Apr 13, 2026

Hermes Agent 深度研究：Nous Research 的開源自進化 AI Agent 全解析

從 Discord 社群到 $50M 融資、從 Hermes 模型到去中心化訓練網路，Nous Research 正以 Hermes Agent 挑戰 Claude Code 與 OpenClaw 的霸主地位。本文將從源碼層級深入剖析這四大 AI Agent 平台的架構差異。

一、Nous Research：從開源社群到十億估值

起源（2022）

Nous Research 的故事始於 2022 年，一群 AI 研究者和工程師在 Discord、GitHub、Twitter 上自發聚集，開始基於 Meta 的 LLaMA 系列模型進行實驗和微調。這不是一家典型的矽谷創業公司——它是一場去中心化的 AI 開源運動。

創始團隊

2023 年正式註冊公司，四位共同創辦人各有獨特背景：

創辦人	角色	背景
Jeffrey Quesnelle	CEO	前 Intrepid Control Systems 軟體開發總監，Eden Network（區塊鏈基礎設施）首席工程師
Karan Malhotra	Head of Behavior	前 Stanford Brain Stimulation Lab 機器學習研究員
Teknium	Head of Post-Training	匿名 AI 研究者，前 Stability AI，OpenHermes 模型創作者
Shivani Mitra	共同創辦人	核心團隊成員

這種「神經科學 + 區塊鏈 + AI 研究」的組合，預示了 Nous 未來的雙軌策略：開源模型 + 去中心化基礎設施。

融資與估值

2025 年 4 月，Nous Research 完成由 Paradigm（加密 VC 巨頭， $850M 基金）領投的 **$ 50M Series A** 融資，token 估值達 $10 億。團隊規模約 20 人，資金主要用於算力和研究擴展。

Hermes 模型系列：開源 AI 的里程碑

Nous Research 已發布 41 個開源模型，Hermes 系列在 Hugging Face 上累計超過 3,300 萬次下載：

版本	特色
Nous-Hermes-13b	基於 30 萬+條指令微調，首個爆款
Hermes 2 Vision	輕量級視覺語言模型
Hermes 3	基於 Llama 3.1（8B/70B/405B），合成數據微調
Hermes 4	混合推理模型，50 倍訓練數據，性能匹敵 ChatGPT
Hermes 4.3-36B	首個完全在 Psyche 去中心化網路上後訓練的生產模型，Apache 2 授權

Psyche：去中心化訓練的野心

Psyche 是 Nous 最具野心的項目——一個基於 Solana 區塊鏈的去中心化 AI 訓練網路：

DisTrO 優化器：將 GPU 間通信數據壓縮 1,000-10,000 倍（類似 JPEG 頻域壓縮原理）
雙層網路架構：Solana 智能合約管理共識狀態，自定義 P2P mesh 網路傳輸梯度
實際表現：Hermes 4.3 在 Psyche 上 24 個節點訓練，平均 144K tokens/秒，性能超越傳統集中式訓練版本
開放性：任何人都能貢獻閒置 GPU 算力參與前沿模型訓練

這讓 Nous 成為少數同時擁有模型、Agent 平台、去中心化訓練基礎設施三合一的開源 AI 組織。

二、Hermes Agent 深度架構分析

專案概覽

項目	數據
語言	Python 3.11+
授權	MIT
GitHub Stars	64,000+（2 個月內）
貢獻者	242+（至 v0.8.0）
當前版本	v0.8.0（2026-04-08）
核心文件	`run_agent.py`（10,593 行）、`cli.py`（9,952 行）

