Hermes Agent双模型架构降本60%，重复任务成本直降90%
05-16 18:27
精选参考来源
精选参考来源
1. 卸载openclaw，手把手飞牛NAS安装Hermes ，并对接微信，比openclaw小龙虾好用太多了！
哔哩哔哩 2026-04-24 00:00:00
2. 最近 Hermes 的风评越来越好，OpenClaw会被新出大火的 Hermes agent 击败吗？
知乎 2026-04-13 00:00:00
3. Hermes Agent 升级实录：从手动配置到「零门槛」AI 工具时代
知乎 2026-04-19 00:00:00
4. Hermes Agent：一个能自己变聪明自我进化的AI Agent?
微信公众号 2026-04-08 00:00:00
5. Hermes Agent跟龙虾差别不大？那是这8个项目你还没试过。
微信公众号 2026-04-24 00:00:00
6. GDC观察：游戏大厂都来聊AI，“游戏AI”的新规则由谁制定？【硅谷101】
哔哩哔哩 2026-03-20 00:00:00
7. 【AI前沿】Agent 届的 Hermès？Hermes Agent 爆火之后，真能取代 OpenClaw 吗？
微信公众号 2026-04-08 00:00:00
8. Hermes Agent抄袭中国团队代码实锤！被锤后回应：你删号
知乎 2026-04-15 00:00:00
9. 一篇关于 2026 年前沿大模型训练方法论 的深度技术长文djdumpling.github.io/2026/01/31/frontier_training.html作者是耶鲁大学的Alex Wa“实验室如何训练一个前沿的、多亿参数模型？我们关注七个开放权重的前沿模型：Hugging Face的SmolLM3、Prime Intellect的Intellect 3、Nous Research的Hermes 4、OpenAI的gpt-oss-120b、Moonshot的Kimi K2、DeepSeek的DeepSeek-R1和Arcee的Trinity系列。本博客旨在提炼训练这些模型时使用的技术、动机和考虑因素，重点放在训练方法论而非基础设施上。这些笔记大致是根据Hugging Face的SmolLM3报告来构建的，因为该报告内容详尽，并且目前还补充了来自其他报告的笔记，包括Intellect-3、gpt-oss-120b、Hermes 4、DeepSeek和Kimi。尽管本博客探讨了一些与基础设施相关的理念，如实时权重更新和多客户端协调器，但这些帖子/博客中还提到了许多其他想法，如专家并行和量化。Hugging Face在此处写了更多关于gpt-oss-120b基础设施的内容。”#HOW I AI#
新浪微博 2026-02-19 00:00:00
10. 深度｜养马、养虾、练模型：MiniMax 的 Agent 三线布局到底在赌什么？
微信公众号 2026-04-20 00:00:00
11. 【#爱马仕反超OpenClaw中国模型贡献最大#】5月12日，@小米技术 发文：OpenRouter最新数据，Hermes Agent全球调用量首超OpenClaw，登顶全球调用量榜首，小米MiMo成第一贡献模型。5 月 12 日 OpenRouter 最新数据显示，Hermes Agent 日 Token 调用量高达 2910亿，最近一周调用量超 1.75万亿。在模型调用量方面，MiMo排名第一，最近一个月累计贡献 1.45万亿 Token调用量。#小米MiMo近一月贡献1.45万亿Token调用量#
新浪微博 2026-05-12 00:00:00
