熬了3天整理的Hermes Agent配置手册:从安装到上瘾一篇就够了
摘要: Hermes Agent 是 Nous Research 开源的自主进化AI智能体,GitHub 105k Stars,支持 CLI、Telegram、Discord 等多端使用。但安装配置的坑太多了——Windows原生不支持、Ollama上下文默认4096远低于要求、MCP配置改了不重载……本文把3天踩的坑全整理成一份避坑手册,从零到跑通,照着做就行。
为什么Hermes Agent值得你折腾3天?
先说结论:Hermes Agent是目前开源AI Agent领域最接近"用AI干活"而非"和AI聊天"的项目。
核心能力一览: - 真正的终端UI:多行编辑、自动补全、流式输出,不是简陋的命令行对话 - 多平台同步:CLI、Telegram、Discord、Slack、WhatsApp、Signal,一个gateway进程搞定 - 自动学习:对话中自动提炼技能,下次遇到类似任务直接复用 - 定时任务:用自然语言设置cron,日报、备份、审计全自动 - 部署灵活:5美元的VPS能跑,GPU集群也能跑
但这一切的前提是——你得先把它装对、配对。以下是我3天踩坑的精华总结。
环境准备:别急着装,先看这里
硬件要求
| 项目 | 最低配置 | 推荐配置 |
|---|---|---|
| CPU | 4核 | 8核+ |
| 内存 | 8GB | 16GB+ |
| 磁盘 | 20GB | 50GB+(本地模型需更大) |
| 网络 | 宽带 | 科学上网环境(海外API调用需要) |
操作系统选择
这是第一个坑:Windows原生不支持,只有早期Beta版。
- ✅ Linux / macOS:直接装,脚本自动处理依赖
- ✅ Windows WSL2:推荐,稳定性最佳
- ⚠️ Windows 原生:不支持,别挣扎
- ✅ Android Termux:能用,但体验有限
Windows用户先确认WSL2状态:
wsl --list --verbose
如果没有Ubuntu发行版:
wsl --install -d Ubuntu
软件依赖
- Python 3.10~3.12(⚠️ 3.13暂不支持,某些依赖包还没适配)
- Git 2.30+
- Node.js 18+(可选,用于前端扩展)
- Docker 24+(生产环境强烈推荐)
安装:一行命令 vs 手动安装
方式一:官方一键脚本(推荐)
# 官方脚本(全球通用)
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
# 国内镜像(推荐中国大陆用户,速度更快)
curl -fsSL https://res1.hermesagent.org.cn/install.sh | bash
唯一前置依赖是Git,其余内容安装脚本会自动处理(Python、Node.js、ripgrep等)。安装完成后重载Shell:
source ~/.bashrc # zsh用户改为 source ~/.zshrc
验证安装:
hermes --version
# 输出类似:Hermes Agent v0.14.0 (2026.5.16)
方式二:pip安装
pip install hermes-agent
方式三:Docker部署(生产推荐)
# 拉取镜像
docker pull nousresearch/hermes-agent:latest
# 创建数据目录
mkdir -p ~/.hermes
# 初始化配置
docker run -it --rm \
-v ~/.hermes:/opt/data \
nousresearch/hermes-agent:latest setup
模型配置:第二个大坑在这里
安装只是开始,模型配置才是大部分用户卡住的地方。
hermes setup 快速配置
hermes setup
强烈建议选默认的Quick Setup,先把核心功能跑通,后续再用hermes config慢慢调高级设置。
API提供商选择
国内推荐(无需特殊网络): - Kimi:200万字超长上下文,国内最友好 - 智谱AI:稳定性好 - 通义千问:阿里系,响应快
国外推荐: - Nous Portal:官方原生集成,零配置 - OpenRouter:200+模型可选,一个API Key搞定 - Anthropic:Claude全系模型 - OpenAI:GPT系列
⚠️ 避坑:国内中转配置
Hermes Agent支持自定义API接入点,只需把base_url换成国内中转地址:
hermes config set model.base_url https://your-relay-address.com/v1
hermes config set model.api_key sk-your-key
⚠️ 避坑:Ollama上下文长度
这是最容易被忽略的坑:Ollama默认上下文是4096,Hermes要求最低64000!