源碼結構

hermes-agent/
├── run_agent.py          # 核心 Agent 循環（10.6K 行，巨型單文件）
├── cli.py                # CLI 界面（10K 行）
├── hermes_state.py       # 狀態管理
├── model_tools.py        # 模型工具定義
├── mcp_serve.py          # MCP 伺服器
├── batch_runner.py       # 批量執行
├── agent/                # Agent 內部模組
│   ├── memory_manager.py     # 記憶管理
│   ├── context_compressor.py # 上下文壓縮
│   ├── prompt_builder.py     # Prompt 構建
│   ├── prompt_caching.py     # Prompt 緩存
│   ├── smart_model_routing.py # 智能模型路由
│   ├── skill_commands.py     # 技能命令
│   ├── trajectory.py         # 軌跡記錄（RL 用）
│   └── anthropic_adapter.py  # Anthropic API 適配
├── tools/                # 50+ 工具
│   ├── terminal_tool.py      # 終端執行（6 種後端）
│   ├── file_tools.py         # 文件操作
│   ├── browser_tool.py       # 瀏覽器自動化（93K 行！）
│   ├── delegate_tool.py      # 子 Agent 委派
│   ├── memory_tool.py        # 持久記憶
│   ├── skill_manager_tool.py # 技能管理
│   ├── mcp_tool.py           # MCP 整合
│   ├── cronjob_tools.py      # 排程任務
│   ├── code_execution_tool.py # 代碼執行
│   ├── vision_tools.py       # 視覺處理
│   ├── voice_mode.py         # 語音模式
│   └── ...
├── skills/               # 20+ 技能類別
│   ├── github/
│   ├── devops/
│   ├── data-science/
│   ├── creative/
│   └── ...
├── gateway/              # 多平台訊息網關
├── environments/         # 終端後端（Docker, SSH, Daytona, Modal...）
├── plugins/              # 插件系統
└── tests/                # 測試

核心架構：Agent 循環

Hermes 的核心在 run_agent.py（10,593 行的巨型文件）中實現。它基於 OpenAI SDK 的 chat completion API 構建統一的 Agent 循環：

# 簡化的核心循環
class AIAgent:
    def run_conversation(self, prompt):
        messages = self.build_messages(prompt)
        while True:
            response = self.client.chat.completions.create(
                model=self.model,
                messages=messages,
                tools=self.get_tool_definitions(),
            )
            if response.has_tool_calls:
                # 並行執行工具（ThreadPoolExecutor）
                results = self.execute_tools_parallel(response.tool_calls)
                messages.extend(results)
            else:
                return response.content

關鍵設計決策：

統一 API 抽象：所有模型供應商都通過 OpenAI 相容 API 存取，透過 base_url 切換
並行工具執行：v0.8.0 新增 ThreadPoolExecutor，多個獨立工具調用同時執行
智能模型路由：agent/smart_model_routing.py 根據任務類型自動選擇最適合的模型

自進化學習系統

這是 Hermes Agent 最獨特的賣點——一個閉環學習系統：

1. 技能自動創建（Skill Auto-Creation）

當 Agent 完成複雜任務後，它會主動將解決方案寫成可重用的 Skill 文件：

skills/
├── github/
│   ├── SKILL.md          # 技能定義
│   └── steps/
│       ├── 01-setup.md
│       └── 02-workflow.md

技能遵循 agentskills.io 開放標準——這意味著 Hermes 的技能可以和 Claude Code、GitHub 社群、ClawHub 的技能互通。

2. 持久記憶（Persistent Memory）

# tools/memory_tool.py
# 使用 SQLite + FTS5 全文搜索
class MemoryTool:
    def save_memory(self, key, content, category):
        # 寫入持久化存儲
    def search_memories(self, query):
        # FTS5 全文搜索跨所有會話
    def build_user_model(self):
        # 構建用戶畫像，越用越懂你

FTS5 全文搜索：跨所有歷史會話搜索，配合 LLM 摘要
11 種記憶後端：除了內建的 MEMORY.md / USER.md，還支援 Honcho（辯證法用戶建模）、mem0、Holographic、Supermemory、RetainDB 等 11 個外部記憶插件
Honcho 用戶建模：辯證法用戶建模，逐步構建對用戶的深度理解
週期性推送：Agent 會主動提醒自己檢查和更新記憶

3. 技能自我改進（Skill Self-Improvement）

技能在使用過程中會自我改進——如果某個步驟失敗了，Agent 會更新技能文件以避免下次重蹈覆轍。

六種終端後端

# environments/
├── local/      # 本地終端
├── docker/     # Docker 容器
├── ssh/        # SSH 遠端
├── daytona/    # Daytona 無伺服器（休眠後喚醒）
├── singularity/ # Singularity 容器
└── modal/      # Modal 無伺服器 GPU

