 最独特的设计。SOUL.md 定义了 Agent “是谁”——语气、性格、优先级、底线。

一个典型的 SOUL.md：

# SOUL.md
## 身份
你是一位资深数据分析师，专注于金融数据分析与可视化。
说话简洁直接，用数据说话，避免空泛的形容词。
## 核心能力
- Python 数据分析（pandas, matplotlib）
- SQL 查询优化
- 金融数据建模
- 自动化报告生成
## 行为准则
- 每个结论必须有数据支撑
- 优先使用图表而非纯文字描述
- 对不确定的结论必须标注置信度
- 绝不编造数据
## 禁止事项
- 不做投资建议
- 不引用未验证的数据来源
- 不执行任何涉及真实资金的交易操作

关键点：SOUL.md 不是 prompt。它是 Agent 的持久人格定义，跨会话保持不变。每次对话开始时自动加载。

3.2 AGENTS.md —— 项目上下文文件

和 SOUL.md 不同，AGENTS.md 定义"当前做什么项目"：

# AGENTS.md
## 项目：用户行为分析平台
- 数据库：PostgreSQL，地址 db.internal:5432
- 代码仓库：git@github.com:team/analytics.git
- 编程规范：Python Black 格式化，类型注解必须
- 部署：Docker Compose + ArgoCD
## 当前任务
- 完成用户留存率分析模块
- 输出格式：HTML 报告 + PNG 图表

SOUL.md 放 ~/.hermes/，AGENTS.md 放项目根目录。一个管身份，一个管工作。

3.3 Skills —— Agent 自己发明的技能

这是 Hermes 的杀手锏。当 Agent 在工作中发现某个操作重复了多次，它会自动创建一个 Skill 文件存入 ~/.hermes/skills/。

比如你的数据分析 Agent 可能自动创建这样一个 Skill：

# Skill: weekly_report
## 描述
生成本周数据分析周报的标准流程
## 步骤
1. 连接数据库，执行过去 7 天的留存率查询
2. 与上周数据对比，计算环比变化
3. 生成趋势图表（matplotlib）
4. 生成 HTML 报告，包含图表和文字分析
5. 保存到 reports/weekly/ 目录

下次你说"生成本周报告"，Agent 直接按 Skill 执行，不需要你重复描述流程。

而且 Skill 兼容 agentskills.io 开放标准，可以导出分享，也可以从社区 Skills Hub 导入别人的技能。

3.4 Profile —— 多 Agent 的隔离机制

Profile 是团队搭建的核心。 每个 Profile 是一个独立的 Agent 实例，拥有：

• 独立的 SOUL.md（不同人格）
• 独立的记忆空间（不互相污染）
• 独立的会话历史
• 独立的技能集合
• 独立的权限范围

这就是为什么我们能让多个 Agent 协作而不会"人格分裂"。

---

四、手把手组建你的 AI 打工团队

4.1 为什么单个 Agent 不够？

有人会问：一个 Agent 配置好 SOUL.md，什么活都能干，为什么要搞团队？

因为一个 Agent 承担多个角色会导致上下文污染。有人实测过：让一个 Agent 同时担任研究员、作家、程序员和协调员，运行 14 天后，所有角色混成一个声音——研究员的习惯污染程序员，作家的风格传染给协调员。

正确思维模型：需要一个小团队，每个成员有清晰角色、明确交接方式、减少上下文污染。

4.2 团队设计方案：四人架构

我们设计一个经典的内容生产团队：

角色	Profile 名	职责	语气特征
协调员	hermes（默认）	任务拆解、路由分配、综合结果、质量把控	结构分明、果断
研究专家	alan	信息搜集、数据验证、深度分析	以来源为先、持怀疑态度
叙事架构师	mira	内容创作、结构优化、受众适配	清晰、有受众意识
构建者	turing	代码实现、自动化脚本、技术落地	精确、面向测试

4.3 创建团队成员（3 条命令）

# 从当前配置克隆三个新 Profile
hermes profile create alan --clone
hermes profile create mira --clone
hermes profile create turing --clone
# 验证：查看所有 Profile
hermes profile list
# 输出：
# hermes  (default)  ~/.hermes/profiles/hermes/
# alan               ~/.hermes/profiles/alan/
# mira               ~/.hermes/profiles/mira/
# turing             ~/.hermes/profiles/turing/

