从零构建智能AI助手：Hermes Agent核心架构与自动化实战

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Qwen 随心用，限时 5 折。 👉 点击领海量免费额度

如果你正在寻找一个能真正理解你、能持续学习、能帮你处理日常开发任务的 AI 助手，而不是一个只会回答单次问题的聊天机器人，那么 Hermes Agent 可能是你目前能找到的最接近“理想伙伴”的解决方案。

市面上大多数 AI 助手，无论是 ChatGPT 还是 Claude，本质上都是“一问一答”的对话模型。它们没有记忆，没有学习能力，更不会主动为你创建工具。你每次都需要重复解释你的项目背景、你的编码习惯、你的任务目标。而 Hermes Agent 的核心突破在于，它构建了一个“闭环学习循环”：它能从与你的每一次交互中学习，将复杂的操作沉淀为可复用的“技能”，并随着使用不断自我优化。这意味着，你教会它一次如何部署你的项目，下次它就能自动完成，甚至做得更好。

这篇文章将带你从零开始，彻底掌握 Hermes Agent。我们不会停留在简单的安装和聊天，而是深入到它的核心架构、技能系统、多平台集成，并通过一个完整的代码实战项目，让你亲手构建一个能自动处理 GitHub Issue 的智能工作流。你会发现，它远不止是一个工具，而是一个可以与你共同成长的开发伙伴。

1. Hermes Agent 的核心价值：为什么它值得你投入时间？

在深入技术细节之前，我们必须先回答一个根本问题：在众多 AI Agent 项目中，为什么是 Hermes Agent？

首先，看数据。它在 GitHub 上拥有超过 20 万 Star 和 3.7 万 Fork，这不仅仅是流行度的证明，更代表了其社区的活跃度和项目的成熟度。一个能吸引如此多开发者贡献和使用的项目，其稳定性和生态价值是经过验证的。

其次，看设计理念。Hermes Agent 的设计目标非常明确：成为一个能与你共同成长的通用智能体。这体现在几个关键特性上：

1. 内置学习循环：这是它与众不同的核心。传统的 Agent 需要你手动编写复杂的提示词或函数来定义其能力。而 Hermes 能在完成复杂任务后，自动将过程总结、抽象成一个新的“技能”（Skill），并存入技能库。下次遇到类似任务，它可以直接调用这个技能，无需你再次指导。
2. 模型无关性：它不绑定任何特定的 LLM 提供商。你可以使用 OpenAI 的 GPT 系列、Anthropic 的 Claude、通过 OpenRouter 访问的数百个模型，甚至是部署在你本地的开源模型。这意味着你可以根据成本、性能或隐私需求自由切换，没有供应商锁定风险。
3. 真正的全平台运行：它不仅仅是一个命令行工具。通过其“消息网关”（Messaging Gateway），你可以通过 Telegram、Discord、Slack、甚至 WhatsApp 和 Signal 与你的 Hermes Agent 对话。这意味着你的 AI 助手可以“生活”在你最常用的通讯软件里，随时待命。
4. 强大的工具生态：内置超过 40 种工具，从文件操作、网络搜索、代码执行到图像生成、语音合成。更重要的是，它原生支持MCP（Model Context Protocol），可以轻松集成像computer-use-linux这样的工具，实现桌面自动化控制。
5. 成本可控的部署：官方宣称可以在 5 美元的 VPS 上运行，也支持 Modal、Daytona 等 Serverless 基础设施，在闲置时成本几乎为零。这打破了“强大 AI 助手必须依赖昂贵云端 API”的固有印象。

对于开发者而言，Hermes Agent 解决的痛点非常具体：重复性解释成本、上下文断裂、任务无法自动化沉淀。它试图成为你的“第二大脑”，记住你的工作习惯，并主动将你的操作流程产品化。

2. 核心概念解析：技能、工具、网关与记忆

在动手之前，理解 Hermes Agent 的几个核心概念至关重要，这能帮助你在后续配置和使用时做出正确决策。

2.1 技能（Skills） vs. 工具（Tools）

这是最容易混淆的两个概念，但理解了它们，就理解了 Hermes 的智能核心。

• 工具（Tools）：是原子操作。例如，“读取文件”、“执行 Shell 命令”、“进行网络搜索”。一个工具通常对应一个具体的、可编程的函数。Hermes 内置了大量工具，你也可以通过 MCP 扩展更多。
• 技能（Skills）：是由 Agent 自主创建的、可复用的工作流程或问题解决模式。当 Hermes 成功完成一个复杂任务（例如，“帮我分析这个日志文件并找出错误”），它会自动分析自己的思考过程和工具调用序列，将其总结、命名并保存为一个技能。下次你提出类似请求（“分析新的日志”），它会直接调用这个技能，极大地提升了效率和一致性。

