进阶指南

Hermes Agent 从中级到高级进阶指南

✍️ 爱丽丝呀！ (@BTCqzy1) · 📅 2026-04-24 · ⏱ 35 分钟 · 📂 进阶指南

本文基于公开教程整理并加入中文结构化说明；原作者：爱丽丝呀！。请以 原文链接 为准。

本指南默认你已完成 Hermes 的基础安装与配置。我们将直接进入进阶核心内容：记忆系统、技能自进化、多 Agent 协作、生产化部署与高级调试。

目录

一、记忆系统进阶 二、技能自进化 三、多 Agent 协作 四、生产化部署 五、高级扩展与调试 六、疑难解答（Q&A） 七、配置速查表

一、记忆系统进阶

很多人用了 Hermes 一段时间后，最大的抱怨是："它根本记不住东西。"这通常不是 Bug，而是没有理解它的记忆机制。搞懂这套机制，才能让 Agent 越用越智能。

1 记忆系统整体架构

Hermes 的记忆系统由内置记忆 + 外部记忆提供商 + 运行时上下文三部分组成。内置记忆始终激活；外部 Memory Provider 是叠加能力，而非替代关系。

第一层：内置记忆（始终激活）

默认 profile 下，记忆文件存放于 ~/.hermes/memories/；启用命名 Profile 后，路径会跟随 HERMES_HOME 切换到对应 profile 的 memories/ 目录。

这两个文件在每次会话开始时作为冻结快照（Frozen Snapshot）注入上下文。"冻结"意味着：会话中途 Agent 新写入的记忆，通常要到下一次会话或重载后才会生效。这一设计的核心目的是保持前缀稳定，从而提升 KV Cache 命中率、降低推理成本。

第二层：外部记忆提供商（可选，叠加激活）

外部提供商是对内置记忆的补充，不是替代。启用后，Hermes 会在合适时机从外部提供商提取相关信息，并在会话结束或阶段性反思时同步长期记忆。不同 provider 的具体行为略有差异，以对应 provider 的官方文档为准。

2 Agent-curated memory 机制：为什么它"不记得"？

Hermes 的内置记忆采用 Agent 策展（Agent-curated）机制，而非全量记录。

为什么这样设计？

哪些内容更容易被记住？

触发时机：记忆写入不是每句话实时发生，而是结合 nudge_interval 节奏控制，在若干轮对话后触发一次"记忆反思"。会话太短或任务过于单一时，Agent 可能没有足够机会整理和固化记忆。

最直接的解决方案：在对话中明确下达记忆指令，例如：

记住我的偏好：所有代码统一使用 Python 3.11，不要用 3.12 或 3.13。

3 核心记忆文件使用方法（附模板）

文件 路径 用途 谁来维护
MEMORY.md ~/.hermes/memories/ 工作笔记、环境事实、学到的技巧 主要由 Agent 维护
USER.md ~/.hermes/memories/ 用户画像、偏好、沟通风格 主要由 Agent 维护
SOUL.md ~/.hermes/ Agent 的人格、行为准则、固定规则 建议你自己编写
AGENTS.md 项目根目录 项目级行为规范和执行约束 建议你自己编写

