在AI代理领域，2026年最热门的话题不再是“哪个模型最强”，而是“哪个架构能真正持久进化”。大多数开源Agent像一台精密仪器：功能强大、调用流畅，但一旦对话结束或重启，就回到起点。它们擅长单次任务，却无法“记住自己学过什么、如何做得更好”。

Hermes-Agent彻底颠覆了这一范式。它由Nous Research于2026年2月开源，最新v0.8.0版本（2026.4.8发布）GitHub星标已突破60k(2026.4.12)。官方定位清晰：“The agent that grows with you”——一个内置闭环学习循环的自改进代理。其核心竞争力不是工具数量，而是模块化架构 + 持久化运行时引擎，让单一代理实现跨会话自进化。

这篇文章将带你深入代码与文档，拆解Hermes-Agent的高层次设计、AI Agent引擎 internals，以及模块化如何支撑“任意部署 + 自我进化”。读完后，你会对“Agent架构”的认知完成一次升级：真正的智能代理，不是堆砌功能，而是通过松耦合、可插拔的模块，让学习循环自然发生。它不是工具，而是能与你共同生长的数字生命体。

一、高层次架构：单一代理持久循环，非Swarm设计

Hermes-Agent采用**单一代理持久循环（Single Agent Persistent Loop）**架构，所有入口（CLI、Gateway、ACP适配器、Batch Runner、API Server、Python Library）最终都汇聚到核心AIAgent类（位于run_agent.py，约9200行代码）。

官方Architecture Guide（https://hermes-agent.nousresearch.com/docs/developer-guide/architecture）用一张清晰的系统图展示了这一设计：

┌─────────────────────────────────────────────────────────────────────┐│                        Entry Points                                  ││                                                                      ││  CLI (cli.py)    Gateway (gateway/run.py)    ACP (acp_adapter/)     ││  Batch Runner    API Server                  Python Library          │└──────────┬──────────────┬───────────────────────┬───────────────────┘           │              │                       │           ▼              ▼                       ▼┌─────────────────────────────────────────────────────────────────────┐│                     AIAgent (run_agent.py)                           ││                                                                      ││  ┌──────────────┐ ┌──────────────┐ ┌──────────────┐                ││  │ Prompt        │ │ Provider     │ │ Tool         │                ││  │ Builder       │ │ Resolution   │ │ Dispatch     │                ││  │ (prompt_      │ │ (runtime_    │ │ (model_      │                ││  │  builder.py)  │ │  provider.py)│ │  tools.py)   │                ││  └──────┬───────┘ └──────┬───────┘ └──────┬───────┘                ││         │                │                │                          ││  ┌──────┴───────┐ ┌──────┴───────┐ ┌──────┴───────┐                ││  │ Compression  │ │ 3 API Modes  │ │ Tool Registry│                ││  │ & Caching    │ │ chat_compl.  │ │ (registry.py)│                ││  │              │ │ codex_resp.  │ │ 48 tools     │                ││  │              │ │ anthropic    │ │ 40 toolsets   │                ││  └──────────────┘ └──────────────┘ └──────────────┘                │└─────────────────────────────────────────────────────────────────────┘           │                                    │           ▼                                    ▼┌───────────────────┐              ┌──────────────────────┐│ Session Storage   │              │ Tool Backends         ││ (SQLite + FTS5)   │              │ Terminal (6 backends) ││ hermes_state.py   │              │ Browser (5 backends)  ││ gateway/session.py│              │ Web (4 backends)      │└───────────────────┘              │ MCP (dynamic)         │                                   │ File, Vision, etc.    │                                   └──────────────────────┘

不同于OpenClaw等强调“多代理编排（Swarm）”的框架，Hermes坚持单一持久代理。社区深度分析（TrilogyAI Substack）指出：Swarm适合一次性复杂任务，但会引入上下文爆炸和协调开销；而Hermes的单一循环更简洁、可预测，专注“记忆 compounding”和“技能自迭代”。AIAgent是“耐用组件”（durable component），执行后端则是可插拔的——这正是模块化的灵魂。

这种设计直接支撑了自进化：代理不依赖外部编排器，而是通过内置循环，从经验中提炼技能、主动curation记忆、跨会话深化用户模型。

二、项目目录结构：高度模块化的代码组织

GitHub仓库（https://github.com/NousResearch/hermes-agent）目录结构清晰体现了“一切皆插件”的哲学：

• • run_agent.py：核心入口，AIAgent实现。
• • agent/：Agent internals（prompt_builder.py、context_compressor.py、prompt_caching.py、memory_provider.py、memory_manager.py、trajectory.py 等）。
• • tools/：48个内置工具 + registry.py（terminal_tool.py、delegate_tool.py、mcp_tool.py、environments/ 下6种终端后端）。
• • gateway/：15+平台消息网关（run.py、platforms/ 下Telegram/Discord/WeCom等）。
• • plugins/：插件系统（memory/、context_engine/ 子目录，支持Honcho等外部记忆提供者）。
• • cron/：内置调度器。
• • skills/ 与optional-skills/：技能Hub基础。
• • hermes_cli/：CLI子命令、setup向导、plugins.py（PluginManager）。
• • 其他：hermes_state.py（SQLite状态）、trajectory_compressor.py、environments/（Atropos RL环境）。

官方文档强调：agent/context_engine.py 定义了ContextEngine ABC（抽象基类），memory_provider.py 则是记忆提供者的抽象接口。这意味着开发者可以零侵入地替换memory后端或上下文引擎，而不触碰核心循环。v0.8.0版本进一步扩展了插件系统：插件可注册CLI子命令、钩入会话生命周期（finalize/reset），实现“热插拔”式扩展。

