2. 核心概念图解
本章你将学到
- Hermes 的 6 大核心概念：Agent Loop / Skills / Tools / Backend / Gateway / Memory
- 它们怎么协同工作（一个任务从输入到完成都经历了什么）
- Hermes 的概念和 OpenClaw 哪里相似、哪里不同
为什么先讲概念
搞懂这几个词，后面 38 章顺畅 10 倍。Hermes 概念比 OpenClaw 更"研究型"，但本质都简单——这一章用图和大白话讲清。
2.1 全景图：一张图先看懂
┌──────────────────────────────────────────────────────────┐
│ 你（用户） │
│ ↑↓ CLI / Telegram / Discord / Email │
└──────────────────────────────────────────────────────────┘
↑↓
┌─────────────────┐
│ Gateway │ ← 单一后台进程，统一收发
│ (hermes gateway)│
└────────┬────────┘
↓ 把消息发给：
┌─────────────────┐
│ Agent Loop │ ← Hermes 的"思考-行动"循环
│ (ReAct cycle) │
└────────┬────────┘
↓ 每一轮可能：
┌────────┴────────┬───────────┬─────────────┐
↓ ↓ ↓ ↓
┌──────┐ ┌──────┐ ┌──────────┐ ┌──────────┐
│ LLM │ │ Tool │ │ Skill 检 │ │ Subagent │
│ 调用 │ │ 调用 │ │ 索 / 注入│ │ 派生 │
└──────┘ └──────┘ └──────────┘ └──────────┘
↓
实际跑在哪里？
┌────────┬───────┬─────┬───────┬───────┬─────────┬─────────┐
↓ ↓ ↓ ↓ ↓ ↓ ↓
Local Docker SSH Modal Daytona Singular Vercel
↑↑↑ 这些就是 7 种 Terminal Backend ↑↑↑
↓ 任务完成后
┌─────────────────┐
│ Memory │ ← 三层记忆 + 自动产 skill
│ (Honcho/FTS5/ │
│ 自动 skill) │
└─────────────────┘记住这张图，下面逐个讲解。
2.2 Gateway（网关） — 后台总管
一句话：Gateway 是一个永远在后台的进程，统一管所有消息收发。
它和 OpenClaw 的 Gateway 像不像？
很像——OpenClaw 和 Hermes 都用 "Gateway = 单一后台进程" 这个架构。
差别只是：
- OpenClaw Gateway 是 Node.js 写的，端口 18789
- Hermes Gateway 是 Python 写的，启动方式
hermes gateway
启动命令
hermes gateway # 启动 gateway 后台进程
hermes gateway --daemon # 注册成系统服务，开机自启你为什么会经常听到它
- 给 IM（Telegram/Discord/Slack...）发消息要先
hermes gateway - 添加新 IM 平台用
hermes platform add <name> - 排查 IM 收不到消息时第一件事是看 Gateway 在不在跑
2.3 Agent Loop（智能循环） — 它的"大脑工作方式"
一句话：Hermes 用 ReAct 模式（Reason + Act 推理+行动循环）思考。
一轮 loop 长这样
你: 帮我整理一下 ~/Documents 里的所有 PDF，
按内容分类到子文件夹
Hermes 内部：
┌─ Loop 1
│ Reason: "我需要先看看 ~/Documents 里有什么 PDF"
│ Act: 调用 ls 工具列文件
│ Result: 找到 47 个 PDF
├─ Loop 2
│ Reason: "我需要看每个 PDF 大概是什么内容"
│ Act: 调用 read-pdf 工具读前 500 字
│ Result: 拿到内容片段
├─ Loop 3
│ Reason: "我可以分成: 论文 / 合同 / 财务 / 杂项 4 类"
│ Act: 调用 mkdir + mv 工具移动文件
│ Result: 完成
└─ 完成: 报告分类结果给你关键设计：每轮都有 LLM 决策
不像传统脚本"写好步骤往下跑"，Hermes 每一步都让 LLM 重新判断"现在该干嘛"。这让它能：
- 应对意外（一个 PDF 加密了？跳过 + 报告）
- 中途调整（"哦原来还有 .docx，加进来一起整"）
- 自我反思（"上一步效果不好，换个方法试"）
这就是 agent 和 chatbot 的本质差别
chatbot：你说一句，它答一句，结束 agent：你说一个目标，它反复"想-做-想-做"直到目标完成
2.4 Tools（工具） — 内置 40+ 件
一句话：Tool 是 Hermes 出厂自带的 40+ 个"内置技能"，覆盖最常用的操作。
不像 OpenClaw 默认 Agent 是"光杆司令"得装 skill 才能干活，Hermes 开箱就有 40+ 件工具能用。
主要工具类别
| 类别 | 代表工具 |
|---|---|
| 文件操作 | read_file / write_file / list_dir / glob / grep |
| 终端 | shell_exec / run_python |
| 网络 | web_search / fetch_url / download |
| 代码 | code_search / analyze_repo |
| 浏览器 | browser_use （v0.8+ 集成） |
| 图像 | analyze_image / generate_image |
| 音频 | transcribe |
| 数据 | parse_csv / read_pdf / read_docx |
| Git | git_clone / git_diff / git_log |
工具集（Toolset）
40+ 全开太多 token 会爆，所以 Hermes 用 Toolset 分组管理：
hermes tools # 进交互式管理界面可以勾选某个 agent 用哪些 toolset。比如：
- 只跑数据分析 → 启用
data+web工具集 - 编码场景 → 启用
code+git+shell
详见 18. 40+ 内置工具一览。
2.5 Skills（技能） — Hermes 的杀手特性
