NousResearch/hermes-agent
Hermes Agent 实测：从第一句报错追到本地跑通
Hermes Agent 官方安装、环境诊断、配置迁移和本地最小推理均已完成。按官方文档先核对推理提供商和 64K 上下文要求，再用 qwen3:4b 完成本地调用，实际返回 GLOBAL_LOCAL_READY。
实验田正式路线
这项项目没有绕过实验田。
正文
这份记录
本次真实实验只做一条路线：先从官方资料确认 Agent 的推理提供商和上下文要求，再从 NousResearch/hermes-agent 官方仓库检出固定提交，隔离安装，执行 doctor、verify 和最小推理；云端授权受阻后，切换到本地 Ollama。完整报告、播种日志、雷达证据、视频画面清单、口播稿、平台材料和收成包均已归档。
01 · 问题
我想解决什么
安装正常并不代表 Agent 已经能回答。需要把环境、配置、云端授权和模型推理分层核对，先完成模型兼容性前置检查，再验证最小可运行的本地替代路径。
02 · 过程
我是怎样做的
先核对 Hermes 官方 64K 上下文要求和 Ollama 服务端检查方法；选择模型元数据上下文为 262,144 的 qwen3:4b；官方安装器完成 Hermes Agent v0.21.0；doctor --fix 完成配置迁移；云端凭证链路因账户会话受阻；配置本地 OpenAI-compatible 端点，并完成两次最小真实推理复测。
03 · 结果
实际发生了什么
Hermes 使用本地 qwen3:4b 实际返回 GLOBAL_LOCAL_READY，退出码为 0。安装、诊断、配置迁移和本地最小推理闭环成立。
04 · 避坑
哪些地方值得注意
本次验证形成一条清晰的本地部署路径：先读官方要求，再核对模型条件，最后用固定验收词确认调用链路。云端授权问题被定位在授权层，未重复安装。
05 · 最终评价
这次实验的结论
结论：先读官方要求、再选择兼容模型、再定位故障层。Hermes Agent 已在本机完成“安装→诊断→配置→真实本地推理”闭环。
实验日志时间线
这项实验是怎样一步步做出来的。
- 01
种子区建档：三雷达综合前十第 1 名 三雷达综合排序将 NousResearch/hermes-agent 排在第 1。项目用途是把技能、记忆、工具和学习循环组合成可维护的开源 Agent；当天只建立这一项真实实验。
GitHub Trending 雷达证据 
Best Skill Radar 雷达证据 
X Radar 雷达证据 - 02
播种区第一次工作：固定官方源码并隔离安装 从官方仓库固定 commit 21b2095d，使用官方安装脚本，将安装目录与 Hermes Home 放入独立临时目录，避免污染已有环境。
Hermes 官方仓库首页 - 03
播种区第二次工作：doctor 与项目检测 Hermes Agent v0.21.0 安装完成；doctor 发现旧配置并由官方 doctor --fix 迁移；verify detect-only 正确识别 Node.js app 与 npm/test 入口。
README 核心定位 - 04
播种区第三次工作：第一次推理失败事实 安装和诊断均通过，但最小真实对话返回 No inference provider configured。检查确认 OpenAI、OpenRouter、Gemini、Nous Portal 和 Codex 均没有可用推理凭证。
- 05
播种区第四次工作：云端设备授权链路核查 尝试现有 Codex 凭证导入与设备授权；当前环境没有可导入的 auth.json，设备授权链路也未完成。该失败定位在授权层，未重装 Hermes。
- 06
播种区第五次工作：先核对官方要求并确定模型 先读取 Hermes Quickstart 和 Providers 文档，确认至少需要一个推理提供商和 64K 上下文；再核对 qwen3:4b 的模型元数据上下文为 262,144，确定它进入正式复测。
- 07
