Hermes Agent on KnightLi的博客

Windows 用 WSL + Ollama 本地部署 Hermes Agent，并接入 Telegram

Sat, 18 Apr 2026 00:48:22 +0800

如果你想在 Windows 上尽量低门槛地跑 Hermes Agent，一个比较顺手的路径是：

宿主系统继续用 Windows
在 WSL 里跑 Ubuntu
用 Ollama 提供本地模型
让 Hermes Agent 直接连接本地 Ollama 接口

这样做的好处是环境相对干净，命令大多按 Linux 方式执行，同时又不需要单独准备一台 Linux 机器。

整体流程

这套部署可以拆成 5 步：

启用 WSL 并安装 Ubuntu
在 Ubuntu 里补齐 Python、Node.js、Git 等运行环境
安装 Ollama 并拉取本地模型
安装 Hermes Agent，再接入 Telegram

如果你只想先把 Hermes Agent 跑起来，其实做到第 4 步就已经接近完成了。

1. 安装 WSL 和 Ubuntu

在管理员权限的 PowerShell 里执行：

`1`	`wsl --install`

安装完成后重启电脑，然后继续安装 Ubuntu：

`1`	`wsl --install -d Ubuntu`

之后打开 Windows Terminal，切到 Ubuntu 环境，后续命令基本都在这里执行。

2. 更新 Ubuntu，并安装基础环境

先更新系统：

1
2

sudo apt update
sudo apt upgrade -y

然后安装 Python、解压工具、Node.js 和 Git。

安装 Python

`1`	`sudo apt install python3-pip python3-venv -y`

安装 zstd

`1`	`sudo apt install -y zstd`

安装 Node.js

1
2

curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
sudo apt install -y nodejs

安装 Git

1
2

sudo apt update
sudo apt install -y git

安装完成后可以顺手检查一下：

1
2
3

node -v
npm -v
git --version

3. 安装 Ollama，并拉取 Gemma 4

安装 Ollama：

`1`	`curl -fsSL https://ollama.com/install.sh \| sh`

如果你打算给 Hermes Agent 配一个本地模型，可以直接从 Gemma 4 开始。

例如：

`1`	`ollama run gemma4:e4b`

如果机器资源更弱，也可以试：

`1`	`ollama run gemma4:e2b`

更大的版本还有：

1
2

ollama run gemma4:26b
ollama run gemma4:31b

对大多数 Windows + WSL 的普通机器来说，gemma4:e4b 通常是一个更实际的起点。

4. 安装并配置 Hermes Agent

安装命令：

`1`	`curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh \| bash`

安装完成后，给它指定 Ollama 的本地接口：

`1`	`http://127.0.0.1:11434`

模型名填你本地实际在用的那个，例如：

`1`	`gemma4:e4b`

如果安装脚本要求刷新 shell，可以执行：

`1`	`source ~/.bashrc`

Hermes Agent 常用命令

平时最常用的是下面几个：

启动

hermes

重新进入配置

`1`	`hermes setup`

配置聊天平台网关

`1`	`hermes setup gateway`

更新

`1`	`hermes update`

接入 Telegram 的基础步骤

如果你要让 Hermes Agent 通过 Telegram 收发消息，核心还是先跑一遍：

`1`	`hermes setup gateway`

然后准备 Telegram 侧需要的两个东西：

用 BotFather 创建机器人
用 @userinfobot 获取你的 User ID

拿到这些基础信息后，再按 Hermes Agent 的网关配置继续填入即可。

这一套方案适合什么人

这套方式比较适合下面几类用户：

平时主力系统就是 Windows
不想单独折腾完整 Linux 主机
想先把本地 Agent 跑通，再慢慢扩展聊天平台接入
希望优先用本地模型，不依赖云端 API

如果你只是想本地体验一个 Agent，而不是一开始就做复杂生产部署，这条路线已经足够实用。

需要注意的几个点

WSL 本质上还是一层兼容环境，极端场景下稳定性未必和原生 Linux 完全一样
大模型能不能跑得顺，最终还是取决于你的内存、显存和 CPU / GPU 条件
gemma4:e4b 虽然是比较现实的起点，但具体体验还是要看机器配置
Hermes Agent 的聊天平台接入属于“能力扩展”，先把本地模型链路跑通，再加 Telegram，会更稳

