Star 數破 21 萬的 AI Agent 框架：Hermes Agent 為什麼能自我進化？

我最近花了一週時間深入研究 Hermes Agent，這個來自 NousResearch 的開源專案。它的 GitHub 星數已經突破了 212,000，超過 39,000 個 fork，還有 370 多位社區貢獻者。單單 v0.18.0 這個版本就合併了近 1,000 個 PR，包含約 251,000 行新程式碼。

這個數字在開源 AI 社群裡是真實存在的。

但更讓我感興趣的不是這些數字，而是 為什麼 這麼多人願意投入時間在這個專案上。

Hermes Agent 到底是什麼？

簡單來說，Hermes Agent 是一個自我進化的 AI Agent 框架。它的核心定位是：「The agent that grows with you」（與你一起成長的代理）。

這聽起來可能像是一個 marketing slogan，但如果你仔細看它的架構，你會發現「自我進化」不是一個比喻，而是實際運作的系統行為。

它不是又一個 LLM wrapper

很多 AI Agent 專案本質上是一個「包裝」——你輸入一個 prompt，它呼叫 LLM API，回傳結果。這個模式本身沒有錯，但它也意味著：

你每次都需要手動告訴它「上次那個任務怎麼做的」
它不會從錯誤中學習
它不會隨著使用變得更好

Hermes Agent 的做法不同。它有一個閉環學習系統：

自動建立 Skill：當一個複雜任務完成後，它會自動提取經驗，建立一個可重用的 Skill。
Skill 自我改進：在後續使用中，它會根據實際表現自動改進 Skill。
經驗沉澱：這些 Skill 會被持久化存儲，成為跨會話的知識。

這意味著，使用次數越多，它就越懂你。

核心架構解析

1. 自我進化的閉環系統

Hermes Agent 的學習機制是它最獨特的地方。讓我用一個具體例子說明：

假設你讓它幫你自動化一個文件處理流程。第一次，它可能需要你逐步告訴它每個步驟。但當任務完成後，它會：

分析這次任務的流程
提取關鍵決策點和最佳實踐
建立一個可重用的 Skill
在下一次遇到類似任務時，自動調用這個 Skill

關鍵是：如果下次任務中發現 Skill 不够好，它會自動改進它。這個過程是自動的、持續的。

2. Mixture-of-Agents（MoA）

v0.18.0 版本最重大的新功能之一是 Mixture-of-Agents 成為一等公民。

什麼是 MoA？簡單來說，它允許你同時呼叫多個 LLM，讓它們各自給出回答，然後由一個「聚合模型」綜合所有回答，給出最終答案。

這聽起來可能有點複雜，但實際使用非常直觀：

你可以選擇「my-council」這個 MoA preset
它會自動呼叫多個模型（例如 Claude、GPT、Gemini）
每個模型的回答都會顯示給你
最後給出一個綜合答案

為什麼這很重要？

因為某些問題確實需要多個視角才能給出最好的答案。例如：

一個技術架構問題，可能需要架構師的視角 + 工程師的視角 + 安全專家的視角
一個創意寫作任務，可能需要詩人的視角 + 編輯的視角 + 目標讀者的視角

MoA 讓這成為可能，而且不需要你手動協調。

3. 多平台生活

Hermes Agent 不只是在終端機裡跑。它可以：

Telegram：在 Telegram 裡跟它對話
Discord：在 Discord 伺服器裡使用
Slack：集成到你的 Slack 工作區
WhatsApp：通過 WhatsApp 與它互動
CLI：傳統的命令列介面

所有這些都通過一個 Gateway 進程管理。這意味著你可以在 Telegram 裡開始一個任務，然後切換到 Discord 繼續它，而不會丟失上下文。

4. 調度與自動化

Hermes Agent 內建了一個排程系統（cron），可以：

定期執行任務（例如每天早上的報告）
自動備份
定期審計

這些任務可以用自然語言描述，而不需要寫程式碼。例如：

# 每天早上 9 點，檢查我的 GitHub 通知，如果有新的 PR，就通知我
hermes cron schedule "每天早上 9 點檢查 GitHub 通知" --platform telegram

它會自動建立一個 cron job，並在指定時間執行。

5. 子代理與並行化

對於複雜任務，Hermes Agent 可以建立子代理來並行處理：

一個子代理負責搜尋資訊
另一個子代理負責分析數據
第三個子代理負責撰寫報告

然後將所有結果彙整。這意味著你可以同時處理多個任務，而不需要手動協調。

為什麼它值得關注？

1. 它是開源的，而且是真正開源的

很多 AI Agent 專案雖然開源，但核心功能需要付費 API。Hermes Agent 不同：

所有功能都是開源的
你可以使用任何 LLM provider（OpenAI、Anthropic、OpenRouter、甚至本地模型）
沒有 vendor lock-in

2. 它的學習系統是真實的

如前所述，它的自我進化不是 marketing 話術，而是實際運作的系統。這意味著：

使用越久，它越懂你
錯誤會自動轉化為改進
經驗會被持久化，不會因為重啟而丟失

3. 它的社區非常活躍

370+ 貢獻者、每週近 1,000 個 PR、星數 212k+，這些數字說明這不是一個「一人專案」。它有一個真實的、活躍的社區在維護和改進它。

4. 它不是為特定場景設計的

很多 AI Agent 框架專注於特定場景（例如客服、數據分析、代碼生成）。Hermes Agent 不同：

它可以處理任何任務
它可以學習如何處理新類型的任務
它不會被鎖定在特定領域

如何開始使用

如果你對 Hermes Agent 感興趣，以下是開始使用的步驟：

1. 安裝

根據你的作業系統，選擇適合的安裝方式：

Linux / macOS / WSL2 / Termux：

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

Windows（PowerShell）：

iex (irm https://hermes-agent.nousresearch.com/install.ps1)

安裝程式會自動處理所有依賴：uv、Python 3.11、Node.js、ripgrep、ffmpeg，以及一個可攜式 Git Bash（基於 MinGit，約 45MB，不會與系統 Git 衝突）。

2. 初始化

source ~/.bashrc  # 重新載入 shell
hermes            # 開始使用！

3. 開始建立 Skill

當你完成第一個複雜任務後，嘗試：

/hermes learn

這會觸發學習流程，它會分析這次任務並建立一個 Skill。

4. 嘗試 MoA

在模型選擇時，選擇一個 MoA preset（例如「my-council」），然後試試看複雜問題。

我的觀點

Hermes Agent 是我見過最接近「AI 助理」概念的產品之一。

它不是另一個「輸入 prompt，輸出結果」的工具。它是一個會成長、會學習、會適應的系統。

但我也有一些疑慮：

自我進化是否會引入風險？ 如果一個 Skill 被錯誤改進，會產生什麼後果？
閉環學習是否需要大量歷史數據？ 對於新用戶，學習曲線可能較長。
安全性如何？ 當一個代理可以自主行動時，如何確保它不會做出有害的行為？

這些問題沒有標準答案，但它是值得討論的。

結論

Hermes Agent 代表了 AI Agent 的一個重要方向：不是被動的工具，而是主動的夥伴。

它不會因為你使用它一次就結束。它會記住你的偏好、改進它的方法、並隨著時間變得更好。

如果你正在尋找一個會成長的 AI Agent，Hermes Agent 值得你花時間嘗試。

參考資料