铁律：不要把应该写在 SOUL.md 里的内容放进 MEMORY.md。

MEMORY.md 会被整理、压缩，甚至替换过时内容；你的固定规则应放在 SOUL.md，那里适合承载稳定的、不希望被自动重写的约束。

AGENTS.md 模板（复制到项目根目录）

# 项目规范：MyAPI Service

## 技术栈
- 语言：Rust 1.75+
- 框架：Axum
- 数据库：PostgreSQL 16（使用 SQLx）

## 编码约定
1. 所有数据库查询必须使用 SQLx 的宏进行编译期检查。
2. 错误处理统一使用 anyhow::Result 和自定义的 AppError 枚举。
3. 环境变量配置在 .env 文件中，不要在代码中硬编码任何凭证。

## 常用命令
- 运行测试：cargo test --all-features
- 启动服务：cargo run --bin server

4 nudge 频率配置

在 ~/.hermes/config.yaml 中找到或添加：

memory:
  nudge_interval: 5

数值越小，记忆反思越频繁，写入内容通常更多，但 Token 消耗也会增加。推荐值可参考以下经验：

nudge_interval 的"轮"指一次完整的用户输入与 Agent 回复，不是 Agent 内部的 tool call 次数。

5 跨会话与长任务记忆保持

方法一：手动插入 Checkpoint

在长任务进行到一半时，主动告知 Agent：

当前进度总结：我们已完成数据清洗和特征工程，下一步是训练模型。请把这个进度写入你的记忆，确保后续不会忘记。

方法二：用外部文件作为任务状态文件

对于超长任务，让 Agent 维护一个专门的状态文件：

请在项目目录下创建 TASK_STATUS.md，记录当前任务的完整状态。每次恢复工作时，先读取这个文件。

6 外部 Memory Providers 实战配置

自 v0.7.0 起，Hermes 已支持多种外部 Memory Providers，包括：Honcho、Mem0、Holographic、Supermemory 等。内置的 MEMORY.md / USER.md 仍继续工作，并不会被外部 provider 替代。实际支持列表请以当前版本官方文档为准。

推荐一：Mem0（自动化程度高，适合不想手动设计记忆流程的用户）

pip install mem0ai
echo "MEM0_API_KEY=your-key-here" >> $HERMES_HOME/.env
hermes config set memory.provider mem0
hermes memory status

推荐二：Holographic（本地运行，隐私友好）

hermes config set memory.provider holographic
hermes memory status

7 记忆文件管理与清理技巧

记忆的核心逻辑是：越稳定、越高密度越好，而不是越多越好。

建议将内容控制在容量上限的 70%~80%，保持内容紧凑、可复用、不过度重复。

当 MEMORY.md 接近上限时，可以引导 Agent 主动整理：

请整理你的记忆，删除过时条目，合并相关条目，腾出空间。

也可以直接手动编辑：

nano ~/.hermes/memories/MEMORY.md

8 记忆与技能的联动

当 MEMORY.md 中多次出现类似工作流记录时，这往往意味着该流程更适合沉淀为一个 Skill，而不是继续零散地保存在记忆里。你可以主动引导：

我注意到你已经记住了我们的部署流程。请把它创建为一个可复用的 Skill，命名为 deploy-workflow。

动手实践：构建你的专属记忆系统

  1. 将 SOUL.md 模板复制到 ~/.hermes/SOUL.md，根据实际情况修改。
  2. 在常用项目目录下创建 AGENTS.md。
  3. 将 config.yaml 中的 nudge_interval 设置为 5 进行测试。
  4. 开启新对话，告知 Agent 一条偏好，例如："以后所有 Python 脚本都保存在 /tmp/scripts 目录下。"
  5. 进行 5 轮以上对话，观察是否触发记忆整理。

预期效果：运行 cat ~/.hermes/memories/MEMORY.md，能看到你刚才告知的偏好已被记录。开启新会话后，Agent 在编写 Python 脚本时应能自动遵循该偏好。

二、技能自进化

Hermes 的核心差异不只是"能干活"，而是"越干越会干"。理解技能自生成机制，才能让 Agent 真正进化，而不是每次都从零开始。

1 自我进化机制详解（Agent-Managed Skills）

技能自进化与 skill_manage 工具密切相关。这更接近 Agent 的"程序性记忆"：当它摸索出一套非平凡的工作流后，会把这套方法保存为 Skill，供未来复用。

记忆 vs 技能的本质区别：

Skill 通常存放在当前 HERMES_HOME 对应的 skills/ 目录下（默认为 ~/.hermes/skills/）。它不是可执行代码，而是告诉 Agent"遇到这类任务时应该怎么做"的操作知识。

2 自动创建 Skill 的触发条件

常见触发场景：

主动引导 Agent 创建 Skill：

我们刚完成的数据处理流程很有价值，请把它保存为一个 Skill，命名为 data-pipeline，放在 devops 分类下，包含触发条件、操作步骤、注意事项和验证方法。

3 技能质量评估标准

一个好的 Skill 应具备：

手动优化时，建议让 Agent 做定点修改而非整篇重写：

请更新 stock-daily-report 这个 Skill，在注意事项里补充一条："周五收盘后数据可能延迟到周六早上才完整。"

