阅读本书前你可以先跑通一个最小化 Agent

时间线锚点：2026 年 2 月，Nous Research 开源了 Hermes Agent，一个带持久记忆和自我进化能力的自主 Agent。到 2026 年 6 月，项目已在 GitHub 累积 35,000+ 行 Python 代码，支持 11 个模型家族和 15 个以上的平台网关。

本章使命：如果你刚打开这本书，先别急着啃架构设计。用 10 分钟在你本地跑通一次 Hermes Agent 聊天，看看它怎么思考、怎么记忆。这个感性认识会比任何文字描述都管用。

你需要什么

最终成果

完成本章后，你会得到：

• 本地可运行的 Hermes Agent 命令行工具 hermes。
• 一次完整的多轮对话——Agent 在聊天的过程中调用了工具、写入了记忆文件。
• 能看懂 Hermes 的 ReAct 执行循环和自动生成的 MEMORY.md 文件。

为什么做这个：这是理解 Hermes 动态行为的起点。后面的架构拆解、分层设计，都会建立在这个最基础的交互体验之上。如果连最干净的聊天跑不通，再复杂的功能配置都是空中楼阁。

步骤说明

第一步：安装 Hermes Agent

打开终端，先创建一个独立的 Python 虚拟环境（避免污染系统依赖）：

# 创建并激活虚拟环境（Linux/macOS）
python3 -m venv hermes_venv
source hermes_venv/bin/activate

# Windows 用户：
# python -m venv hermes_venv
# hermes_venv\Scripts\activate

然后使用 pip 安装：

pip install hermes-agent

预期结果：安装完成后，在终端输入 hermes --version，应看到类似 hermes-agent 0.x.x 的版本信息。

如果安装过程中提示缺少编译工具（尤其在 Linux 裸机上），请先执行 sudo apt install build-essential（Ubuntu）或对应发行版的 C 编译器包。

第二步：配置模型提供商

Hermes 不会内置任何模型服务，你需要告诉它“去哪里调用模型”。

最简单的接入方式是使用 Nous Portal（官方 OAuth 认证，一次配置同时获得模型访问和四项工具网关——网页搜索、图片生成、文本转语音、浏览器能力）：

hermes setup --portal

浏览器会自动打开认证页面，授权后 Hermes 会保存配置。

如果你有自己的 API 密钥（比如 OpenAI），也可以直接指定提供商的 endpoint：

# 列出当前支持的模型提供商
hermes model list

# 选定一个提供商并输入 API Key、模型名称和上下文长度
hermes model add

预期结果：配置完成后，运行 hermes model show 会看到当前激活的模型名称和 endpoint。上下文长度至少推荐 64K token，Hermes 的对话 + 记忆很可能超出短上下文模型的上限。

⚠️ 踩坑提醒

• 如果你用的是本地模型（Ollama / vLLM / LocalAI），一定要显式确认三点：endpoint 地址可访问、模型名与本地一致、上下文长度填写真实值。很多“安装成功了但发消息无反应”的问题都出在这里。
• 在基础聊天验证通过之前，不要去配置多提供商 fallback 或路由——否则出了问题定位困难。

第三步：发起第一次 Agent 聊天

hermes chat

你会看到一个类似聊天的终端界面。先投喂一句简单的指令，比如：

Hello, my name is Alex. I'm writing a tech book about AI Agents.
Can you help me outline the first chapter?

然后观察 Agent 的思考过程。

预期结果：Agent 会逐轮输出“思考→行动→观察”的循环，最终回复一个章节大纲。

Hermes 采用 ReAct 执行循环，在终端中你会看到类似这样的输出：

Thought: The user wants an outline. I should search for best practices on structuring a tech book
Action: web_search
Observation: [Results from search tool]
Thought: Now I have enough information to write the outline
Answer: Here is a suggested outline...

但本章我们只需要跑通，暂不深究 ReAct 细节（第三章会专门讲执行循环的实现）。

第四步：查看执行日志和记忆文件

保持 hermes chat 运行，完成两轮对话后，在另一个终端标签页中查看项目目录（一般是你的启动目录下的 .hermes/ 文件夹）：

# 进入 hermes 工作目录
cd ~/.hermes  # Linux/macOS；Windows 通常在 %USERPROFILE%\.hermes

# 查看记忆文件
cat MEMORY.md

你会在 MEMORY.md 中看到类似这样的内容：

# Memory File

## Alex
- Name: Alex
- Currently writing a tech book about AI Agents
- Requested an outline for the first chapter

这就是 Hermes 的持久记忆写入——在对话过程中自动提取关键信息并结构化保存。它会随着你的后续交互不断累积、更新，甚至在未来跨越不同任务时继续起作用。

预期结果：MEMORY.md 中至少包含你在对话中提过的名字和核心任务。如果文件还不存在，可以先退出 Agent（输入 /bye），Hermes 会在退出时刷新记忆。

回顾

5 个步骤，实际耗时通常在 10 分钟以内：

1. 创建虚拟环境 + pip install hermes-agent
2. 配置模型提供商（Portal 或手动加 key）
3. 运行 hermes chat 发起对话
4. 观察 ReAct 循环输出
5. 检查 MEMORY.md 确认记忆写入

你已经完成了一个最小化闭环：安装 → 配置 → 聊天 → 验证记忆。这与官方文档中“先跑通一次干净的聊天，再叠加功能”的启动原则完全一致。在后面的章节中，我们会在这个基础上一步步解开 Hermes 的三层骨架、六大子系统以及它们之间的耦合关系。

行动清单

如果你现在就想动手，按这个顺序来：

1. 打开终端，创建并激活一个 Python 3.11+ 的虚拟环境。
2. 执行 pip install hermes-agent，验证 hermes --version 正常。
3. 使用 hermes setup --portal 完成认证，或 hermes model add 手动配置。
4. 运行 hermes chat，与 Agent 完成至少两轮对话。
5. 检查 ~/.hermes/MEMORY.md 文件内容。

下一章《三层骨架解决了调用方式与执行逻辑的耦合》将进入 Hermes 架构的“第一层”——Entry Points 层。你会发现，你刚刚使用的 hermes chat 只是整个系统里四种入口方式之一，而它之下隐藏的是一套可以脱离 CLI、以 API 或消息网关形式对外提供一致行为的成熟分层设计。