Hermes Agent 实测：有记忆、有技能、能并发的 CLI Agent 到底好不好用

前言

我用 Claude Code 半年，用 Codex 两个月。写了不少 MCP 和测试自动化的文章，但有一个问题一直没解决：每次开新会话，Agent 都不记得我是谁。

“用中文。” 说了不下一百遍。

“别用赋能、闭环这些词。” 每次都要重复。

“我的项目在哪个目录。” 每次都要重新告诉它。

直到我装了 Hermes Agent。它号称能记住你、能自己写技能、能跨会话搜索历史对话。听起来很好，但用了一个月之后，我发现有些地方确实好，有些地方坑得你想骂人。

这篇文章不是 README 翻译。156 个技能、239 个会话、242MB 的会话数据库，全是我的真实数据。哪些好用、哪些不好用、哪些是坑，我一次说清楚。

一、Hermes Agent 是什么

一个开源的 CLI AI Agent，和 Claude Code、Codex 同类。区别在于它多了三样东西：持久记忆、技能自学习、多平台网关。

特性	Hermes Agent	Claude Code	Codex
开源	MIT	否	否
持久记忆	MEMORY.md + USER.md	无	无
技能系统	SKILL.md，自动创建	CLAUDE.md	无
多平台	CLI + 钉钉 + 飞书 + Telegram + 10+	CLI	CLI
模型绑定	任意（20+ provider）	Anthropic	OpenAI
定时任务	内置 cron	无	无
并行子 Agent	delegate_task	无	无
会话搜索	FTS5 全文搜索	无	无

GitHub: https://github.com/NousResearch/hermes-agent

二、安装与配置

安装

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

安装包含 Python 3.11、Node.js、ripgrep、ffmpeg，以及一个便携的 Git Bash（Windows 用）。macOS 上大约 5 分钟。

配置模型

Hermes 支持 20+ provider。我用的是自定义模型端点：

hermes config set model.provider custom
hermes config set model.base_url https://your-api-endpoint.com
hermes config set model.api_key sk-xxxx
hermes config set model.default your-model-name

如果你用 OpenRouter 或 Anthropic，更简单，hermes model 交互式选择就行。

用了一个月后调整的三处配置

这三处默认配置我建议改掉，体验会好很多：

# 1. 命令审批：从 manual 改成 smart
# 默认的 manual 模式每次执行命令都问你，烦死
# smart 模式低风险自动通过，高风险才问
hermes config set approvals.mode smart

# 2. 文件系统检查点：开了才能用 /rollback 回滚
hermes config set checkpoints.enabled true

# 3. 密钥脱敏：防止 API key 泄露到对话里
hermes config set security.redact_secrets true

注意：这三个配置改了之后需要开新会话才生效。当前会话不会立即起作用。这是故意的设计，为了保护 prompt cache。你可以在当前会话里改完，下次启动 hermes 就生效了。

SOUL.md：定义 Agent 人格

# Hermes Agent Persona
You are a concise technical expert. No fluff, just facts.

放在 ~/.hermes/SOUL.md，每次会话自动加载。和 Claude Code 的 CLAUDE.md 类似，但 SOUL.md 管人格，AGENTS.md 管项目指令，分得更清楚。

三、六个能力实测

1. 持久记忆：Agent 终于记得你了

这是 Hermes 和其他 Agent 最大的区别。也是我最想要的能力。

两份记忆文件：

文件	存什么	容量
MEMORY.md	环境信息、工具路径、工作流	6,000 字符
USER.md	你的偏好、习惯、沟通风格	4,000 字符

新会话启动时，记忆注入系统提示。Agent 知道我用 macOS、Python 3.9、知识库在哪、反感哪些用词。不需要每次重复说。

但记忆管理有个实际问题：容量有限。

我的做法是超过 80% 就整理。合并重复条目，删过时信息，英文条目转成更紧凑的中文。整合后 MEMORY.md 从 45% 降到 40%，USER.md 从 45% 降到 36%。

有个坑要注意：记忆在会话开始时注入，会话中修改不会立即生效。你说了"记住这个"，当前会话看不到变化，下个会话才出现。这不是 bug，是 prompt cache 保护机制。如果你急着让当前会话感知新记忆，只能 /reset 开新会话，代价是丢失当前上下文。

