Nous Research 與 Hermes Agent：開源 Agent 的生長

在 AI Agent 的生態系中，開源模型扮演著越來越重要的角色。這其中，開源實驗室 Nous Research 是一個極具代表性的存在。

他們之所以在技術圈獲得廣泛關注，主要基於兩個客觀的技術貢獻：

1. 普及 Function Calling 能力：過去要讓 AI 穩定執行工具呼叫或輸出複雜的 JSON 格式，往往需要依賴付費的雲端大模型。Nous Research 透過精準的微調技術，讓免費的開源模型（如 Llama 系列）也具備了同等級的工具調度能力。
2. 極高的指令服從度：他們訓練出的模型被設定為嚴格遵循開發者的系統提示詞（System Prompt），這讓工程師能更精準地控制 Agent 的行為與輸出格式。

在模型技術成熟後，他們近期更進一步推出了一套名為 Hermes Agent 的開源框架。

Hermes Agent 的核心特色在於：它是一個具備長期記憶、能自我學習，且專為本地端（Local-First）開源運行而設計的自主代理系統。 這種讓開發者能在自己設備上「運行專屬助理」的模式，正是目前開源社群相當關注的發展方向。

• 誰是 Nous Research？
• Hermes Agent 框架：給聰明的大腦一個身體
  • 核心架構與特色
  • 1. 真正的持久化記憶（Persistent Memory）
  • 2. 自我學習的「技能迴圈（Learning Loop）」
  • 3. 多平台無縫切換
• 本地端運行的優勢
• 框架選型：什麼時候該用哪種 Agent？
• 實用建議：三個起步行動
  • 步驟 1：先體驗 Hermes 3 模型
  • 步驟 2：了解 XML Function Calling
  • 步驟 3：部署你的第一個私有 Agent
• 我的反思
• 參考資料 (References)

誰是 Nous Research？

在開源 AI 模型圈，Nous Research 是一個相當活躍的團隊。

他們不是像 Meta 或 Google 那樣從頭訓練（Pre-train）一個基礎模型，而是專精於微調（Fine-tuning）與對齊（Alignment）。

他們最著名的作品是 Hermes 系列模型（例如基於 Llama 3.1 訓練的 Hermes 3）。這個系列受到許多開發者關注，有三個主要原因：

1. 極致的 Function Calling 能力：他們發布了專門的「Hermes Function Calling Standard」，用 XML 標籤（如 <tools>、<scratch_pad>）強迫模型在呼叫工具前先進行「內心獨白（Internal Monologue）」與推理。
2. 高可控性（Steerability）：Hermes 系列被微調為「嚴格遵循系統提示詞」，能精準地按照開發者要求的角色與格式輸出內容。
3. 專為 Agent 打造：Hermes 在設計時就側重於「執行任務」的能力，這讓它成為許多開源 Agent 框架愛用的預設模型。

Hermes Agent 框架：給聰明的大腦一個身體

如果說 Hermes 3 模型是「大腦」，那他們最新推出的 Hermes Agent 就是「身體」。

市面上已經有 LangChain 和 AutoGen，為什麼 Nous Research 還要自己做一個 Agent 框架？

因為他們認為現有的框架太像「腳本」了——每次對話結束，Agent 的記憶就被清空。Hermes Agent 的設計理念是：打造一個「長壽的（Long-lived）」自主代理。

核心架構與特色

Hermes Agent 不是一個簡單的 Python 腳本，而是一個完整的系統架構：

這套架構有三個主要特點：

1. 真正的持久化記憶（Persistent Memory）

它底層直接內建了 SQLite（搭配 FTS5 全文檢索）。這代表你可以今天在 CLI 跟它討論一個架構，明天在 Telegram 裡繼續跟它聊同一個專案。它會記住你的偏好、專案的 Context，而不是每次都要你重新貼 prompt。

