Hermes Agent 全功能详解：40+ 特性从 Core 到 Customization 全梳理

Hermes Agent 全功能详解：40+ 特性从 Core 到 Customization 全梳理

如果只想看官方文档 hermes-agent.nousresearch.com/docs/user-guide/features/overview 里列的所有能力，这篇帮你把它们翻译成"上手用什么、怎么配、哪一层最强"。

不知道从哪里开始，Hermes 官方给过一句话的快速路径：hermes setup --portal 一条命令完成模型 Provider + Tool Gateway 的四大工具（Web 搜索、图像生成、TTS、浏览器）接入。这是最快的"从安装到能用"路径，但离"发挥 Hermes 全部能力"差了至少 30 个开关。

本文按官方文档五大分类（Core 核心 / Automation 自动化 / Media & Web 媒体与网络 / Integrations 集成 / Customization 定制），把 Overview 列出的所有子特性加上对应子页的细节逐一拆开。读完之后你会知道：哪些功能免费内置、哪些要开插件、哪些有字符数限制、哪些有硬编码默认值、MCP 和工具集到底怎么选。

本文提纲

1. 一图看懂功能全景 + 快速启动命令
2. Core 核心层：工具 / Skills / 记忆 / 上下文文件 / @引用 / 检查点回滚
3. Automation 自动化：Cron 调度 / delegate_task 子 Agent / execute_code 代码执行 / Event Hooks / 批处理
4. Media & Web：语音模式 / 唤醒词 / 浏览器自动化 / 视觉贴图 / 图像生成 / TTS
5. Integrations 集成：MCP / Provider 路由 / Fallback / 凭证池 / Prompt Cache / 8 家记忆提供方 / API Server / ACP
6. Customization 定制：SOUL.md 人格 / Skins 皮肤 / 三类插件
7. 各层能力与同类竞品对照表（vs Claude Code / Codex / Teams Copilot）

1. 一图看懂功能全景 + 快速启动命令

MERMAID_BLOCK_0

快速启动命令速记：

# 最快方案：一条命令完成 Provider + 4 个 Tool Gateway 工具
hermes setup --portal

# 从零开始，不想要任何内置 Skills
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash -s -- --no-skills

# 创建一个不继承 bundled skills 的命名 Profile
hermes profile create research --no-skills

2. Core 核心层：工具 / Skills / 记忆 / 上下文文件 / @引用 / 检查点回滚

2.1 Tools & Toolsets：按平台开关的工具分组

工具（Tools）是扩展 Agent 能力的函数；工具集（Toolsets）是按逻辑分组、可按平台独立启停的一组工具。内置注册表覆盖了非常大的范围：

类别	典型工具名	说明
Web	web_search、web_extract	全网搜索 + 网页正文提取
X（Twitter）Search	x_search	通过 xAI 内置的 Responses 工具搜 X 帖子；需 SuperGrok OAuth 或 XAI_API_KEY，默认关闭，hermes tools → X 手动开
终端与文件	terminal、process、read_file、patch	执行命令、进程管理、读写/打补丁文件
浏览器	browser_navigate、browser_snapshot、browser_vision	交互式浏览器自动化，含文本 + 视觉双通道
媒体	vision_analyze、image_generate、text_to_speech	多模态分析、生成、朗读
Agent 编排	todo、clarify、execute_code、delegate_task	规划、澄清、代码执行、子 Agent 委派
记忆与回溯	memory、session_search	持久记忆 + 当前会话搜索
自动化	cronjob	创建/列表/更新/暂停/恢复/立即运行/删除 调度任务
集成	ha_* + MCP	Home Assistant 全系函数 + MCP 外部工具

重要提示：Honcho（跨会话记忆）不是内置 Toolset，而是以记忆提供方插件形式存在（plugins/memory/honcho/），需要通过插件管理安装。

2.2 Skills System：按需加载的知识文档 + agentskills.io 开放标准

Skills 是按需加载的知识文档，遵循 Progressive Disclosure（渐进披露）模式来减少 token 占用；格式与 agentskills.io 开放标准兼容。

