Hermes Agent 功能详解与最佳实践
一份纯功能视角的深度解读。不讲代码实现，只讲每个系统做什么、为什么这样设计、怎么用好它。面向想成为 Hermes Agent 最佳使用者的你。
0. Hermes Agent 是什么
Hermes Agent 是由 Nous Research 构建的开源自托管 AI Agent。它和 Claude Code、Cursor、Codex 的根本区别在于：那些是”会话式编程助手”，Hermes 是一个”长期运行的自主助手”。
Hermes 不锁定在任何 IDE 里，也不绑定你的笔记本电脑。你可以把它跑在 $5 的 VPS 上、Docker 容器里、甚至云端 Serverless 环境（Modal / Daytona / Vercel Sandbox）——它持续运行，并从 Telegram、Discord、Slack、微信、飞书、钉钉、WhatsApp、Signal 等 20+ 平台接收你的消息。
但 Hermes 的核心竞争力不只在”多平台”。它有四个 Claude Code 不具备的关键能力：
一、闭环学习系统。 Hermes 在每次完成复杂任务后，能自动判断”这个流程值得记住吗？“，如果值得，就把它沉淀为一个可复用的 Skill。下次遇到类似任务，Skill 自动激活。过程中如果发现更好的做法，Skill 会自我更新。这是 Hermes 和所有其他 Agent 最大的区别——它不只是”会做”，它是”会越做越好”。
二、跨会话持久记忆。 Hermes 不仅记住你说过什么（MEMORY.md），还通过 Honcho 辩证式用户建模构建对”你是谁”的深度理解。FTS5 全文搜索让它能找到几周前的对话细节。记忆系统和会话搜索是两个互补的机制：记忆是”当前上下文里总是有的关键事实”，会话搜索是”需要查一下我们三周前讨论过什么”。
三、自主沉淀技能。 其他 Agent 靠人手动写 Skill 或从市场下载。Hermes 的 Agent 自己做这件事——skill_manage 工具让 Agent 在完成任务后自行判断是否有可复用的流程、创建 Skill、并在后续使用中改进。这形成了一个”做 → 学 → 下次做得更好”的正反馈循环。
四、长期运行与定时自动化。 Hermes 可以在后台运行数月。内置 Cron 调度器让你用自然语言安排定时任务——“每天早上 9 点检查 CI 流水线”、“每周五下午生成进度报告”。任务结果可以通过消息推送到任何已连接的平台。
Nous Research 官方文档的定位很准确：
“The self-improving AI agent. It’s the only agent with a built-in learning loop — it creates skills from experience, improves them during use, nudges itself to persist knowledge, searches its own past conversations, and builds a deepening model of who you are across sessions.”
会自我改进的 AI 智能体。它是唯一内置了学习闭环的智能体——能从经验中提炼技能、在使用过程中持续改进这些技能、主动把知识沉淀下来、检索自己过去的对话，并在一次次会话中建立起对你这个人不断深入的理解。
1. 核心架构：Hermes 的”内脏”长什么样
Hermes 的架构遵循一个明确的设计原则：平台无关的核心 + 平台特定的入口。
1.1 总体布局
入口层（多个可互换的入口）
├── CLI (hermes) ← 你的终端
├── Gateway (Telegram/Discord/微信...) ← 消息平台
├── ACP Adapter (VS Code/Zed/JetBrains) ← 编辑器内
├── Batch Runner ← 批量轨迹生成
└── API Server ← HTTP API
↓ 全部汇聚到同一个核心 ↓
AIAgent (run_agent.py) ← 唯一的 Agent 引擎
├── Prompt Builder ← 组装系统提示词
├── Provider Resolver ← 选择模型和 API
├── Tool Dispatch ← 70+ 工具的分发和执行
├── Context Engine ← 上下文压缩和缓存
└── Session Storage ← SQLite + FTS5 持久化
关键点：CLI 对话和 Telegram 消息经过的是完全相同的 Agent 核心。 区别仅在入口层——CLI 给你一个终端界面，Gateway 把消息从平台接进来再推回去。Agent 本身不关心消息从哪来。
1.2 数据流（以一次对话为例）