简单比喻：工具是螺丝刀、锤子等单个工具；技能是一份“组装宜家书架”的完整说明书，它告诉你按什么顺序使用哪些工具。

2.2 消息网关（Messaging Gateway）

这是 Hermes 实现“无处不在”的关键组件。它是一个独立的守护进程，负责连接 Hermes Agent 的核心与外部通讯平台（如 Telegram Bot）。你可以在服务器上运行网关，然后通过手机上的 Telegram 与你的 Agent 交互，让它执行需要服务器算力或权限的任务（如部署服务、监控日志）。

2.3 记忆（Memory）与用户建模

Hermes 拥有多层次的记忆系统：

• 会话记忆：当前对话的上下文。
• 技能记忆：已创建的技能库。
• 长期记忆：通过MEMORY.md和USER.md等文件持久化存储关于你（用户）的重要信息、偏好和历史交互摘要。它使用 FTS5 全文搜索和 LLM 摘要来实现跨会话的信息检索，构建一个持续深化的用户模型。

2.4 终端后端（Terminal Backends）

Hermes 支持六种方式执行命令，适应不同环境：

1. Local：在运行 Hermes 的本地机器上执行。
2. Docker：在 Docker 容器内执行，提供隔离性。
3. SSH：通过 SSH 在远程服务器上执行。
4. Singularity：在 Singularity 容器中执行（常用于 HPC 环境）。
5. Modal：在 Modal 的无服务器函数中执行。
6. Daytona：在 Daytona 的无服务器环境中执行。

后两种（Modal, Daytona）提供了“休眠唤醒”机制，闲置时成本极低。

3. 环境准备与安装：全平台指南

Hermes Agent 的安装已经非常简化，官方提供了一键安装脚本。但为了应对各种情况，我们详细拆解每一步。

3.1 系统要求与前置条件

• Python 3.11+：这是硬性要求。安装脚本会自动处理。
• Git：用于克隆技能库等。Windows 安装脚本会捆绑一个便携版 MinGit。
• 网络连接：用于下载安装包和模型（如果你使用云端模型）。

3.2 Linux / macOS / WSL2 安装

这是最推荐的安装方式，过程非常顺畅。

打开终端，执行以下命令：

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

这个脚本会：

1. 检查并安装必要的系统依赖（如ripgrep,ffmpeg）。
2. 安装uv（一个快速的 Rust 编写的 Python 包管理器）。
3. 使用uv创建 Python 虚拟环境并安装 Hermes Agent 及其所有依赖。
4. 将hermes命令添加到你的 shell 环境变量中。

安装完成后，需要重新加载 shell 配置：

source ~/.bashrc # 如果你使用 Bash # 或者 source ~/.zshrc # 如果你使用 Zsh

然后就可以启动 Hermes 了：

hermes

3.3 Windows 原生安装

Hermes 已完全支持原生 Windows，无需 WSL。

以管理员身份打开PowerShell，执行：

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

这个 PowerShell 脚本会：

1. 在%LOCALAPPDATA%\hermes目录下创建独立的安装环境。
2. 安装uv, Python 3.11, Node.js,ripgrep,ffmpeg。
3. 如果没有检测到系统 Git，会下载一个 ~45MB 的便携版 MinGit 到%LOCALAPPDATA%\hermes\git，完全独立，不干扰系统。
4. 将 Hermes 添加到用户 PATH。

安装后，重新打开一个 PowerShell 或 CMD 窗口，即可运行hermes。

重要提示：Windows Defender 或第三方杀毒软件可能会误报uv.exe为病毒。这是因为uv是一个未签名的 Rust 二进制文件，且会下载安装包，触发了某些启发式检测。这是一个误报。你可以按照官方指南验证文件真实性，或者直接将%LOCALAPPDATA%\hermes\bin目录添加到杀毒软件的白名单中。

