Hermes保姆级教程：从入门到精通 附变现路径

一、Hermes 究竟强在哪里？—— 为什么值得从小白开始投入

在当前的开源 AI Agent生态中，Hermes Agent 是 Nous Research 推出的自改进 AI Agent 框架。项目在 GitHub 发布短短两个月内就积累了超过 10 万个Stars ，成为 2026 年最受关注的本地 Agent 之一。它本质上是 OpenClaw 项目的进阶版本，也是“Harness Engineering（缰绳工程）”概念的首次大规模产品化落地。

传统的 AI 工具（如 OpenClaw）需要用户手动编写超长的指令文件（例如 SOUL.md）、自己配置复杂规则、设计反馈机制，全靠人工一点点维护，稍有更新就容易崩盘。而 Hermes Agent 的核心优势在于它内置了一个完全自动化的“学习循环闭环”，让 Agent 真正“越用越聪明”：

记忆自动归档：每次对话结束后，Agent 会主动判断哪些信息有价值，并自动写入本地 SQLite 数据库，建立 FTS5 全文索引。告别过去全靠人工记忆或上下文爆炸的问题，后续检索速度快、成本低。

自主创建 Skill（技能）：当它帮你完成一项复杂任务后，系统会自动提炼操作步骤，生成 Markdown 格式的 Skill 文件，直接保存在 ~/.hermes/skills/ 目录。下次相同需求直接调用，无需重复描述。

技能自我进化：如果你指出错误，它不仅本次修正，还会自动更新对应的 Skill 文件规则，实现真正的长期迭代。社区实测显示，使用 1-2 周后，重复任务的成功率可提升 30 %以上。

按需检索（告别卡顿）：新对话时不再把几十万字历史全塞进上下文，而是根据当前话题进行全文检索，只提取相关片段。这让运行速度和 API 调用成本都大幅优化，尤其适合长线投研或多轮任务。

用户建模（它比你更懂你）：内置 Honcho 模块，能从你的行为模式中推导工作习惯（例如你喜欢看数据、偏好精简结论、晚上 10 点后更活跃），后续回复会主动迎合你的风格，减少沟通摩擦。

小白 Tips ：OpenClaw 更像一个“万能网关”，集成广但需要你持续手动调教；Hermes 则更像一个“会成长的伙伴”，初期上手稍有学习曲线，但长期使用下来省心省力很多。适合想长期养一个“私人超级个体助手”的人。

二、入门阶段——安装部署与模型接入（30 分钟跑通基础）

Hermes 提供了三种主流安装方式，根据你的设备和需求选择即可。新手推荐先用本地或 Docker 快速测试。

1. 本地常规部署（推荐小白起步）

适用于 macOS / Linux / WSL2。

打开终端，直接运行官方一键安装脚本：

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

Windows 用户需先安装 WSL2（推荐 Ubuntu 22.04），然后在 WSL 终端执行上述命令。
脚本会自动安装 Python、Node.js、Git 等依赖，并在用户根目录生成 ~/.hermes/ 核心文件夹（所有记忆、技能、配置都在这里，数据本地化，隐私安全）。

2. Docker 容器化部署（推荐不想污染本地环境的用户）

docker pull nousresearch/hermes-agent:latest
docker run -v ~/.hermes:/opt/data nousresearch/hermes-agent:latest

关键参数 -v ~/.hermes:/opt/data 会把容器内数据映射到宿主机，即使容器删了，记忆和技能依然保留。

3. VPS 云服务器部署（适合 24 小时不间断运行）

推荐低配 Ubuntu 22.04 LTS 服务器（单核 CPU + 1GB 内存就够），Hetzner、DigitalOcean 等平台月费约 5 美元。
SSH 登录后，直接粘贴执行上面的本地一键安装脚本即可。
额外 Tips ：部署后用 screen 或 tmux 后台运行，避免 SSH 断开后进程退出。

4. 运行状态自检与排障

安装完成后输入 hermes version，看到版本号即成功。
运行 hermes doctor 执行系统诊断，检查 OpenAI SDK、Rich 等组件是否就绪（全部打勾即可）。
常见问题补充：如果报 Python 或 Node 版本冲突，建议先卸载系统自带旧版本；网络问题可加 --proxy 参数或切换镜像源。

5. 初次运行与自动配置向导接入（最核心一步）

在终端输入 hermes 回车，进入 Quick Setup 向导。
LLM 后端推荐新手先选 DeepSeek、Kimi 或 OpenRouter 免费模型（免费额度高，够前期反复测试）。
熟练后用 hermes model 命令切换到 Claude 3.5 Sonnet、GPT-4o 或 Nous Portal 高阶模型。
测试命令：hermes chat -q "Hello! What tools do you have available?" —— 如果正常列出工具列表，整个入门流程就跑通了。

常用命令速查（入门必备）：

hermes —— 开启对话模式
hermes model —— 切换/查看模型
hermes tools —— 配置可用工具
hermes gateway —— 启动消息网关
hermes setup —— 重新配置向导
hermes doctor —— 系统诊断
hermes migrate openclaw —— 从 OpenClaw 迁移数据（支持自动导入历史技能和配置）