• 主目录：所有 Skill 存于 ~/.hermes/skills/——是唯一真源。内置 bundled skills 在安装时复制进来；通过 Hub 安装的和 Agent 自建的都放这里。Agent 可以修改或删除任何 Skill。
• 外部 Skill 目录：可以通过配置额外指向扫描文件夹，与主目录并行生效。
• Bundled Skills Catalog + Optional Skills Catalog：官方维护两份目录（随文档链接提供）。
• 三种"不要内置 skills"的方式：
• 安装时 --no-skills （作用于默认 profile）
• 创建 profile 时 hermes profile create <name> --no-skills
• 运行时 hermes skills opt-out [--remove]，再反向 hermes skills opt-in --sync
• 标记文件：.no-bundled-skills marker。只要存在，安装器、hermes update、任何 skills sync 都不会再播种 bundled skills。

2.3 Persistent Memory：有字符硬限制、Agent 自行管理的持久记忆

记忆有两个文件，都存在 ~/.hermes/memories/，在会话开始时作为冻结快照注入 system prompt。

文件	用途	字符上限	约 token
MEMORY.md	Agent 自己的笔记：环境事实、编码惯例、学到的东西	2,200 字符	~800 tokens
USER.md	用户画像：偏好、沟通风格、期望	1,375 字符	~500 tokens

关键点：
- "一个 Hermes 家目录 = 一个 Agent 进程"：两个 Agent 进程不要共享 ~/.hermes，会互相写记忆造成双方都没写过的状态。想多 Agent 共享记忆请用 Profile + 外部记忆提供方（Honcho/Mem0 等）。
- 字符超限不自动压缩：Agent 调用 memory 工具写超出限制时，工具直接报错而非默默截断——Agent 会在同一回合内自己压缩/删条目再重试。replace 操作也受上限约束，把一条替换成长的同样会溢出，所以 Agent 必须先缩短或者删另一条。

2.4 Context Files：项目级规则文件，有严格发现优先级

Hermes 会自动发现项目上下文文件并按如下优先级从高到低注入 system prompt：.hermes.md → AGENTS.md 链 → CLAUDE.md → .cursorrules。这意味着如果你想写项目专属规则，最高优先级是写 .hermes.md；已有团队在 AGENTS.md 中的规则会被继承；Claude Code / Cursor 的规则文件也自动适配——不强迫你改一遍。

注意：SOUL.md（人格）不在这个上下文发现链里，它走单独的 personality 机制。

2.5 Context References：@ 引用文件/文件夹/git diff/URL，自动展开

消息中 @ 后面跟引用：文件、文件夹、git diff、URL 都可以直接注入。Hermes 把引用内联展开，自动追加内容到输入。这是目前 AI IDE / Agent CLI 的标准交互范式，Hermes 内置原生支持。

2.6 Checkpoints & Rollback：改文件前自动快照，/rollback 一键回滚

Hermes 在任何文件改动前自动对工作目录做快照。出现意外时 /rollback 回退，是对"Agent 写崩了项目"的终极保险网。命令走的是 /rollback 斜杠命令。

3. Automation 自动化：Cron / 子 Agent / execute_code / Hooks / 批处理

3.1 Scheduled Tasks (Cron)：自然语言 + Cron 表达式 + 独立模型 + no-agent 模式

cronjob 工具以 action-style 暴露 create/list/update/pause/resume/run/remove 七种操作。Cron 的能力远不止"定时跑 LLM 对话"：

