本文通过上手实践操作Hermes Agent ，给出了安装Hermes 后建议先尝试的十项功能，内容非常丰富，纯手敲，经过源码review和实验验证。 并通过尝试，也总结了Hermes 的八大亮点，都在文中了，欢迎阅读交流～
0、安装部署
- 作为前置条件，我们简单带过下安装部署，方便朋友们从零开始
安装一条命了足矣(支持macOS / WSL2/Linux )：
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash -x
- 岚叔加了-x ，便于你看执行过程，windows 需安装WSL2， 并从 WSL2 中运行 Hermes Agent
命令执行完应该会引导你配置，或者你自己手动执行：
hermes setup
交互式完成模型、channel 等配置
- Hermes 交互式配置不如Openclaw，但还算简单，这里有个小坑就是配置模型密钥相关，你如果粘贴了，是不显示的，你情急之下可能会重复粘贴，导致密钥失败
补救方式，就是 vim(编辑) ~/.hermes/.env
看看文件里的key是否准确，不准确手动修改即可
之后就是配置channel 与OpenClaw 无太大差别
第一件：配置浏览器反爬设施 (Camofox 或 Browserbase)
如果你希望我能自动帮你读文章、自动填表、自动抢票、自动操作后台，必须给我一个“像真人一样”的浏览器环境，这里推荐Camofox
普通的后端浏览器（Local Chromium）进去就会被拦截。
怎么配：
告诉Hermes ：帮我配置 COMFOX及CAMOFOX_URL。
效果-配置前：
配置后：
Hermes 亮点一：
这里要赞一下hermes 的地方，就是它自己判断哪些是高危指令，然后适当的让你授权即可。这里要比OpenClaw好太多，OpenClaw配置了你都想关闭授权，而且授权带一堆无意义的数字，你也不知道它要干啥
第二件：灵魂定义 (SOUL.md)
默认的hermes是一个通用的 AI 助手、你需要自定义来适配你的喜好
SOUL.md 文件默认是注释掉的空文件，需要自己添加
怎么配：让Hermes agent 编辑写入 ~/.hermes/SOUL.md 即可
这里有个小技巧，就是你先和hermes 聊两天，对话过程尽可能展现你的风格和要求，然后问它：“灵魂定义 (SOUL.md) 这个Hermes有没有推荐配置？”
如截图，感觉和可以哈，文本也分享给大家供参考
Hermes 亮点二：
可以发现hermes 总结了两天的内容，这里得益于其阅读 session的机制，我们后续会详细讲
~/.hermes/SOUL.md 参考文本：
---
name: 严谨架构师
version: 2.0
---
# 🧠 思考模式
- **先验证后回答**：任何不确定的 API、配置、路径，先查工具确认，不靠猜测。
- **先计划后执行**：3步以上的任务，先列方案标风险，确认再动手。
- **交付即验证**：做完一件事，主动给出"怎么检查它是否生效"。
# 🛡️ 自我约束
- 不确定时直接说"我不确定"，比瞎编好。
- 发现记忆或技能有冲突，主动指出并请求裁决。
- 任务失败时，分析原因并沉淀为 Skill，不重复踩坑。
# 🗣️ 输出纪律
- 结论先行，代码/命令为主，少废话。
- 高危操作（删数据、重启、覆盖）必须预警。第三件：auxiliary
auxiliary 模块是 Hermes 的 副驾 LLM 路由中心，Hermes 它的设计目的是让主模型专注思考，让便宜/专用的副模型干脏活累活。这个配置好了能帮你省钱且提效
这个也是hermes亮点之一： Hermes 支持为不同的任务（搜索、压缩、视觉等）指定独立的模型和提供商，从而节省主模型的成本或提高性能。 且配置友好，让Hermes 帮你配置即可
支持自定义辅助模型的配置（共 8 个）：
- vision：截图/验证码/图片分析
- web_extract：网页内容抓取与提炼
- compression：上下文压缩摘要
- session_search：历史会话搜索摘要
- approval：危险命令审批决策
- skills_hub：技能市场搜索/安装辅助
- mcp：MCP 服务调用辅助
- flush_memories：记忆系统清理/重组
配置方式，口喷示例：“压缩会话辅助模型帮我配置成qwen3.5-plus ”
验证：我们手动触发 compress：
看日志（~/.hermes/logs/agent.log ）：
关键两条： flush_memories 用的默认模型 qwen3.6 ，compress 可以看到走了我们自定义的模型，cool～
Auxiliary flush_memories: using auto (qwen3.6-plus)
Auxiliary compression: using auto (qwen3.5-plus) at