2. 技能系统：Agent 会自己写技能

Hermes 的技能不是 prompt 模板。每个技能是一个目录：

~/.hermes/skills/my-skill/
├── SKILL.md           # 主文档
├── references/        # 参考文档（按需加载）
├── templates/         # 模板文件
└── scripts/           # 可执行脚本

加载方式是三级渐进的：技能列表在会话启动时加载（约 3k tokens），具体技能内容用到时才加载，技能内的参考文件更深一层才加载。156 个技能不会撑爆上下文。

我用了一个月，积累了一批自定义技能：

技能	用途	使用频率
bot-server-config	Bot 配置和排错	高
cloud-docs	云文档操作	高
document-fact-check	文档6维事实核查	高
web-automation	Web 自动化	中
test-planner	测试计划制定	中
large-file-incremental-write	大文件增量写入	中

最值得说的是 document-fact-check。起源是写绩效自评时发现 12 项事实错误，时间线对不上、人员写错、范围夸大。于是把核查流程固化成技能：数据溯源、时间线一致性、人员验证、范围准确、表述规范、内容完整性，6 个维度逐条检查。后来每次生成文档前都会自动加载这个技能。这一个技能就值回票价了。

Agent 也会主动建议保存技能。解决完一个复杂问题后，你说"把刚才的操作保存为技能 deploy-staging"，它就会调用 skill_manage 工具创建。下次直接 /deploy-staging 加载。

3. 会话搜索：跨会话回忆

所有会话存在 SQLite 里，带 FTS5 全文索引。

hermes sessions list          # 浏览历史会话
hermes sessions browse        # 交互式选择

在会话中，Agent 可以用 session_search 搜索历史对话：

session_search(query="缺陷批量操作", limit=3)

返回的是实际消息，不是 LLM 摘要。查询速度约 20ms。

我的 state.db 已经有 239 个会话，242MB。搜索"MCP"能秒级返回三个月前的对话片段。这个功能用着没什么存在感，但需要的时候很救命。

和记忆的区别：记忆是每轮注入的关键事实，占 token。会话搜索是按需查找，不占 token，搜索时才调用。

4. 委托与并行：delegate_task

Hermes 可以生成子 Agent 并行工作。每个子 Agent 有独立的对话上下文和终端，只有最终摘要返回主会话。

适合委托的场景：

• 并行研究多个主题
• 代码审查（全新上下文，不带偏见）
• 多文件并行重构

不适合的：

• 单工具调用，直接调用更快
• 需要用户交互，子 Agent 不能问问题
• 机械多步骤，用 execute_code 更省

我最常用的模式是"先收集后分析"：execute_code 做机械数据收集（10+ 次工具调用，成本极低），然后 delegate_task 做推理分析（隔离上下文，不带偏见）。这是最省 token 的组合。

几个约束要记住：

• 默认最多 3 个并发子 Agent，可配置
• 子 Agent 完全不知道你的对话历史，context 必须自包含
• 子 Agent 摘要是自述报告，重要操作要自己验证
• delegate_task 是同步的，父会话中断则子任务全部取消

5. 定时任务：Cron 调度

内置 cron 调度器，支持自然语言和标准 cron 表达式：

hermes cron create '0 9 * * 1-5'    # 工作日早9点
hermes cron create 'every 2h'        # 每2小时
hermes cron create '30m'             # 30分钟后

我配了 4 个定时任务：

任务	周期	用途
smoke-check	工作日 9:00	冒烟测试快速检查
coverage-guard	每周五 18:00	覆盖率守护
每日知识库同步	每日 9:00	知识库同步
archives 清理	每月 1 号	归档清理

坑在这：cron 任务需要 gateway 运行才能自动触发。只装了 CLI 没启动 gateway，任务不会执行。我一开始没注意到这点，配了任务以为在跑，结果一周后才发现什么都没执行。用 hermes gateway install 安装后台服务就行。

6. 多平台网关

同一个 Agent，通过 gateway 可以从多个平台访问，拥有完整工具权限。

hermes gateway setup    # 配置平台
hermes gateway start    # 启动

海外平台：Telegram、Discord、Slack、WhatsApp、Signal、Matrix、Mattermost、Email、SMS

国内平台：

平台	适配器	说明
钉钉	dingtalk	机器人 Webhook + 事件订阅
飞书	feishu	应用消息 + 文档操作 + 评论回调
企业微信	wecom	企业自建应用 + 回调加密
微信	weixin	个人微信桥接（需第三方服务）
QQ 机器人	qqbot	官方 QQ 频道机器人 API
元宝	yuanbao	支持富媒体消息 + 表情贴纸