# 检查当前Ollama上下文(CONTEXT列若显示4096即为问题所在)
ollama ps
# 修复方式一:启动时设置环境变量(立即生效)
OLLAMA_CONTEXT_LENGTH=65536 ollama serve
# 修复方式二:为模型创建Modelfile(最持久)
echo -e "FROM qwen2.5-coder\nPARAMETER num_ctx 65536" > qwen2.5-coder.Modelfile
ollama create qwen2.5-coder-64k -f qwen2.5-coder.Modelfile

健康检查:跑通没跑通,一查就知道
hermes doctor
这个命令会检查: - Python环境和依赖包 - 配置文件完整性 - API连接状态 - 外部工具(git、docker、Node.js等) - 工具集可用性
看到全绿就说明基础环境OK了。
进阶配置:从"能用"到"好用"
MCP(Model Context Protocol)配置
MCP是Hermes连接外部工具的桥梁。配置修改后必须重载才生效:
# 修改MCP配置
hermes config edit mcp
# 重载配置(不重启)
hermes config reload
多Profile管理
Hermes支持多Profile切换,但不同Profile不能共用Bot Token,否则会互相冲突:
# 创建新Profile
hermes profile create work
# 切换Profile
hermes profile switch work
# 查看当前Profile
hermes profile current
定时任务设置
用自然语言直接设cron,这是Hermes最上瘾的功能之一:
# 每天早上9点生成日报
hermes cron add "每天早上9点帮我整理昨天的工作日志"
# 每小时检查服务器状态
hermes cron add "每小时检查agent服务是否正常"
技能自动提炼
Hermes在对话过程中会自动识别可复用的模式,提炼为技能。下次遇到类似任务时,它会主动建议使用已有技能,省去重复指令。
在铠盒上跑Hermes:7×24小时不间断
Hermes Agent天然适合在铠盒(智能体计算机)上运行。铠盒的ARM架构+低功耗设计,意味着你可以7×24小时跑Hermes的定时任务和gateway进程,而不需要开着主力PC。
部署流程: 1. 铠盒Web界面 → 微信扫码绑定 2. 输入大模型API Key(推荐国内中转) 3. SSH进入铠盒 → 一键安装Hermes 4. 配置gateway → 接入Telegram/Discord 5. 设置定时任务 → 日报/备份/监控全自动
铠盒的优势不是跑大模型本身,而是作为Agent调度中枢7×24小时在线。Hermes负责智能体逻辑,线上大模型负责推理,铠盒负责承载——这个分工最合理。
常见问题速查
| 问题 | 原因 | 解决 |
|---|---|---|
| Windows装不上 | 原生不支持 | 用WSL2 |
| API连不上 | 需要科学上网 | 换国内中转或用Kimi |
| Ollama回复截断 | 上下文只有4096 | 设OLLAMA_CONTEXT_LENGTH=65536 |
| MCP改了不生效 | 没重载配置 | hermes config reload |
| 多Profile冲突 | 共用Bot Token | 每个Profile独立Token |
| hermes命令找不到 | PATH未更新 | source ~/.bashrc |
| Docker拉取慢 | 网络问题 | 配镜像加速器 |
| Python 3.13报错 | 依赖未适配 | 降级到3.12 |
写在最后
Hermes Agent的105k Stars不是白来的——它是目前开源社区里把"AI Agent实用性"做得最好的项目之一。但安装配置的门槛确实不低,尤其是Windows用户和国内网络环境。
这篇手册覆盖了从环境准备到进阶配置的完整链路,每个坑都标注了避坑方案。如果你是第一次接触Hermes,建议按顺序一步步来,别跳步——90%的报错都是前置步骤没做对。
配置完成后,试试让Hermes帮你自动整理文件、生成日报、监控服务——你会发现,AI Agent真的不只是聊天机器人。
铠盒智能 | 小白也可以使用的7×24小时工作的智能体计算机 · Hermes专区追踪