12. 转译：深度拆解 Hermes Agent 的记忆系统：它如何修正 OpenClaw 的误区 作者：Manthan Gupta 如果你读过我之前关于 ChatGPT、Claude 以及 Clawdbot 记忆系统的文章，你就会知道我一直在钻研同一个问题：这些 AI 智能体（AI Agent）到底是怎么记事的？ Hermes Agent 对我来说格外有趣，因为这次我不需要只靠观察它的行为来搞“逆向工程”。Hermes 是开源的，它的代码库和文档都是公开的。所以，我没有通过提示词（Prompt）去盲测这个黑盒，而是直接翻看了它的代码路径——从它如何构建提示词状态、持久化会话，到如何清理记忆和查询历史对话。 简而言之：Hermes 拥有的不是一套记忆系统，而是四套。 1. 存储在 MEMORY.md 和 USER.md 中、经过高度浓缩的提示词记忆。 2. 通过 session_search 调用的 SQLite 历史会话存档（可搜索）。 3. 像程序记忆（Procedural Memory）一样运作的智能体技能管理。 4. 可选的 Honcho 层，用于更深层的用户建模（User Modeling）。 把这些设计联系在一起的核心逻辑非常简单：保持提示词稳定以便利用缓存（Caching），其他一切繁杂信息都交给工具。 让我们深入聊聊。 Hermes 的上下文结构 在理解记忆之前，我们先看看 Hermes 到底给模型发送了什么。 系统提示词（System Prompt）大致是按以下顺序组装的： ------- [0] 默认智能体身份 [1] 工具使用行为指南 [2] Honcho 集成模块（可选） [3] 可选系统消息 [4] 固化的 MEMORY.md 快照 [5] 固化的 USER.md 快照 [6] 技能索引 [7] 上下文文件（AGENTS.md, SOUL.md 等规则文件） [8] 日期/时间 + 平台信息 [9] 对话历史 [10] 当前用户消息 -------- 这非常关键，因为 Hermes 正在针对大模型供应商的提示词缓存（Prompt Caching）机制进行优化。代码显示，提示词构建器的目标非常明确：让稳定的前缀部分尽可能长时间地保持不变。 这一个决定就解释了 Hermes 大部分的记忆架构。 如果某条信息每一轮对话都要用到，Hermes 会尽量把它缩得很小并注入进去；如果信息量很大、属于历史旧账或者偶尔才有用，Hermes 就会把它踢出提示词，改用“按需检索”的方式。 第一层：固化的提示词记忆 其内置的记忆系统小得令人惊讶。 Hermes 将持久记忆存储在 ~/.hermes/memories/ 下的两个文件中： 1). MEMORY.md 智能体笔记：环境、规范、工具怪癖、教训 限制：2,200 字符 2). USER.md 用户画像：偏好、沟通风格、身份信息 限制：1,375 字符 这容量真不大。加起来大约只有 1,300 个 Token（模型理解文本的最小单位）。 而这正是刻意为之。 在会话开始时，Hermes 加载这两个文件，把它们渲染进提示词区块，然后在整个会话期间固化这个快照。会话中途写入的记忆会立即存入硬盘，但不会改变已经生成的系统提示词。这些改动只有在开启新会话，或者触发了“压缩（Compression）”导致的提示词重建时才会生效。 渲染后的格式如下： ------ ═══════════ MEMORY (你的个人笔记) [67% — 1,474/2,200 字符] ═══════════ 用户的项目是一个位于 ~/code/myapi 的 Rust Web 服务，使用 Axum + SQLx § 这台机器运行 Ubuntu 22.04，安装了 Docker 和 Podman § 用户喜欢简洁的回复，讨厌冗长的解释 ------ 这里有几个我非常欣赏的细节设计： 1. 使用字符限制而非 Token 限制：这让记忆逻辑与模型无关。Hermes 不需要调用特定模型的计算工具就能判断记忆是否存满。 2. 简单的分隔符文件格式：条目之间用 § 分隔。没有复杂的向量数据库（Vector DB），没有自定义二进制存储，就是纯文本。 3. 刻意保持极小的系统提示词空间：这是整个设计的重中之重。Hermes 不想把所有历史都塞进提示词，它只想要最有价值的事实。 4. 记忆是“精选状态”，而不是“日记”：这是 Hermes 与 OpenClaw 最大的区别。 OpenClaw 的日志更像是“流水账”。而 Hermes 则反其道而行。它的工具架构和测试逻辑强调： • 保存用户偏好。 • 保存环境事实。 • 保存反复出现的错误修正。 • 保存稳定的规范。 • 不保存任务进度。 • 不保存会话结果。 • 不保存临时的待办事项（TODO）。 真相是：Hermes 希望 MEMORY.md 和 USER.md 保持精简、高频且对缓存友好。 