• Hermes
  • Evolver
  • Hermes 介绍
    • Hermes 如何发音？
  • 特点
  • 安装
    • CLI 命令
    • 设置 API 密钥
    • 选择模型
    • 工具配置
    • 人格设置
    • 上下文压缩
  • GUI
    • (1) Hermes Web-UI
    • (2) hermes-hudui
  • 结构
  • 记忆能力
    • hermes vs openclaw 记忆对比
    • 1. 三层记忆架构
    • 2. 五层安全防线
  • 问题
• 结束

Hermes

【2026-4-15】资讯 Hermes Agent被实锤架构级抄袭中国团队 EvoMap 的开源项目 Evolver：10步主循环一一对应、12组术语系统性替换、7份材料零归属。

• EvoMap 开源 Evolver 36天后，融资过亿的硅谷团队 Nous Research“重新发明”了整套自进化架构。
• 被锤后官方回应仅一句“Delete your account”，随后删帖拉黑。

【2026-5-13】Multica 你的下一批员工不是人类。

• Multica 是一个开源平台，将编码 智能体 变成真正的队友。分配任务、跟踪进度、积累技能——在一个地方管理你的人类 + 智能体 团队。

Evolver

EvoMap 十几人的中国年轻团队从零搭建了一整套AI Agent自进化引擎 Evolver，给AI智能体装上「基因系统」，让能力可以像生物基因一样遗传、变异、进化。

EvoMap 开源 Evolver 36天后，融资过亿的硅谷团队 Nous Research“重新发明”了整套自进化架构。

• GitHub Evolver

Hermes 介绍

• 

Hermes Agent 是 Nous Research 开源的自主 AI Agent 框架。2026-02-25， Hermes 开源版发布（v0.1.0）

• GitHub 仓库：hermes-agent
• Hermes Agent 官网：Hermes Agent

Hermes 官网

• 教程：第三方教程 Hermes Agent

核心理念：

让 AI 成为长期在线的数字员工，而非一次性聊天机器人。

Hermes Agent 是业内少见的原生内置学习闭环的 AI Agent，可从执行经验中沉淀技能、自主优化能力、持久化知识、检索历史对话，并在跨会话中持续完善用户认知模型。

Hermes Agent 支持自由切换任意大模型，包括 Nous Portal、OpenRouter（200+ 模型）、OpenAI、GLM、Kimi、MiniMax 等，执行 hermes model 即可切换，无需改代码、无厂商锁定

Hermes 如何发音？

两种读法，Hermès（法国品牌，带重音）与 Hermes（希腊神名，无重音）发音完全不同，核心区别：法语 h 不发音，英语 h 发音。

类型	音标	近似读音	注意
国际音标	/ɛʁˈmɛs/	艾尔 - 梅斯	H不发音
赫尔墨斯希腊神名：赫尔墨斯	/ˈhɝːmiːz/	赫-儿-米兹	H清晰发音, s浊化为z

总结

• ❌ 误读：“赫尔 - 梅斯”（混英法）
• ✅ 品牌：“爱马仕” ≈ 艾尔梅斯
• ✅ 神话：“赫尔墨斯” ≈ 赫米兹

特点

• 原生终端交互 完整 TUI 界面，支持多行编辑、命令补全、历史回溯、流式输出等
• 全平台接入 一个网关接入 CLI、Telegram、Discord、Slack、WhatsApp 等多端
• 闭环学习体系 自主管理记忆、技能生成与优化、跨会话召回、用户建模
• 定时自动化 内置 Cron 调度，支持日报、备份、审计等 7×24 自动任务
• 并行任务处理 支持子 Agent 并行执行、多工作流拆分与 RPC 工具调用
• 多环境运行 支持本地、Docker、SSH、Daytona、Modal 等 6 种后端
• 科研级能力 支持轨迹生成、强化学习环境、训练数据压缩

安装

Linux、mac与wsl2

• 不支持原生 Windows 环境，请先安装 WSL2，再在 WSL2 终端中执行上述命令。

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
source ~/.bashrc    # 重载shell配置（若使用zsh，执行：source ~/.zshrc）
hermes              # 开启智能体对话！

自动处理所有依赖项：

• uv — 快速 Python 包管理器
• Python 3.11 — 通过 uv 安装，无需 sudo
• Node.js v22 — 用于浏览器自动化和 WhatsApp 桥接
• ripgrep — 快速文件搜索
• ffmpeg — TTS 音频格式转换

CLI 命令

hermes              # 交互式命令行界面 — 开启对话
hermes model        # 选择大语言模型服务商与对应模型
hermes tools        # 配置启用的工具集
hermes config set   # 设置单项配置项
hermes gateway      # 启动消息网关（支持Telegram、Discord等平台）
hermes setup        # 运行全量配置向导（一站式完成所有配置）
hermes claw migrate # 从OpenClaw迁移数据（适用于原OpenClaw用户）
hermes update       # 更新至最新版本
hermes doctor       # 诊断运行环境与配置问题

hermes config set <key> <value>	# 设置配置值
hermes config get <key>	# 获取配置值
hermes config list	# 列出所有配置
hermes config check	# 检查配置完整性
hermes config migrate	# 迁移配置到新版本