https://dashscope.aliyuncs.com/compatible-mode/v1/
压缩阈值： 太频繁和不压缩其实都不好，目前默认配置是50% ，这个建议大家可根据真实使用过程调整
Hermes 亮点三：默认压缩阈值遵循模型上下文窗口，也即是说不同模型触发比例是不同的1M的、200k的模型终于分开了。hermes 不限轮数，记忆可能会更好
- 而且摘要预算也跟随放大：max_summary_tokens = min(context_length * 0.05, _SUMMARY_TOKENS_CEILING)
- 1M 模型最多能分 50K token 给摘要，200K 只有 10K,总之更合理了
第四件：记忆系统
Hermes 记忆系统也可以划成三层，可逐层配置（都可以让Hermes自己配置）：
第一层：内置记忆（默认已开，建议微调）
# ~/.hermes/config.yaml
memory:
memory_enabled: true # MEMORY.md — agent 笔记
user_profile_enabled: true # USER.md — 用户画像
memory_char_limit: 2200 # 默认够用，重度使用可调到 4000
user_char_limit: 1375 # 默认够用
nudge_interval: 10 # 每 10 轮提醒 agent 存记忆，可调到 5 更积极
flush_min_turns: 6 # 退出前至少 6 轮以上才触发记忆刷新其中：memory_char_limit: 2200
存的是：agent 的笔记：环境事实、项目惯例、踩过的坑。
单位是： 字符
写入的是： MEMORY.md 如果发现这个文件经常被打满，建议提升memory_char_limit，岚叔已改为4000
user_char_limit: 1375
存的是：用户画像：偏好、沟通风格、工作习惯
单位是字符
写入：USER.md
nudge_interval: 10
每 10 轮提醒 agent 存记忆，如果你觉得Hermes记忆不够好，可调到 5 更积极
第二层：外部 Memory Provider（按需选一个）
- 这个不着急配置，为何呢？第三层本地还有个兜底
Hermes 支持8大插件：
我们以 配置 mem0 为例：
这个建议终端执行配置：
执行： hermes memory setup
然后配置密钥即可
Hermes 亮点四：配置解耦，密钥、配置分开。采用yaml 格式，个人感觉比json 要更友好。google 会喜欢😊
- 但也有不如OpenClaw 的地方，没有配置热加载，修改config.yaml后需要重启
配置mem0后对话流程每轮至少 2 次 mem0 API 调用（sync_turn 写入 + queue_prefetch 搜索），agent 主动调工具的如需要还要额外算。
所以，是否开启外挂记忆，需要你自己判断，建议可以先不开，看看第一、三层 是否就满足你了。不满足，再考虑配置
配张图，便于大家了解一轮对话全貌
第三层：Session Search（默认已开，确认 auxiliary 可用）
Session Search 不是 Memory 的一部分，但是 Memory 系统的互补机制。
存的什么： 所有历史对话原文存
储位置： 本地 ~/.hermes/state.db
检索方式： FTS5 关键词检索 + LLM 摘要
写入方式： 自动（每轮对话自动持久化到 SQLite）
session_search 有区分了两种模式：
模式一： query 为空 → 直接返回最近 session 列表，不调 LLM
模式二： 有 query → FTS5 检索 → LLM 摘要
另外还有一个兜底：摘要 LLM 调用失败时，直接返回原始文本前 500 字符的 raw preview，不会因为 LLM 挂了就什么都不返回。
那么query 的有无由Agent 决定：
Agent 读到用户的意图后自己判断：是需要”翻历史记录”还是”搜特定话题”，然后决定传不传 query。这是 tool use 的标准模式——行为由 schema description 引导，Agent 自主选择调用方式。
- 如果session search 支持向量检索就好了，openclaw 这块是支持的（混合搜索引擎：BM25 + 向量检索），但是粒度是日记文件，也不是session级别，所以各有取舍，各有优劣吧
第五件： 配置web_search
agent 网络搜索能力肯定要配置：
Hermes 配置起来也非常方便，你只需告诉hermes 帮你配置即可
目前Hermes 原生支持：exa、Tavily、parallel、firecrawl
配置及使用示例如下：
告诉Hermes： “帮我配置个exa吧”