3.4 安装后验证与初始化

无论哪种平台，安装后首先运行诊断命令，确保一切正常：

hermes doctor

这个命令会检查 Python 版本、依赖、配置文件等，并给出修复建议。

接下来，强烈建议运行设置向导，它会引导你完成最重要的初始配置：

hermes setup

向导会依次让你：

1. 选择 LLM 提供商（如 OpenAI, Anthropic, OpenRouter, Nous Portal 等）。
2. 输入对应 API 密钥。
3. 配置工具集（选择启用哪些工具）。
4. 设置消息网关（如果需要）。
5. 迁移旧版 OpenClaw 数据（如果检测到）。

如果你想快速体验所有功能，且不想逐个收集不同服务的 API 密钥，可以使用 Nous Research 提供的Nous Portal一站式服务。它在一个订阅下集成了模型、网页搜索、图像生成、TTS 等多种能力。只需执行：

hermes setup --portal

这会通过 OAuth 登录，自动完成大部分配置。

4. 核心配置详解：模型、工具与技能

安装只是第一步，合理的配置才能让 Hermes 发挥最大威力。配置文件通常位于~/.hermes/config.yaml（Linux/macOS）或%USERPROFILE%\.hermes\config.yaml（Windows）。

4.1 配置 LLM 模型

Hermes 的核心是 LLM。你可以随时切换模型，无需重启。

查看可用模型和提供商：

hermes model list

设置默认模型（例如使用 OpenRouter 上的 Claude 3.5 Sonnet）：

hermes model set openrouter:claude-3.5-sonnet

你也可以直接编辑配置文件config.yaml的llm部分：

llm: provider: openrouter model: claude-3.5-sonnet api_key: ${OPENROUTER_API_KEY} # 建议使用环境变量 temperature: 0.7 max_tokens: 4096

使用本地模型（例如通过 Ollama）：首先，确保 Ollama 正在运行并有模型。然后在配置中设置：

llm: provider: openai base_url: http://localhost:11434/v1 # Ollama 的 OpenAI 兼容端点 model: llama3.2:latest # 你的 Ollama 模型名 api_key: “ollama” # Ollama 不需要真密钥，但字段必填

4.2 管理工具集

工具是 Hermes 的手和脚。你可以全局启用或禁用工具，也可以为不同会话配置不同的工具集。

查看所有可用工具：

hermes tools list

启用/禁用特定工具：

hermes tools enable tool_bash hermes tools disable tool_browser

通过配置文件定义工具集：工具集（Toolset）允许你将工具分组。例如，创建一个“安全”工具集，只包含文件读取和网络请求，不包含执行命令的工具。

tools: enabled: - tool_bash - tool_read_file - tool_web_search - tool_python disabled: - tool_write_file # 谨慎启用写文件工具 - tool_delete_file # 定义工具集 toolsets: safe: - tool_read_file - tool_web_search full_power: - tool_bash - tool_python - tool_write_file

在 CLI 中启动会话时指定工具集：hermes --toolset safe

4.3 探索与使用技能

技能是 Hermes 智能的体现。安装后，它已经内置了一些基础技能，并且会不断创建新的。

列出所有可用技能：

hermes skills # 或者在 CLI 对话中输入 `/skills`

直接调用一个技能：在对话中，只需输入技能名前加斜杠。例如，如果有一个叫analyze_logs的技能，你可以输入：

/analyze_logs /var/log/syslog

技能是如何创建的？当你给 Hermes 一个复杂任务，比如“帮我写一个 Python 脚本，从 API 获取数据并保存为 CSV”，它完成之后，可能会提示：“我刚刚完成了一个复杂任务，是否要将其保存为技能fetch_api_to_csv？” 同意后，这个技能就被创建了。技能文件通常保存在~/.hermes/skills/目录下，是 YAML 或 JSON 格式，描述了任务的目标、步骤和工具使用模式。

5. 实战项目：构建一个自动化的 GitHub Issue 处理助手

现在，让我们通过一个完整的实战项目，将 Hermes Agent 融入真实的工作流。我们的目标是：创建一个能自动处理 GitHub 仓库 Issue 的智能体。

场景：你维护着一个开源项目，每天会收到很多 Issue。有些是 Bug 报告，有些是功能请求，有些是使用问题。你想让 Hermes 帮你：

1. 定期（例如每天）检查新 Issue。
2. 自动对 Issue 进行分类（Bug、Feature、Question）。
3. 对于 Bug 报告，尝试根据错误信息搜索已有的解决方案或代码变更。
4. 对于简单的 Question，直接引用文档进行回复。
5. 将需要人工处理的复杂 Issue 汇总并通知你。