4 技能退化与重复问题

常见表现：描述越来越模糊，触发条件越来越宽泛；多个 Skill 做同一件事但写法不同。

解决方案：让 Agent 做技能审计。

请审查所有 Skills，找出：功能重复的（合并它们）、描述模糊的（重写它们）、步骤过时的（更新它们）。给我一份审计报告，等我确认后再执行修改。

5 Skill 与记忆系统的联动

在 SKILL.md 中，可以引导 Agent 在执行技能前先查看记忆：

## 操作流程
1. 先检查 MEMORY.md 中是否有关于该 API 的特殊注意事项。
2. 如果有，优先遵循记忆中的约定。
3. 执行完成后，将新发现的注意事项写入 MEMORY.md。

6 Self-optimization 功能说明

从 v0.8.0 到 v0.9.0，Hermes 在 tool-use 优化和失败模式修复上持续增强，使 Agent 在遇到问题时能更智能地调整行为策略。但具体实现细节和配置入口会随版本迭代，建议以官方最新文档为准。

动手实践：训练你的第一个自动化技能

  1. 找一个你经常做的重复性任务，例如：清理 Docker 悬空镜像并输出简报。
  2. 在对话中一步步引导 Agent 完成任务，纠正错误，直到执行稳定。
  3. 发送指令："请把刚才的清理流程保存为 Skill，命名为 docker-cleanup，包含触发条件、执行命令和验证步骤。"
  4. 运行 hermes skills list 验证是否创建成功。

预期效果：新会话中直接发送 /docker-cleanup，Agent 能按之前固化的步骤稳定完成任务。

三、多 Agent 协作

1 Sub-Agent 的 spawn 机制

Hermes 对子 Agent 并发做了保护性限制。对于大多数在线模型场景，建议从 2~3 个并发子任务起步，再根据额度、限流情况和结果质量逐步调整。并发越高，API 消耗增长越快，且更容易触发 Rate Limit。

主 Agent 可通过 delegate_task 等方式派生子 Agent：

这个任务可以并行处理：
子任务 A：抓取 A 股今日涨停板数据
子任务 B：分析北向资金流向
子任务 C：生成市场情绪指数
请派生 3 个子 Agent 并行完成，然后汇总结果。

子 Agent 的关键限制（必读）：子 Agent 往往从全新的会话上下文开始，不会自动继承主 Agent 的历史。你必须在 context 中把所需背景信息传递完整：

delegate_task(
    goal="修复 api/handlers.py 中的 TypeError",
    context="""
    文件路径：/home/user/myproject/api/handlers.py
    错误信息：第 47 行 TypeError: 'NoneType' object has no attribute 'get'
    原因：parse_body() 在 Content-Type 缺失时返回 None
    项目使用 Python 3.11 + Flask
    """
)

不要假设子 Agent 知道"这个错误""刚才那个文件""上一步那个思路"是什么。

2 Profiles 功能实战

Profile 是一个完全隔离的 Hermes 环境，每个 Profile 拥有独立的配置、记忆、会话和技能，底层通过独立的 HERMES_HOME 路径实现目录隔离。

注意：默认 profile 仍然是 ~/.hermes；只有显式创建并切换到命名 Profile 时，相关文件才会切换到 ~/.hermes/profiles/<name>/。

创建 Profile 的三种方式：

# 方式一：全新 Profile（空白）
hermes profile create mybot

# 方式二：克隆配置（复用 API Key 和模型，记忆和会话独立）
hermes profile create work --clone

# 方式三：完整克隆（包含记忆、会话、技能等）
hermes profile create backup --clone-all

运行多个独立 Agent：

# 终端 1：编码助手
hermes -p coder chat

# 终端 2：投研助手（独立的记忆和技能）
hermes -p research chat

3 子 Agent 的记忆与技能隔离

每个 Profile 的 memories/、skills/、sessions/ 和 logs/ 目录相互独立，不会互相读写。

若希望多个 Profile 共享同一套技能，可配置外部技能目录（具体字段名以当前版本配置参考为准）：

skills:
  external_dirs:
    - ~/.hermes/shared-skills

4 主 Agent 协调多个子 Agent 的技巧

在 SOUL.md 或 AGENTS.md 中明确定义角色分工：

## 多 Agent 协作规范
- Planner Agent：负责任务分解和进度追踪，不直接执行
- Executor Agent：负责具体的数据获取和处理，不做决策
- Reviewer Agent：负责质量检查和结果验证，不做修改

5 多 Agent 资源分配与冲突避免

Bot Token 冲突：两个 Profile 如果使用同一个 Bot Token，运行中的 Gateway 会产生冲突。应在各自的 .env 中配置不同的 Token。