• 投递系统：结果可以发送回发起聊天、本地文件、或任意已配置平台目标。发送走 cron 自带的 delivery、hermes send CLI 和网关 notifier——不是 Agent-callable tool 发的，所以执行安全边界是独立的。
• Skills 挂载：一个 cron 任务可以挂 0~N 个 skills，让定时任务有专属知识库。
• 三层模型解析（执行时才决定用什么模型）：
  1. 每个 job 单独 pin（用户拥有，Agent 的 cronjob 工具不能改 pin）→ CLI：hermes cron create/edit --model … --provider … 或直接改 jobs.json
  2. cron.model + cron.model_provider 在 config.yaml 中设 cron 车队默认值
  3. 全局 hermes model 跟随。快照机制：创建时记 provider+model，若之后全局默认变了，job fail closed：跳跑并在日志里记录"默认模型快照不匹配，为避免跑错模型我没跑。"
• No-agent Mode（只跑脚本）：完全不调 LLM。cron 触发一个 shell/python/js 脚本，stdout 原样投递。零 token 费用——这一点在批量监控任务上非常有用。

3.2 Subagent Delegation：delegate_task 默认并发 3，子 Agent 零知识 + 自动注入项目上下文

关键事实一：子 Agent 什么都不知道。只有 goal + context 两个字段给进去，没有任何父对话历史、没有之前 tool call 记录，完全独立。

关键事实二：唯一例外是 workspace 的项目上下文文件链。如果父 Agent 已经解析出一个 workspace 根，子 Agent 的 system prompt 会自动嵌入该 repo 的 .hermes.md → AGENTS.md → CLAUDE.md → .cursorrules（SOUL.md 排除）。所以子 Agent 在同一个仓库里自动按 repo 约定做事，不用重新发现。

两种调用形式：

# 单任务
delegate_task(goal="Debug why tests fail", context="Error: assertion in test_foo.py line 42")

# 并行批量（默认并发 3，可配置，无硬上限）
delegate_task(tasks=[
    {"goal": "Research topic A", "context": "..."},
    {"goal": "Research topic B", "context": "..."},
    {"goal": "Fix the build", "context": "..."},
])

顶层 model 调用自动后台执行。Hermes 立刻返回一个句柄，父对话可以继续聊，完成后再回传结果；编排型子 Agent 会等自己的 workers 全部完成再合成结果。

3.3 Code Execution：execute_code Python 沙箱 RPC

Agent 写 Python 脚本，脚本内部可以通过 RPC 直接调用 Hermes 自身工具。好处是把多步工作流（先工具 A 拿结果、再工具 B 处理、再根据结果 C 决定分支）折叠成一个 LLM 回合——不需要模型每一步重新推理。Sandboxed RPC 执行，安全隔离。

3.4 Event Hooks：关键生命周期注入自定义代码

分为两大类：
- Gateway Hooks（网关钩子）：日志、告警、Webhook——处理消息进出通道层面的拦截。
- Plugin Hooks（插件钩子）：工具拦截、指标收集、护栏——处理 Agent 决策面的检查。

具体用场景：把所有终端命令的实际执行记录到审计系统里；在发邮件/写工单之前额外做一次合规扫描；在每一次模型调用前后埋入 APM 指标。

3.5 Batch Processing：成百上千 Prompt 并行

从 CLI 把几百上千个 prompt 批量喂给 Hermes Agent 并行跑，产出结构化 ShareGPT 格式的轨迹数据。典型用途：
- 构造自己的 SFT / DPO 训练集（让 Hermes 示范好的行为轨迹）
- 大规模评估（eval）：把测试集全部跑一遍，拿到结构化 pass/fail 和 token 成本

4. Media & Web：语音 / 唤醒词 / 浏览器 / 视觉 / 出图 / TTS

4.1 Voice Mode：CLI + 全消息平台 + Discord 语音频道

不是"语音转文字 + 文字转语音"的简单拼接，而是完整的语音交互管道：
- CLI 模式：用麦克风直接跟 Hermes 对话。
- 全消息平台：WhatsApp、飞书、钉钉、LINE、QQ、微信等发语音消息 → Hermes 转录 + 回答 + 语音返回。
- Discord 语音频道：实时跟频道里的人做 live voice 对话。

4.2 Wake Word：本地端侧"Hey Hermes"

On-device 热词监听，所以在等待唤醒时没有任何音频流出设备。CLI、TUI、桌面端三端都支持。多 Profile 路由：不同唤醒词可以直达不同 Profile 的 Agent。

