如果最近在研究 OpenClaw、Claude Code、OpenHands、AutoGen、LangGraph 等 AI Agent，那 Hermes Agent 絕對是 2026 年最值得深入了解的專案之一。

它最大的特色只有一句話：

Hermes 不只是會完成任務，而是會從完成任務中學習，下一次做得更好。 (GitHub)

Hermes Agent 是什麼？

Hermes Agent 是 Nous Research 推出的 MIT License 開源 AI Agent。

官方定位：

The self-improving AI Agent

也就是：

具有長期記憶、技能累積、自我改善能力的 AI Agent。

GitHub：

Hermes 的設計理念

目前多數 Agent：

使用者
    │
Prompt
    │
LLM
    │
Tool
    │
完成任務

任務完成就結束。

下次：

全部重新開始。

Hermes 則多了一層：

使用者

↓

Agent

↓

完成任務

↓

Learning Loop

↓

Skill

↓

Memory

↓

下次直接使用

因此官方稱它是

Agent that grows with you.

也就是：

會跟著使用者一起成長。

(GitHub)

Hermes 最重要的六大特色

1. Self-Improving（自我學習）

Hermes 每完成一次任務，就會分析：

  • 哪裡做得好？
  • 哪裡浪費 Token？
  • 哪個流程可以重複？

然後自動整理成：

Skill

例如：

今天叫它：

整理 ISO50001 專案

完成後會自動產生：

hospital_iso50001.md

下一次：

請整理另一家醫院

Hermes：

直接使用之前學會的方法。

不像 ChatGPT 必須重新 Prompt。

2. Procedural Memory（程序記憶）

目前很多 AI 都有 Memory。

例如：

ChatGPT：

記得：

你住哪裡

Claude：

記得：

你的偏好

Hermes 不只如此。

它記得：

事情是怎麼完成的。

例如：

部署 Ubuntu

↓

安裝 Docker

↓

安裝 PostgreSQL

↓

安裝 Ollama

↓

測試

這整個流程都會保存。

官方稱：

Procedural Memory。

(GitHub)

3. Skills System（技能系統）

Hermes 最大特色。

Skill 類似：

Prompt++

不是一句 Prompt。

而是一整個工作流程。

例如：

寫 Proposal

↓

收集資料

↓

搜尋

↓

建立 Outline

↓

寫內容

↓

校稿

↓

完成

變成：

proposal.skill

之後：

任何專案：

直接使用。

Skill 可以：

  • 分享
  • 匯出
  • 匯入
  • 社群下載

官方甚至建立：

Skills Hub。

(GitHub)

4. 長期 Memory

Hermes 的 Memory 比一般 Agent 深很多。

包括：

  • Conversations
  • Skills
  • User Profile
  • Context Files
  • Project Memory

例如：

它知道：

這是醫院專案

ISO14064 已完成

目前正在 ISO50001

之後還要 ESG

因此不用一直重新描述背景。

5. Tool System

Hermes 已內建大量工具。

例如：

  • Shell
  • Python
  • Git
  • Browser
  • Files
  • Search
  • Email
  • Calendar
  • OCR
  • PDF
  • Image

以及：

MCP Server。

代表：

任何 MCP 都能接。

例如：

GitHub MCP

Slack MCP

Figma MCP

Jira MCP

Notion MCP

PostgreSQL MCP

Home Assistant

全部可直接整合。(GitHub)

6. Multi-Channel

Hermes 不一定只能 CLI。

可以：

Telegram

Discord

Slack

WhatsApp

Signal

Email

Desktop

例如：

放在 VPS。

手機 Telegram：

Hermes：

今天幫我整理 ISO50001

它就在 VPS 開始工作。

完成：

回傳結果。

(GitHub)

Hermes 的架構

             User
               │
               ▼
        Hermes Agent
               │
     ┌─────────┼──────────┐
     │         │          │
 Memory     Skills     Context
     │         │          │
     └─────────┼──────────┘
               │
        Reasoning Loop
               │
     ┌─────────┼─────────┐
     │         │         │
 Browser   Terminal   Python
     │         │         │
     └─────────┼─────────┘
               │
          External APIs

Learning Loop

Hermes 最大創新。

一般 Agent：

Task

↓

LLM

↓

Done

Hermes：

Task

↓

LLM

↓

Reflection

↓

Skill Generation

↓

Memory Update

↓

Knowledge Update

↓

Done

完成一次，

能力增加一次。

這就是官方一直強調：

Learning Loop。

(GitHub)

支援哪些模型？

Hermes 幾乎沒有綁模型。

可使用：

  • OpenAI
  • Anthropic
  • Google Gemini
  • OpenRouter
  • Hugging Face
  • GLM
  • Kimi
  • MiniMax
  • NVIDIA NIM
  • 本地 Ollama
  • LM Studio
  • llama.cpp
  • 自架 OpenAI Compatible API

因此：

可以自由切換。

hermes model

即可更換 Provider。

(GitHub)

與 OpenClaw 的差異

比較 Hermes Agent OpenClaw
核心定位 自我學習 Agent 通用 Agent 平台
Memory ★★★★★ ★★★★☆
Learning Loop ✅ ❌
Skills 自動生成 ✅ 部分
長期成長 ★★★★★ ★★★☆☆
上手速度 較慢 很快
生態成熟 快速成長 非常成熟
MCP ✅ ✅
多 Agent ✅ ✅
適合 長期使用 快速部署

整體來說，Hermes 更偏向「長期陪伴型 AI」，而 OpenClaw 更偏向「快速建置、自動化工作流」。不少進階使用者會將 OpenClaw 負責流程編排，而 Hermes 負責執行與持續學習。(TechRadar)

適合哪些應用？

Hermes 特別適合需要長期累積知識的工作，例如：

  • 醫院智慧助理（ISO 50001、ISO 14064、ESG 文件）
  • 軟體開發（Git、PR、測試、重構）
  • DevOps（部署、監控、排程）
  • 研究助理（論文整理、文獻追蹤）
  • 法律與合約分析
  • 顧問知識庫
  • 長期專案管理
  • 個人數位分身（Personal AI）

如果與其他熱門 AI Agent Framework 比較

Framework 定位 是否會學習 多 Agent MCP 適合對象
OpenHands 軟體工程 Agent ❌ 部分 ✅ 開發者
Claude Code AI Coding Agent ❌ ❌ 部分 程式設計
LangGraph Agent Workflow Framework ❌ ✅ ✅ 客製化開發
AutoGen Multi-Agent Framework ❌ ✅ 部分 研究與實驗
CrewAI 多角色協作 ❌ ✅ 部分 商業流程
OpenClaw 通用 AI Agent 平台 部分 ✅ ✅ 快速部署
Hermes Agent 自我學習 AI Agent ✅ ✅ ✅ 長期知識工作、自我演進 Agent

小結

如果把 2026 年主流 AI Agent 做一個定位，可以簡化成：

  • Claude Code：最強的程式設計助手。
  • OpenHands：專注於軟體工程任務。
  • LangGraph / AutoGen / CrewAI：適合自行開發 Agent 系統。
  • OpenClaw：功能完整、部署快速、適合建立各種自動化代理。
  • Hermes Agent：最強調「知識累積」與「自我演進」，希望 Agent 隨著使用時間越來越熟悉使用者的工作方式，而不是每次都重新開始。