设置 API 密钥

通过 CLI 设置 API 密钥：

hermes config set OPENROUTER_API_KEY sk-or-v1-your-key-here

或直接编辑 ~/.hermes/.env 文件：

# LLM 提供商
OPENROUTER_API_KEY=sk-or-v1-your-key-here

# 可选工具
FIRECRAWL_API_KEY=fc-your-key
FAL_KEY=your-fal-key

选择模型

hermes model       # 交互式选择

或在配置文件中指定：

# ~/.hermes/config.yaml
provider:
  name: openrouter
  model: anthropic/claude-sonnet-4-20250514

工具配置

配置工具集

常用工具集包括：

• web、terminal、file、browser、vision、image_gen、skills、tts、todo、memory、session_search、cronjob、code_execution、delegation、homeassistant 和 rl。

# 使用特定工具集
hermes chat --toolsets "web,terminal"

# 配置每个平台的工具（交互式）
hermes tools

人格设置

# ~/.hermes/config.yaml
personalities:
  helpful: "You are a helpful, friendly AI assistant."
  kawaii: "You are a kawaii assistant! Use cute expressions..."
  pirate: "Arrr! Ye be talkin' to Captain Hermes..."
  # 添加您自己的！

使用 /personality pirate 等命令激活。

上下文压缩

上下文压缩

# ~/.hermes/config.yaml
compression:
  enabled: true
  threshold: 0.50    # 在上下文限制的 50% 时压缩
  summary_model: "google/gemini-3-flash-preview"

GUI

官方 Web UI

第三方 Web UI

• 【2026-4-11】Hermes-HUDUI 开源项目，为本地AI代理 Hermes 提供了可视化控制面板，解决了”黑盒”问题，可实时查看AI记忆、当前目标与会话历史。
• hermes-webui

(1) Hermes Web-UI

git clone https://github.com/nesquena/hermes-webui.git hermes-webui
cd hermes-webui
python3 bootstrap.py
# 或
./start.sh

(2) hermes-hudui

项目地址：hermes-hudui

安装方法

git clone https://github.com/joeynyc/hermes-hudui.git
cd hermes-hudui
./install.sh
hermes-hudui # 不一定管用
source venv/bin/activate && hermes-hudui

打开地址 ocalhost:3001

结构

本地配置，用户主目录下的 .hermes 文件夹

文件	目录	功能
主配置文件	~/.hermes/config.yaml	配置文件
环境变量	~/.hermes/.env	用于存储 API 密钥等
会话数据	~/.hermes/state.db	SQLite 数据库
技能目录	~/.hermes/skills/	技能信息
会话目录	~/.hermes/sessions/	会话存储目录
技能目录	~/.hermes/memories/	持久化记忆信息

记忆能力

2026 年，随着上下文窗口（128K、200K 甚至 1M）的爆炸式增长，反直觉的现象出现：更大的窗口 ≠ 更好的记忆。

原因：

• 上下文窗口是短期记忆，会话结束就清零
• 真正的长期记忆需要策略：选择性地记住什么、遗忘什么、如何组织
• 记忆的质量不在于”记住了多少”，而在于”在正确的时间想起了正确的内容”

这正是 OpenClaw 和 Hermes Agent 在记忆系统上花费巨大精力的原因。两个项目走向了截然不同的设计路径：

• OpenClaw 选择了神经科学启发的三阶段睡眠模拟（dreaming）
• Hermes Agent 选择了认知科学分层的三层记忆架构

Hermes Agent 核心架构

架构拆解：三层记忆 + 五层防线

AI Agent 的终极战场不是推理能力，而是记忆质量

Hermes 核心创新概括：像人类一样记忆，像银行一样安全。

1. 三层记忆架构：越用越懂你的秘密
2. 五层安全防线：比 OpenClaw 更谨慎

hermes vs openclaw 记忆对比

【2026-5-9】记忆机制对决：OpenClaw 的dreaming 三阶段睡眠 vs Hermes 三层认知架构

核心结论：

• OpenClaw 的 dreaming 和 Hermes 的三层记忆，不是优劣之分，而是设计哲学的不同。
• dreaming 来自神经科学，模拟人类睡眠周期，简单透明、自动遗忘、天然适合审查
• 三层记忆来自认知科学，按情景/语义/程序性分层，高效扩展、可复用、天然适合积累

选择建议：

优先看重特性	对应选择框架
自动遗忘	OpenClaw
可解释性	OpenClaw
快速检索	Hermes
Skill 复用	Hermes
精确匹配	Hermes
低维护成本	OpenClaw

