Hermes Agent on KnightLi的博客

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

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

如果你想在 Windows 上盡量低門檻地跑 Hermes Agent，一個比較順手的路徑是：

宿主系統繼續用 Windows
在 WSL 裡跑 Ubuntu
用 Ollama 提供本地模型
讓 Hermes Agent 直接連接本地 Ollama 介面

這樣做的好處是環境相對乾淨，命令大多按 Linux 方式執行，同時又不需要單獨準備一台 Linux 機器。

整體流程

這套部署可以拆成 4 步：

啟用 WSL 並安裝 Ubuntu
在 Ubuntu 裡補齊 Python、Node.js、Git 等執行環境
安裝 Ollama 並拉取本地模型
安裝 Hermes Agent，再接入 Telegram

如果你只想先把 Hermes Agent 跑起來，其實做到第 3 步就已經很接近完成了。

1. 安裝 WSL 和 Ubuntu

在管理員權限的 PowerShell 裡執行：

`1`	`wsl --install`

安裝完成後重新啟動電腦，然後繼續安裝 Ubuntu：

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

之後打開 WSL 裡的 Ubuntu，後續命令基本都在這裡執行。

2. 更新 Ubuntu，並安裝基礎環境

先更新系統：

1
2

sudo apt update
sudo apt upgrade -y

然後安裝 Python、解壓工具、Node.js 和 Git。

安裝 Python

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

安裝 zstd

`1`	`sudo apt install -y zstd`

安裝 Node.js

1
2

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

安裝 Git

1
2

sudo apt update
sudo apt install -y git

安裝完成後可以順手檢查一下：

1
2
3

node -v
npm -v
git --version

3. 安裝 Ollama，並拉取 Gemma 4

安裝 Ollama：

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

如果你打算給 Hermes Agent 配一個本地模型，可以直接從 Gemma 4 開始。

例如：

`1`	`ollama run gemma4:e4b`

如果機器資源更弱，也可以試：

`1`	`ollama run gemma4:e2b`

更大的版本還有：

1
2

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

對大多數 Windows + WSL 的普通機器來說，gemma4:e4b 通常是更實際的起點。

4. 安裝並配置 Hermes Agent

安裝命令：

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

安裝完成後，給它指定 Ollama 的本地介面：

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

模型名填你本地實際在用的那個，例如：

`1`	`gemma4:e4b`

如果安裝腳本要求刷新 shell，可以執行：

`1`	`source ~/.bashrc`

Hermes Agent 常用命令

平時最常用的是下面幾個：

啟動

hermes

重新進入配置

`1`	`hermes setup`

配置聊天平台閘道

`1`	`hermes setup gateway`

更新

`1`	`hermes update`

接入 Telegram 的基礎步驟

如果你要讓 Hermes Agent 透過 Telegram 收發訊息，核心還是先跑一遍：

`1`	`hermes setup gateway`

然後準備 Telegram 端需要的兩個東西：

用 BotFather 建立機器人
用 @userinfobot 取得你的 User ID

拿到這些基礎資訊後，再按 Hermes Agent 的閘道配置繼續填入即可。

這套方案適合什麼人

這套方式比較適合下面幾類使用者：

平時主力系統就是 Windows
不想單獨折騰完整 Linux 主機
想先把本地 Agent 跑通，再慢慢擴展聊天平台接入
希望優先用本地模型，不依賴雲端 API

如果你只是想本地體驗一個 Agent，而不是一開始就做複雜生產部署，這條路線已經足夠實用。

需要注意的幾個點

WSL 本質上還是一層相容環境，極端場景下穩定性未必和原生 Linux 完全一樣
大模型能不能跑得順，最終還是取決於你的記憶體、顯存和 CPU / GPU 條件
gemma4:e4b 雖然是比較現實的起點，但具體體驗還是要看機器配置
Hermes Agent 的聊天平台接入屬於「能力擴展」，先把本地模型鏈路跑通，再加 Telegram，會更穩