端口冲突：本地运行多个 Hermes 实例时，应使用不同端口：

# Profile A
GATEWAY_PORT=8080
# Profile B
GATEWAY_PORT=8081

动手实践：配置双 Agent 协作工作流

  1. 运行 hermes profile create coder --clone，创建专门写代码的 Agent。
  2. 运行 hermes profile create reviewer --clone，创建专门做代码审查的 Agent。
  3. 分别编辑各自的 SOUL.md，赋予不同角色定位。
  4. 让 coder 写一段含 Bug 的代码并保存到文件。
  5. 切换到 reviewer，让它读取该文件并提出修改建议。

预期效果：两个 Agent 独立运行，reviewer 的记忆中不会混入 coder 的工作流。

四、生产化部署

1 Gateway 长期后台运行

方式一：Systemd（Linux 生产环境首选）

hermes gateway install
systemctl status hermes-gateway
journalctl -u hermes-gateway -f

方式二：Docker Compose（适合多 Profile 部署）

version: "3.8"
services:
  hermes-default:
    image: nousresearch/hermes-agent:latest
    restart: unless-stopped
    command: gateway run
    volumes:
      - ~/.hermes:/opt/data

  hermes-coder:
    image: nousresearch/hermes-agent:latest
    restart: unless-stopped
    command: gateway run
    volumes:
      - ~/.hermes/profiles/coder:/opt/data

重要：不要让两个容器挂载同一个数据目录，否则共享状态文件会产生冲突。

2 定时任务、Heartbeat 与通知机制

⚠️ 警告：严禁盲目复制模板时区！

Hermes 的 Cron 任务严格依赖服务器系统时区。配置前必须确认：

timedatectl
# 国内服务器应显示 Asia/Shanghai，否则执行：
sudo timedatectl set-timezone Asia/Shanghai

时区设置错误会导致定时任务在错误时间触发。

Heartbeat 配置（防止静默失败）：

echo "GATEWAY_HEARTBEAT=true" >> ~/.hermes/.env

添加定时任务：

# 工作日早上 8:30 生成日报
hermes cron add "30 8 * * 1-5" "生成今日 A 股市场日报并发送到 Telegram"

创建任务后，建议先手动触发一次验证逻辑是否正常：

hermes cron list
hermes cron run 任务名称

3 日志监控与调试

日志目录跟随当前 profile 的 HERMES_HOME，默认 profile 下通常位于 ~/.hermes/logs/。

hermes logs          # 查看日志
hermes debug share   # 生成脱敏调试报告（向社区或官方反馈问题时使用）

4 Tirith 安全模块

Tirith 是 Hermes 的预执行安全扫描模块，配置如下：

approvals:
  mode: manual  # manual | smart | off

如果某些高频命令被误拦截，可在当前版本支持的情况下将其加入白名单（具体字段名请以当前版本配置参考为准）。

5 Telegram 接入

echo "TELEGRAM_BOT_TOKEN=your-bot-token" >> ~/.hermes/.env
echo "TELEGRAM_ALLOWED_USERS=your-telegram-user-id" >> ~/.hermes/.env

提醒：上线前必须配置用户白名单，否则任何人都能与你的 Bot 交互。

6 生产化部署 Checklist

动手实践：完成生产环境的稳定部署

  1. 在 .env 中配置好 Telegram 的 Token 和你的 User ID。
  2. 使用 hermes gateway install 注册为 Systemd 服务，或采用 Docker Compose。
  3. 启动服务：systemctl start hermes-gateway。
  4. 在手机上向 Bot 发送消息测试。
  5. 配置一个简单的 Cron 任务，测试定时触发是否正常。

预期效果：关闭 SSH 终端后，Bot 仍能正常回复；Cron 任务能在指定时间附近准确触发。

五、高级扩展与调试

1 MCP 外部工具链集成

MCP（Model Context Protocol）允许为 Hermes 接入外部工具，例如本地文件系统、数据库、自定义 API 等。

接入本地文件系统：

npm install -g @modelcontextprotocol/server-filesystem

在 $HERMES_HOME/mcp.json 中配置：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/home/ubuntu/projects",
        "/home/ubuntu/data"
      ]
    }
  }
}