4.3 Browser Automation：多云多后端 + 本地 CDP

四种后端任你选：
- 云：Browserbase、Browser Use
- 本地 CDP：Chrome、Brave、Chromium、Edge
- 本地 Chromium 独立安装

导航、填表、提取信息全部支持，而且配合 browser_vision 工具还能看图理解页面。

4.4 Vision & Image Paste：剪贴板贴图进 CLI

直接从系统剪贴板把图片粘进 CLI，Agent 调视觉模型分析、描述、处理图像内容。配合 Pasteboard，一条命令就能把截图喂给 Agent。

4.5 Image Generation：FAL.ai 提供 11 个模型

生成模型列表（官方列出，全是 FAL.ai 后端）：

1. FLUX.2 Klein
2. FLUX.2 Pro
3. GPT-Image 1.5
4. GPT-Image 2
5. Nano Banana Pro
6. Ideogram V3
7. Recraft V4 Pro
8. Qwen Image
9. Z-Image Turbo
10. Krea V2 Medium
11. Krea V2 Large

通过 hermes tools 选择当前使用哪一个。

4.6 Voice & TTS：10 家原生 TTS + 自定义命令提供方

TTS 提供商（文本转语音）：
- Edge TTS（免费）
- ElevenLabs
- OpenAI TTS
- MiniMax
- Mistral Voxtral
- Google Gemini
- xAI
- NeuTTS
- KittenTTS
- Piper（本地 TTS CLI 热门）

再加一个自定义命令提供方——任何本地 CLI TTS 都可以通过一条 shell 命令包装接入。

STT（语音转文字）：所有消息平台上的语音消息都走统一转录管道 + 统一语言解析，防止回来的 transcript 语言错乱；OpenAI GPT-Transcribe 原生支持；还有一个跨所有 TTS 提供方的"统一语音预处理器"负责把 markdown、代码、URL 从要朗读的文本里清洗掉，避免念出三个反引号和 HTTP 协议。

5. Integrations 集成：MCP / Provider 路由 / Fallback / 凭证池 / Cache / 8 家记忆 / API Server / ACP

5.1 MCP：stdio + HTTP 双传输 + 官方 Catalog

MCP 支持是标准安装自带的，不用额外步骤。config.yaml 里的 mcp_servers 对应 Claude Code 的 ~/.claude.json 的 mcpServers——而且 hermes import-agent claude-code 会把整个配置（含 skills 和 instructions）一起迁移。

MCP 给 Hermes 带来的东西：

• 不需要写原生 Hermes 工具就能接入外部工具生态
• 同一配置里并存本地 stdio 服务器 + 远程 HTTP 服务器
• 启动时自动发现和注册所有工具
• 支持 per-server 工具过滤（你可以只暴露自己想让 Hermes 看到的几个工具，而不是整个 MCP Server 的工具全露给它）
• 支持 sampling 配置
• 官方 Catalog：经过 Nous 员工 review 的一批 MCP 服务器，默认关闭按需安装：
  hermes mcp # 交互 picker hermes mcp catalog # 脚本友好的纯文本列表 hermes mcp install n8n # 按名字安装 catalog 项

5.2 Provider Routing：哪次推理用哪家模型，你说了算

精细控制每次请求到底走哪家 provider。优化维度三维：

• 按成本优化
• 按速度优化
• 按质量优化

控制手段：排序 + 白名单 + 黑名单 + 优先级顺序。你能把"便宜的先试、失败再试贵的"或者"只有代码生成任务用强模型、其余用便宜"这样的策略配置进去。

5.3 Fallback Providers：主挂自动切，视觉/压缩有独立 Fallback

当你的主模型出故障（HTTP 5xx、限流）时，自动 Failover 到备用 Provider。更狠的一点：视觉任务、上下文压缩任务，都可以跟主 LLM 的 Fallback 独立配置——主模型倒了但视觉模型可能还活着，反之亦然。