播种区第六次工作：正式配置本地 Ollama 以 custom:local-ollama 写入 Hermes 正式配置，端点为本机 Ollama 的 OpenAI-compatible API，模型固定为 qwen3:4b；完成最小调用验证。长任务前仍需在模型实际加载时核对 Ollama 的 CONTEXT，不能用模型元数据代替服务端实测。
- 08
收成区：第一次真实本地对话成功 Hermes 通过本地 qwen3:4b 完成两次最小提示词复测，均实际返回 GLOBAL_LOCAL_READY。至此安装、诊断、配置迁移和本地推理闭环成立。
收成区 · 与本实验绑定
报告、长文、视频材料和下载包都从上面的日志长出来。
“已产出”表示内容和文件已经形成，不代表核心 3D 界面的端到端验收已经通过。本实验仍保留为“进行中”。
Hermes Agent 实测：从第一句报错追到本地跑通 · 长文章
# Hermes Agent 不只是会聊天：它把一项工作拆成一支 AI 队伍 真正让人反复打开 AI 的，从来不是它会不会回答一句话，而是它能不能把一项工作接过去，继续推进，留下过程，到了下一次还能接着做。 查资料、整理事实、改文件、复核结果、写成稿件，这些事情单独看都不难，放在一天里却很容易变成一团线头。普通聊天窗口往往只能完成其中一段：回答结束，任务也跟着断掉；下一次还要重新解释背景、重新粘贴资料、重新安排顺序。 Hermes Agent 试图解决的，正是这段断裂。它来自 Nous Research，是一个把 Agent、工具、记忆、技能和任务协作放在一起的开源工作系统。它的亮点不是再增加一个聊天框，而是让 AI 具备“分工、交接、持续运行”的工作形态。 这次没有把安装成功当成实验终点，而是拿一项真实的内容研究工作来测试：从官方资料提取 Hermes 的功能亮点，拆成研究、执行、复核和综合几个节点，再观察任务是否能被保存、调度和追踪；另外，把重复性的检查交给 Cron，看看它能不能由网关按计划运行并留下记录。 ## 一项工作，先变成一张任务图 实验使用 `hermes kanban swarm` 建立了“研究 → 执行 → 复核 → 综合”的工作图。研究和执行分别交给不同 profile，随后通过 `hermes kanban dispatch` 启动独立 Worker。 这一步的变化很直观。工作不再只藏在一段聊天记录里，而是拥有任务 ID、负责人、运行 ID、工作区和状态。研究节点在运行，执行节点在运行，复核节点等待前置结果，综合节点也等待前面的产出。每一步都有位置，每一个等待都有原因。 对于每天整理雷达、研究项目、写发布稿的人，这种拆法比“把所有要求一次性扔进聊天框”更容易控制。资料提取可以单独返工，执行过程可以单独检查，最后的综合也有明确的输入来源。 ## Agent 的价值，在交接以后才出现 Hermes 的产品方向并不是让一个 Agent 永远单打独斗。Bot Mode 会为 Agent 配置名字、头像和共享名册，让多个 Agent 像一个工作房间里的成员一样协作；`hermes_peer` 负责 Agent 之间的消息交接；`delegate_task` 可以把复杂任务拆给多个子 Agent，再把结构化结果收回来。 这些能力放进同一条工作链，才会形成真正的分工：一个 Agent 负责找资料，一个负责整理，一个负责检查，最后由一个 Agent 合成可以交付的结果。重要的不是“有几个机器人”，而是每个机器人知道自己负责哪一段，上一段交给它什么，下一段需要什么。 本次实际完成的是 Kanban Swarm 的建图、Worker 调度和持久状态记录；Bot Mode、`hermes_peer` 和 `delegate_task` 的独立端到端流程没有在这次本机实验中宣称完成，避免把发布说明误写成现场结果。 ## 重复工作，交给 Cron 继续跑 第二个实测功能是 Cron。 实验创建了一个每分钟执行一次的本地任务，打开 `continuity`，由 Hermes Gateway 负责持久调度。