结论

如果你想在 Windows 上尽量简单地本地部署 Hermes Agent，比较顺的顺序就是：

WSL -> Ubuntu -> Ollama -> Gemma 4 -> Hermes Agent -> Telegram

先把本地模型跑通，再做网关接入，成功率会高很多。
对大多数用户来说，这比一上来就堆很多组件更容易排错，也更适合后续继续扩展。

Hermes Agent 是什么：简介、优点、快速上手与 OpenClaw 对比

Sun, 12 Apr 2026 14:07:58 +0800

如果你最近在关注开源 AI Agent，Hermes Agent 是一个很值得看一眼的新项目。它由 Nous Research 推出，核心卖点不是“再做一个聊天壳子”，而是把长期记忆、技能沉淀、上下文文件、MCP 扩展、消息网关和子代理并行这些能力，尽量收敛进一个统一的 agent 运行环境里。

从官方 README 的表述看，Hermes Agent 的目标很明确：它既可以像本地 CLI 助手一样在终端里工作，也可以像一个常驻云端的个人助理一样，通过 Telegram、Discord、Slack、WhatsApp、Signal 等渠道和你持续对话。对于希望把“代码助手”“自动化助手”“个人 AI 工作台”合并到一个系统里的用户来说，这个定位是很有吸引力的。

01 Hermes Agent 简介

Hermes Agent 是 Nous Research 开源的自改进型 AI Agent。它支持多种模型提供方，包括 Nous Portal、OpenRouter、OpenAI 以及自定义兼容 OpenAI 的端点；也支持在本地终端、Docker、SSH、Daytona、Modal 等不同执行后端上运行。

它和很多“会调用工具的聊天机器人”最大的区别在于，Hermes 不是只强调一次会话里的工具调用，而是强调跨会话的持续能力建设。官方文档里把这种思路拆成几块：

持久记忆：通过 MEMORY.md 和 USER.md 保存关于环境、项目、用户偏好的关键信息。
技能系统：把复杂任务里学到的流程沉淀成技能，后续按需加载。
上下文文件：自动读取 AGENTS.md、SOUL.md、.cursorrules 等文件，把项目约定直接注入会话。
MCP 集成：可以接入任何兼容 MCP 的工具服务器，扩展数据库、GitHub、文件系统、抓取等能力。
消息网关：除了 CLI，还能通过 Telegram、Discord、Slack、WhatsApp、Signal、Email 等入口使用。

如果只用一句话概括，Hermes Agent 更像是一个“带记忆、带技能、可扩展、可多端接入的通用 Agent 操作层”。

02 它的优点在哪里

1. 同时覆盖 CLI 工作流和消息工作流

很多 agent 项目要么偏“终端内开发助手”，要么偏“聊天平台机器人”。Hermes 想做的是把这两件事合并起来。你可以直接在终端里运行 hermes，也可以启动 gateway 后从 Telegram 或 Discord 上继续同一个助手。

这种设计的好处是，Hermes 不局限于“坐在电脑前时才有用”。如果你把它部署在云端或者 VPS 上，它可以变成一个持续在线的个人 AI 助理。

2. 对“长期使用”考虑得比较完整

Hermes 不只是会聊天和调工具，它还强调长期积累：

有边界的持久记忆，而不是无限堆上下文。
有技能系统，可以把成功流程保存下来复用。
能搜索过去会话，做跨会话召回。
能读取项目里的上下文文件，减少每次重复解释项目背景。

对于经常在固定代码库、固定工作流、固定团队规范里反复工作的用户，这一点很重要。它意味着 agent 不只是“这次帮你做点事”，而是会逐渐更懂你的环境。

3. MCP 支持让扩展性很强

Hermes 官方文档明确支持 MCP，并且说明了 stdio 和 HTTP 两类接入方式。也就是说，只要某个外部系统已经有 MCP server，Hermes 理论上就可以较低成本接进去。

这比每次为单个系统单独写插件更灵活。对于已经在 MCP 生态里积累了一批工具的人，Hermes 的接入成本会低很多。

4. 对 OpenClaw 用户很友好

这一点很有意思。Hermes README 里直接提供了 hermes claw migrate，并写明可以从 OpenClaw 导入配置、记忆、技能、API key、消息平台设置等内容。