三、进阶阶段——三层记忆机制与底层参数调优（让它真正记住你）

入门跑通后，就该让 Hermes “懂你”了。这部分是 Hermes 区别于其他 Agent 的核心竞争力。

1. 三层本地记忆架构（纯本地，无云端泄露）

会话记忆：SQLite + FTS5 全文索引，记录原始对话和工具调用结果，适合快速追溯具体细节。
持久记忆：长期观察你的行为模式（代码习惯、工具偏好、作息规律、情绪触发点等）。Honcho 模块甚至能推理出“你报错时容易急躁”，从而自动调整回复语气。

Skill 记忆：存放在 ~/.hermes/skills/下的 Markdown 文件，记录具体任务的执行规范和步骤。

如何给它立人设？

编辑 ~/.hermes/SOUL.md 文件，写入：“我是做 AI 趋势投研和 Web3 个体的，习惯看数据、结论要精简直接、回复请多用列表”。保存后重启对话即可。

更智能方式：在聊天中多纠正它，然后说：“根据我们今天的对话，自动调整并更新 SOUL.md”。它会自己总结你的偏好并写入。

2. 模块化模型配置（省钱+高效实操技巧）

打开 ~/.hermes/config.yaml，将不同任务分层：
核心逻辑（记忆策划、技能提炼、复杂投研）→ 用 Claude Opus / GPT-4o 等强推理模型。
基础执行（网页搜索、文本格式化、简单汇总）→ 用 OpenRouter 免费/低价模型。
实测效果：这种分层配置可将长期 API 费用降低 50%-70%。建议新手先用免费模型练手，熟悉后再升级。
进阶 Tips ：定期运行 hermes status 查看内存占用和技能使用统计，及时清理不常用记忆，避免磁盘膨胀。

四、高阶阶段——技能系统、通讯平台接入与自动化流转（让它真正帮你赚钱干活）

只有大脑还不够，得让它“动手”并 24 小时在线。

1. 自动进化的 Skill 系统（最实用部分）

出厂自带 40+ 常用技能，但最强大是它自己生成的。
示例：输入“帮我抓取 Hacker News 首页的 AI 新闻，并总结成中文摘要 + 投研亮点”。完成后它会自动生成 Skill 文件。
官方 Skills Hub（agentskills.io 兼容）允许一键安装社区优秀技能。以前在 Claude Code、Cursor 写的技能文件，直接复制到 ~/.hermes/skills/ 即可无缝复用，实现跨平台规则共享。
高阶玩法：用 hermes skills list 查看已有技能，用 hermes skills edit 手动微调，再让它自我进化。

2. 跨平台网关配置（手机随时指挥）

飞书接入（国内最方便）：运行 hermes gateway setup 选飞书，创建企业自建应用，填 App ID 和 App Secret 即可。所有上下文本地同步。
Telegram 接入：找 @BotFather，获取 Token，运行 hermes config set TELEGRAM_BOT_TOKEN your-token，然后启动网关。
支持多平台同时接入，手机上发指令，电脑 /VPS 上继续执行，记忆完全一致。

3. MCP 协议与自动化流转（真正的生产力爆发）

Model Context Protocol (MCP)：标准化协议，可直接调用 6000+ 外部服务（无需额外适配）。支持 stdio（本地无网络开销）和 HTTP/SSE 两种方式。
示例接入 GitHub（安全配置）：

mcp_servers:
  github:
    command: "npx"
    args: ["-y", "@modelcontextprotocol/server-github"]
    env:
      GITHUB_PERSONAL_ACCESS_TOKEN: "你的Token"
    allowed_tools: ["read_repo", "list_issues"]  # 只开放读取，屏蔽修改权限

定时调度（Cron）：编辑 ~/.hermes/cron/tasks.yaml，设置每日早间自动追踪 AI/Web3 新闻并推送到 Telegram。
示例：

tasks:
  - name: daily_ai_tracking
    schedule: "0 9 * * *"
    command: "总结今日AI趋势和Web3投研热点，用列表输出"
    platform: telegram
    chat_id: "your-chat-id"

多 Agent 并发编排（delegate_task）：主 Agent 可并行拉起最多 3 个子 Agent 实例，分别负责数据检索、文档分析、社区汇总，最后主节点客观合成报告。大幅缩短复杂任务时间（例如预测市场项目深度投研）。
高阶 Tips：结合 MCP + Cron + 多 Agent，可搭建全自动“AI 投研流水线”，每天睡醒就有新鲜报告，很适合个体搞钱场景。

变现路径

1. 代安装与排障服务（闲鱼/小红书接单，远程帮小白部署，一单几十到上百）
2. 工作流定制（帮电商/投研团队写自动抓取、排版脚本，收费几百到上千）
3. 卖现成技能包（打包常用 Markdown Skill，虚拟产品零成本多卖）
4. 做自动化内容账号（定时任务自动搜集新闻、改写发帖，赚流量分成）
5. 做付费数据社群（24h 监控行业数据，自动推送，收包月费）
6. 技能分发赚提成（上传到技能平台，按调用次数分成）
7. 自动化任务脚本（监控打折、重复点击等省时省力）
8. 企业内部工具开发（接入公司数据库/代码库，做外包项目）
9. 做培训和社群陪跑（开小班教安装+高阶用法，提供长期答疑）