吃灰板子利旧系列–旧笔记本养马Hermes-Agent

Hermes Agent简介

Hermes Agent 随你成长的 AI 智能体。
部署在你的服务器上，连接你的消息账号，它就成为你的持久个人智能体——学习你的项目、自动构建技能、随时随地触达你。不是聊天机器人，不是代码补全工具，而是一个住在你机器上、每天都在变聪明的智能体。

Hermes-Agent.png

官网： https://hermes-agent.org/zh/

最近还出了桌面端（还没来得及体验）：https://hermes-agent.nousresearch.com/desktop

安装

我的旧笔记本之前装的是Ubuntu 22.04, 基本的一些环境，一些包，还有网络都已经配好了。直接开始安装步骤。

方式 A — pip（最简单）：

pip install hermes-agent
hermes postinstall     # 可选：安装 Node.js、浏览器、ripgrep、ffmpeg 并运行 setup

PyPI 发布版本跟踪带标签的版本（主/次版本发布），而非 main 分支上的每次提交。如需最新代码，请使用方式 B。

方式 B — git 安装器（跟踪 main 分支）：

# Linux / macOS / WSL2 / Android (Termux)
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

重新加载 shell 并开始聊天：

source ~/.bashrc   # 或：source ~/.zshrc
hermes             # 开始聊天！经典 CLI
hermes --tui      # 现代 TUI（推荐）

#更新
hermes update

简单配置

配置单项设置，使用以下专用命令：

hermes model          # 选择 LLM 提供商和模型
hermes tools          # 配置启用的工具
hermes gateway setup  # 配置消息平台
hermes config set     # 设置单个配置项
hermes setup          # 或运行完整的设置向导一次性配置所有内容

这里使用 hermes setup 运行完整的设置向导进行了配置，主要配置了LLM，消息平台（QQ和微信），搜索工具等等，按照它的提示一步步来选择配置就行。

后续根据网上的一些建议还修改了下其他配置：
|配置选项| 默认 | 修改后 | 好处|
|–|–|–|–|
|忙时输入模式 |interrupt（打断式） |steer（追加式） |执行中可随时追加指令|
|缓存时间|5分钟|1小时|长对话省钱省时间|
|工具断路器|关闭|开启|防止死循环烧钱|
|子任务深度|1|2层|复杂任务拆得更细|
|隐私脱敏|关闭|开启|日志不泄露隐私|
|安全扫描|关闭|开启|防止危险自动化|
|智能模型路由|关闭|开启|简单问题用便宜模型|

以上这些我都是通过对话聊天，让它自己去设置的。

简单使用

斜杠命令
输入 / 查看所有命令的自动补全下拉列表

中断 Agent
如果 agent 响应时间过长，输入新消息并按 Enter——这会中断当前任务并切换到你的新指令。Ctrl+C 同样有效。

诊断工具
诊断运行环境与配置问题：

hermes doctor

自动化与工具

  • hermes tools — 按平台调整工具访问权限
  • hermes skills — 浏览并安装可复用的工作流
  • Cron — 仅在机器人或 CLI 配置稳定后使用

进阶学习

目前，我的公众号【Linux社区短距简报】系列就是由 Hermes-Agent 定时自动驱动的，直接生成想要的文档。

现在还在边学边用边摸索，比如使用 SOUL.md 设置持久个性，使用 AGENTS.md 设置项目专属指令，SKILL，MCP等。

官方也有自己的学习路径：https://hermes-agent.nousresearch.com/docs/zh-Hans/getting-started/learning-path

水平 目标 推荐阅读 预计时间
初级 快速上手，进行基本对话，使用内置工具 安装 → 快速入门 → CLI 用法 → 配置 约 1 小时
中级 搭建消息机器人，使用记忆、cron 任务、技能等高级功能 会话 → 消息 → 工具 → 技能 → 记忆 → Cron 约 2–3 小时
高级 构建自定义工具、创建技能、使用强化学习训练模型、参与项目贡献 架构 → 添加工具 → 创建技能 → 强化学习训练 → 贡献指南 约 4–6 小时