手动触发后，系统返回 `Ran now: succeeded.`，并生成可追溯的运行记录；任务脚本实际输出 `HERMES_CRON_PERSISTED_RUN_OK`，网关也保持运行状态。 这证明的不是一条命令能不能执行，而是一条完整的持续工作链已经存在：任务被保存，网关负责唤醒，执行成功，历史可以回看。每日摘要、项目监测、文件巡检和固定报告，都可以从这种工作方式开始。 `continuity=true` 的意义，是让连续运行的任务能够记住上一次的输出，下一次继续处理，而不是每次都从空白开始。监控模式还可以在内容没有变化时跳过重复推理，把时间留给真正发生变化的结果。 ## 模型大小不是唯一标准，能否带工具完成工作更重要 本机同时检查了几种本地模型。`qwen3:0.6b` 体量最小，但上下文只有 40,960，低于 Hermes 要求的 64,000，因此在启动阶段被正确拦截。`qwen3:4b` 的模型规格达到上下文要求，却在本机工具上下文中出现长时间无可见返回。后来安装的 `llama3.2:1b` 可以初始化并返回文本，但没有稳定完成 Hermes 的工具协议。 这个结果对实际安装很有价值：模型文件能下载，不等于它适合 Agent；单句能返回，也不等于它能完成多步工具工作。挑选本地模型时，必须同时看上下文、工具调用、响应速度和机器负载。 ## 它适合什么工作 Hermes Agent 更适合需要固定流程的人和小团队：每日资料整理、开源项目研究、代码任务拆分、文件处理、重复检查、定时摘要，以及需要留下过程记录的内容生产。 它可以把一项大工作拆成多个小任务，把每个节点交给合适的 Agent，再用任务板保存状态。需要每天重复的部分交给 Cron，需要协作的部分交给多个 Agent，需要外部服务的部分再接入 MCP 或浏览器工具。 这就是它和普通聊天工具之间最重要的差别：聊天工具回答一个问题，Hermes 试图承接一条工作链。 ## 这次实验留下的结果 从真实运行看，Hermes 的任务编排层已经展示出清晰价值：Kanban Swarm 可以建立多 Agent 工作图，Worker 可以被分配到独立 profile 和工作区，任务状态和运行记录可以追踪；Cron 可以由网关持久调度，并留下成功历史。 本次实验也把模型适配问题放到了台面上。4B 模型的规格满足要求，不代表在当前机器上就一定适合长工具调用；1B 模型虽然更轻，但工具协议稳定性还不够。后续如果要把浏览器、MCP 或 Agent 之间的交接放进生产流程，应该先为每一种能力单独做小规模验收，再接入完整工作链。 Hermes Agent 最值得安装的理由，不是它能显示一句漂亮的成功提示，而是它提供了一种把 AI 组织起来的方法：任务可以拆开，过程可以追踪，重复工作可以持续运行，多个 Agent 可以围绕同一个目标分工。 如果每天都有一批重复而又不能漏掉的工作，可以从一张 Kanban 任务图开始；如果其中一部分每天都要重做，就把它交给 Cron。让 AI 从“回答一次”走向“把工作继续做下去”，这才是 Hermes Agent 的真正看点。 官方项目： https://github.com/NousResearch/hermes-agent 实验记录： https://jianailab.com/experiments/hermes-agent-local-model-first-run
打开完整长文 ↗Hermes Agent 本地小模型证据包
收录种子区、播种区、收成区、雷达证据、模型实跑记录和全部平台草稿。
下载全部成果 ↗Hermes Agent 实测：从第一句报错追到本地跑通 · 完整实验报告