5.4 Credential Pools：多 Key 轮询 + 限流自动切走

同一家 provider 的多个 API Key 丢进池。按顺序轮询；一旦某 Key 遇到 rate limit 或失败，自动从当前轮换里切走一段时间，恢复回来再插回。

5.5 Prompt Caching：跨会话 1 小时前缀 Cache，零配置

对 Anthropic 原生、OpenRouter、Nous Portal 三个渠道自动开启跨会话 1 小时前缀缓存。不需要任何配置开关。对你反复使用同一段 system prompt + SOUL.md + 记忆 + 大段上下文的场景，可以极大减少重复计费。

5.6 Memory Providers：8 家外部记忆提供方

超越 MEMORY.md/USER.md 的内置记忆边界，做跨会话用户建模和个性化：

1. Honcho
2. OpenViking
3. Mem0
4. Hindsight
5. Holographic
6. RetainDB
7. ByteRover
8. Supermemory

都是以记忆提供方插件形式安装。如果要让多个 Profile/Bot 共享记忆，外部提供方是唯一官方推荐做法。

5.7 API Server：OpenAI 兼容 HTTP 端点

把 Hermes 暴露成一个 /v1/chat/completions 风格的 OpenAI 兼容 HTTP 端点。结果是：任何能接 OpenAI 的前端都能直接接 Hermes——官方明确列了三个：
- Open WebUI
- LobeChat
- LibreChat

5.8 IDE Integration (ACP)：VS Code / Zed / JetBrains

Hermes 作为后端跑在 ACP（Agent Communication Protocol，不同 ACP 哦，注意这里是 IDE 用的 ACP）兼容的编辑器里：聊天、工具活动、文件 diffs、终端命令，全部在编辑器内部原生渲染。不要把 Hermes 当 CLI 外面开一个终端，直接在 IDE 里用。

6. Customization 定制：SOUL 人格 / Skins 皮肤 / 三类插件

6.1 SOUL.md & Personality：system prompt 的第一位 + /personality 预设切换

SOUL.md 是人格主文件，它出现在 system prompt 的最顶部——是对 Agent 性格最有话语权的注入点。你可以写一整套"你是一个怎样的助手、如何回答问题、禁忌是什么"。配合 /personality 命令可以在会话中切换到内置或自定义预设，一次对话里改人格是标准操作，不是 hack。

6.2 Skins & Themes：CLI 视觉全可定制

可以改的项：Banner 配色 / Spinner 的表情与动词 / 响应框标签 / 品牌文字 / 工具活动前缀。全是小改动，但对内部品牌或团队统一体验非常有用——一行一行改 config 就能把 Hermes CLI 的脸换了。

6.3 Plugins：三大类 + hermes plugins 交互管理

三种插件类型：

• 通用插件（Tools + Hooks）：加入自定义工具、拦截工具调用、指标、护栏
• 记忆提供方插件：把上面 8 家之外的记忆接入进来
• 上下文引擎插件：替换默认的上下文处理方案（做自己的相关性排序、注入外部知识源等）

