自主智能体
为什么带有学习循环的智能体改变了自主AI的游戏规则
Nous Research的Hermes Agent超越了典型的编码副驾驶，嵌入了一个闭环学习循环、跨会话记忆和自主技能创建。它可以在任何地方运行，集成20多个消息平台，并旨在随着时间的推移建立每个用户的深度模型。
我们已经习惯了回答问题、编写代码和生成图像的AI助手。但大多数都有根本缺陷：每次对话都从空白开始，没有真正的记忆了解你是谁或之前问过什么。Nous Research的新Hermes Agent试图通过其所谓的“闭环学习循环”来打破这种模式, , 这是一个旨在不断自我改进而不是每次会话重置的自主智能体。
这种区别很重要。Hermes不是一个围绕单一API的聊天机器人封装，也不是绑定在IDE上的副驾驶。它是一个可以住在便宜的VPS、GPU集群或Daytona或Modal等无服务器基础设施上的智能体，这些环境在空闲时会休眠，成本几乎为零。用户通过CLI或20多个消息平台（包括Telegram、Discord、Slack、WhatsApp和Signal）进行交互，而实际工作在用户可能从未直接SSH连接的机器上运行。
闭环学习循环作为差异化因素
这个故事最强的部分是学习循环本身，这是一个设计选择，使Hermes区别于大多数当前的智能体框架。大多数智能体在会话内执行任务，一旦上下文窗口耗尽或对话结束，就会忘记一切。Hermes相反实现了：
- 智能体策划的记忆，定期提示以持久化重要内容
- 自主技能创建：智能体根据经验编写自己的可重用程序
- 技能在使用中自我改进，因此技能在每次调用时都变得更好
- 带LLM摘要的FTS5跨会话回忆，即使当前上下文未提及，智能体也能检索相关过去信息
- 通过Honcho进行辩证用户建模：智能体跨会话构建每个用户的深度模型，包括偏好、模式和目标
这种架构反映了几家研究实验室一直在探索的转变：从无状态提示转向积累持久身份的带状态智能体。Nous Research, , Hermes、Nomos和Psyche模型系列背后的实验室, , 押注于智能体从其自身使用中学习的能力将产生一种质的不同体验，一种智能体感觉更像是一位了解你工作风格的协作者，而不仅仅是一个工具。
| 类别 | 典型限制 | Hermes方法 |
|---|---|---|
| 编码副驾驶（如GitHub Copilot、Cursor） | 会话范围，无持久用户模型 | 跨会话记忆和技能重用 |
| 聊天机器人封装（ChatGPT、Claude网页版） | 无状态或有限回忆；无自主行动 | 在远程基础设施上自主执行任务 |
| 智能体框架（LangChain、AutoGPT） | 通常是单会话；学习循环是可选而非默认 | 学习循环是核心架构 |
| 无服务器智能体平台（如Modal、Daytona） | 环境重置；跨运行无内置记忆 | Hermes在其上提供持久化层 |
不仅仅是学习循环：基础设施
除了记忆和技能架构外，Hermes还配备了一套强大的功能集，使其立即可用于生产环境。它包括60多个内置工具，涵盖网页搜索、图像生成、文本转语音、浏览器自动化等，全部通过单一的Nous Portal订阅或OpenRouter、OpenAI或任何自定义端点访问。对于模型提供商，智能体可与任何LLM后端配合使用，尽管它自然针对Nous Research自己的Hermes系列进行了优化。
多平台消息网关是另一个务实的差异化因素。虽然许多智能体提供单一的聊天界面或单一的Slack集成，但Hermes通过一个统一的网关路由所有消息，支持CLI、Telegram、Discord、Slack、WhatsApp、Signal、Matrix、Mattermost、电子邮件、短信、钉钉、飞书、企业微信、微信、QQ机器人、BlueBubbles、Home Assistant、Microsoft Teams、Google Chat等。例如，用户可以从Telegram发送任务，智能体在云虚拟机上执行，然后在同一平台上接收结果。
该智能体还支持将工作委托给孤立的子智能体以进行并行任务，这一功能称为“委托与并行化”。通过程序化工具调用，多步骤流程可以合并为单个推理调用，减少复杂工作流的延迟。
社区与技能可移植性
更有趣的设计选择之一是技能的开放标准：Hermes将技能引入为便携、可共享的单元，兼容agentskills.io。技能本质上是程序性记忆：智能体学习任务并重用它们，但用户也可以下载社区构建的技能。Skills Hub提供了一个不断增长的预制技能库，降低了不想从头训练智能体的用户的入门门槛。
这种社区驱动的方法在开源LLM领域取得了成功（Hugging Face的模型中心是典型的例子），但对于通常绑定到特定框架的智能体技能来说并不常见。通过使技能开放和跨兼容，Nous Research押注于共享技能生态系统将加速采用。
研究就绪与安全考虑
对于研究社区，Hermes包括批处理、轨迹导出和通过Atropos进行强化学习训练，Atropos是一个工具链，允许研究人员使用真实的对话轨迹微调智能体的行为。这将智能体定位为不仅是一个产品，而且是一个研究自主学习循环的平台。
在安全方面，该智能体实现了命令审批工作流、授权层和容器隔离。鉴于Hermes可以执行shell命令、生成子智能体并与外部API交互，这些防护措施至关重要。安全文档详细说明了权限范围以及用户如何配置智能体在未经手动确认的情况下允许执行的操作。
更广泛的问题是自主学习循环能否在不引入新故障模式的情况下兑现其承诺。一个修改自身技能并存储持久用户模型的智能体会引起对漂移、幻觉传播和隐私的明显担忧，特别是当记忆系统旨在构建用户的深度模型时。Nous Research已发布其架构文档和配置文件，但独立审计学习循环的安全机制将加强企业环境采用的理由。
底线
Hermes Agent不是第一个自主智能体框架，但其闭环学习循环和跨会话记忆代表了与当前主导的无状态范式的真正架构背离。通过使学习成为默认而非附加功能，Nous Research正在推动对话向前发展，尽管最有趣的结果只有在智能体与真实用户一起运行数天或数周后才能显现。
真正的考验不是功能列表。而是经过一个月的使用后，智能体是否真的比第一天更了解你。
每天早晨用 3 分钟掌握科技要闻
每个工作日一封邮件，只讲真正重要的 AI 与科技动态。