結論

如果你想在 Windows 上盡量簡單地本地部署 Hermes Agent，比較順的順序就是：

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

先把本地模型跑通，再做閘道接入，成功率會高很多。對大多數使用者來說，這比一上來就堆很多元件更容易排錯，也更適合後續繼續擴展。

原文參考

本文根據下列頁面內容整理並改寫：

X超哥博客：太简单了！Hermes Agent 本地部署（无需API）接入 Telegram + 微信

Hermes Agent 是什麼：簡介、優點、快速上手與 OpenClaw 對比

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

如果你最近在關注開源 AI Agent，Hermes Agent 是一個很值得看一眼的新專案。它由 Nous Research 推出，核心賣點不是「再做一個聊天殼子」，而是把長期記憶、技能沉澱、上下文檔案、MCP 擴充、訊息閘道與子代理並行這些能力，盡量收斂進同一個 agent 執行環境裡。

從官方 README 的描述來看，Hermes Agent 的目標很明確：它既可以像本地 CLI 助手一樣在終端裡工作，也可以像一個常駐雲端的個人助理一樣，透過 Telegram、Discord、Slack、WhatsApp、Signal 等管道持續和你對話。對於想把「程式碼助手」「自動化助手」「個人 AI 工作台」合併成同一套系統的使用者來說，這個定位很有吸引力。

01 Hermes Agent 簡介

Hermes Agent 是 Nous Research 開源的自我改進型 AI Agent。它支援多種模型提供方，包括 Nous Portal、OpenRouter、OpenAI，以及自訂的 OpenAI 相容端點；也支援在本地終端、Docker、SSH、Daytona、Modal 等不同執行後端上運作。

它和許多「會呼叫工具的聊天機器人」最大的差別在於，Hermes 不是只強調單次會話裡的工具呼叫，而是更重視跨會話的持續能力建設。官方文件把這種思路拆成幾塊：

持久記憶：透過 MEMORY.md 和 USER.md 保存關於環境、專案、使用者偏好的關鍵資訊。
技能系統：把複雜任務中學到的流程沉澱成技能，之後按需載入。
上下文檔案：自動讀取 AGENTS.md、SOUL.md、.cursorrules 等檔案，把專案約定直接注入會話。
MCP 整合：可以接入任何相容 MCP 的工具伺服器，擴充資料庫、GitHub、檔案系統、抓取等能力。
訊息閘道：除了 CLI，還能透過 Telegram、Discord、Slack、WhatsApp、Signal、Email 等入口使用。

如果只用一句話概括，Hermes Agent 更像是一個「帶記憶、帶技能、可擴充、可多端接入的通用 Agent 操作層」。

02 它的優點在哪裡

1. 同時覆蓋 CLI 工作流與訊息工作流

很多 agent 專案要嘛偏向「終端內開發助手」，要嘛偏向「聊天平台機器人」。Hermes 想做的是把這兩件事合併起來。你可以直接在終端裡執行 hermes，也可以啟動 gateway 後，從 Telegram 或 Discord 繼續同一個助手。

這種設計的好處是，Hermes 不侷限於「坐在電腦前才有用」。如果你把它部署在雲端或 VPS 上，它可以變成一個持續在線的個人 AI 助理。

2. 對「長期使用」考慮得更完整

Hermes 不只是會聊天和調工具，它也強調長期積累：

有邊界的持久記憶，而不是無限堆上下文。
有技能系統，可以把成功流程保存下來重複使用。
能搜尋過去會話，做跨會話召回。
能讀取專案中的上下文檔案，減少每次重複解釋相同背景。

對於經常在固定程式碼庫、固定工作流、固定團隊規範裡反覆工作的人，這一點很重要。它意味著 agent 不只是「這次幫你做點事」，而是會逐漸更懂你的環境。

3. MCP 支援讓擴充性很強

Hermes 官方文件明確支援 MCP，並說明了 stdio 與 HTTP 兩種接入方式。也就是說，只要某個外部系統已經有 MCP server，Hermes 理論上就能以更低的成本接進去。