这说明它并不是完全无视既有生态重新造轮子，而是明确把一部分 OpenClaw 用户视为潜在迁移对象。

03 怎么快速上手

Hermes Agent 官方推荐的安装方式非常直接：

`1`	`curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh \| bash`

官方说明支持 Linux、macOS、WSL2，以及 Android 的 Termux。需要注意的是，README 里明确写了原生 Windows 暂不支持，Windows 用户建议走 WSL2。

安装完成后，通常先刷新 shell：

`1`	`source ~/.bashrc`

然后就可以直接启动：

hermes

如果你想一步一步完成完整初始化，最省心的命令是：

`1`	`hermes setup`

根据官方文档和 README，首次上手可以按下面这个顺序来：

运行 hermes setup，完成基础配置。
用 hermes model 选择模型提供方和模型。
用 hermes tools 开关需要的工具集。
直接执行 hermes，进入交互式 CLI。
如果你想接 Telegram、Discord 之类的渠道，再继续配置 hermes gateway。

如果你本来就是 OpenClaw 用户，还可以先看一眼迁移命令：

`1`	`hermes claw migrate --dry-run`

它会先预览可迁移的内容，再决定要不要正式导入。

04 和 OpenClaw 怎么看

从官方文档和 README 来看，Hermes Agent 与 OpenClaw 并不是简单的“谁替代谁”，而是定位有明显重叠，但侧重点不同。

Hermes Agent 更像什么

Hermes 更像一个偏 agent 内核和工作流系统的产品。它强调的是：

CLI 体验
记忆与技能沉淀
项目上下文文件
MCP 扩展
子代理并行
在本地、容器、远端、serverless 环境之间切换执行后端

如果你的主要诉求是“让 agent 更懂项目、更能持续复用能力、更方便接 MCP 和开发工作流”，Hermes 的方向会更顺手。

OpenClaw 更像什么

OpenClaw 则更像一个以个人 AI 助手和消息网关为中心的平台。它强调：

非常丰富的消息渠道接入
常驻运行的 Gateway
浏览器里的 Control UI
设备配对、远程访问、状态管理
语音、移动端、Canvas 等更强的助手形态

如果你的核心需求是“把一个个人 AI 助手稳定地挂在各种聊天渠道和设备上”，并且希望用控制面板统一管理，OpenClaw 的产品感会更强。

一个更实用的选择建议

可以把两者简单理解成：

Hermes Agent：更偏“会成长的通用 agent 工作台”
OpenClaw：更偏“多渠道常驻型个人 AI 助手平台”

当然，这个区分不是绝对的，因为两边都在继续扩展能力，而且 Hermes 还提供了从 OpenClaw 迁移的路径。但至少从当前公开资料看，Hermes 在“记忆、技能、上下文、MCP、开发工作流”这条线上更突出；OpenClaw 在“网关、多渠道、控制 UI、设备接入”这条线上更成熟。

05 适合谁尝试

如果你属于下面几类人，Hermes Agent 值得优先试一下：

你已经在终端里大量使用 AI 工具，希望 agent 更懂代码库和项目规则。
你想把 AGENTS.md、技能、记忆、MCP 这些能力组合到一起。
你不想被单一模型厂商锁死，希望可以灵活切换 provider。
你原来就在用 OpenClaw，现在想试试一个更偏 agent 工作流的方向。

如果你更看重的是移动端触达、各种 IM 平台接入、浏览器控制台和“始终在线的个人助理感”，那 OpenClaw 仍然很有吸引力。

参考链接

Hermes Agent GitHub: https://github.com/NousResearch/hermes-agent
Hermes Agent 文档: https://hermes-agent.nousresearch.com/docs/
Hermes Features Overview: https://hermes-agent.nousresearch.com/docs/user-guide/features/overview
Hermes MCP: https://hermes-agent.nousresearch.com/docs/user-guide/features/mcp/
OpenClaw GitHub: https://github.com/openclaw/openclaw
OpenClaw Getting Started: https://docs.openclaw.ai/start/quickstart
OpenClaw Control UI: https://docs.openclaw.ai/web/control-ui