2. 自我學習的「技能迴圈（Learning Loop）」

這是 Hermes Agent 的重要機制。當它解決了一個複雜的問題（例如：成功幫你寫了一個抓取特定網站資料的腳本），它不會就這樣忘了。 它會自動把這次成功的解法「萃取」成一個新的 Skill（技能），存在資料庫裡。下次遇到類似問題，它會直接調用這個寫好的技能，變得越來越聰明。

3. 多平台無縫切換

它內建了一個 Gateway，你可以把它掛在 Discord、Telegram 或是 Slack 上。它就像一個真正的虛擬員工，活在你的團隊通訊軟體裡，而且記憶是互通的。

本地端運行的優勢

在這個系列前面的文章中，我們介紹了許多優秀的 Agent 框架，它們多數與雲端 API 有著良好的整合。

然而，在某些企業應用或個人專案中，開發者可能會面臨資料隱私與頻繁調用成本的考量（例如：掃描內部程式碼庫或處理機密財務數據）。

Hermes Agent 提供了一個很好的在地化方案： 透過本地端運行的開源模型（例如搭配 Ollama），建立一個具備記憶力與工具能力的 Agent。

這為 AI Agent 生態系補齊了 Local-First（本地優先） 這塊實用的拼圖。

框架選型：什麼時候該用哪種 Agent？

寫到這裡，我們已經介紹了許多種 AI 框架。為了避免混淆，我們可以用一個簡單的對照表，來釐清 Hermes Agent 在整個生態系中的定位：

值得特別一提的是，OpenClaw 和 Hermes Agent 雖然都是能跑在本地端的代理系統，但核心哲學並不相同：

• OpenClaw 是 Gateway-First（整合優先）：它更像一個強大的接線生，擁有龐大的社群靜態腳本庫，適合「拿來就用」。
• Hermes Agent 是 Agent-First（智能優先）：它的重點在於「閉環學習（Learning Loop）」，它會透過解決問題來自主寫出新的技能存入資料庫，適合需要深度客製化、陪伴成長的專案。

簡而言之，如果你需要的是一個「專案導向」的一次性任務，現有的雲端框架已經很好用。但如果你想要的是一個「長壽命（Long-lived）」、越用越懂你的個人夥伴，Hermes 提供了非常完整的基礎建設。

實用建議：三個起步行動

步驟 1：先體驗 Hermes 3 模型

即使你還不想架設 Agent，我也強烈建議你下載 Ollama，並在本地跑一次 Hermes 模型：

ollama run hermes3

試著給它一個系統提示詞，讓它輸出嚴格的 JSON 格式，你會發現它比許多同級別的開源模型聽話得多。

步驟 2：了解 XML Function Calling

去 Nous Research 的 GitHub 看看他們的「Hermes Function Calling」文件。了解為什麼在 JSON 之外，用 <scratch_pad> 讓模型先「思考」，能大幅降低工具呼叫的幻覺。這對你寫任何 Prompt 都有啟發。

步驟 3：部署你的第一個私有 Agent

如果你有一台記憶體 16GB 以上的電腦，或租用了一台便宜的 VPS，跟著官方教學把 Hermes Agent clone 下來跑跑看。試著讓它記住一件關於你的事，然後換個平台（比如從 CLI 換到 Telegram）問它，體驗「持久化記憶」帶來的便利性。

我的反思

Nous Research 與 Hermes Agent 的發展，讓我們看到開源社群在 Agent 領域的活力。

它們證明了：我們不一定要依賴大型雲端服務，也能透過開源模型在本地端完成複雜的推理與任務調度。

未來的 AI 生態系將會更加多元。 除了雲端巨頭提供的強大 API 外，我們也擁有在自己電腦裡，運行一個具備記憶、能自我成長的專屬助理的選擇。這種能兼顧靈活性與隱私的開發模式，將會是 AI 應用落地的另一條重要支線。

參考資料 (References)

官方資源

• Nous Research 官方網站
• Hermes Agent GitHub
• Hermes Function Calling 標準指南

推薦影片