配置后，Agent 可通过 MCP 工具直接读写指定目录，而不必每次依赖终端命令。

2 调试工具箱

hermes doctor        # 全面健康检查，优先运行
hermes memory status # 检查记忆系统
hermes mcp status    # 检查 MCP 连接
hermes debug share   # 生成脱敏调试报告

动手实践：接入本地文件系统

  1. 安装 @modelcontextprotocol/server-filesystem。
  2. 配置 mcp.json，将一个安全的测试目录暴露给 Agent。
  3. 运行 hermes mcp status 确认连接成功。
  4. 在对话中让 Agent 列出该目录下的文件内容。

预期效果：Agent 无需执行普通 shell 命令，即可通过 MCP 工具读写指定目录中的文件。

六、疑难解答（Q&A）

Q1：为什么告诉了 Agent 一件事，它下次还是不记得？

常见原因：会话太短，没有触发记忆整理；或 Agent 认为该内容不值得长期保存。最直接的做法是明确说："请把这件事写入你的长期记忆。"

Q2：Cron 定时任务没有按时触发怎么办？

按顺序排查：① 运行 hermes cron list，确认任务状态正常；② 检查 Gateway 是否在后台运行；③ 运行 timedatectl 检查系统时区；④ 手动运行 hermes cron run 任务名 确认任务逻辑本身无问题。

Q3：Tirith 总是拦截正常的 bash 命令怎么办？

三个方向：① 临时切到更宽松的工作模式；② 将 approvals.mode 从 manual 调整为更灵活的策略；③ 如果版本支持命令白名单，将高频安全命令加入 allowlist。

Q4：多个 Profile 可以共享同一个 Telegram Bot 吗？

不建议。多个运行中的 Gateway 应使用独立 Token，避免冲突。

Q5：日志文件太大怎么清理？

先确认当前版本是否已提供轮转或管理机制；若没有，可手动清理旧日志，清理前确认重要问题已留档。

Q6：多个子 Agent 并发时 API 消耗急剧增长，如何控制成本？

四个有效方法：① 从 2~3 个并发子任务起步，不要一开始就开太多；② 让子任务尽量短且上下文清晰，避免反复试错；③ 让子任务优先使用更便宜的模型，并控制最大轮次；④ 如果版本支持 Credential Pools，利用多 API Key 自动轮转缓解 429 限流。

Q7：子 Agent 为什么总是说不知道任务背景？

子 Agent 从新的上下文开始，不会继承主会话历史。你必须在 context 字段中明确写出文件路径、报错信息、项目结构、依赖版本等所有必要背景。

七、配置速查表

以下示例按默认 profile 编写。如果你使用命名 Profile，请将所有 ~/.hermes 替换为当前 profile 的 HERMES_HOME。

生产环境参考 config.yaml

agent:
  max_turns: 90
memory:
  nudge_interval: 10
  provider: mem0  # 或 holographic / honcho / supermemory 等
approvals:
  mode: smart
terminal:
  backend: docker
  timeout: 60

生产环境参考 .env

# 核心 API Key
OPENAI_API_KEY=sk-xxx
ANTHROPIC_API_KEY=sk-ant-xxx

# Gateway 配置
GATEWAY_PORT=8080
GATEWAY_HEARTBEAT=true

# 平台接入与白名单
TELEGRAM_BOT_TOKEN=123456:ABC-DEF1234ghIkl-zyx57W2v1u123ew11
TELEGRAM_ALLOWED_USERS=123456789,987654321

# 外部记忆提供商（按需启用）
MEM0_API_KEY=m0-xxx

approvals.mode: smart 是面向生产的推荐策略示例，不代表官方默认值。如果你的环境更强调稳妥与审计，可以继续使用 manual。

本文已按官方截至 v0.9.0 的文档与发布说明完成修订。若本机实际命令输出、配置键名或插件列表与本文存在差异，请以当前版本官方文档、release notes 和 hermes doctor 实际结果为准。

#记忆系统#技能进化#多Agent协作#生产部署#MCP

相关阅读