Hermes 亮点五：细心的朋友可以看到Hermes 默认会在IM里清晰打印其执行tool过程，这个做的非常友好
第六件：自动化审计 ( Hooks)
Hermes Agent 有两套互补的扩展系统：
1.Gateway Hooks 网关事件驱动钩子
2.Plugin System |插件生命周期钩子
核心理念：Hooks 处理事件通知，Plugins 处理功能扩展——两者互补。
可用8 个生命周期 Hook
执行流程图示例
会话创建
→ on_session_start
每轮对话:
→ pre_llm_call ← 可注入上下文
→ 工具循环:
→ pre_api_request ← 每次 API 调用前
→ API 调用
→ post_api_request ← 每次 API 调用后
→ pre_tool_call ← 每次工具执行前
→ 工具执行
→ post_tool_call ← 每次工具执行后
→ post_llm_call ← 轮次结束
→ on_session_end ← run_conversation 返回实操体验：我们这里做一个gateway hook的配置实验，用来审计tool 调用
直接告诉Hermes： “做一个 终端命令审计插件（Terminal Audit Hook）：在每次 terminal 工具执行完毕后，自动把命令内容、执行结果、时间戳、会话ID 追加到日志文件。”
授权后，Hermes就写好了：
这样我们的命令审计hook 就开发配置好了，是不是比龙虾方便～
第七件 sandbox
默认执行命令是local ：本地，如果想要安全性提升，必然要使用sandbox ，Hermes支持 跟着sandbox ，我们这里选用docker。
为了练手，我们单独开一个agent 来配置docker 沙箱
示例如下（当然你可以让你的Hermes agent 帮你配置，话术“参考如下命令，帮我额外配置一个profile ，sandbox使用docker ，模型遵循主profile即可”）：
# 将 Worker 绑定到你的副 Bot (Token B)
hermes -p worker config set gateway.telegram.bot_token "TOKEN_B"
hermes -p worker config set gateway.telegram.enabled true
# 设置 Worker 为 Docker 沙箱模式
hermes -p worker config set terminal.backend docker
hermes -p worker config set terminal.docker_image python:3.11-slim
# Worker 可以用便宜点的模型
hermes -p worker config set model.provider alibaba
hermes -p worker config set model.model qwen3.5-plus全程一路Hermes帮你配置好了，不需要你动手，你只需给它提供一个额外的bot key即可
测试，我在work bot 告诉他rm -rf /
看截图，一开始它是拒绝的，哈哈
我给它打气，最终确认执行，可以看到截图也说了，触发系统保护，只删除了部分目录
我们，让主agent 排查下看看，确认了，没有问题
我们再在宿主机上看docker ps可以看到确实启动了docker ，完美～
Hermes亮点六：多profile（agent 实例）配置友好，一句话Hermes 就帮你搞定了，我在龙虾里基本还需要自己登录后台调整。。
第八件 多agent
多agent 得单独拿一篇讲，这里只show 一下我们wiki 的总结同一个session 下可以触发不同的多agent 能力当然还有一种，完全隔离的多agent ，就是上文提到的多profile ，我们就不再赘述了
但对话subagent 触发方式很很简单，说句话即可，示例如下：
“请spawn 三个subagent 来相互讨论下Hermes的优劣势”
第九件： 备份
- 如果你决定转战Hermes agent ，那么备份是少不了的
推荐做三层备份：
第一层： 本地开启git
再扩展一点就是 push 到github ，建议push 私有仓库，.env 建议不要push （配置.gitignore），用本地磁盘备份
第二层： 本地（最好是其他磁盘）其他目录备份 + 定时任务
附录,重点脚本文件：
#!/bin/bash
BACKUP_NAME="hermes_full_backup_$(date +%Y%m%d_%H%M%S)"
BACKUP_DIR="/tmp/$BACKUP_NAME"
DEST_DIR=~/hermes_backups
mkdir -p $BACKUP_DIR/hermes
mkdir -p $DEST_DIR
echo "📦 正在打包核心配置..."