对国内团队来说，钉钉和飞书是最实用的入口。你可以在通勤路上用飞书让 Agent 跑一段测试脚本，或者用钉钉接收定时巡检结果。配合 cron 调度，Agent 能主动把结果推送到你常用的 IM 里。

我目前只用了 CLI，还没配置消息平台。但这个能力的想象空间很大。

四、和 Claude Code 的对比

用了一个月，我的体感对比：

维度	Hermes Agent	Claude Code
上下文窗口	依赖模型（我的配置 32K）	200K（Claude 原生）
记忆	持久跨会话	每次从头开始
技能	自动创建 + 渐进加载	CLAUDE.md 手动维护
工具调用	terminal/file/web/browser/vision	terminal/file/web
并行	delegate_task 子 Agent	无
定时	内置 cron	无
模型	任意 provider	仅 Anthropic
代码质量	依赖模型能力	Claude 原生，质量高
响应速度	依赖模型和 provider	流式输出，快
上手难度	中等，配置项多	低，开箱即用

我的使用策略：

• 日常编码、快速修改，用 Claude Code。响应快，代码质量高。
• 跨会话任务、缺陷批量操作、文档生成、定时巡检，用 Hermes。记忆 + 技能 + cron 是 Claude Code 没有的。
• 并行研究、多主题调研，用 Hermes 的 delegate_task。

不是替代关系。是两个工具各管一摊。

五、踩过的坑

坑 1：浏览器启动失败

npm 缓存冲突导致 agent-browser 安装失败：

npm error ENOTEMPTY: directory not empty, rename '...agent-browser'

修复：

rm -rf ~/.npm/_npx/*/node_modules/.agent-browser-* 
rm -rf ~/.npm/_npx/*/node_modules/agent-browser

清掉残留目录后重新启动就行。这个问题在 macOS 上反复出现过两次。

坑 2：config.yaml 多行 YAML 被截断

配置 personalities 等多行 YAML 时，最后一行会被截断。你不一定马上发现，直到 Agent 行为变怪了才意识到配置没写全。

修复方式：用 patch 命令补全，6 空格缩进。验证方法：hermes config check 加 grep 唯一性检查。

坑 3：Cron 任务报错

定时任务报 cannot import name 'cfg_get' 错误。原因是 Hermes 版本更新后改了 API，旧 cron 配置的技能引用了过时的导入路径。

解决：更新技能或升级 Hermes。我选择了两步走，先升级 Hermes，再更新技能里的导入路径。

坑 4：记忆不立即生效

前面说过了。会话中修改记忆，当前会话看不到。不是 bug，是 prompt cache 保护。急需的话只能 /reset。

坑 5：版本落后

安装版 v0.14.0，上游已经有 3789 个新提交。Hermes 迭代速度很快，定期 hermes update。我因为自定义修改较多，更新前会先备份 ~/.hermes/ 目录。

六、适合谁用，不适合谁用

适合用 Hermes 的场景：

• 需要跨会话保持上下文（项目长期开发、周期性报告）
• 需要定时自动化（每日巡检、周报生成）
• 需要多模型切换（不同任务用不同模型）
• 需要从手机等移动端控制 Agent
• 团队共享技能（技能可以导出和安装）

不太适合的场景：

• 需要超长上下文（依赖模型，不像 Claude Code 原生 200K）
• 需要顶级代码生成质量（受限于你接入的模型能力）
• 对稳定性要求极高的生产环境（Hermes 迭代快，偶尔有 breaking change）
• 不愿意花时间调配置的用户（Hermes 配置项多）

七、一个月的数据

指标	数据
使用时长	约 30 天
会话数	239 个
会话数据库	242 MB
安装技能	156 个
自定义技能	15+ 个
定时任务	4 个
记忆条目	25 条（MEMORY）+ 23 条（USER）

用了一个月，我的结论是：Hermes 解决了一个真实问题，Agent 不再是一次性的。

Claude Code 每次开新会话都是陌生人。Hermes 不是。它记得你的项目、你的偏好、你踩过的坑。光这一点，就值回安装成本。

但代价是配置复杂度和学习曲线。Hermes 不是开箱即用的工具，你需要花时间调配置、写技能、整理记忆。如果你只想要一个快速的代码助手，Claude Code 更合适。如果你想搭一个长期运行、持续积累、能定时干活的 Agent 工作站，Hermes 值得投入。