這讓 Hermes 可以：

在 $5 VPS 上運行
在 GPU 集群上執行 ML 任務
使用 Modal/Daytona 實現「用時啟動、閒時休眠」

Worktree 並行（v0.8.0 新增）

hermes -w  # 創建隔離的 git worktree

在 .worktrees/ 下創建臨時工作目錄
檢出隔離分支
保持獨立的 checkpoint 歷史
支援 /rollback 回滾

模型供應商支持

透過 hermes model 命令一鍵切換：

供應商	說明
Nous Portal	Nous 自家推理平台
OpenRouter	200+ 模型
OpenAI	GPT 系列
Anthropic	Claude 系列
MiniMax	中國 AI 供應商
z.ai/GLM	智譜
Kimi/Moonshot	月之暗面
自定義端點	任何 OpenAI 相容 API

三、競品對比：四大 AI Agent 平台

Claude Code — 專注深度的精品

維度	詳情
開發者	Anthropic
語言	TypeScript（閉源）
模型	僅 Claude（Opus 4.6）
定位	開發者專用終端 AI Coding Agent
SWE-bench	80.9%（最高分）
上下文窗口	1M tokens
特色	Agent Teams 並行開發、Hooks 生命週期管理、3,000+ MCP 整合

核心優勢：

推理品質無敵：Opus 4.6 在 SWE-bench 上 80.9% 的通過率，是所有公開驗證的最高分
深度 Git 整合：理解你的倉庫結構、分支狀態、提交歷史，能直接創建有意義的 commit 和 PR
Hooks 系統：14+ 生命週期 hook，可以在文件編輯後自動格式化、提交前自動 lint
MCP 協議：標準化的工具整合協議，可連接資料庫、Jira、GitHub、Sentry 等
Agent Teams：多個子 Agent 並行處理不同工作流
安全模型：分層權限系統，用戶可以精確控制 Agent 的操作範圍

劣勢：

鎖定 Claude 模型，無法使用其他供應商
閉源，無法自定義核心邏輯
沒有持久記憶系統（依賴 CLAUDE.md 和 Memory 文件）
不支持多平台訊息（只有終端 + IDE）

OpenClaw — 全平台個人助手巨獸

維度	詳情
開發者	社群（Peter Steinberger 創建）
語言	TypeScript（13,800+ 文件）
授權	MIT
定位	全平台個人 AI 助手
特色	SOUL.md 人格系統、20+ 訊息平台、插件架構
贊助商	OpenAI、GitHub、NVIDIA、Vercel、Blacksmith、Convex

核心優勢：

平台覆蓋之王：WhatsApp、Telegram、Slack、Discord、Google Chat、Signal、iMessage、IRC、Teams、Matrix、Feishu、LINE 等 20+ 平台
SOUL.md 人格系統：用 Markdown 定義 Agent 的性格、知識、行為模式——系統層級、版本控制、工作區範圍的人格注入
成熟的插件架構：嚴格的邊界隔離（Plugin SDK、Channel Contract、Provider Entry），第三方插件有完整的 SDK 文檔
企業級工程：pre-commit hooks、CI/CD、Vitest coverage 門檻 70%、架構邊界測試、import cycle 檢測
macOS/iOS/Android 原生應用：不只是 CLI，還有桌面和移動端（iOS 語音喚醒、Android 設備命令）
真正的多 Agent 隔離：不同 agent 有獨立的工作區、認證、會話——一台主機跑多個 "人格"
Canvas 視覺工作區：Agent 可驅動的即時可編輯 UI（A2UI）

劣勢：

代碼庫過於龐大（13K+ 文件，核心 Agent runner run.ts 單文件 78K 行）
CLAUDE.md 指南本身就有數百行，反映了複雜度
不專注 coding——更像是通用助手

OpenCode → Crush — 簡潔的終端 Coding Agent

維度	詳情
開發者	原作者加入 Charm 後重命名為 Crush
語言	Go
授權	MIT
定位	終端 AI Coding Agent
狀態	原 opencode-ai/opencode 倉庫已 archived，活躍開發在 charmbracelet/crush
特色	Bubble Tea TUI、LSP 整合、多供應商