這比每次為單一系統各自撰寫外掛更靈活。對於已經在 MCP 生態裡累積了一批工具的人來說，Hermes 的接入成本會低很多。

4. 對 OpenClaw 使用者很友善

這一點很有意思。Hermes README 裡直接提供了 hermes claw migrate，並寫明可以從 OpenClaw 匯入設定、記憶、技能、API key、訊息平台設定等內容。

這說明它並不是完全無視既有生態重新造輪子，而是明確把一部分 OpenClaw 使用者視為潛在遷移對象。

03 怎麼快速上手

Hermes Agent 官方推薦的安裝方式非常直接：

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

官方說明支援 Linux、macOS、WSL2，以及 Android 的 Termux。需要注意的是，README 裡明確寫了原生 Windows 暫不支援，Windows 使用者建議改走 WSL2。

安裝完成後，通常先刷新 shell：

`1`	`source ~/.bashrc`

然後就可以直接啟動：

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`

根據官方文件和 README，第一次上手可以按下面這個順序來：

執行 hermes setup，完成基礎設定。
用 hermes model 選擇模型提供方與模型。
用 hermes tools 開關需要的工具集。
直接執行 hermes，進入互動式 CLI。
如果你想接 Telegram、Discord 之類的管道，再繼續設定 hermes gateway。

如果你本來就是 OpenClaw 使用者，也可以先看一下遷移命令：

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

它會先預覽可遷移的內容，再決定要不要正式匯入。

04 和 OpenClaw 怎麼看

從官方文件與 README 來看，Hermes Agent 與 OpenClaw 並不是簡單的「誰取代誰」，而是定位有明顯重疊，但側重點不同。

Hermes Agent 更像什麼

Hermes 更像一個偏 agent 內核與工作流系統的產品。它強調的是：

CLI 體驗
記憶與技能沉澱
專案上下文檔案
MCP 擴充
子代理並行
在本地、容器、遠端、serverless 環境之間切換執行後端

如果你的主要訴求是「讓 agent 更懂專案、更能持續複用能力、更方便接 MCP 與開發工作流」，Hermes 的方向會更順手。

OpenClaw 更像什麼

OpenClaw 則更像一個以個人 AI 助手與訊息閘道為中心的平台。它強調：

非常豐富的訊息管道接入
常駐運作的 Gateway
瀏覽器裡的 Control UI
裝置配對、遠端存取、狀態管理
語音、行動端、Canvas 等更強的助手形態

如果你的核心需求是「把一個個人 AI 助手穩定地掛在各種聊天管道與裝置上」，並且希望用控制面板統一管理，OpenClaw 的產品感會更強。

一個更實用的選擇建議

可以把兩者簡單理解成：

Hermes Agent：更偏「會成長的通用 agent 工作台」
OpenClaw：更偏「多管道常駐型個人 AI 助手平台」

當然，這個區分不是絕對的，因為兩邊都還在持續擴充能力，而且 Hermes 也提供了從 OpenClaw 遷移的路徑。但至少從目前公開資料看，Hermes 在「記憶、技能、上下文、MCP、開發工作流」這條線上更突出；OpenClaw 在「閘道、多管道、Control UI、裝置接入」這條線上更成熟。

05 適合誰嘗試

如果你屬於下面幾類人，Hermes Agent 值得優先試一下：

你已經在終端裡大量使用 AI 工具，希望 agent 更懂程式碼庫和專案規則。
你想把 AGENTS.md、技能、記憶、MCP 這些能力組合到一起。
你不想被單一模型廠商綁死，希望可以靈活切換 provider。
你原本就在用 OpenClaw，現在想試試一個更偏 agent 工作流的方向。

如果你更看重的是行動端觸達、各種 IM 平台接入、瀏覽器控制台，以及「始終在線的個人助理感」，那 OpenClaw 仍然很有吸引力。

參考連結

Hermes Agent GitHub: https://github.com/NousResearch/hermes-agent
Hermes Agent 文件: 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