5.1 环境准备与认证

首先，我们需要让 Hermes 能够访问 GitHub API。

1. 创建 GitHub Personal Access Token (PAT)：

   • 登录 GitHub -> Settings -> Developer settings -> Personal access tokens -> Tokens (classic)。
   • 生成一个新 Token，至少勾选repo和write:discussion权限。
   • 妥善保存这个 Token。

2. 在 Hermes 中配置 Token： 我们可以通过环境变量或配置文件来设置。更安全的方式是使用环境变量。

   # Linux/macOS export GITHUB_TOKEN=“你的_github_pat_字符串” # Windows (PowerShell) $env:GITHUB_TOKEN=“你的_github_pat_字符串”

   或者，在~/.hermes/config.yaml中配置（注意安全，不要提交此文件）：

   secrets: github_token: “你的_github_pat_字符串”

5.2 编写核心处理脚本

我们将创建一个 Python 脚本，封装处理 GitHub Issue 的逻辑，然后让 Hermes 学会调用这个脚本。在~/.hermes/scripts/目录下创建github_issue_helper.py：

#!/usr/bin/env python3 """ GitHub Issue 自动处理助手脚本。 供 Hermes Agent 调用。 """ import os import sys import json import requests from typing import Dict, List, Optional # 从环境变量或 Hermes 上下文中获取配置 GITHUB_TOKEN = os.getenv(“GITHUB_TOKEN”) REPO_OWNER = “your_username” # 替换为你的 GitHub 用户名或组织名 REPO_NAME = “your_repo_name” # 替换为你的仓库名 HEADERS = { “Authorization”: f“token {GITHUB_TOKEN}”, “Accept”: “application/vnd.github.v3+json” } BASE_URL = f“https://api.github.com/repos/{REPO_OWNER}/{REPO_NAME}” def fetch_recent_issues(state: str = “open”, since: Optional[str] = None) -> List[Dict]: “”“获取最近的 Issue”“” url = f“{BASE_URL}/issues” params = {“state”: state, “per_page”: 30, “sort”: “created”, “direction”: “desc”} if since: params[“since”] = since response = requests.get(url, headers=HEADERS, params=params) response.raise_for_status() return response.json() def classify_issue_by_llm(issue_title: str, issue_body: str) -> str: “”“使用简单的规则（或未来集成 LLM）对 Issue 进行分类”“” # 这里是一个简单的基于关键词的规则分类器 # 在实际应用中，你可以让 Hermes 调用其内部的 LLM 进行更智能的分类 text = (issue_title + “ “ + issue_body).lower() if any(word in text for word in [“bug”, “error”, “crash”, “not working”, “失败”]): return “bug” elif any(word in text for word in [“feature”, “request”, “enhancement”, “建议”, “功能”]): return “feature” elif any(word in text for word in [“how to”, “question”, “help”, “怎么”, “如何”, “?”]): return “question” else: return “other” def post_issue_comment(issue_number: int, body: str) -> bool: “”“在 Issue 下发布评论”“” url = f“{BASE_URL}/issues/{issue_number}/comments” data = {“body”: body} response = requests.post(url, headers=HEADERS, json=data) return response.status_code == 201 def generate_auto_reply(category: str) -> str: “”“根据分类生成自动回复”“” replies = { “bug”: “感谢您的错误报告！我们已经记录此问题，并将尽快进行排查。在此期间，您可以提供更多信息，如错误日志、复现步骤等，以帮助我们更快定位问题。”, “feature”: “感谢您提出的功能建议！我们已经将其加入需求池，会在后续版本规划中进行评估。欢迎就此功能展开进一步讨论。”, “question”: “您好！这个问题可能在我们的文档中有相关说明，建议先查阅 [文档链接]。如果仍未解决，请提供更多细节，我们会尽力协助。”, “other”: “感谢您的提交！我们会尽快查看您的内容。” } return replies.get(category, “感谢您的提交！”) def main(action: str, **kwargs): “”“主函数，根据 action 执行不同操作”“” if action == “fetch_and_classify”: issues = fetch_recent_issues() results = [] for issue in issues: # 跳过 Pull Request if “pull_request” in issue: continue category = classify_issue_by_llm(issue[“title”], issue.get(“body”, “”)) results.append({ “number”: issue[“number”], “title”: issue[“title”], “user”: issue[“user”][“login”], “category”: category, “url”: issue[“html_url”] }) print(json.dumps(results, indent=2, ensure_ascii=False)) return results elif action == “auto_reply”: issue_num = kwargs.get(“issue_number”) category = kwargs.get(“category”) if not issue_num or not category: print(“错误：需要 issue_number 和 category 参数”, file=sys.stderr) return reply = generate_auto_reply(category) success = post_issue_comment(issue_num, reply) if success: print(f“已在 Issue #{issue_num} 下发布自动回复。”) else: print(f“回复 Issue #{issue_num} 失败。”, file=sys.stderr) return success else: print(f“未知操作：{action}”, file=sys.stderr) return None if __name__ == “__main__”: # 允许通过命令行参数调用 if len(sys.argv) > 1: action = sys.argv[1] # 这里可以解析更多参数，为了示例简化处理 main(action) else: print(“请指定操作，例如：fetch_and_classify 或 auto_reply”, file=sys.stderr)

