0001 开箱全景：The agent that grows with you
0001 · 开箱全景：The agent that grows with you
源码仓库解读 · Hermes Agent 系列第 1 篇
仓库：NousResearch/hermes-agent · 版本：v0.21.0（2026-09-01 拉取）
本地源码：~/Projects/hermes-research/hermes-src/—— 文中所有路径与数字均可在本地复核
先回答两个问题
这是什么？ Nous Research 开源的个人 AI agent，官方一句话定位：
The self-improving AI agent — creates skills from experience, improves them during use, and runs anywhere.
它不是模型（Nous Research 的 Hermes 模型系列是另一回事），而是一个跑在任何模型之上的 agent 宿主：接 OpenRouter、OpenAI、Anthropic、Bedrock、Vertex、本地 Ollama/LM Studio 都行，hermes model 一条命令切换，不锁死任何厂商。
和 DeepSeek agent（dsh）一样吗？ 不一样，而且差异很本质。一句话版本：
dsh 是"一切皆插件"的平台底座（TypeScript，连 agent loop 都可替换）；Hermes 是"越用越懂你"的个人 agent（Python，loop 写死在核心，但自带记忆/技能/自我改进闭环）。
同属 "agent harness" 这个物种，但是两个亚种：一个做给开发者搭平台的框架，一个做给普通人用的成长型助理。本系列第 4 篇会逐维度对照，这里先按下不表。
量级：这是个庞然大物
先看硬数字（本地 wc -l 与 GitHub API 实测）：
| 维度 | 数字 |
|---|---|
| GitHub stars / forks | 239,053 / 48,757（2026-09-01） |
| Python 文件（不含 tests） | 1,291 个 |
| Python 总行数（不含 tests） | 约 103.3 万行 |
| 创建时间 | 2025-07-22（一年出头冲到 23 万 star） |
| 许可证 | MIT |
| 语言 / 运行时 | Python ≥3.11（pyproject.toml：requires-python = ">=3.11,<3.14"） |
作为对照：dsh 核心约 4.2 万行 TypeScript。Hermes 的体量是它的 20 倍以上——这个差距不是"代码写得多"，而是产品半径完全不同：dsh 是框架，Hermes 是框架 + 20 平台消息网关 + 技能市场 + 桌面应用 + 运维工具链的全家桶。
顶层目录一览（ls 可复核）：
agent/ ← 核心：agent loop、上下文引擎、记忆、技能（约 180 个模块）
tools/ ← 约 120 个工具实现：终端/浏览器/文件/语音/图像/MCP…
gateway/ ← 消息网关：20+ 平台接入（含 qqbot、weixin、yuanbao）
skills/ ← 13 类内置技能：devops/research/creative/social-media…
hermes_cli/ ← CLI 入口；ui-tui/ ← 终端 UI；web/ website/ ← 文档与站点
cron/ ← 定时任务；evals/ ← 评测；providers/ ← 模型接入基座
docs/ ← 设计文档与 RFC（micro-compaction、kanban、relay 契约…）招牌：闭环学习（Learning Loop）
Hermes 的 README 把它列为第一条特性，也是它与所有"能装技能"的竞品的分野。官方表述拆开是五个机制：
- 从经验中创建技能——复杂任务做完后，agent 自己把可复用的部分沉淀成 SKILL.md；
- 在使用中改进技能——技能不是死的文档，会被后续会话修订；
- 自我提醒持久化——loop 内置 "skill nudge" 计数器（
agent/conversation_loop.py里可以找到_iters_since_skill），干了很多轮还没沉淀知识就主动提醒自己； - 搜索自己的过去——SQLite FTS5 全文索引全部历史会话，
session_search工具零 LLM 成本召回； - 建立用户画像——
USER.md+ Honcho 辩证式用户建模，跨会话越懂你。