CLI 会话：用户输入 → Agent Loop 启动 → Prompt Builder 组装系统提示词（注入 SOUL.md 人格 + MEMORY.md 记忆 + Skills 目录 + 项目上下文） → Provider Resolver 选择模型 → API 调用 → 模型返回 tool_use 或文本 → 如果需要工具，Tool Dispatch 执行 → 结果返回给模型 → 循环 → 最终响应 → 显示 → 存入 SessionDB。
Gateway 消息：平台事件（如 Telegram 消息） → 平台适配器 → GatewayRunner 验证用户 → 解析会话 → 创建 AIAgent → 对话 → 结果通过适配器推送回平台。
Cron 作业：调度器到点触发 → 创建全新 AIAgent（无历史会话） → 注入作业描述和附带的 Skill → 运行 → 结果推送到目标平台 → 更新作业状态。
1.3 设计原则（直接影响你的使用体验）
理解这些原则能帮你更好地判断 Hermes 为什么在某些时候表现得”和预期不同”：
- 提示词稳定性：系统提示词在会话中途不会改变。你在会话中改了 MEMORY.md，变化在下一次会话才生效。这是故意的——为了不破坏 LLM 的前缀缓存。
- 可观测执行：每个工具调用你都能看到（CLI 有 spinner，Gateway 有状态消息）。不存在 Claude Code 那种”背后跑了个子代理你完全不知道”的情况。
- 可中断：API 调用和工具执行可以中途取消。
- 松耦合：MCP、插件、外部记忆提供者都是可选的——不配置就不加载，零开销。
2. Agent Loop：最小的那个循环
Hermes 的 Agent Loop 和 learn-claude-code教程 里教的循环本质上一样——都是 while stop_reason == "tool_use"。但 Hermes 的实现有几个自己的特点：
支持三种 API 模式。 不同模型提供商用不同的 API 格式。Hermes 的 runtime_provider.py 统一抽象了三种：OpenAI 的 chat_completions、OpenAI 的新 codex_responses、Anthropic 的 messages。这让你能在 Claude、GPT、GLM、Kimi、MiniMax、DeepSeek 之间自由切换——对 Agent 来说，下层是透明的。
自动重试和 fallback。 如果一个 API 调用失败（网络超时、模型不可用），Hermes 会自动重试，并且在重试耗尽后可能降级到备用模型。这是 s11 Error Recovery 的生产级实现。
压缩不丢关键信息。 当上下文接近模型的有效注意力上限，Hermes 的 Context Compressor 会对中间的对话轮次做摘要压缩。和 learn-claude-code s08 的四层压缩理念一致。
会话血统追踪。 每次压缩后产生的”子会话”和原”父会话”保持关联。你可以在会话列表中看到完整的”谁从谁衍生”关系链。
3. 工具系统：70+ 工具、28 个工具集、7 个终端后端
Hermes 的工具系统是它和所有其他 Agent 拉开差距的地方之一。不是因为它工具多——而是因为它的工具组织方式和可配置粒度。
3.1 工具集（Toolsets）：按需启用的模块化
70+ 个工具被组织成 28 个工具集（Toolset）。你可以按平台、按场景启用不同的工具组合。比如：
- Telegram 上只用
web, terminal, file, memory——不给浏览器和代码执行权限 - CLI 上用全功能——
terminal, file, web, browser, vision, image_gen, tts, code_execution - Cron 定时任务只给
terminal, web, send_message
这是通过 hermes tools 交互式配置完成的，不需要编辑配置文件。
3.2 工具分类一览
| 类别 | 代表工具 | 说明 |
|---|---|---|
| Web | web_search, web_extract | 搜索网页并提取正文内容 |
| X (Twitter) 搜索 | x_search | 搜索 X 上的帖子和线程，需要 xAI 凭证 |
| 终端与文件 | terminal, read_file, patch | 执行命令、操作文件。patch 是 Hermes 的 diff 编辑工具 |
| 浏览器 | browser_navigate, browser_snapshot, browser_vision | 自动化浏览器操作——导航、截图、视觉分析 |
| 多媒体 | vision_analyze, image_generate, video_generate, video_analyze, text_to_speech | 图像理解、AI 生图、视频生成和分析、文字转语音 |
