Agents · 个人执行型 Agent
Hermes-Agent
面向长期记忆与自我改进的开源个人 Agent
Nous Research 的开源个人 Agent 项目，重点在长期记忆、自我改进和可本地运行的个人智能体形态。
状态
verified
开源
价格
开源免费
MIT
入口
Web / GitHub / 本地运行
本地运行 / 自托管 / 云端 SaaS / SDK 集成
API
API 需确认
独立体系
形态
开源框架
本地 / Python
选型结论
适合想研究长期记忆、自我改进和个人 Agent 架构的开发者，本地自托管运行，MIT 许可可自由改造；但它是偏研究的开源框架，不等同成熟商业客户端，功能完整度以仓库当前状态为准，不建议当作即用型产品。
定位
适合
成本口径
核心能力
持久记忆设计
项目重点在长期记忆机制，便于研究个人 Agent 如何跨会话保留信息与上下文。
自我改进方向
关注智能体的自我改进能力，可作为研究个人 Agent 演进的代码基础。
本地自托管
支持本地运行与自托管，数据与运行环境由自己掌握，也能走云端或 SDK 集成。
MIT 开源许可
以 MIT 许可开源，可阅读、修改和自行分发代码，适合开发者深入改造。
典型使用场景
记忆机制研究
在本地运行智能体，观察长期记忆如何写入与检索，并在多轮任务中影响决策。
个人助理试验
用自托管方式搭一个个人智能体，接入开源或本地模型，试跑日常执行任务。
架构二次开发
基于开源代码改造运行时与记忆模块，做自己的个人 Agent 框架实验。
上手步骤
- 1
查看仓库说明
先读仓库的说明与当前状态，确认依赖、运行方式和已有能力边界。
- 2
准备本地环境
按仓库指引准备 Python 环境与模型来源，本地模型或开源模型均可尝试。
- 3
跑通最小流程
先让 Agent 完成一次简单任务，确认记忆写入与调用链路是否正常。
- 4
记录改造方向
把想验证的记忆与自我改进点写成清单，再逐项修改代码对照结果。
价格与使用方式
价格口径
开源状态
API 状态
使用入口
运行方式
支持平台
常见连接对象
所属生态
优点与局限
值得选的地方
- 以 MIT 许可开源，代码可自由阅读与改造。
- 支持本地运行与自托管，环境由使用者掌握。
- 聚焦长期记忆与自我改进，研究方向明确。
先想清楚的地方
- 偏研究与开发者项目，不是成熟商业客户端。
- 功能完整度以仓库当前状态为准，需自行验证。
- 不兼容 OpenAI 接口，也不提供 API。
适合谁用
更适合
- 研究长期记忆的开发者
- 想自托管个人 Agent 的人
- 愿意读代码做改造的开发者
不太适合
- 需要即开即用客户端的用户
- 只想要稳定商用产品的人
- 依赖 OpenAI 接口接入的项目
同类对比
4 个同类| 产品 | 形态 | 价格口径 | 开源 | 地区 |
|---|---|---|---|---|
| Hermes-Agent Nous Research · 本页 | 开源框架 | 开源免费 | 是 | 海外 |
| SuperAGI SuperAGI | 开源框架 | 开源免费 | 是 | 海外 |
| Haystack Agents deepset | 开源框架 | 开源免费 | 是 | 海外 |
| OpenClaw OpenClaw | 桌面 Agent OS | 开源自托管；模型 API、云主机和第三方渠道成本另计 | 是 | 全球 |
| BabyAGI Yohei Nakajima | 开源框架 | 开源免费 | 是 | 海外 |
按分类、形态和接入方式挑出最接近的同类，价格口径以各自详情页为准。
常见问题
4 条hermes 适合哪些开发者使用？
适合想研究长期记忆、自我改进和个人智能体架构的开发者，需要愿意读代码、自己搭本地环境，并接受它偏研究而非即用产品。
hermes 能本地运行吗？
可以，它支持本地运行与自托管，也可走云端与 SDK 集成，运行环境和模型来源由使用者自行准备。
hermes 是否兼容 OpenAI 接口？
不兼容 OpenAI 接口，也不提供 API，接入时要按仓库说明准备开源模型或本地模型，不能直接套用现成接口。
hermes 的许可和使用风险是什么？
以 MIT 许可开源，可修改与分发；但它偏研究和开发者项目，功能完整度以仓库当前状态为准，不等同成熟商业客户端。