统一通过 hermes plugins 交互 UI 安装、管理、删除。

7. 各层能力与同类竞品对照表

功能维度	Hermes Agent（本文）	Claude Code 2.x	Codex（OpenAI）	Teams Copilot
Tools 内置覆盖面	Web+X+终端+文件+浏览器+媒体+编排+记忆+Cron+HomeAssistant+MCP	Web+终端+文件+MCP+图像	Web+终端+文件+Office/邮件/日历/PPT等	仅限 M365 Graph + 声明式 Agent Action Plugin
Skills / 指令库	agentskills.io 兼容 · 渐进披露 · 可 opt-out	SKILL.md · 较简单	仅 Teams 端 Cowork SKILL.md（用户级）	SKILL.md Cowork 级；Agent 侧是 Prompt 指令
持久记忆字符上限	MEMORY.md 2200c + USER.md 1375c + 8 外部记忆提供方	无公开硬上限 · MEMORY.md + USER.md 等	workspace 级无公开上限	会话级为主；SharePoint 作为知识源
上下文发现链	.hermes.md → AGENTS.md → CLAUDE.md → .cursorrules	AGENTS.md + CLAUDE.md + SOUL.md + .cursorrules 等	Teams 工作空间 + M365 文档	仅 M365 Graph / SharePoint / Outlook
@引用	文件/文件夹/@diff/URL 自动展开	文件/文件夹/@diff/MCP server / @workspace	文件 + MCP	无原生 @引用机制，仅文件上传
自动快照 + /rollback	✅ 改文件前自动快照，斜杠命令回滚	✅ Checkpoint & Rollback	❌ N/A	❌ N/A
Cron	自然语言+Cron · Skills 挂载 · 独立模型 pin · no-agent · fail closed closed snapshot 安全	基本 /cron	自动化（Automation）做定时	有 Power Automate 但 Copilot 本身无 Cron
delegate_task	默认并发 3 · 子Agent 独立上下文+终端+自动注入项目上下文 · 后台执行	delegate_task 子Agent（日志不可见）	Team 多 Agent（可视面板）	声明式 Agent 无原生子Agent delegation（靠 Message Extension）
execute_code Python RPC	✅	execute_code（Python+JS+shell）	❌	❌
Event Hooks	Gateway + Plugin 两大类	Hooks 但文档没公开细化	N/A	Power Platform Connectors / Copilot Studio Topic 钩子
Batch Processing ShareGPT 轨迹	✅ 成百上千 prompt 并行	部分可实现但非官方主打	无	无
语音模式 + 多平台	✅ CLI + 全消息平台 + Discord 语音 + 唤醒词	无语音	语音笔记式但非流式	语音仅限 Teams 会议
浏览器	4 种后端 Browserbase/BrowserUse/CDP/本地Chromium	自带 Browser Use	内建浏览器	无内建浏览器
视觉+贴图	✅ 剪贴板贴图进 CLI	✅	✅（文件上传）	图像上传但非原生 paste
出图模型数	11 FAL.ai	DALL·E 3 + 其他 MCP	原生 DALL·E 3/图像 1.5	Teams 聊天中禁图像生成（官方文档）
TTS 提供方数	10 + 自定义命令	无	无	无
MCP	✅ 原生 + Catalog 一键安装 + per-server 过滤	✅ 原生 + mcpServers.json	✅ 原生	需要声明式 Agent + Action Plugin
Provider 路由 / Fallback / 凭证池 / Prompt Cache	四套全独立支持	部分支持但细粒度弱	模型锁定自家	Copilot 锁定自家 GPT；自定义引擎 Agent 能带别家但流程重
外部记忆提供方	8 家插件接入（Honcho/Mem0…）	部分通过 MCP	N/A	仅 M365 自带知识库/语义索引
OpenAI 兼容 API Server	✅ Open WebUI/LobeChat/LibreChat 已验证	❌	自家专用	✅（M365 Copilot Chat API Preview，但限制硬）
IDE (ACP)	✅ VS Code / Zed / JetBrains	VS Code + Cursor 自家产品 + JetBrains WIP	无原生 ACP 但可用 VS Code Copilot	Copilot for VS Code 另购
SOUL / 人格 / 皮肤	✅ SOUL.md + /personality 切换 + CLI 5 项皮肤	✅ SOUL.md（但皮肤无）	无原生人格配置	声明式 Agent Persona 是 metadata
插件体系	通用工具/记忆提供方/上下文引擎 三大类 + 交互管理	Skill 生态但非插件形态	Plugin 市场 + Copilot GPTs	Teams App Manifest + Copilot Studio 插件/连接器

---

作者: itech001
来源: 公众号：AI人工智能时代(the-ai-era)
网站: https://www.theaiera.top/
关注每日最新AI新闻和技术博客，主页有更多的文章的AI 技术参考：https://www.theaiera.top

本文首发于 AI人工智能时代，转载请注明出处。