5.3 教会 Hermes 使用这个脚本

现在，我们需要让 Hermes 能够执行这个 Python 脚本。有两种主要方式：

方式一：通过tool_python工具直接运行确保tool_python工具已启用。然后你可以在 Hermes CLI 中直接指示它：

帮我运行一个 Python 脚本来处理 GitHub Issue。脚本路径是 ~/.hermes/scripts/github_issue_helper.py。首先，获取最近10个打开的 Issue 并分类。

Hermes 会理解你的意图，并尝试调用tool_python来执行脚本。你可以教它更精确的命令：

请执行以下命令：cd ~/.hermes/scripts && python3 github_issue_helper.py fetch_and_classify

方式二：创建一个 Hermes Skill（推荐）我们可以将整个流程封装成一个技能，让 Hermes 一键执行。在 Hermes 对话中，引导它创建技能：

我现在需要你创建一个名为 “process_github_issues” 的技能。这个技能的目标是：自动获取我指定仓库的最新 Issue，进行分类，并对‘question’类别的 Issue 发布一条友好的自动回复。 技能应该使用 tool_bash 或 tool_python 来调用我放在 ~/.hermes/scripts/github_issue_helper.py 的脚本。 请先获取并列出 Issue，然后问我是否要对‘question’类的 Issue 进行自动回复。

Hermes 会引导你完成技能的创建过程，记录下步骤和决策点。创建成功后，你就可以通过/process_github_issues来触发整个工作流。

5.4 实现自动化：与 Cron 调度集成

Hermes 内置了 Cron 调度器，可以定期执行任务。我们可以创建一个定时任务，每天自动运行 Issue 处理流程，并将结果通过 Telegram 发送给我们。

1. 创建 Cron 任务定义文件：在~/.hermes/下创建cron_jobs.yaml（如果不存在则创建）。

   jobs: - name: “daily_github_issue_check” schedule: “0 9 * * *” # 每天上午9点 (UTC) command: | /process_github_issues delivery: platform: telegram # 将结果发送到 Telegram # 其他平台如 discord, slack 也可配置 enabled: true

2. 启动 Hermes Gateway 并连接 Telegram：

   • 首先，通过hermes gateway setup设置 Telegram Bot。你需要一个 Bot Token（从 @BotFather 获取）和你的 Chat ID。
   • 然后，运行hermes gateway start启动网关守护进程。
   • 配置完成后，Hermes Cron 任务的结果就会发送到你的 Telegram。

3. 加载 Cron 配置：

   hermes cron reload

   你可以通过hermes cron list查看所有计划任务，通过hermes cron run daily_github_issue_check立即手动运行一次测试。

5.5 效果验证与迭代

运行技能后，检查：

1. Hermes 是否正确输出了 Issue 列表和分类。
2. 登录 GitHub，查看对应的 Issue 下是否出现了自动回复。
3. 在 Telegram 中是否收到了任务执行结果的摘要。

如果分类不准，你可以进一步优化classify_issue_by_llm函数，或者直接让 Hermes 在技能执行过程中，对不确定的 Issue 向你提问（利用其对话能力）。这就是“学习循环”的开始——你可以根据结果反馈，和 Hermes 一起改进这个技能，让它越来越智能。

6. 高级技巧：技能创作、MCP 集成与子代理

6.1 手动编写与编辑技能

技能文件存储在~/.hermes/skills/目录。你可以直接查看、编辑它们。一个技能文件通常包含：

• name: 技能名称。
• description: 技能描述。
• steps: 一系列步骤，每个步骤可能包含thought（思考）、action（调用哪个工具）、args（参数）。
• triggers: 什么情况下触发此技能（如关键词匹配）。