| Agent 编排 | todo, clarify, execute_code, delegate_task | 任务规划、主动澄清、代码执行、子代理委派 |
| 记忆与召回 | memory, session_search | 持久记忆管理和跨会话搜索 |
| 自动化与投递 | cronjob, send_message | 定时任务管理和消息推送 |
| 集成 | ha_* (Home Assistant), MCP 服务器工具 | 智能家居控制、外部 MCP 工具 |
3.3 七个终端后端：你的 Agent 跑在哪
这是 Hermes 作为一个”长期运行的自主助手”的关键基础设施。terminal 工具不一定要在本地执行命令——它支持七种后端：
| 后端 | 执行位置 | 典型用途 |
|---|---|---|
| local（默认） | 你的机器 | 开发、受信任任务 |
| docker | 隔离容器，一个持续生命周期 | 安全沙箱，pip install 后整个会话有效 |
| ssh | 远程服务器 | 推荐安全方案——Agent 改不了自己的代码 |
| singularity | HPC 集群容器 | 科研计算、集群环境 |
| modal | 云端 Serverless | 弹性扩展，近乎零空闲成本 |
| daytona | 云端持久工作区 | 远程开发环境，空闲休眠按需唤醒 |
| vercel_sandbox | Vercel 云端微 VM | 快照文件系统持久化 |
SSH 后端是最安全的选择。 Agent 在远程服务器上执行一切——它物理上无法修改运行在本地机器上的 Hermes 代码。即使它想”升级自己”，也只能在远端操作。
Docker 后端的持久化是一个容易被忽略的特性。 默认配置下，Docker 容器是持续运行的——pip install 装过的包、cd 切过的目录、创建过的文件，在整个 Hermes 进程生命周期内都存在。这意味着 Agent 可以在多次对话中积累环境状态，而不需要每轮重新配置。
3.4 后台进程管理
terminal 工具支持 background=true 参数。Agent 可以启动一个进程（比如 pytest -v tests/），拿到一个 session_id，然后通过 process 工具查询状态、等待完成、读取输出、发送输入或杀掉进程。PTY 模式（pty=true）让 Agent 可以和交互式 CLI 工具（如 Codex、Claude Code）协作——Hermes 控制着终端，Codex 在里面运行。
3.5 Sudo 支持
如果命令需要 sudo，Hermes 会提示你输入密码（会话内缓存），或者你可以提前在 ~/.hermes/.env 里设置 SUDO_PASSWORD。
4. Skill 系统：Hermes 的”肌肉记忆”
这是 Hermes 最独特的功能，没有之一。它是 Hermes 和其他所有 Agent 之间最根本的差异。
4.1 Skill 是什么
Skill 是一份 Markdown 文档（SKILL.md），存在 ~/.hermes/skills/ 下。它告诉 Agent：什么场景下该触发这个技能、该怎么做、要注意什么坑、怎么验证做对了。Skill 兼容 agentskills.io 开放标准——你写的 Skill 可以跨 Agent 产品复用。
4.2 渐进式公开：token 高效的核心设计
Skill 采用三层加载模式：
- Level 0：Agent 启动时，只加载”技能目录”——列出所有可用 Skill 的名字和一句话描述。约 3K token。
- Level 1：Agent 判断”我需要用某个 Skill”，Harness 才把该 Skill 的完整内容加载进来。token 按需消费。
- Level 2：如果 Skill 引用了外部参考文件，Agent 可以进一步按路径加载特定文件。
这意味着你装 50 个 Skill，不会在每次对话开头浪费 50 个 Skill 的 token。这和 MCP 形成鲜明对比——一个 Playwright MCP server 的工具定义占 13K-18K token，不管你用不用都加载。
4.3 Agent 自主创建、更新、删除 Skill
这是 Hermes 闭环学习的核心。skill_manage 工具让 Agent 拥有”过程记忆”——完成一个非平凡的工作流后，Agent 自主把这个流程保存为一个 Skill。
关键机制：
- 创建：Agent 在任务完成后评估”这个流程是新的吗？可复用吗？“，如果是，自动创建 Skill
- 更新（patch）：下次执行同一 Skill 时，如果发现更好的做法，更新 Skill 内容
- 删除：如果一个 Skill 长期没用或已被更好的替代，Agent 清理它
