SOTA Sync
返回 FEED
AGENT2026-05-18

Hermes Agent：真正会随时间进化的 AI Agent

核心洞察

过去两年行业优化的方向都忽略了最关键的问题：记忆。

  • 更大上下文窗口 ✓
  • 更好工具调用 ✓
  • 更快推理 ✓
  • 更便宜模型 ✓
  • 真正的学习循环 ✗

大多数 agent 是「临时上下文 + 提示工程」的金鱼——每次对话重置，明天又是全新的。

Hermes Agent 的四大差异

1. 从经验创建技能

不是只执行任务，而是将重复工作流转换为可重用「技能」：

  • 转换重复工作流为可重用 "skills"
  • 在 future execution 中改进这些 skills
  • 持久化程序知识（procedural knowledge）
  • 跨会话复用学习

范式对比：

传统 AgentHermes
临时上下文 + 提示工程操作记忆 + 迭代能力增长
每次对话重置递归精炼执行
消耗 tokens压缩经验为工作流

一旦 agent 开始：

  • 生成可重用抽象
  • 将经验压缩为工作流
  • 递归精炼执行

你停止与 chatbot 交互，开始与 compound 的系统交互。

2. 跨会话召回（Cross-Session Recall）

被严重低估的功能：使用 FTS5 + LLM summarization 搜索过去对话。

效果：

  • 旧决策保持可发现
  • 工作流变得可重用
  • 长期项目停止碎片化
  • Agent 发展连续性

未来 AI UX 不会看起来像：「每天打开新聊天」

而会像：「与持久操作上下文的持续协作」

Hermes 直接推进到那个未来。

3. 基础设施原生（Infrastructure-Native）

大多数 AI agent 仍然像本地玩具一样行为。Hermes 感觉基础设施原生。

部署选项：

  • 便宜 VPS
  • Docker
  • Modal
  • Daytona
  • SSH backends
  • GPU 集群
  • Serverless 环境

交互渠道：

  • Telegram
  • Discord
  • Slack
  • WhatsApp
  • Signal
  • CLI

关系转变：

  • 从「你打开的应用」
  • 到「持续运行的数字操作员」

特性：持久、始终可用、云原生、异步。

4. 多模型编排层（Multi-Model Layer）

不试图将用户 hard-lock 到一个提供商。

支持的提供商：

  • OpenRouter
  • OpenAI
  • Hugging Face
  • NVIDIA NIM
  • Nous Portal
  • Moonshot/Kimi
  • MiniMax
  • GLM
  • 自定义 endpoints

未来栈愿景：

  • 不同模型用于不同推理风格
  • 按工作负载路由
  • 成本感知编排
  • 动态推理策略

研究驱动的设计 DNA

不是优化：

  • demos
  • virality
  • wrapper aesthetics
  • "10x engineer" 营销

而是深入思考：

  • Agent 架构
  • 记忆系统
  • 程序学习
  • 自主循环
  • 长期交互

研究 DNA 在设计中处处可见：

  • Skills
  • Memory persistence
  • Subagents
  • Automation
  • Trajectory generation
  • Recursive workflows

关键数据点

$5 VPS 即可运行。

这就是真正的信号：强大的自主系统正在变得 radically 更易获取。

为什么值得研究

不是因为 Hermes "完美"。

而是因为它指向一个非常重要的架构转变：

"AI systems that compound."

Agent 的下一个突破不是来自：

  • 添加另一个工具
  • 另一个 UI 层
  • 另一个 prompt 模板

而是来自能够：

  1. 记住
  2. 压缩经验
  3. 改进行为
  4. 跨时间持久化身份

资源

继续阅读