别再用“金鱼记忆”的 AI 了：手把手教你本地部署 Hermes CLI，体验真正的持久化智能体

别再用“金鱼记忆”的 AI 了：手把手教你本地部署 Hermes CLI，体验真正的持久化智能体

天下苦“金鱼记忆”的 AI 久矣。

每次打开一个新的网页对话框，你都要像带新人一样，不厌其烦地重新输入你的代码偏好、项目背景、甚至刚排查到一半的 Bug 日志。市面上绝大多数的 AI 聊天框，本质上是一个个每次都会被重置状态的无状态函数，聊完即焚。

但如果你想要一个真正能沉淀上下文、能在后台帮你跑命令行、并且会自动把复杂解决路径写成“技能（Skill）”固化在本地硬盘里的 AI，你需要认识一下今天的主角：Hermes Agent。

今天，我们剥离掉那些诸如“AGI”、“自主智能”的营销词汇，就事论事地拆解 Hermes 的底层逻辑，并手把手教你在国内网络环境下，如何在自己的电脑上完成本地部署。

一、 为什么选择 Hermes？（核心机制解构）

Hermes 并不是又一个套壳聊天的 UI。它是一个运行在你终端里的“持久化 AI 运行时”。与常规的大模型工具相比，它有三个穿透表象的硬核机制：

1. 独一份的“双轨记忆系统”

绝大多数 AI 依赖单纯的长上下文窗口（Context Window）来维持记忆，极度消耗 Token 且一刷新就没。Hermes 则采用了一种非常“软件工程”的做法：在本地硬盘维护两个纯文本 Markdown 文件。

• USER.md: 存储“你是谁”。包括你的技术栈水平、沟通偏好（比如“少废话，直接给完整代码，不要解释”）。
• MEMORY.md: 存储“环境与项目上下文”。当你告诉它“项目的数据库密码改成了 123456”，它会记录在这里。每次对话前，这两份文件会被无感且精准地注入到 Prompt 的系统指令中。

2. 会自我进化的技能树 (Skills) 与 GEPA 引擎

这是 Hermes 最具长期价值的设计。当你和它经历了一次复杂的 Debug（比如调用了多次工具、经历了报错并最终解决），它的 GEPA（进化引擎） 会在后台自动将这条成功路径写成一个 .md 技能文件，保存在本地。

下次遇到类似问题，你只需输入一个指令，它就能复用之前的经验直接执行，实现了从“授人以鱼”到“授人以渔”的转变。

3. 丰富的本地工具链生态

Hermes 默认集成了极度丰富的底层工具，而不是局限于网页搜索。从直接读写本地文件、执行终端命令（通过沙盒或 WSL），到操作浏览器（browser-cdp），它的权限深度远超网页端 AI。

图注：Hermes v0.14.0 的启动界面，注意右侧庞大的可用工具链（Available Tools）和已经沉淀下来的分类技能库（Available Skills），当前挂载了 DeepSeek-v4-flash 模型作为推理核心。

二、 部署电脑环境与硬件门槛

不要被“本地部署”吓到。Hermes CLI 客户端本身非常轻量（本质是个 Python 写的任务调度器），真正的性能瓶颈取决于你搭配什么大模型 (LLM) 提供推理能力。

部署模式	适用人群	硬件要求	优点与推荐模型 (2026年现状)
云端 API 模式 (强推)	绝大部分开发者、办公本用户	几乎无要求 (需 2GB 内存)，推荐使用 WSL2 (Windows) 或 macOS	极速响应，不吃本地显卡。目前推荐挂载 deepseek-v4-flash（便宜极速）或 mimo-v2.5-pro（逻辑强悍），配合中转 API（如第三方代理）使用体验极佳。
纯本地大模型模式	隐私偏执狂、有高配独显的工作站用户	16GB 以上内存，推荐 12GB 以上显存	数据绝对隔离，断网可用。通常搭配本地的 Ollama 运行 8B~14B 级别的开源模型。缺点是工具调用能力弱于顶尖 API。

基础环境依赖：

• 系统：强烈建议 Windows 用户开启 WSL2 (Windows Subsystem for Linux)，因为 Hermes 涉及大量的终端命令执行，Linux 环境能避免 90% 的路径和权限坑。
• Python 环境：Python 3.10 或更高版本。
• Git。