这种目录划分不是随意，而是为任意部署 + 自进化量身打造：核心逻辑收敛在AIAgent，外围全部可配置/可替换。

三、核心引擎AIAgent：同步编排机制详解

run_agent.py 中的AIAgent是Hermes的心脏。它实现了一个同步、stateful的执行循环：

1. 输入处理 → 生成任务ID，加载会话历史（hermes_state.py）。
2. Prompt构建（prompt_builder.py）：注入SOUL.md、MEMORY.md、USER.md、相关Skills、压缩后的上下文。
3. 模型调用（Provider Resolution）：支持400+模型（OpenRouter、Ollama、Gemini等），自动适配chat/completions、codex response、Anthropic Messages三种API模式。
4. 工具分发（Tool Dispatch）：registry.py 注册48工具 + 40 toolsets，支持delegate_tool（子代理并行委托，零上下文成本）。
5. 执行与持久化：工具结果回写SQLite，触发nudge（技能创建/记忆curation）。
6. 压缩与缓存：若上下文超限，调用context_compressor.py；Anthropic用户自动启用prompt_caching（断点缓存，降低成本）。

整个循环是同步编排（synchronous orchestration），社区分析称其优势在于“可预测性和可调试性”——不像异步Swarm容易出现竞态条件。AIAgent还内置错误恢复、超时追踪（基于实际工具活动而非壁钟时间，v0.8.0优化）、trajectory记录（支持后续RL训练）。

四、Prompt Builder、Context Compressor与Prompt Caching：上下文管理的艺术

Hermes最大痛点解决者是context_compressor.py。Medium社区深度拆解显示，ContextCompressor采用四阶段智能压缩（非简单截断）：

1. Tool Pruning：将旧工具输出替换为占位符（如“[Old tool output cleared]”），零LLM调用。
2. Critical Protection：保护系统提示、初始对话、最近20K token。
3. Structured Summarization：用模板（Goal、Constraints、Progress、Key Decisions）生成精炼摘要。
4. Iterative Updates：增量更新历史摘要，实现知识累积而非重置。

结合prompt_builder.py的系统提示组装，以及prompt_caching.py的Anthropic缓存断点机制，Hermes实现了“token永不爆炸”。Substack指出：四层记忆分离（提示记忆MEMORY.md/USER.md硬限2200/1375字符 + FTS5会话搜索 + 技能过程记忆 + Honcho用户建模）是关键——代理主动curation，确保上下文始终聚焦。

传统Agent靠“更大上下文窗口”硬刚，Hermes靠“智能压缩 + 主动管理”实现可持续进化。

五、6种终端后端 + 无感休眠：任意环境部署

Hermes支持6种终端后端（tools/environments/）：Local、Docker、SSH、Singularity、Daytona、Modal。浏览器后端5种、Web后端4种、MCP动态扩展。

• • 服务器无感休眠：空闲时自动休眠（Modal/Daytona serverless成本近零），$5 VPS即可24/7运行。
• • 子代理委托并行：delegate_tool可并行创建隔离子会话，零额外token成本。

插件系统（memory_provider.py抽象）让记忆、上下文引擎可热插拔。cron/目录内置自然语言调度器（每日报告、备份）。trajectory_compressor.py + tinker-atropos子模块直接导出数据，支持Atropos RL训练环境——研究者可一键生成批量trajectory，用于训练下一代工具调用模型。

六、可扩展性：插件、Skills Hub、Cron、Trajectory的完美闭环

模块化设计的极致体现在：

• • 插件系统：PluginManager自动发现、加载，支持生命周期钩子。v0.8.0新增CLI子命令注册。
• • Skills Hub：代理自主创建/改进SKILL.md（agentskills.io标准），一键从Hub安装社区贡献。
• • Cron调度：内置jobs.py，支持后台任务完成通知（无需轮询）。
• • Trajectory导出：research-ready，支持Atropos RL环境，真正把“学习循环”变成可训练数据。

这些组件相互咬合：一次复杂任务 → trajectory记录 → 技能创建 → 记忆nudge → 下次Prompt Builder自动加载 → 进化完成。

七、动手实践：hermes doctor/setup + 阅读代码上手贡献

立即行动，验证架构：

1. 运行hermes doctor诊断环境（后端、模型、插件状态）。
2. hermes setup完成向导（选择后端、记忆提供者）。
3. 浏览代码：cd ~/.hermes 或克隆仓库，重点阅读agent/prompt_builder.py（提示组装）、context_compressor.py（压缩逻辑）、memory_provider.py（抽象）。
4. 贡献路径：CONTRIBUTING.md明确——PR新工具、插件，或Atropos环境。

真实开发者反馈：读完run_agent.py主循环后，你会理解“为什么它越用越强”。

八、模块化如何支撑“任意部署 + 自进化”

Hermes的架构哲学是：把复杂性拆成可插拔模块，把进化留给循环本身。6种后端让它跑在笔记本、VPS、serverless任意环境；memory_provider抽象让记忆随需求进化；trajectory导出让“经验”变成RL数据集。

Substack总结得精辟：“Hermes赌的是记忆与自我改进。代理知道你偏好、能自己写/优化流程、跨会话保留上下文，其价值远超单纯路由。”这正是认知升级点：未来Agent竞争，不是初始能力，而是架构是否允许持续 compounding。Hermes证明，模块化不是“工程美学”，而是自进化的基础设施。

它不是工具，而是会成长的伙伴——架构设计确保了这一点。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】