2026 完整指南
如何正確設定
Hermes Agent
Nous Research 開源、會自我進化的 AI Agent。
會記憶、會沉澱技能、會慢慢懂你。
macOS 原生Linux / WSL2Windows betaWeb UI 可選支援本機 LLMMIT 開源
一份完整指南 · 五大核心模組 · 30 分鐘上手
01它是什麼
Hermes Agent 是 Nous Research 2026 年 2 月開源、跟 OpenClaw 同類的 AI Agent。截至 4 月 GitHub Star 突破 32,000，跟 OpenClaw 走的是不同路線：
| OpenClaw | 偏執行與編排，廣度整合，5,700+ 社群技能（人工撰寫），TypeScript 寫的 |
| Hermes Agent | 偏記憶與成長，深度進化，40+ 內建技能 + Agent 自動生成，Python 寫的 |
核心三件事：跨會話持久化記憶（FTS5 全文索引）、從任務沉澱技能（5+ tool calls 自動建立 Skill 文件）、使用者建模（Honcho 辯證式建模）。它若偵測到 ~/.openclaw 目錄，會主動問要不要把資料遷移過來。
2026 重點動態
v0.7.0「韌性版本」（4/3）導入可插拔記憶體、憑證池輪換、Camofox 反偵測瀏覽器。後續快速迭代——v0.8.0 加入 Termux/iMessage/WeChat、v0.11.0 React/Ink TUI 重寫、v0.11.5 Autonomous Curator，到 v0.13.0「Tenacity Release」（最新）達成熟階段。MiniMax M2.7 已戰略整合。
v0.13.0「Tenacity Release」重點
從官方 release notes 直接抓的關鍵點：
主要新功能
| Multi-agent Kanban | 持久多代理任務板，多個 worker 平行接手、互相交接，含 heartbeat、reclaim、zombie 偵測、retry budget、hallucination gate |
/goal | 把 agent 鎖定在目標上，跨輪不會忘記原本要做的事（Ralph loop） |
| Checkpoints v2 | 重寫狀態持久化，真正的 pruning |
| Gateway auto-resume | 重啟後自動恢復中斷的 session |
| Cron no_agent watchdog | 排程任務的看門狗模式 |
| Google Chat | 成為第 20 個訊息平台 |
| Video analyze 工具 | 用 Gemini 等多模態模型原生理解影片 |
| xAI Custom Voices | 聲音克隆 TTS |
| 多語介面 | 靜態 gateway + CLI 訊息翻譯成 7 種語言（中／日／德／西／法／烏／土） |
安全強化（這版重點）
一口氣關閉 8 個 P0 安全問題：
- Redaction（PII 遮罩）現在預設開啟——資料送進 LLM 前自動遮蔽
- Discord role-allowlist 變成 guild-scoped
- WhatsApp 預設拒絕陌生人
- TOCTOU 漏洞修補（
auth.json+ MCP OAuth）
對企業部署的意義
PII 遮罩從「需手動開」變「預設開」，加上 TOCTOU 修補與訊息平台白名單，v0.13.0 是第一個可以直接拿去跟資安部門報告的版本。搭配本機 LLM，資料完全不離開機器。
02它怎麼進化
「自進化」很容易被誤解。它不是修改模型權重，而是把成功路徑自動蒸餾為技能文件、寫入全文索引、並由 LLM 定期摘要偏好——「越用越懂你」是這樣來的。
學習閉環的五個步驟
1
OBSERVE · 觀察
完成一個複雜的多步驟任務
2
EXTRACT · 提取
識別可重用的解決模式
3
SKILL CREATION · 建立技能
寫入新的 Markdown 技能文件（這就是 SKILL.md）
4
REFINEMENT · 精煉
技能在後續使用中自動改進、調整
5
NUDGE · 推送
Agent 定期審查、提醒、更新知識庫
三層記憶系統
| 跨 Session 記憶 | FTS5 全文搜尋引擎建立可搜尋的對話資料庫，加上 LLM 摘要索引，精準召回相關歷史 |
| 技能文件 Skill Documents | 完成複雜任務後自動提煉為 Markdown 技能檔，下次直接調用 |
| 使用者建模 User Modeling | 透過 Honcho 辯證式建模，持續深化對你工作風格、偏好的理解 |
03Session 隔離：一個大腦，多條對話線
Hermes 最容易讓新手誤解的架構就是「跨平台到底共用什麼」。這在你開始綁飛書、Telegram、Slack 之後特別重要——客戶問「在 LINE 講過的事 web 上會記得嗎」就是這一題。
白話比喻
把 Hermes 想成一個會多種技能的助理本人。在 WSL 終端機跟他講話像「面對面」，在 Telegram 跟他講像「LINE 傳訊息」。人是同一個，腦袋裡會的東西（知識／技能／工具／API Key）是同一套， 但每段對話內容他不會混在一起記。
到底共用什麼
| Agent 本體（模型、人格） | ✅ 共用 |
| API Key、設定、模型選擇 | ✅ 共用 |
| MCP 工具 / Skill 技能 | ✅ 共用 |
| 檔案系統存取 | ✅ 共用（同一台機器） |
| 跨 Session 全文索引（FTS5） | ⚠️ 寫入共用，讀取要主動搜 |
| 使用者建模（Honcho） | ⚠️ 共用一份偏好檔，累積較慢 |
| 對話歷史 / 即時記憶 | ❌ 每個 session 獨立 |
| 臨時偏好（「請說中文」） | ❌ 不互通，要重講 |
細節：FTS5 跟 Honcho 是「半共用」
跨 Session 記憶（FTS5）全平台共寫，意思是 Telegram 講過的話會被索引。但 Agent 不會每次自動載入所有歷史，而是需要時去搜。 Honcho 也是慢慢累積。對「即時的這輪對話」來說，跨平台等同不共享；長期下來知識會慢慢匯流。
動手驗證
實驗 A · 證明工具/檔案共用 ✅
在 Telegram 傳：
幫我看一下 /home/<你的用戶名>/hermes-webui 這個目錄裡有什麼檔案
能讀到 → 底層工具與檔案系統完全共用。
實驗 B · 證明對話記憶不共用 ❌
在 WSL 跑 hermes，跟它說「我叫 Vincent，請記住」。再跳到 Telegram 問「我叫什麼名字？」會說不知道。
跨平台「人格一致 / 記憶獨立」是 feature
員工在 Slack 問業務、在 Email 處理客訴，對話不混淆是合規與隱私的基本要求。 要跨平台連續對話，靠：(1) FTS5 主動搜尋 (2) 沉澱為 SKILL.md (3) Honcho 累積——三條都是「長期記憶」。