三、 国内镜像源拉取与部署攻略（保姆级）

在国内直连 GitHub 和官方软件源大概率会遇到超时。以下步骤经过实测，全程使用国内镜像加速。请打开你的 WSL 终端或 Mac Terminal：

步骤 1：配置环境镜像源

首先替换 Python 的 pip 源为清华大学镜像，确保后续依赖安装畅通无阻：

# 升级 pip 并设置全局清华源
python -m pip install --upgrade pip
pip config set global.index-url [https://pypi.tuna.tsinghua.edu.cn/simple](https://pypi.tuna.tsinghua.edu.cn/simple)

步骤 2：通过加速通道拉取项目

直接使用国内的 GitHub 镜像代理克隆代码仓库：

# 使用镜像加速克隆仓库
git clone [https://kkgithub.com/NousResearch/hermes-agent.git](https://kkgithub.com/NousResearch/hermes-agent.git)
cd hermes-agent

步骤 3：一键安装 CLI 及其依赖

推荐使用虚拟环境避免污染全局系统，因为配置了清华源，这里的安装只需几十秒：

# 创建并激活虚拟环境
python -m venv venv
source venv/bin/activate
# 安装 Hermes CLI
pip install -e .

步骤 4：配置 API 密钥

运行初始化配置命令：

hermes config migrate

系统会通过交互式命令行问你使用哪个 Provider。

以图 1 和图 3 中的环境为例，如果你使用的是第三方 API 中转服务（比如通过某 API 代理站连接 mimo-v2.5-pro），在此处选择 OpenAI Compatible 或对应的提供商，填入你的 Base URL 和 API Key 即可。

四、 架构解耦与进阶玩法：无缝对接 Open WebUI

如果你觉得纯终端黑框框在日常高频提问时不够直观，不用担心。Hermes 在系统架构上采用了极其标准的“前后端解耦”设计。它本身是一个没有 GUI 的底层运行时，但它内置了强大的 API Server 适配器。

图注：Hermes 的斜杠命令系统，支持 /new (开启新会话)、/history (查看历史)、/redraw (重绘界面防止终端错位) 等底层操作。

这意味着，它不会强迫你使用某个简陋的自带面板，而是允许你将其作为后端引擎，直接接入市面上最成熟的第三方前端界面。对于绝大多数用户来说，Open WebUI 是最佳选择。

如何实现可视化对接？

• 启动底层服务： 保持 Hermes 在终端（或 WSL 环境中）以守护进程的方式运行，充当你的核心中枢。
• 连接前端网关： 通过 Hermes 提供的 API 接口，直接与本地的 Open WebUI 服务打通（通常只需配置本地端口）。
• 能力映射： 一旦对接成功，你在终端里拥有的底层高权限（沙盒执行、本地文件读写、多 Agent 协同），就能在 Open WebUI 现代化的聊天界面中被完美调用。

五、 Hermes 核心使用指南

配置完成后，在终端直接输入 hermes，你就会看到极其硬核的 TUI（终端用户界面）。

1. 快捷指令：极客的交互方式

按下 / 键，你会唤出指令菜单，这是管理 AI 状态的核心：

图注：Hermes 的斜杠命令系统，支持 /new (开启新会话)、/history (查看历史)、/redraw (重绘界面防止终端错位) 等底层操作。

• 当你发现 AI 的上下文已经被污染，开始胡言乱语时，果断敲入 /new，强制切断当前短期记忆。
• 如果终端因为输出大量代码导致 UI 错位，输入 /redraw 即可恢复。

2. 真实场景体验：让 AI 触及本地环境

与网页端只能“给代码让你自己复制粘贴”不同，Hermes 可以直接触及你的系统。

图注：在 WSL 环境下运行的 Hermes，底部状态栏实时显示当前模型 (mimo-v2.5-pro)、Token 消耗率 (17.1K/1M) 以及对话耗时，信息透明度极高。

你可以这样测试它：

你： “帮我检查当前目录下所有的 .py 文件，把缺少 docstring 注释的地方补全，并直接保存修改。”

Hermes 不会只给你一堆代码。它会在后台调用 bash 工具执行 ls，调用 read_file 查阅代码，最后调用 edit_file 直接修改你的本地文件。整个过程全自动，你只需要看着终端里的代码行翻滚。

结语

工具的价值，不在于它给自己贴了多少前沿标签，而在于它是否真实降低了开发者的系统性摩擦。Hermes CLI 抛弃了浮夸的网页动效，用最克制的 Markdown 记忆系统和原生的终端集成，提供了一个越用越顺手的本地工作流。

环境已经搭好，去终端里敲下 hermes 吧。如果有配置报错、网络不通或是 API 连不上的问题，欢迎在评论区贴出 Error 日志，我们直接看报错信息 Debug。