核心優勢：

Go 語言：單一二進制文件，無需 Python/Node.js 環境
精美 TUI：基於 Charm 生態（Bubble Tea + Lip Gloss），終端界面體驗極佳
LSP 整合：直接利用 Language Server Protocol 獲取代碼智能
多供應商：支持 75+ LLM 供應商，包括本地模型（Ollama）
Air-gapped 模式：完全離線運行，適合國防、醫療、金融等需要數據隔離的行業
SQLite 持久化：會話和歷史持久化存儲

劣勢：

專案分裂（OpenCode vs Crush）造成社群混亂——原作者被 Charm 聘用後 fork 為 Crush，原 repo archived
功能相對簡單，沒有記憶/技能系統
不支持多平台訊息
測試覆蓋極少（僅 4 個測試文件），早期階段

四、深度對比矩陣

維度	Hermes Agent	Claude Code	OpenClaw	OpenCode/Crush
語言	Python	TypeScript（閉源）	TypeScript	Go
授權	MIT	專有	MIT	MIT
GitHub Stars	64K+（2 個月）	N/A（閉源）	~25K+	~140K（含 fork）
模型鎖定	無（任意供應商）	Claude only	多供應商	多供應商（75+）
自進化/記憶	閉環學習 + FTS5	CLAUDE.md 手動	SOUL.md 手動	無
技能系統	agentskills.io 標準	技能文件	插件系統	無
多平台訊息	6 平台	無	20+ 平台	無
終端後端	6 種（含 serverless）	本地	本地	本地
瀏覽器自動化	Browser Use + Firecrawl	Claude-in-Chrome (MCP)	有限	無
子 Agent/並行	Delegate + Worktree	Agent Teams	有	無
排程任務	內建 Cron	/loop + Triggers	有	無
MCP 支持	有	3,000+ 整合	有	有限
RL/研究	Atropos + 軌跡生成	無	無	無
離線/本地模型	支持	不支持	支持	支持（Ollama）
推理品質	取決於選用模型	最高（SWE-bench 80.9%）	取決於模型	取決於模型
代碼品質	巨型單文件（10K+ 行）	專業級	企業級架構	乾淨的 Go 代碼

五、架構哲學對比

Hermes Agent：「快速成長的有機體」

Hermes 的代碼風格反映了它的開源社群文化——run_agent.py 單文件 10,593 行，cli.py 9,952 行。這是典型的「先跑起來，再重構」策略。v0.1 到 v0.8 只用了 42 天，平均不到一週一個大版本。

優點：極快的迭代速度、功能豐富、社群貢獻活躍缺點：代碼組織混亂、巨型文件難以維護、潛在的技術債

Claude Code：「精密的手術刀」

Claude Code 是 Anthropic 的商業產品，每一個功能都經過精心設計。Hooks 系統、權限模型、MCP 協議——一切都服務於「讓開發者安全、高效地寫代碼」這一目標。

優點：推理品質最高、安全模型完善、工具品質精良缺點：模型鎖定、閉源、功能範圍有限

OpenClaw：「瑞士軍刀式的平台」

OpenClaw 的 CLAUDE.md 指南本身就有數百行——這既是它的優勢（文檔完善），也反映了它的複雜度。13,800 個文件、嚴格的插件邊界、多層架構守衛——這是一個為大規模社群協作設計的平台。

優點：架構最成熟、平台覆蓋最廣、插件生態最豐富缺點：上手門檻高、複雜度恐怖

OpenCode/Crush：「極簡主義的美學」

Go 語言帶來了部署的簡潔性——單一二進制文件，沒有依賴地獄。Charm 的 Bubble Tea 帶來了終端界面的美學。但功能上，它是四者中最簡單的。

優點：部署最簡單、TUI 最美、隱私最強缺點：功能最少、專案分裂

六、Hermes Agent 的獨特價值主張

1. 唯一真正的自進化 Agent

其他 Agent 都是「工具」——你使用它們，它們不會變。Hermes Agent 是唯一一個使用越久越強的開源 Agent：

自動將解決方案寫成可重用技能
跨會話記憶搜索（FTS5 + LLM 摘要）
辯證法用戶建模（Honcho）
技能在使用中自我改進

2. 研究與生產的橋樑

rl_cli.py 和 tinker-atropos/ 目錄表明 Hermes 不只是一個用戶工具——它也是 Nous Research 訓練下一代工具調用模型的數據生成平台：