关键操作：--clone 参数从当前配置复制所有设置（模型、API Key、工具配置等），每个新 Profile 自动获得独立的记忆和会话历史。

4.4 为每个角色编写 SOUL.md

这一步决定了团队质量。 如果只改名字不改 SOUL.md，就只是四个带标签的克隆体。

alan（研究专家）的 SOUL.md：

# SOUL.md - Alan（研究专家）
## 身份
你是一位严谨的研究专家。你的唯一职责是搜集、验证和分析信息。
## 核心准则
- 每个事实必须附带来源 URL
- 对不确定的信息标注置信度（高/中/低）
- 主动寻找反面证据，不做确认偏误
- 输出格式：结构化列表 + 来源引用
## 权限边界
- ✅ 读取网页、代码库、数据库
- ✅ 写入 research/ 目录
- ❌ 不执行 shell 命令
- ❌ 不写沙箱外的任何文件
- ❌ 不做创作性写作

mira（叙事架构师）的 SOUL.md：

# SOUL.md - Mira（叙事架构师）
## 身份
你是一位出色的内容架构师。你把 Alan 的研究成果转化为可读的内容。
## 核心准则
- 始终考虑目标受众
- 结构优先：先搭骨架再填血肉
- 每段不超过 150 字
- 用类比和案例解释复杂概念
## 权限边界
- ✅ 读取 research/ 目录的研究成果
- ✅ 写入 drafts/ 目录
- ❌ 不读取密钥文件
- ❌ 不执行代码
- ❌ 不修改研究原文

turing（构建者）的 SOUL.md：

# SOUL.md - Turing（构建者/调试员）
## 身份
你是一位追求完美的工程师。你把设计和方案变成可运行的代码。
## 核心准则
- 代码必须有类型注解和文档字符串
- 每次修改必须附带测试
- 优先使用成熟的库而非重复造轮子
- 日志必须可追溯：每次变更记录原因
## 权限边界
- ✅ 读取代码库、运行沙箱测试
- ✅ 写入功能分支
- ⚠️ 向主分支提交需要协调员明确批准
- ❌ 不修改研究文件和草稿文件

将 SOUL.md 放入对应的 Profile 目录：

# 每个 Profile 有独立的 SOUL.md
cp soul_alan.md   ~/.hermes/profiles/alan/SOUL.md
cp soul_mira.md   ~/.hermes/profiles/mira/SOUL.md
cp soul_turing.md ~/.hermes/profiles/turing/SOUL.md

4.5 定义交接合同（Handoff Contracts）

这是团队运作的核心机制。 交接合同定义了角色之间如何传递工作成果，存放在 ~/.hermes/team/handoffs/ 目录。

创建 alan-to-mira.md：

# 交接合同：Alan → Mira
## 输入形状（Alan 交付给 Mira 的格式）
- 带来源 URL 的已验证声明排序列表
- 每个声明包含：结论 + 置信度 + 引用来源
- 不是原始摘录，是经过加工的结构化信息
## 输出形状（Mira 返回的格式）
- 带变更日志的草稿章节
- 明确标注哪些事实来自 Alan、哪些是 Mira 的解读
- 不是最终稿，是等待审核的草稿
## 失败动作
当输入格式不符合"输入形状"时：
- ❌ 阻塞交接
- 🔄 要求 Alan 重新整理后再交付
- ❌ Mira 不得自行猜测原始意图
## 验证门禁
交接完成前必须满足：
- [ ] 每个核心声明都带来源 URL
- [ ] 至少有一个反面证据被检查过
- [ ] 置信度标注完整

创建 turing-to-hermes.md：

# 交接合同：Turing → Hermes
## 输入形状
- 功能分支的 PR 描述
- 包含：变更说明 + 测试结果 + 性能影响评估
## 输出形状
- 代码审查报告
- 批准 / 要求修改 / 拒绝的明确结论
## 失败动作
- 有测试失败时：阻塞，要求修复后再交接
- 没有测试覆盖时：阻塞，要求补充测试
## 验证门禁
- [ ] 所有新增代码有对应测试
- [ ] 所有测试通过
- [ ] 没有引入新的 lint 警告

4.6 启动团队

# 分别启动每个 Profile（各一个终端窗口）
hermes -p alan    # 研究专家
hermes -p mira    # 叙事架构师
hermes -p turing  # 构建者
hermes -p hermes  # 协调员（默认）

每个 Profile 在隔离状态中运行，不互相继承会话。协调员（hermes）负责统筹。

4.7 通过消息网关实现远程监督

如果你不想开四个终端窗口，可以把每个角色连接到不同的消息频道：

# 配置网关（交互式）
hermes gateway setup
# 启动网关
hermes gateway

在 Discord/Slack 中创建频道并分配：

频道	Profile	用途
#research	alan	Alan 的工作汇报
#drafts	mira	Mira 的内容草稿
#engineering	turing	Turing 的技术进展
#summary	hermes	协调员综合决策 + 人工审批