memory 工具 Hermes 通过一个拥有三种操作的 memory 工具来管理这些文件：add（添加）、replace（替换）、remove（移除）。 一个好用的细节是：replace 和 remove 使用子字符串匹配。你不需要记住条目的内部 ID，只需要传入现有条目中一段唯一的文字即可。 此外，系统会拒绝完全重复的内容，并拦截危险信息。源代码会扫描记忆条目，防止提示词注入（Prompt Injection，即通过输入恶意指令误导 AI）、凭证泄露或隐藏的 Unicode 字符。 第二层：用于情景回溯的 session_search 如果说 MEMORY.md 是 Hermes 的“短期热记忆”，那么 session_search 就是它的“长尾回溯系统”。 所有过去的会话都存储在 SQLite 数据库中，拥有完整的索引和搜索功能。当模型需要想起以前聊过的内容时，它不去翻 MEMORY.md，而是搜索这个会话数据库。 其工作流程是： 1. 在过去的消息中进行全文搜索。 2. 按会话分组结果。 3. 加载匹配度最高的会话。 4. 使用一个便宜的辅助模型对这些会话进行摘要总结。 5. 将精炼后的回顾内容返回给主模型。 这是一种非常务实的设计。它比盲目地把长篇累牍的历史塞进每一个提示词要便宜且高效得多。 第三层：压缩与记忆冲刷（Memory Flush） Hermes 另一个聪明之处在于它处理长对话“压缩”的方式。 当会话变得太长，Hermes 会压缩对话中间的部分以节省空间。但摘要是有损的，重要事实可能会丢失。 于是，Hermes 会先进行一次“记忆冲刷”。 在压缩之前，它会发送一条指令告诉模型： > “会话即将压缩，请保存任何值得记住的东西。优先保存用户偏好、修正建议和重复模式，而非具体的任务细节。” 然后它运行一次额外的模型调用，只开启 memory 工具。如果模型觉得有什么东西该留下来，就会在对话被“洗掉”之前把它写入 MEMORY.md。 第四层：作为程序记忆的技能（Skills） Hermes 不仅能记住事实，还能记住技能。 技能（Skills）存储在 ~/.hermes/skills/ 下。当 Hermes 发现了一个复杂的流程、修复了一个棘手的问题或学会了更好的方法时，它可以将其保存为“技能”。 大多数记忆系统只关注“语义回溯”（名字、偏好、事实），但智能体还需要记住如何做事。 为了效率，Hermes 不会把所有技能都塞进提示词，而是只放一个技能索引，只有在需要时才加载具体的技能内容。 第五层：用于深层建模的 Honcho 最后是可选的 Honcho 层。如果说本地记忆是 Hermes 的笔记本，Honcho 就是它尝试构建的复杂用户模型。它能实现跨设备、跨平台的记忆连续性。 最精妙的是它如何在不破坏提示词缓存的前提下实现集成： • 在会话的第一轮，Honcho 的上下文会被织入系统提示词。 • 在之后的对话中，为了保持提示词稳定，Honcho 的回溯内容会附加在当前用户的提问后面，而不是修改系统提示词。 这确保了缓存依然有效，同时 AI 依然能读到最新的背景信息。 Hermes 与 OpenClaw 的区别 • OpenClaw：记忆更接近“以 Markdown 为中心的存储”，日志和长效文件是主要事实来源。 • Hermes：提示词记忆被严格限制，历史记录存在 SQLite 里，只有需要时才搜索。 Hermes 更加关注缓存效率。 它认为：不是所有东西都配住在“系统提示词”这个黄金地段。 总结：Hermes 做对了什么？ 1. 冷热分离：小规模提示词记忆负责常驻信息，搜索负责偶尔用到的信息。 2. 缓存优先：它意识到频繁改动提示词会导致延迟增加和成本上升。 3. 记忆的多样性：它承认记忆是分层的——包括个人画像、情景回溯、操作技能和深层建模。 Hermes 的核心设计原则最令我折服：记忆应该让智能体变得更好用，而不是通过摧毁提示词的稳定性来换取博闻强识。 真正的诀窍不是记住更多，而是在正确的层级、以正确的成本，记住正确的事情。 原文：x.com/manthanguptaa/status/2034849672985288957
新浪微博 2026-04-30 00:00:00
