Hermes Agent + Ollama本地安装指南
想在本地部署一个能持续学习、真正记住你的AI助手吗？Hermes Agent与Ollama的组合，或许能给你一个惊喜。这篇指南将带你从零开始，完成环境搭建与核心功能体验。
自从OpenClaw问世，AI Agent领域几乎每周都有新项目涌现，让人眼花缭乱。不过，最近有个项目确实引起了不小的关注——Hermes Agent。
它在GitHub上的星标数或许不及OpenClaw，但其设计思路并非单纯比拼“内存”大小，而是更侧重于性能与学习能力的进化。可以说，它走的不是替代路线，而是开辟了另一条值得关注的产品路径。
2026年3月，Nous Research正式推出了Hermes Agent。这是一个开源的Agent框架，核心目标直指两大痛点：“AI失忆症”和“长期个性化缺失”。
如果你以为这只是一个新的聊天机器人，那就理解偏了。Hermes更接近一个
具备学习能力的AI智能体
它还支持多平台接入，包括Telegram、Discord、Slack、WhatsApp、Signal和命令行界面，并能兼容超过200个模型端点，例如OpenRouter、Nous Portal、OpenAI和Anthropic。部署方式也极其灵活，从5美元的VPS到GPU集群，再到近乎零空闲成本的Serverless架构，都能胜任。
Hermes Agent的三个关键特性
1. 自动学习技能：越用越聪明
这是Hermes最具辨识度的能力之一。
举个例子，如果你让Hermes“用Docker部署一个服务”，任务完成后，它会自动将执行过程中的关键步骤保存为一个技能。下次再遇到类似任务时，它就能更快、更稳定地复用此前积累的经验。
更重要的是，这些技能并非一成不变，它们会随着使用被持续修正和更新。
相比之下，许多其他Agent的技能更多依赖于人工编写和维护。而Hermes的思路更接近于“将你的真实使用过程，逐步沉淀为机器自身的能力资产”。
2. 三层记忆结构：告别“金鱼脑”AI
很多AI一旦会话结束，就仿佛“失忆”。Hermes则试图从结构上根治这个问题。
它的记忆系统分为三层：
- ：由Agent维护的长期备忘录，记录你的工作环境、项目详情和个人偏好。
MEMORY.md
- ：更偏向静态的用户画像，例如姓名、时区、沟通风格等。
USER.md
- ：将历史对话保存至SQLite数据库，支持后续全文检索。
会话搜索（FTS5）
因此，当你问它“还记得上周我们讨论的Nginx配置吗？”，它能够搜索历史会话来回答，而不是每次都从零开始。
3. 多平台一致接入：一个Agent，随处可用
Hermes支持Telegram、Discord、Slack、WhatsApp、Signal、电子邮件/SMS、Home Assistant、Matrix/Mattermost、钉钉和命令行等多种入口。
关键不在于“接入平台多”，而在于：
所有这些平台共享的是同一个Agent及其完整的记忆体系
这意味着，你可以早上在Telegram上给它布置任务，晚上在Discord上追问进展，它依然清楚自己的身份，也记得你们之前进行到哪一步。
它的记忆系统究竟如何运作？
Hermes的记忆并非简单的历史归档，而更像一套服务于“执行与个性化”的基础设施。
它将记忆分为短期记忆、长期记忆和技能记忆，每层职责分明：
- ：保存最近的对话上下文。
短期记忆
- ：保存用户偏好、行为模式和长期信息。
长期记忆
- ：将重复性任务自动沉淀为可复用的技能。
技能记忆
其中最有趣的是“技能记忆”。
例如，如果你多次要求它“每周一生成进度报告”，Hermes会在内部逐渐将这套流程总结成一个稳定的技能。此后，它不仅执行速度更快，输出格式也会越来越贴合你的习惯。
这就是其“自我改进”的核心：并非模型本身自动升级，而是执行经验在被持续地结构化。
多平台兼容：一个很现实的优势
Hermes能够在Telegram、Discord、Slack、WhatsApp和命令行等不同入口运行。
这带来的直接好处是，你无需为每个平台单独培养一个Agent。你面对的是同一个了解你偏好、记得你上下文的AI，只是交互入口发生了变化。
实际体验中，虽然命令行方式便于测试，但Telegram机器人可能是更实用的方案。毕竟，你可以直接用手机对话，并且上下文还能保持连续。
OpenClaw与Hermes Agent，如何选择？
Hermes更适合以下场景：
- 希望将其作为长期的个人智能伴侣使用。
- 需要持续自动化重复任务，让技能学习机制发挥作用。
- 在意语音支持、多平台接入和更轻量级的运行方式。
- 更看重“长期记忆”和“越用越个性化”的特性。
OpenClaw则更适合这些场景：