这意味着你不需要手动维护 Skill。Agent 自己在用、自己在改、自己在淘汰。你用得越多，Hermes 越懂你的工作流。
4.4 条件激活（Fallback Skills）
Skill 可以根据当前工具集的状态自动显示或隐藏自己：
fallback_for_toolsets: [web]：当web工具集不可用时，这个 Skill 才出现。内置的 DuckDuckGo 搜索 Skill 就用这个——你有 Firecrawl API key 时它不出现（Agent 直接用它内置的web_search），没 key 时才作为降级方案露出requires_toolsets: [terminal]：这个 Skill 只在terminal工具集可用时才出现
这意味着 Skill 不只是”写了就有”——它们是上下文感知的。
4.5 Skill Bundle：一次加载多个 Skill
如果你发现某个任务类型总是需要同时用三个 Skill（比如”后端特性开发”总是需要代码审查 + TDD + PR 工作流），你可以创建一个 Bundle YAML：
name: backend-dev
description: 后端特性开发：审查、测试、PR
skills:
- github-code-review
- test-driven-development
- github-pr-workflow然后 /backend-dev 一条命令，三个 Skill 全部加载。Bundle 只是一个 YAML 别名——不安装 Skill 本身，Skill 必须已经存在。
4.6 外部 Skill 目录
如果你有一组多个 AI 工具共用的 Skill（比如放在 ~/.agents/skills/ 下），Hermes 可以直接扫描。在 config.yaml 里配置 skills.external_dirs，外部 Skill 就和本地 Skill 一样出现在索引、命令补全和 Agent 感知中。本地的同名 Skill 优先级更高（shadow）。
4.7 Skill 的安全设计
Skill 声明缺失的环境变量时，Hermes 在 CLI 中安全地提示你输入，消息平台永远不会在聊天中要求密钥——它让你本地用 hermes setup 配置。
required_environment_variables 声明的变量在 Skill 执行时自动传递给 execute_code 和 terminal 沙箱。Skill 的脚本可以直接读 $API_KEY，不需要你手动 export。
5. Memory 系统：Hermes 的”长期记忆”
Hermes 的记忆系统不是简单的”把所有对话存下来”——它是一个有精心设计的容量限制、自动管理和跨会话持久化的双层系统。
5.1 两层记忆文件
| 文件 | 用途 | 容量限制 |
|---|---|---|
MEMORY.md | Agent 自己的笔记——环境事实、项目约定、学会的东西 | 2,200 字符（~800 token） |
USER.md | 你的画像——偏好、沟通风格、身份信息 | 1,375 字符（~500 token） |
两者都存储在 ~/.hermes/memories/，在每次会话开始时作为冻结快照被注入到系统提示词中。
5.2 为什么是”冻结快照”
会话开始时系统提示词被固化为一个前缀。在会话中途你对 MEMORY.md 的修改不会在当前会话中生效——这是故意的。原因：LLM 的前缀缓存机制——如果系统提示词在中途变了，缓存作废，后续每次 LLM 调用都要重新计算整个提示词，成本翻倍。
5.3 Agent 如何管理记忆
Agent 使用 memory 工具有三个操作：
- add：添加新记忆。如果已经存在完全相同的条目，自动跳过（防重复）。
- replace：替换某条记忆。使用”最少文本匹配”——你不需要给完整的旧文本，给一段能唯一定位到目标条目的子串即可。
- remove：删除不再相关的条目。同样用最少文本匹配。
Agent 会在”值得记住”的时刻自动操作——不需要你告诉它。触发条件包括：用户表达了偏好、发现了环境配置的”坑”、完成了一个项目约定、被你纠正了某个错误。
5.4 容量管理：当记忆满了怎么办
Agent 被设计成主动管理容量。当记忆超过 80% 容量（系统提示词里会显示百分比），Agent 应该先合并再添加——把三条”项目用 X”的散落条目合并成一条综合描述，然后用 replace 替代旧条目。如果满了还尝试添加，工具会返回错误让 Agent 重新规划。
5.5 记忆安全扫描
记忆条目在被写入前会经过注入和泄露模式扫描。匹配到提示词注入、凭证泄露、SSH 后门、隐形 Unicode 字符的内容会被拦截。
5.6 会话搜索（补充机制）
记忆是”总是需要知道的关键事实”，但有些内容不需要一直在上下文里——你需要的时候能找到就行。这就是 session_search 工具的价值：