第 3 篇会逐文件剖这套闭环（memory_manager.py / curator.py / /learn 管线 / 技能安全扫描链），这里只给一个总览：
经验(会话) ──┬──> MEMORY.md / USER.md ← memory 工具 + 写入门禁
├──> skills/*/SKILL.md ← /learn + skill_manage + 安全校验
│ │
│ └──> curator 后台策展 ← 过期/归档/合并自动流转
└──> session DB (FTS5) ← session_search 跨会话召回
│
└──> trajectory 压缩 ← 反哺下一代模型训练（Research-ready）最后一环很少被人注意：仓库根目录有 trajectory_compressor.py 和 batch_runner.py——Hermes 可以批量生成训练轨迹并压缩，用来训练下一代工具调用模型。它同时是产品和研究数据飞轮，这正是 Nous Research（模型实验室）做 agent 的动机差异。
部署形态：runs anywhere 不是口号
- 七种终端后端（
tools/environments/本地可数）：local / docker / ssh / singularity / modal / daytona / vercel_sandbox。其中 Modal 与 Daytona 支持 serverless 挂起——agent 环境空闲时休眠、按需唤醒，官方口号是"跑在 $5 VPS 或 GPU 集群上，空闲时几乎不花钱"。 - 两个入口：
hermes（终端 TUI）与hermes gateway（消息网关进程）。网关侧支持 Telegram、Discord、Slack、WhatsApp、Signal、iMessage（BlueBubbles）、webhook/API——以及国内三件套：qqbot、weixin（微信）、yuanbao（腾讯元宝），都在gateway/platforms/下有一等公民实现。中文用户不需要任何社区桥接。 - 桌面端：Electron 应用（
apps/、tui_gateway/）。 - 定时任务：内置 cron 调度器（
cron/），自然语言描述定时任务，结果投递到任意平台。 - 从 OpenClaw 一键迁移：
hermes claw migrate可导入 SOUL.md 人格文件、记忆、技能、API key——它是 OpenClaw 生态的正式继任者路线。
安装是两条一行命令（Linux/macOS/WSL2/Termux 走 install.sh，Windows 原生走 install.ps1），细节见官方文档，此处不赘述。
一个反直觉的架构判断
看体量你以为核心会很庞大，但 AGENTS.md（开发者指南，1784 行）开篇就立了两条"宪法"：
Per-conversation prompt caching is sacred.（会话级 prompt 缓存是神圣不可侵犯的——任何中途改写历史、换工具集、重建系统提示的行为都会击穿缓存、成倍烧钱，我们不做。）
The core is a narrow waist; capability lives at the edges.（核心是细腰；能力长在边缘——每加一个核心工具，每次 API 调用都要多发一份 schema，所以核心工具的准入门槛极高，新能力一律做成 CLI 命令 + 技能 / 服务门控工具 / 插件。）
有意思的是："细腰"哲学与 dsh 的"一切皆插件"殊途同归——都拒绝把能力堆进核心。区别在实现路线：dsh 用 Cordis 插件机制从结构上保证可替换；Hermes 用代码纪律 + 门控评审从流程上保证核心不膨胀。一个是机制约束，一个是文化约束。
而文化约束的代价清晰可见：核心循环文件 agent/conversation_loop.py 已经长到 8954 行，仓库自己发起了 "god-file decomposition campaign"（拆解巨型文件运动，见 agent/turn_finalizer.py 的模块注释），正在把循环尾处理、轨迹保存逐块外迁。第 2 篇我们就剖这个 8954 行的巨核。
系列路线图
- 0002 巨核与窄腰：agent loop、上下文工程与工具系统（核心 + 边缘一次剖完）
- 0003 学习闭环与数据飞轮：记忆/技能/策展/召回四内环 + 轨迹训练外环
- 0004 产品化外围：消息网关、多端与任务编排——核心之外全是分布式问题
- 0005 安全模型与插件生态：只信操作系统的公理与信任梯度
- 0006 对照篇：hermes × dsh 全维度对照，回答"选哪个/学哪个"