批量軌跡生成
Atropos RL 環境
軌跡壓縮用於模型訓練

3. 真正的基礎設施無關

6 種終端後端意味著你可以在任何地方運行 Hermes——從 Android 手機（Termux）到 GPU 集群，從 $5 VPS 到 Modal 無伺服器平台。

4. OpenClaw 遷移的野心

hermes claw migrate 命令可以一鍵遷移 OpenClaw 的設定、記憶、技能和 API 金鑰——這是對 OpenClaw 用戶群的直接搶攻。

七、該選哪個？

使用場景	推薦
專業軟體開發	Claude Code — 推理品質無敵，SWE-bench 80.9%
個人全能助手	Hermes Agent — 自進化 + 多平台 + 任意模型
團隊/企業全平台部署	OpenClaw — 20+ 平台 + 成熟插件架構
隱私/離線優先	OpenCode/Crush — 單二進制 + Ollama 本地模型
AI 研究/模型訓練	Hermes Agent — Atropos RL + 軌跡生成
預算最低	Hermes Agent — $5 VPS + 免費模型

最佳組合策略

對於認真的開發者，2026 年的最佳策略可能是雙棲：

用 Claude Code 做專注的 coding session（推理品質最高）
用 Hermes Agent 做其他一切——任務自動化、專案管理、資訊檢索、排程工作流

八、Hermes Agent 的風險與挑戰

代碼品質隱憂：run_agent.py 單文件 10,593 行是一個巨大的紅旗。隨著功能持續增長，維護成本將指數上升。
加密經濟的隱含風險：Nous 的 $50M 融資來自加密 VC Paradigm，估值基於 token。Psyche 網路和 Solana 整合引入了加密市場的波動性風險。
可持續性問題：42 天 8 個大版本的開發速度是否可持續？242 個貢獻者的參與品質如何？
與 OpenClaw 的生態競爭：技能互通（agentskills.io）是雙刃劍——降低了遷移成本，但也意味著 OpenClaw 可以反向吸收 Hermes 的技能。

九、結語

Hermes Agent 是 2026 年開源 AI Agent 領域最有野心的項目。它不只是一個終端工具——它是 Nous Research 從開源模型（Hermes 系列）到去中心化訓練（Psyche）到 Agent 平台（Hermes Agent）的完整 AI 堆疊戰略的前端入口。

但野心需要執行力。10K+ 行的單文件、加密經濟的複雜性、以及與成熟競品（Claude Code 的推理品質、OpenClaw 的平台覆蓋）的正面競爭，都是 Hermes Agent 需要跨越的障礙。

64,000 顆星說明了社群的期待。接下來的問題是：Nous Research 能否將這份期待轉化為一個可持續的、高品質的產品？

Sources:

Hermes Agent 深度研究：Nous Research 的開源自進化 AI Agent 全解析

一、Nous Research：從開源社群到十億估值

起源（2022）

創始團隊

融資與估值

Hermes 模型系列：開源 AI 的里程碑

Psyche：去中心化訓練的野心

二、Hermes Agent 深度架構分析

專案概覽

源碼結構

核心架構：Agent 循環

自進化學習系統

六種終端後端

Worktree 並行（v0.8.0 新增）

模型供應商支持

三、競品對比：四大 AI Agent 平台

Claude Code — 專注深度的精品

OpenClaw — 全平台個人助手巨獸

OpenCode → Crush — 簡潔的終端 Coding Agent

四、深度對比矩陣

五、架構哲學對比

Hermes Agent：「快速成長的有機體」

Claude Code：「精密的手術刀」

OpenClaw：「瑞士軍刀式的平台」

OpenCode/Crush：「極簡主義的美學」

六、Hermes Agent 的獨特價值主張

1. 唯一真正的自進化 Agent

2. 研究與生產的橋樑

3. 真正的基礎設施無關

4. OpenClaw 遷移的野心

七、該選哪個？

最佳組合策略

八、Hermes Agent 的風險與挑戰

九、結語

Related