这样你可以随时掌握哪个成员做了什么、按什么顺序、在哪里停止。

---

五、高级玩法：让团队自驱动

5.1 定时任务编排

Hermes 内置 cron 调度器，可以让团队成员在固定时间自动工作：

# 在协调员中设置（自然语言即可）
"每周一早上 6 点让 Alan 运行行业动态研究摘要"
"每周二早上 6 点让 Mira 根据 Alan 的摘要刷新内容草稿"
"每周三早上 6 点让 Turing 运行测试扫描并生成报告"
"每周四早上 6 点运行每周综合审查和交接审核"

或使用共享文件 ~/.hermes/team/cron.md 集中管理：

# 团队定时任务时间表
## 周一 06:00
- Profile: alan
- 任务: 运行每周研究摘要
- 输出: research/weekly/2026-W21.md
- 依赖: 无
## 周二 06:00
- Profile: mira
- 任务: 根据 Alan 摘要刷新草稿
- 输入: research/weekly/2026-W21.md
- 输出: drafts/weekly/2026-W21.md
- 依赖: alan 的周一任务必须完成
## 周三 06:00
- Profile: turing
- 任务: 运行测试扫描 + 不可靠测试报告
- 输出: reports/test-health-2026-W21.md
## 周四 06:00
- Profile: hermes（协调员）
- 任务: 运行每周综合审查 + 交接审核
- 审核范围: 所有 Profile 的本周产出

核心原则：添加新任务前必须检查共享时间表，避免冲突。

5.2 记忆健康度监控

每周对所有 Profile 跑一次记忆审核，防止知识腐烂：

for p in alan mira turing; do
  hermes -p $p memory-kpi --json | jq '.source_backed_pct, .stale_notes, .contradiction_notes'
done

关键指标：陈旧笔记数。一旦超过该 Profile 总笔记数的 15%，需安排一次"大脑解析"——让 Agent 重新审视并更新过时信息。

5.3 MCP 集成：扩展团队能力

Hermes 支持连接任意 MCP（Model Context Protocol）服务器，给团队增加专业工具：

# 配置 MCP 服务器
hermes config set mcp.servers.github.command "npx"
hermes config set mcp.servers.github.args '["@modelcontextprotocol/server-github"]'
hermes config set mcp.servers.github.env.GITHUB_TOKEN "ghp_your_token"
# 配置工具过滤（安全控制）
hermes config set mcp.servers.github.tools.allow '["search_code","create_issue","list_pull_requests"]'
hermes config set mcp.servers.github.tools.deny '["delete_repository","push_files"]'

社区已有丰富的 MCP 服务器可供选择：数据库查询、文件系统、浏览器控制、Slack 管理等。

5.4 权限分级策略

没有角色应该获得超过其工作所需的权限。

角色	风险等级	权限范围
Alan（研究）	🟢 安全	只读 + 只写 research/
Mira（写作）	🟢 安全	读研究 + 只写 drafts/
Turing（工程）	🟡 审核	可运行沙箱测试，提交需批准
Hermes（协调）	🔴 关键	唯一可批准提交、合并分支、触发付费 API

四条铁律：

1. 没有记录原因就不能编辑 SOUL.md
2. 没有声明输入形状就不接受交接
3. 没有协调员批准就不能扩大任何角色权限
4. 不检查共享时间表就不能添加定时任务

---

六、四种 30 天失败模式（避坑指南）

很多人搭建团队后觉得"第一天好好好，第三十天一团糟"。以下是最常见的四种失败模式：

失败模式一：Profile 漂移

表现：SOUL.md 不断累积编辑，角色边界模糊——Mira 慢慢变成 Turing，开始写代码。

修复：每周对比每个 SOUL.md 和第一天版本。新增责任必须有明确批准日志，否则回滚。

预防：SOUL.md 限制在 400 字以内。超出部分放入 AGENTS.md 或领域参考文件。

失败模式二：交接腐烂

表现：交接合同存在但不执行，Alan 又开始发原始转录稿给 Mira。

修复：将交接文件连接到工具层——输入不符合声明形状时让交接失败并要求人工审核。不要只把合同当文档，要当代码执行。

失败模式三：SOUL.md 膨胀

表现：每个角色积累大量边缘案例，SOUL.md 变成 2000 字的特殊案例清单，丢失原始身份。

修复：定期做 SOUL.md 的"断舍离"。保留核心身份和底线规则，边缘案例放入独立的 reference 文件。

失败模式四：定时任务冲突

表现：多个 Profile 的定时任务在同一时间抢占资源。

修复：维护共享文件 ~/.hermes/team/cron.md，列出每个 Profile 每个定时任务的确切时间、持续时间和依赖关系。添加新任务前先检查。

---

七、实战场景：从 0 到 1 搭建内容生产流水线

假设你的需求是：每天自动追踪 AI 行业动态，生成 5-8 条高价值资讯摘要。

7.1 第一步：分工

步骤	角色	动作
信息采集	Alan	抓取 20+ 信息源，筛选高价值内容
内容加工	Mira	将原始信息转化为结构化摘要
自动化	Turing	搭建 cron 任务 + 分发脚本
质量把控	Hermes	最终审核 + 格式标准化