通过手动编辑，你可以精细化控制技能的逻辑。你也可以将 Hermes 自动创建的技能作为模板，进行修改和优化。

6.2 集成 MCP 服务器扩展能力

MCP（Model Context Protocol）是 Hermes 能力扩展的利器。例如，集成computer-use-linuxMCP 服务器后，Hermes 可以直接控制你的 Linux 桌面——点击按钮、输入文本、读取屏幕信息。

安装并运行一个 MCP 服务器：以computer-use-linux为例（假设已安装）：

# 在后台运行 MCP 服务器 mcp-server-computer-use-linux &

在 Hermes 中配置 MCP 连接：编辑~/.hermes/config.yaml，在mcp_servers部分添加：

mcp_servers: desktop: command: “mcp-server-computer-use-linux” args: [] env: {}

重启 Hermes 或重新加载配置后，Hermes 就获得了桌面控制能力。你可以对它说“点击浏览器图标”、“在终端里输入 ls -la”，它会通过 MCP 协议执行这些图形界面操作。

6.3 使用子代理进行并行处理

对于复杂的、多步骤的任务，你可以指示 Hermes 创建“子代理”来并行处理。例如，你可以说：

我需要分析这三个日志文件：app.log, api.log, db.log。请创建两个子代理，一个分析 app.log 和 api.log 中的错误，另一个分析 db.log 中的慢查询。最后把结果汇总给我。

Hermes 会协调子代理的工作，并整合结果。这类似于编程中的多线程，但完全由自然语言驱动。

7. 常见问题与深度排查指南

即使按照教程操作，你也可能会遇到一些问题。以下是常见问题的排查思路。

8. 最佳实践与安全建议

将 Hermes Agent 用于生产环境或处理敏感任务时，请务必遵循以下最佳实践：

1. 最小权限原则：

   • 不要使用 root 用户运行 Hermes。创建一个专用用户。
   • 在配置工具时，仔细斟酌。例如，tool_write_file和tool_delete_file应谨慎启用，或限制在特定目录。
   • 使用 Docker 或 SSH 后端时，严格控制目标容器的权限和可访问范围。

2. API 密钥管理：

   • 永远不要将 API 密钥硬编码在脚本或技能文件中。
   • 使用环境变量（${OPENAI_API_KEY}）或在~/.hermes/config.yaml中引用环境变量。
   • 考虑使用密钥管理服务（如 Vault），或利用 Hermes 的secrets配置部分（但确保配置文件本身有严格权限）。

3. 技能审核与版本控制：

   • 定期审查~/.hermes/skills/目录下自动生成的技能。有些技能可能包含不准确或危险的操作序列。
   • 对重要的、稳定的技能进行版本控制（git），方便回滚和协作。

4. 会话隔离与上下文管理：

   • 对于不同的项目或任务，使用不同的会话（/new命令）。避免上下文交叉污染。
   • 善用/compress命令来总结和压缩过长的对话历史，节省 Token 并提升模型性能。

5. 备份与监控：

   • 定期备份~/.hermes/目录，尤其是skills/、memory/和config.yaml。
   • 监控 Hermes 的资源使用情况（CPU、内存）。长期运行的网关和 Cron 任务可能消耗资源。
   • 启用日志记录，并监控日志中的错误信息。

6. 理解局限性：

   • Hermes 虽然强大，但它仍然是基于 LLM 的 Agent。对于关键业务逻辑、金融交易或具有严格合规要求的操作，必须加入人工审核环节。
   • 它的“学习”和“技能创建”是基于模式匹配和总结，并非真正的理解。复杂的技能可能需要你手动修正。

通过本教程，你不仅学会了安装和配置 Hermes Agent，更关键的是掌握了将其融入实际工作流的方法。从自动化的 GitHub Issue 处理，到通过 MCP 扩展其能力，再到利用 Cron 实现定时任务，Hermes 展现了一个可进化 AI 助手的强大潜力。记住，它的核心价值在于“学习循环”——你用得越多，教得越多，它就越能适应你的需求，真正成为一个能提升你生产效率的伙伴。现在，就从创建一个属于你自己的技能开始吧。

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Qwen 随心用，限时 5 折。 👉 点击领海量免费额度