- 所有 CLI 和 Gateway 会话存在 SQLite 数据库中，带 FTS5 全文搜索
- Agent 可以直接搜索几周前的对话细节
- 不需要 LLM 摘要——直接返回数据库中的原始消息
- 零 token 成本（直到你发起搜索）
记忆 ~1,300 token 固定成本，每次会话都加载。会话搜索零固定成本，按需消耗。 哪个该放记忆？——“我需要在每次对话中都被提醒”的。哪个该靠搜索？——“我知道存在但不需要每次看到”的。
5.7 外部记忆提供者
MEMORY.md / USER.md 是最基础的内置记忆。对于更深度、更持久的需求，Hermes 内置了 8 个外部记忆提供者插件——包括 Honcho（辩证式用户建模，构建对你的深度理解画像）、Mem0、Holographic 等。外部提供者和内置记忆并行运行（不会替代），增加语义搜索、知识图谱、自动事实提取等能力。
6. 消息网关：20+ 平台，统一路由
6.1 它是怎么工作的
Gateway 是一个长期运行的进程（hermes gateway start），接受来自 20+ 个平台的消息，通过一个统一的消息循环分发给 AIAgent 处理，然后将结果通过对应的平台适配器推送回去。
每个平台适配器只做一件事：把自己平台的格式翻译成 Hermes 内部的 MessageEvent 格式。Telegram 的文本消息、Discord 的斜杠命令、微信的语音转录——在进入 AIAgent 之前都变成了同一个内部格式。Agent 不关心消息从哪来。
6.2 跨平台连续性
同一个用户可以同时从多个平台和同一个 Hermes 实例对话——会话是跨平台连续的。你在 Telegram 上发的消息，切换到 Discord 继续，Agent 看到的是同一个会话历史。
6.3 支持的平台
Telegram、Discord、Slack、WhatsApp、Signal、飞书、企业微信、微信（个人号）、钉钉、QQ、Matrix、Mattermost、Email、SMS、Home Assistant、Webhook 等。中文社区特别关注微信、飞书、企业微信、钉钉和 QQ 的支持——这在 Global-first 的 Agent 产品中是比较少见的。
7. Cron 自动化：Agent 自己安排自己的事
7.1 不是 shell 任务——是 Agent 任务
Hermes 的 Cron 的独特之处在于：你安排的不是 shell 命令，而是一个完整的 Agent 任务。到达触发时间后，Hermes 创建一个全新的 AIAgent 实例（不带任何对话历史），注入你写的任务描述，Agent 自主完成，然后把结果推送给你。
这意味着你可以用自然语言安排：“每天早上 9 点检查 GitHub Issues 的更新，汇总成一个日报发到 Telegram。“
7.2 支持什么
- 多种调度格式（cron 表达式 + 自然语言解析）
- 创建/列出/更新/暂停/恢复/运行/删除作业
- 作业可以附带 Skill——比如”这个作业应该用
github-issue-summary这个 Skill” - 结果可以投递到任何平台
8. 安全模型：信任但隔离
8.1 容器隔离
Docker、Singularity、Modal、Daytona、Vercel Sandbox 五个容器后端都启了安全加固——只读根文件系统、capability 全部丢弃、no new privileges、PID 限制、完整 namespace 隔离。Agent 在容器里想搞破坏的难度大幅提高。
8.2 命令审批
危险命令（rm -rf /、sudo、mkfs 等）在被执行前触发审批。CLI 上弹提示，消息平台上会暂停等待你的 y/n。
8.3 DM 配对
消息平台的 Gateway 支持”DM 配对”机制——你的账号和你 Agent 的账号绑定。Agent 只回复已配对的用户。对于多用户场景（如团队共用），可以配置白名单。
8.4 SSH 后端：物理隔离
如果你把 terminal.backend 设为 ssh，Agent 所有的终端操作都在远程服务器上执行。它物理上无法修改本地机器上 Hermes 自己的代码。这是最彻底的安全方案——Agent 自己跑在自己改造不了的环境里。
9. 人格与上下文：让 Agent 成为”你的人”
9.1 SOUL.md：Agent 的人格文件
Hermes 支持通过 SOUL.md 定义 Agent 的基调和行为风格。它被注入到每次会话的系统提示词中，在 Personality 部分。你可以定义它的口吻、专业领域、做事风格、边界。
9.2 上下文文件
两个层级：
- 全局上下文：
~/.hermes/CLAUDE.md（或者AGENTS.md）——所有项目通用的背景知识 - 项目上下文：当前工作目录下的
.hermes.md或AGENTS.md——特定项目的约定、架构概述
