Hermes Agent 技术架构图
Nous Research · MIT License · 95,600+ GitHub Stars
👤 User Input
用户输入 / 任务指令
🔄 Agent Loop（核心循环）
构建 Prompt → 调用 LLM → 执行工具 → 返回结果 → Periodic Nudge
🧠 LLM
Claude / GPT / Qwen
🧠 三层记忆架构
L1: Session Context
当前对话工作记忆 · 内存存储
容量: 模型上下文窗口 · 检索: 即时
L2: Persistent Store
SQLite + FTS5 全文搜索 · Skills · 记忆
容量: 无限 · 检索: <10ms
L3: External Knowledge
MCP 服务器 · 外部知识库 · RAG
容量: 无限 · 检索: 按需
读取/写入记忆
① 构建 System Prompt
注入 Skills 索引+记忆
② LLM 推理
生成回复或工具调用
③ 执行工具
Shell/文件/搜索/Skill
④ 返回结果
输出给用户或继续循环
⑤ Periodic Nudge
每10-15 turns 自省
循环
⚡ Skill 系统 Skills System
skill_manage 工具
create / read / update / delete / list
Pattern Extraction
从执行轨迹提取可复用工作流
📁 Skill 存储
~/.hermes/skills/
🛡️ Guard
安全扫描·防注入
SKILL.md 格式:
When to Use → Procedure → Pitfalls
触发: 5+ 工具调用 · 错误恢复 · 用户纠正
调用
🔮 Self-Evolution 自进化系统
DSPy 优化器
自动优化 System Prompt
基于任务结果反馈迭代提升
GEPA 循环
Generate → Evaluate → Prune
→ Augment 循环精炼
循环精炼
优化 Skill 质量
优化 Prompt
🛠️ 工具系统 Tool System
📂 文件操作
read/write/edit
💻 Shell 执行
bash / python
🌐 Web 搜索
search / fetch
⚡ skill_manage
Skill CRUD
工具调用
📤 输出
回复用户 / 执行结果
📊 关键指标 Key Metrics
• GitHub Stars: 95,600+
• 开源协议: MIT
• 记忆检索: <10ms (FTS5)
• Skill 触发: 5+ 工具调用
• 自省频率: 每 10-15 turns
图例 Legend
用户 / LLM
Agent Loop
记忆系统
Skill 系统
Self-Evolution
工具系统
数据流
反馈/优化
基于 Hermes Agent 源码 + Nous Research 官方文档 + 社区评测 · W.ai Deep Tech Research · 2026-04