Hermes Agent 架构详解

如果你最近也在看 Agent 框架，会发现很多项目的问题不是「能不能调模型」，而是消息从哪来、上下文怎么保住、工具怎么接、中途怎么停、历史怎么找回来。Hermes Agent 这篇架构拆解刚好把这些工程细节摊开了。它不是只讲一个漂亮的 Agent 循环，而是把命令行、消息网关、IDE 插件、工具注册、压缩和会话存储放在同一张图里看，适合想自己搭 Agent 系统的开发者细读。

正文

// 01

先从全貌说起

整个系统可以用三句话概括：入口多样，内核唯一；功能模块化，依赖松耦合；状态持久化，会话可恢复。

无论你从命令行、Telegram、VS Code 还是 REST API 发来消息，最终都由同一个AIAgent类来处理。这保证了行为一致，也大大降低了维护成本。工具系统、内存插件、上下文引擎都是注册制——可以随时插拔，不需要修改核心代码。

// 02

Agent 循环：心跳一直在跳

如果说整个系统是一台机器，Agent 循环（Agent Loop）就是它的心跳。每当用户发来一条消息，AIAgent.run_conversation()就开始一轮循环。

**可中断的 API 调用：**HTTP 请求在后台线程运行，主线程同时监听中断信号。用户发来/stop或新消息时，当前请求被丢弃，Agent 干净地响应新输入——不会有"回答到一半"的脏数据写入历史。

**Fallback 兜底：**主模型报 429、5xx 或鉴权错误时，系统自动按配置顺序尝试备用服务商，整个对话不中断。辅助任务（视觉理解、压缩摘要）也有独立的备用链。

// 03

Prompt 组装：系统提示词是怎么搭起来的

Hermes 把系统提示词拆成多个稳定层，在会话开始时一次性组装好，此后不再改动。核心原因是Prompt Cache 成本——稳定的前缀可将 token 费用降低约 75%。

上下文文件优先级（仅加载第一个命中的）

1st · .hermes.md / HERMES.md2nd · AGENTS.md3rd · CLAUDE.md4th · .cursorrules

记忆快照的微妙之处：MEMORY.md 在会话开始时冻结进 Prompt。如果会话中途通过memory工具写入了新内容，它会实时写到磁盘，但不会改变当前会话的系统提示词——要等下一个会话才能看到新记忆。这防止了"改动 Prompt 导致缓存全部失效"的问题。

// 04

上下文压缩与缓存：长对话不失忆

处理复杂任务时对话往往很长——一个重构大型代码库的任务可能产生几十轮工具调用，消耗数万 token。Hermes 的解法是双层压缩系统加 Anthropic Prompt Cache。

压缩算法四个阶段

PHASE 01

清除旧工具输出

无 LLM 调用，直接替换超过 200 字符的旧工具结果为占位符，最廉价的降本手段

PHASE 02

确定保护边界

头部保留 3 条，尾部按 token 预算保留最近 N 条（至少 20 条），中间段将被摘要

PHASE 03

LLM 生成结构化摘要

辅助 LLM 将中间段压缩为"目标→进度→决策→相关文件→下一步"的结构化摘要

PHASE 04

拼接并清理

组合头部+摘要+尾部，修复孤儿 tool_call/tool_result 对，生成子会话 ID

压缩后的实际效果：45 条消息 95K token → 压缩后 25 条 45K token，关键进度和决策完整保留。再次压缩时，旧摘要会被"更新"而非重写，已完成的任务从"进行中"移到"已完成"，信息不丢失地迭代积累。

**Prompt Caching 策略（仅限 Anthropic）：**Hermes 在系统提示词和最近 3 条消息上各放置一个 cache breakpoint（共 4 个，达到 Anthropic 的上限），使多轮对话的输入 token 成本降低约 75%。

// 05

消息网关：一个 Agent，接入 20+ 平台

Hermes 有一个长期运行的消息网关进程，负责对接各种通讯平台。无论是 Telegram 群组消息、Discord @提及还是企业微信工单，都会被规范化成内部MessageEvent，交由同一个 AIAgent 处理。

两级消息保护

当 Agent 正在处理一条消息时，用户发来第二条会被暂时排队。/stop、/approve、/deny等控制命令可以"插队"直接到达 Agent，其他消息则等待。这防止了并发竞争导致的历史记录混乱。

DM 配对授权

管理员用/pair生成一次性配对码，新用户发送这个码就能获得授权，无需修改任何配置文件——适合快速将新用户引入 Agent。

// 06

工具系统：Agent 的手

工具是 Agent 执行能力的载体。Hermes 内置 70+ 工具，分成约 28 个工具集，从文件读写、终端命令到浏览器自动化，一应俱全。

自动注册机制

每个工具文件的底部只需一行注册调用，启动时自动被发现，无需手动维护列表：

# tools/file_tools.py 末尾registry.register("read_file", read_file_handler, schema=READ_FILE_SCHEMA)# tools/web_tools.py 末尾registry.register("web_search", web_search_handler, schema=WEB_SEARCH_SCHEMA)

整个注册链路如下：

tools/registry.py # 基础模块，无依赖，最先加载 ↑tools/*.py # 各自在 import 时调用 registry.register() ↑model_tools.py # 汇总 schema，处理 handle_function_call() 分发 ↑run_agent.py # 使用工具列表构造 LLM API 请求

终端工具支持 7 种后端

本地 shellDocker 容器SSH 远程DaytonaModalSingularityVercel Sandbox

切换执行环境只需改配置，工具调用代码不变。同时，MCP（Model Context Protocol）工具得到原生支持——挂载任意 MCP 服务后，Hermes 在运行时动态加载其暴露的工具，无需重启。

// 07

会话存储：记住每一次交流

Hermes 用 SQLite + FTS5 做会话持久化。FTS5 是 SQLite 的全文检索扩展，让session_search工具能在历史会话中快速检索关键词——Agent 在开始新任务前可以主动"回忆"相关背景。

会话血缘追踪（Lineage）

每次压缩会生成一个"子会话"，记录从哪个父会话压缩而来。这让你可以追溯一个长任务的完整历史，即便中途经过多次压缩。

Profile 隔离

每个 profile（如hermes -p dev、hermes -p work）拥有独立的HERMES_HOME，包含独立的配置、记忆、会话和网关进程。多个 profile 可以同时运行，互不干扰——比如一个挂着 Telegram Bot，另一个跑着 IDE 插件。

// 08

设计哲学总结

读完这些子系统，可以提炼出 Hermes 背后的六条核心设计原则——它们相互支撑，共同造就了在复杂长任务场景下依然稳定可靠的 Agent 框架。

AI灰鲸更建议把这篇当成一份 Agent 工程设计清单，而不是单纯的项目介绍。真正做过长任务 Agent 的人都知道，模型调用只是最显眼的一层，后面更磨人的其实是缓存命中、可中断执行、工具结果膨胀、消息并发和多平台会话隔离。Hermes 的价值在于，它把这些「上线以后才会疼」的问题前置成架构约束。你不一定要照搬它的实现，但这些模块边界很值得抄作业。尤其是 Prompt 稳定性、两层压缩和 profile 隔离这几块，放到任何企业内部 Agent 或开发者自动化助手里，都是迟早要面对的坑。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】