- 需要实现多Agent协同工作。
- 希望依赖更庞大的社区与开发生态。
- 需要浏览器自动化或更丰富的插件能力。
- 更看重经过大量用户验证的成熟度与稳定性。
所以，这两个项目并非非此即彼。它们完全可以共存：一个更偏向“舰队级协同作战”，另一个则更侧重“个人长期助理”。
开始安装Hermes Agent
下面进入实际的安装环节。
Hermes支持Linux、macOS和Windows（包括WSL）。最理想的部署方式是在VPS或闲置设备上长期运行；不过本次演示在本地Mac上完成，体验同样顺畅。
安装命令只有一条：
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
该命令会自动创建虚拟环境，并安装所需的Python与Node.js依赖。
安装完成后，首先会进入一个设置向导，整体分为五个步骤：
- 选择模型与提供商
- 配置终端后端
- 调整Agent设置
- 连接消息平台
- 配置工具
你只需按流程操作即可。
如果机器上已安装过OpenClaw，它会自动检测~/.openclaw目录下的现有数据，并询问你是否迁移配置、记忆、技能和API密钥。
如果你是OpenClaw的老用户，直接迁移能节省大量时间；如果想全新开始，也可以先跳过，后续再补做迁移。
选择Ollama作为本地推理后端
在提供商选择阶段，我们可以直接选择
Custom OpenAI-compatible endpoint
随后输入Ollama的本地地址：
http://localhost:11434/v1
这里的11434是Ollama默认端口，/v1是其兼容OpenAI风格API的路径。
如果完全在本地运行，API密钥可以留空。模型名称则填入你已提前拉取到本地的模型，例如gpt-oss:20b，上下文长度可以让Hermes自动识别。
调整Agent设置
在Agent设置环节，可以重点关注以下三项：
- ：例如设置为60，表示单个任务最多允许进行60次工具调用。
最大迭代次数（Max iterations）
- ：建议设为“all”，这样可以更直观地看到Agent正在执行什么操作。
工具进度显示（Tool Progress Display）
- ：例如设为0.5，表示当上下文使用到一半容量时，就开始压缩旧消息。
上下文压缩（Context Compression）
在会话重置策略（Session Reset Policy）中，可以启用按空闲时间或每日固定时间自动重置。这样能防止会话无限膨胀，同时确保重要信息被优先保存。
一个相对稳妥的默认组合是：24小时无操作自动重置，加上每天凌晨固定重置一次。
消息平台与工具配置
消息平台部分，如果暂时只想在本地试运行，可以先全部跳过，后续有需要时再配置Telegram、Discord、Slack、Matrix或WhatsApp。
工具配置阶段，Hermes的能力会变得完整起来：网页搜索、浏览器控制、终端访问、文件处理、代码执行、视觉识别、记忆管理等，大多数功能默认已开启。
对于浏览器自动化，可以选择Local Browser；对于文本转语音，可以保留默认的Microsoft Edge TTS；对于网页搜索，如果不想接入付费服务，也可以先用内置的DuckDuckGo。
启动Hermes并切换到本地模型
安装配置完成后，直接输入：
hermes
你会看到控制面板以及已加载的工具和技能。不过，有时状态栏默认显示的仍是Claude，而非本地模型。
此时，退出后执行：
hermes model
然后选择刚刚保存的本地端点，将模型设置为gpt-oss:20b，URL仍然使用本地Ollama地址即可。
重新启动Hermes后，状态栏就会显示gpt-oss:20b，这表明当前已完全在本地运行，不再依赖云端服务。
此时，你可以输入一句简单的问候，比如“hey, how are you doing today?”，观察它是否能快速返回正常响应。状态栏中的模型名称和上下文大小，也能帮助你确认整个链路确实运行在本机上。
实际体验与观察
平心而论，作为一个早期版本的项目，它确实还存在一些粗糙之处。例如，记忆的准确性并非总是稳定，技能生成偶尔也会偏离预期。
但即便如此，它所选择的产品路线本身极具价值。
如今，许多人对AI工具最大的不满，往往不是模型能力不足，而是“上下文总是断掉”。每次开启新对话，都需要重新解释项目背景、个人偏好和团队规则，整个过程效率低下。
Hermes Agent试图正面解决的，正是这个问题。
而且，它还是开源的，数据也掌握在你自己手中。从隐私和可控性的角度来看，这一点会让许多团队感到更加安心。
如果说下一代AI助手真正的竞争焦点是什么，那很可能是
