核心用法
Hermes Agent Skill 通过调用本地 hermes CLI 实现与 NousResearch 开源代理框架的交互。主要能力包括:
快速问答:hermes run "问题" --non-interactive --no-stream 适合脚本化调用,返回结构化结果。
上下文增强:通过 --context-file 注入外部文档,支持复杂任务的多轮推理。
子代理委派:内置 delegate_task 机制,可将研究、代码生成等任务自动分配给子代理并行执行。
持久化记忆:基于 SQLite FTS5 实现全文检索记忆,配合 LLM 自动摘要,支持跨会话上下文保持。提供 memory search/list/add 等命令管理笔记。
技能系统:运行时创建和管理自定义技能(skills create),支持版本化与自进化。
MCP 与浏览器:集成 Model Context Protocol 扩展能力,支持浏览器自动化和代码执行沙箱。
显著优点
- 开源可信:NousResearch 背书,代码全开源可审计
- 模块化架构:技能、记忆、代理三层解耦,易于扩展
- 本地优先:数据默认存储于
~/.hermes/,隐私可控 - 多提供商支持:通过
.env灵活配置 OpenAI、Anthropic 等后端
潜在局限
- 依赖本地 CLI:需预先安装 hermes 二进制,Windows 支持待验证
- 无原生 UI:纯命令行交互,对非技术用户门槛较高
- 记忆容量限制:FTS5 虽高效,但长期大规模记忆需定期归档
适合人群
开发者、AI 研究员、自动化工程师,尤其是需要构建可扩展、可审计的本地化 Agent 系统的技术团队。
常规风险
- API 密钥存储于本地
.env,需做好文件权限管理 - 子代理委派可能产生不可预期的工具调用链,建议沙箱运行
--non-interactive模式跳过确认,需确保提示词注入防护