13. Hermes Agent 中 Hermes 来源：名字读作 "Her Meeze"（近似 /ˈhɜːrmiːz/），取自希腊神话中掌管通信、魔法和智慧的赫尔墨斯神，Nous Research 用这个名字差不多已经三年，之前发布过 Hermes 1 到 Hermes 4 四代开源模型，Teknium 本人就是这个系列的主要作者。当然中文社区更喜欢叫“爱马仕”😂
新浪微博 2026-04-21 00:00:00
14. 当我们在讨论 Harness 的时候，我们在讨论什么 | 深度对谈: MiniMax × Hermes Agent网页链接访谈嘉宾：•Hermes Agent（Nous Research）业务负责人 Tommy Eastman •MiniMax Agent 首席架构师 阿岛•MiniMax Agent 研发工程师 择因这也是 Hermes Agent 在全球获得广泛关注后，官方首次现身中国社交媒体平台，并且正面回应了中国团队 EvoMap 对其“抄袭”的指控。我们一起围绕「从 OpenClaw 到 Hermes」的热潮迁移，深入拆解了 Agent 和 Harness 的多个关键议题：Hermes Agent 为什么会在 OpenClaw 之后火起来？模型会吃掉 Agent 吗？通用 Agent 会吃掉垂直 Agent 吗？为什么 MiniMax 和 Anthropic 都要同时做模型和 Agent？如何看待 Agent Infra 层面的创业机会？如何看待 Multi Agent 协作的范式？如何看待 Claude Code 的实名制要求？为什么 Anthropic 不发布 Mythos？Claude Code 源代码泄露的影响从 Manus 发布到今天，Agent 范式的变化中美模型的差距，和开源的窗口期「把自己蒸馏成 Skill」0 人公司的可能性 ——完全由 AI 驱动的公司是否会出现？#AI创造营#
新浪微博 2026-04-20 00:00:00
15. 给 Hermes 装上显微镜：Agent 执行全知道
知乎 2026-05-09 00:00:00
16. 换掉小龙虾！Hermes全网爆火狂揽四万星，Anthropic重锤暴击OpenClaw
知乎 2026-04-10 00:00:00
17. 自己动手：Hermes Agent新手友好部署指南
微信公众号 2026-04-15 00:00:00
18. B站爆了！Hermes首度直播回应「抄袭」，MiniMax提前杀入Harness赛点
知乎 2026-04-18 00:00:00
19. 你还在养虾？比虾更好用的“马”出现了！Hermes Agent！记性好还能自我进化！
微信公众号 2026-04-06 00:00:00
20. 取代龙虾的是爱马仕？狂揽4万星的Hermes Agent，不只是OpenClaw平替
微信公众号 2026-04-10 00:00:00
21. 手动换自动！比小龙虾更聪明的 Hermes 部署全攻略（接入飞书）
哔哩哔哩 2026-04-23 00:00:00
22. 太爽了！Hermes Agent 发布UI了，本地对接最强开源 Gemma 4 模型+ 微信（免费无需Token）| 零度解说
哔哩哔哩 2026-04-16 00:00:00
23. 现在已经彻底放弃openclaw了，目前的Hermes就是飞书功能支持的太少了（飞书的开发人员快点的吧）。 今天把GPT Image 2的能力接入，调试好了，团队已经可以一句话来生成合适的封面。以后不用自己手搓了，效率再提升一步
新浪微博 2026-04-28 00:00:00
24. 零成本无限 Token！Hermes + Qwen3.6，本地最强 Agent 组合来了！附部署教程 | 零度解说
哔哩哔哩 2026-05-05 00:00:00
25. 别再折腾小龙虾了！手把手教你部署 Hermes：接入飞书，这才是真正的全自动 AI 助理
哔哩哔哩 2026-04-24 00:00:00
26. RWS重磅测评：8大主流LLM同台竞技，多语言合成数据谁更能打？
微信公众号 2026-03-25 00:00:00
27. DeepSeek V4 + Open WebUI + Hermes = 我帮你搭的私人AI员工！
