Suryansh Tiwari 在测试了 Hermes Agent 后认为，这可能是第一个真正符合人们预期的 AI 代理——不是因为它有更多工具或更好的基准测试，而是因为它有一个真正的学习循环。
当前 AI 代理的内存问题
过去两年，行业优化了更大的上下文窗口、更好的工具调用、更快的推理、更便宜的模型。但内存仍然是 broken 的。
大多数代理：
- 不真正记住你
- 不从重复工作流中改进
- 不积累操作知识
- 能力不随时间复合增长
Hermes 试图解决这个根本问题。
四个核心差异化
1. 从经验中创建技能
这是真正突出的部分。Hermes 不只是执行任务，它能：
- 将重复工作流转换为可复用的"技能"
- 在未来执行中改进这些技能
- 持久化程序性知识
- 跨会话复用学习成果
这从"临时上下文 + 提示工程"转向了"操作记忆 + 迭代能力增长"。
2. 跨会话召回被严重低估
Hermes 可以用 FTS5 + LLM 摘要搜索过去的对话。这意味着：
- 旧决策保持可发现
- 工作流变得可复用
- 长期项目不再碎片化
- 代理发展出连续性
未来的 AI UX 可能不是"每天打开新聊天"，而是"与具有持久操作上下文的系统进行持续协作"。
3. 云原生而非本地玩具
Hermes 可以运行在：
- 廉价 VPS
- Docker
- Modal、Daytona
- SSH 后端、GPU 集群、serverless
并通过 Telegram、Discord、Slack、WhatsApp、Signal、CLI 交互。你的代理变成：持久、始终可用、云原生、异步的——不是"你打开的应用"，而是"持续运行的数字操作员"。
4. 多模型层设计
支持 OpenRouter、OpenAI、Hugging Face、NVIDIA NIM、Kimi、MiniMax、GLM 等。未来不是"一个模型做所有事"，而是"不同模型对应不同推理风格、按工作负载路由、成本感知编排"。Hermes 已经为这个世界设计好了。
研究驱动的设计
Hermes 感觉是由真正深入思考以下问题的人构建的：
- 代理架构
- 内存系统
- 程序学习
- 自主循环
- 长期交互
这种研究 DNA 体现在设计的每个方面：技能、内存持久化、子代理、自动化。
关键判断
如果这种架构方向获胜，它将完全改变我们思考 AI 系统的方式。从"与聊天机器人交互"变成"与随时间复合能力的系统交互"。
Hermes 的赌注是：未来的代理不是更好的工具调用者，而是更好的学习者。