# Hermes Agent：把一次聊天变成一支可追踪的 AI 工作队伍 ## 一句话结论 Hermes Agent 真正值得看的地方，不是“能不能回一句话”，而是它能不能把一项工作拆开、交给不同 Agent、保存过程，再按计划继续执行。本次在本地完成了 Kanban Swarm 的任务图创建与 Worker 调度，并完成了 Cron 网关的持久运行验证。 ## 这次到底测了什么 实验围绕一项真实的内容研究工作展开：从 Hermes 官方资料提取功能亮点，整理成工作流，再交给不同角色处理。重点观察三个问题：任务能否拆分，多个 Agent 能否在独立工作区运行，完成后的状态能否留下；重复工作能否交给 Cron 持久调度。 ## 第一个关键画面：一项工作被拆成一张任务图 使用 `hermes kanban swarm` 创建了“研究 → 执行 → 复核 → 综合”的任务图。研究和执行两个 Worker 被分配到不同 profile，并由 `hermes kanban dispatch` 真实领取、启动和记录。任务板保存了任务 ID、profile、运行 ID、工作区和心跳，后续节点等待前置结果。 这和普通聊天最不同的地方，是工作不再只存在于一段对话里：谁在做、做到哪一步、哪一步卡住，都能回到任务板里查到。 ## 第二个关键画面：重复工作交给 Cron 创建了一个每分钟运行一次的本地 Cron 任务，打开 `continuity`，由 Hermes Gateway 持久调度。手动触发后，系统返回 `Ran now: succeeded.`，并留下运行记录 `7d93444c965c40a6a464259c0a0e4fb2`，脚本输出 `HERMES_CRON_PERSISTED_RUN_OK`。 这一步验证的是完整的调度闭环：任务存在、网关在运行、任务被触发、结果成功、历史记录可追溯。对于每日雷达、定时摘要、文件巡检和重复报告，这比每次重新打开聊天更接近真正的工作系统。 ## 模型选择也必须经过实测 本机先检查了几个本地模型。`qwen3:0.6b` 的上下文是 40,960，低于 Hermes 要求的 64,000，因此被启动闸门正确拦下；`qwen3:4b` 的模型规格达到要求，但在本机工具上下文中出现长时间无可见返回；`llama3.2:1b` 能初始化并返回文本，却没有稳定完成 Hermes 的工具协议。 这组结果把两个经常混在一起的问题分开了：模型“装上了”，不等于模型“适合带工具运行”；模型“能回答”，也不等于它“能稳定接管多步工作”。 ## 它适合谁 Hermes Agent 适合需要把重复工作流程化的人：每天整理资料的创作者、要维护内容流水线的小团队、需要让研究、执行和复核彼此分工的开发者。它的价值不是替人写一段孤立文本，而是把任务拆成可追踪的工作单元，再交给不同 Agent 或定时任务持续推进。 ## 实际收益 - 任务从聊天记录中独立出来，拥有明确的状态和负责人。 - 研究、执行、复核可以分开，返工时能定位到具体节点。 - Cron 可以让固定工作按计划运行，并留下历史记录。 - 本地运行可以先做环境和模型适配，不必一开始就绑定外部模型服务。 ## 结论 这次实验没有停在安装成功，而是把 Hermes 放进一条真实工作链里：先建任务图，再调度 Worker，再验证持久 Cron。最终确认的产品亮点是“可拆分、可追踪、可持续运行的 Agent 工作流”。浏览器、MCP 和 `hermes_peer` 没有在本次实验中完成端到端验证，因此不把它们写成已完成结果。 ## 立即行动 想把一次重复工作变成稳定流程，可以从一个小任务开始：把资料提取、执行和复核拆开，先用 Kanban 记录每一步，再把每天重复的部分交给 Cron。安装 Hermes 前，先核对本地模型的真实上下文和工具调用能力。
Hermes Agent 实测：从第一句报错追到本地跑通 · 视频制作包