这些文件在 Prompt Builder 组装系统提示词时自动注入。你会发现这个设计和 Claude Code 的 CLAUDE.md 机制几乎一样——事实上它们共享同一个约定。
9.3 /personality 命令
你可以随时切换人格：/personality [name]。CLI 和消息平台都支持。
10. 与 OpenClaw 的关系：迁移只需一条命令
如果你之前用的是 OpenClaw（小龙虾），Hermes 官方提供了完整的迁移路径。hermes claw migrate 自动检测 ~/.openclaw 并导入：
- SOUL.md、MEMORY.md、USER.md
- 用户创建的 Skill
- 命令审批规则
- 消息平台配置
- API 密钥（仅限白名单内的安全密钥）
- TTS 资产
首次运行 hermes setup 时也会自动检测并提示迁移。这意味着你不需要”重头开始”——旧的经验和配置可以直接带到 Hermes。
关于两者的核心差异，见你 wiki 里的早期对比资料 Hermes Agent 和 OpenClaw。总结：Hermes 在 Skill 自主沉淀、安全性设计、安装门槛、Token 消耗优化上都有明显改进。
11. 成为最好的 Hermes 使用者：22 条实践建议
以下是基于官方文档、架构设计和社区经验的总结。
安装与配置
- 用 WSL2（Windows 用户）或 Linux。原生 Windows 支持尚在早期阶段。
- 安装后第一件事：
hermes setup完成交互式配置。 - 如果你不想分别申请模型、搜索、生图、TTS 的多个 API key，考虑 Nous Portal——一条
hermes setup --portal覆盖全部。 - 国产模型用户：Hermes 原生支持 GLM、Kimi、MiniMax、DeepSeek、Qwen、小米 MiMo。用
hermes model切换。
工具与安全
- 最重要的安全配置：把
terminal.backend从local改成ssh。Agent 在远端执行，无法改自己的代码。 - 按平台定制工具集：CLI 上用全功能，Telegram 上只给 web + terminal + file + memory。
container_persistent: true保持 Docker 容器的状态跨会话——你装过的包下次还在。
Skill 管理
- 不需要手动写太多 Skill。用好几个内置的高质量 Skill（plan、github-pr-workflow、axolotl），让 Agent 在工作中自己创建剩下的。
- 定期检查
~/.hermes/skills/——Agent 创建的 Skill 可能比你手写的更好，因为它是从实际执行中沉淀的。 - 如果你在多个 AI 工具之间共享 Skill，配置
skills.external_dirs。 - 用 Bundle 组织高频 Skill 组合——
/backend-dev比三个/skill快得多。
记忆管理
- 让 Agent 自己管理记忆——不主动告诉它”记住这个”，只是当它犯错时纠正它，它会记下来。
- 当 Agent 在任务中表现好时，明确告诉它”这个方法很好”——这会被它记入 MEMORY.md。
- 如果记忆开始膨胀，Agent 会自动合并。你不需要手动编辑
~/.hermes/memories/MEMORY.md。 - 区分什么该放记忆 vs 什么该靠会话搜索：每次对话都需要知道的 → 记忆；偶尔需要回顾的 → 搜索。
自动化
- 从最简单的 Cron 开始——“每天早上 9 点检查 GitHub”。跑通一个，再复杂化。
- Cron 作业可以附带 Skill——让定时任务利用你已经沉淀好的工作流。
多平台
- 不要在所有平台上给相同的权限。Telegram 是移动端快速交互，少给工具。CLI 是深度工作，给全量。
- 跨平台会话的连续性意味着你可以在手机上开始一个任务，回到电脑上继续。
日常使用
/compress在长会话中是一个有用的命令——主动压缩上下文，帮助 Agent 保持清醒。/retry和/undo允许你纠正 Agent 的错误，这是高频使用的命令。/insights查看 Agent 的使用统计——多少 token、哪种工具用得最多、什么时候启动的。
参考来源
| 来源 | 说明 |
|---|---|
| Nous Research Hermes Agent GitHub | 官方 README + 完整代码库 |
| hermes-agent.nousresearch.com | 官方文档（Skills、Memory、Tools、Architecture） |
| hermesagent.org.cn | 中文社区文档与安装指南 |
| wiki 已有内容 | 早期 B 站视频的 Hermes 讲解 vs OpenClaw 对比 |