哔哩哔哩 2026-05-04 00:00:00
28. 电子书 Hermes Agent 从入门到精通 地址： github.com/alchaincyf/hermes-agent-orange-book/ Hermes Agent 是 Nous Research 在 2026 年 2 月发布的开源 AI Agent 框架。它和 OpenClaw、Claude Code 走的路线不同：内建了自改进学习循环、三层记忆系统、Skill 自动创建和进化机制。 如果你读过《Harness Engineering》橙皮书 （本书可以在这里下载 www.huasheng.ai/orange-books/harness/ ） ，Hermes 是那本书讲的五个组件（指令/约束/反馈/记忆/编排）的第一次产品化实现。 #How I AI#
新浪微博 2026-04-08 00:00:00
29. AI助手token账单失控？6招实操优化，让我的周消耗从$11降到$4。Hermes Agent 深度优化实录 · 所有命令可直接复制使用
微信公众号 2026-05-05 00:00:00
30. Karpathy最新手搓！复现GPT-2成本狂降600倍：仅需507元3小时训练「最好的AI学习项目」
知乎 2026-02-02 00:00:00
31. Hermes自动生成技能省token70%以上：OpenClaw为何消耗巨大？
微信公众号 2026-04-17 00:00:00
32. [译] 别再交冤枉钱了：如何通过配置辅助模型让 Hermes 省下 80% 的成本
微信公众号 2026-04-23 00:00:00
33. 【教程】Hermes双模型配置全流程：智能分配+成本优化保姆级详解
哔哩哔哩 2026-05-14 00:00:00
34. OpenClaw太烧Token？Hermes为何被称为更省成本的替代方案
微信公众号 2026-05-05 00:00:00
35. 唯一具备闭环学习的 Agent：Hermes-Agent 让你省 60% 重复工作
今日头条 2026-04-14 00:00:00
36. 比小龙虾省 60% Token，5 分钟带你部署 Hermes Agent
微信公众号 2026-04-12 00:00:00
37. 0成本跑Hermes Agent VS OpenClaw，狂省Token，支持安卓机
哔哩哔哩 2026-04-23 00:00:00
38. Hermes 接上 DeepSeek V4，性价比绝了，手把手教你用上这组黄金搭档
今日头条 2026-05-08 00:00:00
39. 拆完Hermes源码，我发现Agent的"自我进化"根本不需要训练模型
今日头条 2026-05-12 00:00:00
40. 玩了一周 Hermes，我发现99%的人都用错了！这5个技巧能让它直接起飞！
微信公众号 2026-05-05 00:00:00
41. Hermes省钱攻略，省掉80% token
小红书 2026-04-15 00:00:00
42. Token 经济学：如何花 30 刀搭建一套 OpenClaw + Hermes 高性价比 Agent 方案
微信公众号 2026-04-09 00:00:00
43. 5分钟部署会自我成长的AI助手，Hermes Agent帮你省掉60%重复工作
微信公众号 2026-04-20 00:00:00
44. 实测：HermesAgent的"自我进化"，第二遍省了47%的劲儿
今日头条 2026-04-12 00:00:00
45. Hermes-Agent：Self-Improving
知乎 2026-04-16 00:00:00
46. Hermes Agent 性能优化指南
微信公众号 2026-05-14 00:00:00
47. 为什么越会用 Hermes，账单越难看——直到这个面板出现
微信公众号 2026-04-16 00:00:00
48. hermes升级便携AI：多模型一键切换+离线优化
今日头条 2026-04-26 00:00:00
49. 装上这个配置包，让你的Hermes节省99%的token消耗
微信公众号 2026-04-25 00:00:00
已收藏
去我的收藏夹