# Hermes Agent YouTube 资料包（真实功能实验版） ## 交付说明 本资料包用于制作一条 Hermes Agent 产品宣传视频，主线是：为什么需要工作队伍、Kanban Swarm 如何拆分工作、Cron 如何持续调度，以及本机模型适配的真实结果。 视频不是单纯展示安装命令，而是让观众看见 Hermes Agent 如何从一个开源仓库进入电脑，再从一个本地模型入口扩展成技能、记忆、工具和协作队伍。 ## 内容定位 Hermes Agent 不只是会聊天。Bot Mode、hermes_peer、Cron、delegate_task、MCP 命令中心和应用内浏览器属于官方产品方向；本次现场重点验证 Kanban Swarm 和 Cron 的真实运行。 实验部分从官方仓库开始，经过安装、环境诊断、配置迁移，再完成 Kanban Swarm 建图与 Worker 调度、Cron 持久运行和模型兼容性复核。 ## 推荐标题 Hermes Agent 不只是会聊天：把研究、执行和定时工作组成一条 AI 工作链 ## 缩略图文字 不只是聊天 可追踪的 AI 工作队伍 任务拆分，持续运行 ## 视频简介 Hermes Agent 来自 Nous Research。它把技能、记忆、工具、协作者和工作流程组合到同一个 Agent 体系里。 本期重点展示 Kanban Swarm 建立研究→执行→复核→综合任务图，并用 dispatch 启动独立 Worker；随后创建打开 continuity 的 Cron 任务，由 Gateway 持久调度并得到成功运行记录。Bot Mode、hermes_peer、delegate_task、MCP 和浏览器仅作为官方能力取景，不冒充现场结果。 本次实际结论是：任务图可建立、Worker 可调度、Cron 可持久运行；模型适配需要单独核对上下文和工具协议。 完整实验：https://jianailab.com/experiments/hermes-agent-local-model-first-run 官方仓库：https://github.com/NousResearch/hermes-agent ## 章节 00:00 不是一个聊天框，而是一支 AI 工作队伍 00:30 Hermes Agent 的产品亮点 01:00 Kanban Swarm 建图与调度 02:00 Cron 持久执行 03:00 本地模型适配实测 04:00 这些能力怎样进入工作 04:40 从第一项工作开始 ## 置顶评论 Hermes Agent 的亮点在于把任务拆分、状态追踪和持续调度连接起来。本期现场验证 Kanban Swarm 和 Cron，完整记录：https://jianailab.com/experiments/hermes-agent-local-model-first-run --- # Hermes Agent：把一次聊天变成一支 AI 工作队伍 每天最容易把人拖住的，不是某一个难题，而是查资料、整理、复核、写成稿件同时发生。一个聊天窗口回答完一句就结束，下一步还得重新解释背景、重新安排工作。 Hermes Agent 想做的，是把这条工作链交给 AI。 它来自 Nous Research，把 Agent、工具、记忆、技能和任务协作放进同一个开源系统。这次不只看它有没有安装成功，而是把一项真实的内容研究工作拆开，看看它能不能真正安排任务、保存过程，并让重复工作按计划继续。 先看任务板。 我用 Hermes 的 `kanban swarm` 建立了一张“研究、执行、复核、综合”的工作图。研究和执行分别分给不同的 Agent profile，再用 `kanban dispatch` 启动独立 Worker。 这里最值得注意的，不是任务板长什么样，而是每一步都有自己的身份：任务 ID、负责人、运行 ID、工作区和当前状态都被保存下来。研究节点在运行，执行节点在运行，复核节点等待前置结果，综合节点也等待前面的产出。 这就把一项大工作从一段聊天记录里拎了出来。研究可以单独返工，执行可以单独检查，最后的综合也有明确输入。对于每天整理资料、制作内容、维护项目的人，这种分工比把所有要求一次性扔给聊天机器人更容易控制。 再看第二个功能：Cron。 我创建了一个每分钟执行的本地任务，并打开 `continuity`，让 Hermes Gateway 负责持续调度。手动触发后，系统返回“Ran now: succeeded.”，留下运行记录，任务脚本也返回了 `HERMES_CRON_PERSISTED_RUN_OK`。 