更多详情见原文 记忆机制对决：OpenClaw 的dreaming 三阶段睡眠 vs Hermes 三层认知架构

OpenClaw dreaming：模拟人类大脑的睡眠周期

OpenClaw 的 dreaming 系统建立在核心假设上：

• 记忆巩固发生在”睡眠”中，而不是”清醒”时。

人类大脑在睡眠期间会经历三个阶段：

• 浅睡眠：过滤当天的感官信息，提取关键信号
• 深睡眠：将重要信息从短期海马体转移到长期皮层存储
• REM（快速眼动）：整合新知识，建立长期关联

OpenClaw 将这个模型映射到 AI Agent 的记忆系统：

• 清醒时段（会话中） → 记录原始信号，不做深度处理
• 定时睡眠（后台 cron） → 三阶段扫描、评分、晋升

设计哲学：简单、透明、可解释。每个阶段的行为都是确定的，人工可以审查和干预。

Hermes 记忆系统基于认知科学的经典理论：

人类记忆不是单一结构，而是三个独立的系统协同工作。

记忆类型	认知科学定义	AI 映射
情景记忆（Episodic）	对特定事件的回忆：“昨天我做了什么”	历史会话记录、时间线
语义记忆（Semantic）	对事实和概念的存储：“地球是圆的”	用户偏好、项目约定、环境事实
程序性记忆（Procedural）	对技能和习惯的存储：“如何骑自行车”	Skill 文件、可复用工作流

设计哲学：高效、扩展、自动策展。每个层级有明确的存储格式和检索策略，互不干扰。

1. 三层记忆架构

越用越懂你的秘密

传统 AI 助手最大的痛点是”失忆”——每次对话从零开始。Hermes 通过三层记忆系统解决这个问题：

Agent 三层记忆架构表

层级	名称	存储内容	实际例子
第一层	持久事实层	用户偏好、项目习惯、长期工作上下文	“你习惯用 4 空格缩进，讨厌驼峰命名”
第二层	程序性记忆层	Skill（技能）及对应的优化迭代历史	“写周报时先读取 Git 提交记录，再自动生成内容总结”
第三层	历史搜索层	全量对话上下文、完整任务执行流水记录	“上周三你让查询的竞品数据在这里”

1. 第一层（长期静态记忆）：几乎永久保存，不随单次对话过期，塑造 Agent 固定工作风格与个人习惯
2. 第二层（流程技能记忆）：固化标准化工作流程，持续迭代优化任务执行步骤，形成可复用自动化能力
3. 第三层（时序上下文记忆）：短期对话回溯，支持历史问答溯源、跨时间任务关联查询

为什么分层？

• 想象一下：如果你每次聊天都要从幼儿园回忆开始，效率有多低。Hermes 默认只加载第一层（几百字摘要），需要时才检索深层记忆，既省 Token 又防幻觉。

Skill 自生长机制：完成任务后，Hermes 会自动复盘——”这次哪里做得好？哪里可以优化？”然后将经验固化为新的 Skill（一个 Markdown 文件）。下次遇到类似任务，直接调用 Skill，无需重新推理。

实际效果：第一次写周报需要 10 分钟，第二次可能只需 30 秒。

2. 五层安全防线

比 OpenClaw 更谨慎

Hermes 在安全性上做了大量工作，特别适合企业场景

AI Agent 安全五层防护体系

防线	机制	示例
用户授权	敏感高危操作强制要求用户手动确认	删除文件前弹窗二次确认
危险命令审批	rm -rf 等高风险系统指令拦截+二次校验	严防误删线上生产环境数据
容器隔离	Agent 任务全程在独立沙箱容器内运行	异常代码崩溃、恶意行为不会影响宿主主机
上下文扫描	前置检测对话与指令里的注入类风险	自动识别拦截 SQL 注入、系统命令注入攻击
权限最小化	默认只读权限，所有写入/修改操作必须显式授权	从根源杜绝越权访问、非法篡改文件

问题

【2026-5-9】Hermes Agent 被忽视的 4 个坑，DTClaw 如何填平？

4 个关键问题几乎没人提：

• 部署体验简化了，认知鸿沟还在
• 自进化是最大亮点，也藏着最大隐患
• 记忆设计精巧，但适用面有限
• 安全纵深做得扎实，但规则总有尽头

蚂蚁数科 DTClaw 的实践

坑	DTClaw 填平方式
认知门槛高	专业虾模板 + 密态技能，开箱即专业
自进化不可控	模型提案 + 确定性决策 + 回滚机制
记忆场景单一	插件化记忆后端，场景自选策略
静态规则有尽头	CARLI 五维模型，允许犯错但损害可控

DTClaw 不是另一个 Hermes，而是更成熟的“数字合伙人”

DTClaw 还具备：

• PinchBench 87.93% 综合得分，超越官方基准 7%~22%
• 上下文优化插件：智能压缩冗余，节省 50% Token
• 存算分离架构：热切换实例无中断，零数据丢失
• 支付宝 AI 付：让 Agent 从“能执行”进化为“能交易”

结束