Hermes Agent 是 Nous Research 开源的一个 Agent，GitHub 上的 slogan 很直白：「the agent that grows with you」（随你一起成长的 agent）。市面上 Agent 框架一堆，它的差异点很集中：别的 Agent 靠配置，它靠「自己长出来」——把每次使用都变成记忆和技能沉淀。这篇拆它的学习闭环、技能系统、调度与部署，看看哪些能复用到自建 Agent。
学习闭环是什么
判断写进第一句：Hermes 的卖点不是又一个编排框架，而是内置的闭环——从经验里造技能、用的时候改进技能、自己提醒自己存记忆、还能搜自己过往的对话。
这个闭环具体由几块拼起来。记忆是 agent 自己策展的，带周期性「提醒」（nudge），提示它把该记的记下来。做完复杂任务后，它会自动从经验里生成技能；技能在使用中自我改进。跨会话的召回靠 FTS5 全文搜索加 LLM 摘要，再配 Honcho 做「辩证式」用户建模，慢慢建立「你是谁」的模型。这套技能还兼容 agentskills.io 这个开放标准。
一句话概括：别的 Agent 用完就忘，Hermes 用一次就多会一点。
装起来
安装是一条命令，装完就能聊：
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
source ~/.zshrc
hermes # 开始对话
模型随便换，不锁定：Nous Portal、OpenRouter、OpenAI、自己的 endpoint 都行，hermes model 切。不想收集一堆 API key，hermes setup --portal 一次 OAuth 登录，把模型、搜索、图像、TTS、云浏览器都走 Nous Portal 的 Tool Gateway（300+ 模型）。
常用命令
CLI 是真正的终端界面，带斜杠命令补全、会话历史、中断重定向。核心命令就这些：
hermes model # 选 provider 和模型
hermes tools # 配置启用的工具
hermes gateway # 启动消息网关（Telegram/Discord/Slack 等）
hermes setup # 跑完整配置向导
hermes doctor # 诊断问题
它有两个入口：终端 UI（hermes），或者跑网关后从 Telegram、Discord、Slack、WhatsApp、Signal 里聊。这两个入口共用一套斜杠命令。
迁移与子代理
从 OpenClaw、Claude Code、Codex 或 Cursor 迁过来，它能导入你的设置、记忆和技能：
hermes plugins install agent-importers
hermes import-agent openclaw --dry-run # 预览要迁什么
hermes import-agent claude-code # 或 codex / cursor
OpenClaw 能迁的东西最全：SOUL.md、MEMORY.md/USER.md、技能、命令白名单、消息平台配置，加 --migrate-secrets 还能带上白名单里的 API key。
它还有两个对进阶用户有用的能力：spawn 独立子代理并行干活，在 Desktop 里能单独指定每个子代理的 provider 和模型；写 Python 脚本通过 RPC 调工具，把多步流水线压成几乎零上下文开销的调用。内置 cron 调度器能把日报、备份、审计这种任务用自然语言定时、推到任意平台。
可复用的点
自建 Agent 的人，从它身上能抄三样，而不是把整个项目搬过来。
一是「技能从经验自动生成 + 使用中改进」的机制。多数 Agent 的技能靠人写，Hermes 让复杂任务做完后自动产出技能，这个闭环是它和别人的本质差异。二是「FTS5 全文搜索 + LLM 摘要」做跨会话召回，比纯向量语义更稳，也省资源。三是「agent 自己 nudge 自己存记忆」的主动记忆，而不是等人提醒。
局限
清醒的地方也有。它靠 Nous Portal 的 Tool Gateway 才最省事，不想要这个订阅就得自己配多个 provider 的 key。学习闭环是它最大的卖点，也意味着它倾向于「长期养一个 agent」，适合重度个人用户或团队，而不是一次性跑个脚本的场景。部署面广（本地、Docker、SSH、Modal、Daytona、Vercel Sandbox 六个后端），但这也带来配置复杂度。MIT 协议友好，二次开发没门槛，想把它当自建 Agent 的基座，比从零写一套记忆和技能系统划算。对愿意长期养一个贴身 agent 的重度用户，这套学习闭环的复利会随使用时间越滚越明显。