这验证的不是一条命令能不能执行，而是一条完整的持续工作链：任务保存了，网关在运行，任务被唤醒，结果成功，历史还能回看。 `continuity=true` 还有一个关键作用：下一次运行可以带着上一次的输出继续，而不是每次从空白开始。每日摘要、项目监测、文件巡检和固定报告，都可以从这里开始自动化。 Hermes 的整体方向还包括 Bot Mode、`hermes_peer` 和 `delegate_task`。多个 Agent 可以拥有明确身份，彼此交接任务，把复杂工作并行推进，再把结果收回来。本次现场真正完成的是 Kanban Swarm 的建图和调度，以及 Cron 的持久运行；其他功能没有拿发布说明冒充现场结果。 模型适配也必须说清楚。最小的 `qwen3:0.6b` 上下文只有 40,960，低于 Hermes 要求的 64,000，所以在启动阶段就被拦下。`qwen3:4b` 的规格达到要求，但在这台 Mac 的工具上下文里出现长时间无可见返回。后来安装的 `llama3.2:1b` 能初始化并返回文本，却还不能稳定完成 Hermes 的工具协议。 这组结果提醒我们：模型文件能下载，不等于它适合 Agent；单句能回答，也不等于它能稳定完成多步工作。选择本地模型时，要同时看上下文、工具调用、响应速度和电脑负载。 Hermes Agent 真正值得看的地方，也正在这里：它不是把 AI 停在一次回答里，而是尝试把任务拆开、交给不同 Agent、留下过程，再把重复工作交给时间表。 如果每天都有一批不能漏掉的工作，可以从一张 Kanban 任务图开始；如果其中一部分每天都要重做，就交给 Cron。让 AI 从“回答一次”走向“把工作继续做下去”，这才是 Hermes Agent 的价值。 官方项目： https://github.com/NousResearch/hermes-agent 完整实验记录： https://jianailab.com/experiments/hermes-agent-local-model-first-run --- # Hermes Agent 分镜与字幕表（真实功能版） | 时间 | 画面 | 字幕 | 口播 | |---|---|---|---| | 00:00–00:12 | 三雷达图片 | 不测一句回答，测一条工作链 | 每天真正耗时间的是查、做、查、改同时发生。 | | 00:12–00:35 | 官方仓库与 README | Hermes Agent / Nous Research | Hermes 想把这条工作链交给 AI。 | | 00:35–01:10 | Kanban Swarm 建图 | 研究 → 执行 → 复核 → 综合 | 一项工作先变成一张任务图。 | | 01:10–01:45 | Worker dispatch 与状态 | 独立 profile，独立运行记录 | 每个节点有自己的 ID、负责人和状态。 | | 01:45–02:20 | Cron create/list | Gateway 持久调度 | 重复工作交给 Cron。 | | 02:20–02:55 | Cron run 成功输出 | Ran now: succeeded. | 网关唤醒任务，留下成功记录。 | | 02:55–03:25 | continuity 设置与解释 | 下一次接着上一次 | 连续任务不必每次从空白开始。 | | 03:25–04:00 | 模型兼容性终端证据 | 能下载，不等于适合 Agent | 模型上下文和工具协议都要实测。 | | 04:00–04:40 | Bot Mode、peer、delegate 官方取景 | 分工、交接、并行 | 这些是 Hermes 的协作方向，本次不把说明页冒充现场结果。 | | 04:40–05:00 | 实验详情页 | 可拆分、可追踪、可持续运行 | Hermes 的价值，是把一次回答推进成一条工作链。 | 素材来源：三雷达图片、官方仓库和发布说明、Kanban/Cron 终端证据、实验详情页。网页取景与现场成功结果必须在剪辑中明确区分。