教程｜把 hermes-agent 跑起来：5 分钟搭一个会「成长」的本地 AI 助理

这篇教程带你在 5 分钟内把 hermes-agent（GitHub）跑起来，并接上 Ollama 本地模型。

第 1 步：环境准备

需要：

• Python 3.11+
• Ollama（ollama.com）
• macOS / Linux（Windows 需 WSL2）
• 8GB+ 内存（推荐 16GB 跑 7B 模型，32GB 跑 14B+）

第 2 步：拉取 Hermes 模型

# 推荐 Hermes 3 系列
ollama pull nousresearch/hermes3:8b
# 或更小的（4GB 显存可跑）
ollama pull nousresearch/hermes3:3b

第 3 步：安装 hermes-agent

git clone https://github.com/NousResearch/hermes-agent
cd hermes-agent
pip install -e .
hermes init

init 过程会问你：

• API 端点：填 http://localhost:11434/v1（Ollama）
• 模型名：nousresearch/hermes3:8b
• Memory 后端：默认 SQLite 即可

第 4 步：第一次对话

hermes chat
> 你好，记住：我叫 Vinc，我做 AI 媒体。
> 好的 Vinc，已记住。下次对话我还会记得。
# 退出后
hermes chat
> 我叫什么？
> 你叫 Vinc，做 AI 媒体。

第 5 步：加工具

hermes-agent 原生支持 MCP（Model Context Protocol）。在 ~/.hermes/mcp.json 加：

{
  「servers」: {
    「filesystem」: {
      「command」: 「npx」,
      「args」: [「-y」, 「@modelcontextprotocol/server-filesystem」, 「/Users/vinc/Documents」]
    }
  }
}

重启 hermes 就能用它读 / 写你的本地文件了。

第 6 步：让 Agent「成长」

hermes 的核心是轨迹-技能蒸馏。跑一周后：

hermes skill distill
# 会生成 ~/.hermes/skills/ 下的可复用技能
hermes skill list

这些技能会自动注入到下次的系统 prompt，Agent 越来越「懂你」。

常见坑

• Mac M1/M2 用 Metal 加速 Ollama，不要用 Docker 跑（慢）
• Hermes 3 8B 量化版对中文支持一般，要中文效果换 Qwen2.5
• Memory 占用会随对话增长，hermes memory prune 定期清理

下一步：把 hermes 接到 Slack / 飞书，做「团队 AI 助理」。