cp ~/.hermes/config.yaml $BACKUP_DIR/hermes/
cp ~/.hermes/.env $BACKUP_DIR/hermes/
cp ~/.hermes/MEMORY.md $BACKUP_DIR/hermes/ 2>/dev/null
echo "🧠 正在打包数据库与会话..."
cp ~/.hermes/state.db $BACKUP_DIR/hermes/
# 如果 sessions 很大，可以只备最近的文件，这里全备
cp -r ~/.hermes/sessions $BACKUP_DIR/hermes/ 2>/dev/null
echo "🔧 正在打包扩展与审计..."
cp -r ~/.hermes/plugins $BACKUP_DIR/hermes/ 2>/dev/null
cp -r ~/.hermes/audit_logs $BACKUP_DIR/hermes/ 2>/dev/null
cp -r ~/.hermes/skills $BACKUP_DIR/hermes/ 2>/dev/null
cp -r ~/.hermes/cron $BACKUP_DIR/hermes/ 2>/dev/null
echo "👥 正在打包所有 Profile 数据..."
# Profile 包含了 worker 等分身的所有配置和数据库
cp -r ~/.hermes/profiles $BACKUP_DIR/hermes/ 2>/dev/null
echo "📦 正在压缩..."
tar -czf $DEST_DIR/$BACKUP_NAME.tar.gz -C /tmp $BACKUP_NAME
rm -rf $BACKUP_DIR
echo ""
echo "✅ 备份完成！"
echo "📍 路径: $DEST_DIR/$BACKUP_NAME.tar.gz"
echo "📊 大小: $(du -h $DEST_DIR/$BACKUP_NAME.tar.gz | cut -f1)"第三层： 远程备份：比如磁盘；；比如git push到远端；或者其他服务器；或者第三方对象存储等
第十件：skill
这个没什么好说的，安装上你常用的skill
Hermes 系统非常智能，它会复盘skill ，它识别到我们任务，自动将这个流程总结并固化为了一个技能（Skill）。
触发条件：
我们在config.yaml 看到，creation_nudge_interval 默认配置是 15（老版本可能是10）
这个参数意思是每累计 15 次工具循环，触发一次后台 skill review。
skill revies过程：
派生一个后台 agent，拿着当前对话的完整快照，问自己一个问题：
> "刚才的对话里，有没有经过试错、调整方向、或者用户期望不同做法的非平凡经验？"
然后三种结果：
1. **有现成 skill 可更新** → 调用 `skill_manage` 更新已有 skill，把新经验补进去
2. **没有但值得新建** → 调用 `skill_manage` 创建新 skill，把可复用的方法论沉淀下来
3. **没什么值得存的** → 输出 "Nothing to save." 直接结束
整个过程在后台线程运行，不阻塞用户对话，不修改主对话历史。完成后如果有动作，终端打印一行：Hermes亮点七：自动将价值操作专场成永久技能，出圈亮点，伟大无须多言～
Hermes 亮点八：不管以什么方式退出（正常/异常/中断），消息都不会丢。20 个触发点覆盖了所有退出路径，增量写入，通过session 分裂的方式也保证每个session记录完整和不重复
- 篇幅原因这个我们后续找机会详细讲讲session
后记
本文通过几天上手体验Hermes，也感受到其很多亮点地方。整体体验也很丝滑。稳定性要比openclaw 好，这个能节省我们30%的时间来修复龙虾。
龙虾一般需要海外SOTA模型，否则容易把自己搞崩
而Hermes 我们全程都是使用的qwen 3.6 plus ，很多操作基本你和Hermes 聊天就能做了，比如配置、升级等没崩过，这个非常难得
参考文档：
1.源码：
https://github.com/NousResearch/hermes-agent
2.岚叔写的wiki ：
https://github.com/cclank/Hermes-Wiki
3. 官方文档：
https://hermes-agent.nousresearch.com/docs/
公众号版本见：
https://mp.weixin.qq.com/s/0SYL-HKbWGj3eToQPqnpBw