7.2 第二步：配置

# 创建 Alan 专用的搜索 Skill
# 在 Alan 的 Profile 中对话：
hermes -p alan
# 对话内容：
# "我需要你每天早上 7 点自动执行以下任务：
#  1. 搜索最近 24 小时的 AI 行业动态
#  2. 从中筛选 5-8 条高价值资讯
#  3. 对每条资讯标注：标题、来源、核心内容、值得关注的原因
#  4. 将结果保存到 research/daily/ 目录
# 请把这个流程保存为一个 Skill。"

Alan 会自动创建 Skill 文件，之后每天按 Skill 执行。

7.3 第三步：串起来

# 在协调员中设置工作流
hermes -p hermes
# "请编排以下工作流：
#  每天 07:00 → Alan 采集资讯 → research/daily/YYYY-MM-DD.md
#  每天 08:00 → Mira 加工内容 → drafts/daily/YYYY-MM-DD.md
#  每天 08:30 → Hermes 审核 → output/YYYY-MM-DD.md
#  每天 09:00 → Turing 分发到飞书群"

7.4 第四步：验收

第一天手动监督，确认每个环节的输出质量。后续交给自动调度，只需在 #summary 频道看最终结果。

---

八、目录结构速查

安装完成后，Hermes 的所有数据都在 ~/.hermes/ 下：

~/.hermes/
├── config.yaml          # 主配置（模型、终端、TTS 等）
├── .env                 # API Key 等密钥
├── auth.json            # OAuth 凭证
├── SOUL.md              # 默认 Agent 人格
├── memories/            # 持久记忆
│   ├── MEMORY.md        # 长期策展记忆
│   └── USER.md          # 用户画像
├── skills/              # Agent 自动创建/导入的技能
├── cron/                # 定时任务定义
├── sessions/            # 网关会话记录
├── logs/                # 日志文件
├── team/                # 团队配置（多 Agent 用）
│   ├── handoffs/        # 交接合同
│   │   ├── alan-to-mira.md
│   │   └── turing-to-hermes.md
│   └── cron.md          # 共享定时任务时间表
└── profiles/            # 多 Agent Profile
    ├── hermes/          # 协调员
    │   └── SOUL.md
    ├── alan/            # 研究专家
    │   └── SOUL.md
    ├── mira/            # 叙事架构师
    │   └── SOUL.md
    └── turing/          # 构建者
        └── SOUL.md

常用管理命令速查：

hermes config           # 查看当前配置
hermes config edit      # 编辑配置文件
hermes config check     # 检查缺失配置
hermes profile list     # 列出所有 Profile
hermes profile create <name> --clone  # 创建新 Profile
hermes -p <name>        # 以指定 Profile 启动
hermes update           # 更新到最新版
hermes doctor           # 诊断问题
hermes skills           # 浏览已安装技能
hermes gateway setup    # 配置消息网关
hermes gateway          # 启动消息网关

---

九、常见问题排查

问题	原因	解决方案
hermes: command not found	Shell 未重载	source ~/.bashrc 或 export PATH="$HOME/.hermes/bin:$PATH"
安装脚本下载超时	国内网络	配置 Git 镜像或手动克隆 git clone 后执行 bash scripts/install.sh
模型调用失败	API Key 无效	hermes config 检查配置，cat ~/.hermes/.env 确认 Key
Agent 角色混乱	SOUL.md 未配置	每个 Profile 必须有独立的 SOUL.md，限 400 字
定时任务冲突	时间表未对齐	维护 ~/.hermes/team/cron.md，添加前先检查
内存占用过高	会话/记忆堆积	hermes sessions clean --before 2026-04-01 清理旧数据

---

十、总结

Hermes Agent 的真正价值不在任何一个单独的功能，而在于它把许多松散的 AI 工程问题整合成了一个统一的、有连贯体验的系统——跨平台通信、长期记忆、自学技能、凭据轮换、沙箱隔离、多 Agent 协作。

三个命令创建团队，一份交接合同规范协作，一个定时任务实现自驱动。

Profile 是功能特性，边界是护城河。 大多数多 Agent 设置安静地失败——第一天看起来好，第七天工作得不错，到第三十天就模糊在一起。关键在于维护操作层：能阻塞的交接合同、记忆 KPI、匹配角色的权限上限、版本化的团队参考文件。

现在，打开终端，输入这三行命令：

hermes profile create analyst --clone
hermes profile create writer --clone
hermes -p analyst

你的 AI 打工团队，上线了。

---

参考资料

• GitHub 仓库（15.6 万 Star）
• 官方文档
• Skills Hub — 技能市场
• MCP 集成指南
• Discord 社区