一句话：Skill 是 Hermes 自动从过往任务里总结的 markdown 文件，下次遇到类似任务直接复用。
Tool vs Skill 的区别
| Tool | Skill | |
|---|---|---|
| 谁写的 | Hermes 内置 | Hermes 自己写（或你手写） |
| 是什么 | 一个原子动作（如 read_file） | 一组复杂操作的"经验沉淀" |
| 例子 | "读文件" | "怎么读懂一个 React 项目的入口" |
一个真实的 skill 文件长这样
---
name: summarize-arxiv-paper
description: 给一个 arxiv URL，输出中文摘要 + 5 个关键点
---
# 总结 arxiv 论文
## 步骤
1. 用 fetch_url 拿 PDF
2. 用 read_pdf 提取 abstract / introduction / conclusion 三段
3. 检查作者所属机构（top-tier 机构权重高）
4. 用 LLM 生成 5 个 bullet 关键点
## 已知坑
- v1 vs v2 版本要看 latestSubmission
- 数学公式抽不出来，跳过即可
## 输出格式
{
title: 中文翻译,
authors: [...],
key_points: [5 个],
reading_time: 估计耗时分钟
}自动生成时机
Hermes 在以下情况会自动生成 skill：
- 任务调用 ≥ 5 次工具完成
- 你说"这个 X 任务以后会经常做"
- 你直接命令"把刚才那个流程存成 skill"
详见 16. Skills 自改进系统。
agentskills.io 开放标准
Hermes 生成的 skill 符合 agentskills.io 标准——意味着：
- 可以分享给别人
- 可以下别人写的 skill 用
- 跨 agent 框架可移植（理论上能跑在其他兼容 agent 上）
这是 Hermes 比 OpenClaw skill **更"标准化"**的地方。
2.6 Backend（执行后端） — 任务跑在哪里
一句话：同一个 Hermes agent 可以选择在哪儿跑实际任务——本机？Docker？远程服务器？云沙箱？
这是 Hermes 最独特的能力——OpenClaw 没有，Claude Code 没有。
7 种 backend
| Backend | 跑在 | 适合 |
|---|---|---|
| local | 本机 | 日常默认 |
| docker | 容器 | 隔离环境 |
| ssh | 远程服务器 | 笔记本关机，服务器继续跑 |
| modal | Modal 云函数 | 临时大算力，跑完即销毁 |
| daytona | Daytona 云开发环境 | 标准化开发沙箱 |
| singularity | HPC 高性能容器 | 学术 / 科研集群 |
| vercel-sandbox | Vercel Sandbox | 临时一次性任务 |
切换 backend
# 本次会话用 docker backend
hermes --backend docker
# 把某个任务派到云上跑
hermes "训练这个模型" --backend modal
# 全局默认改成 ssh
hermes config set backend ssh2.7 Memory（记忆） — Hermes 怎么"记住事"
LLM 是"金鱼脑"——每次调用都不记得之前。Hermes 用多层记忆让 agent 跨会话有连续性。
Hermes 的 5 层记忆
┌────────────────────────────────────────────┐
│ 1. Working Memory (当前对话) │
│ 自动维护，无需管 │
├────────────────────────────────────────────┤
│ 2. Session Memory (FTS5 全文搜索) │
│ 用 SQLite FTS5 索引你的所有历史对话 │
│ 任何时候能搜 "上次我们怎么解决 X 问题" │
├────────────────────────────────────────────┤
│ 3. memory.md (个人长期事实) │
│ "用户对花生过敏" 这类 │
├────────────────────────────────────────────┤
│ 4. user.md (用户偏好画像) │
│ "用户喜欢简洁回复 / 偏好 TypeScript" │
├────────────────────────────────────────────┤
│ 5. Honcho (深度用户建模) │
│ 自动学习沟通风格 / 决策模式 / 知识盲区 │
└────────────────────────────────────────────┘Honcho 是个什么东西？
Honcho 是 Plastic Labs 出的开源用户建模库。把它接到 Hermes 后，agent 会自动：
- 分析你的沟通风格（言简意赅？啰嗦？情感型？）
- 推测你的知识背景（资深？新手？某领域专家？）
- 记录你的决策模式（保守？激进？数据驱动？）
用了一个月后，Hermes 知道你听哪种解释更顺畅、怎么提问最高效。
Token 压缩
长对话 prompt 会爆 context window。Hermes 用 双压缩：
- 老对话用 LLM 总结成摘要
- 配合 Anthropic prompt caching，重复部分不重发
实测一个跑了 100 轮的对话，prompt 实际只有 8K tokens（vs 不压缩的 50K+）。
2.8 Subagents（子代理） — 并行多任务
一句话：一个 Hermes 可以派生多个隔离的子 agent 同时跑不同任务。
典型场景
你: 调研 GPT-5 / Claude 4.6 / Gemini 3 这 3 个模型的最新发布，
每个深挖一下能力、定价、benchmark，最后汇总成对比表
Hermes:
→ 派 3 个 subagent 各负责一家
→ 它们隔离运行（独立 context，互不干扰）
→ 一小时后我会汇总结果
Subagent A: 调研 GPT-5 ...
Subagent B: 调研 Claude 4.6 ...
Subagent C: 调研 Gemini 3 ...
↓ 各自完成
Hermes 主进程: 拿到 3 份报告，汇总成对比表给你关键设计
- 每个 subagent 独立 context（不会互相干扰）
- 可以用不同 model（如调研用 Claude，汇总用 DeepSeek 省钱）
- 主 agent 控制派生 / 取消 / 超时
2.9 串起来：一个任务的完整旅程
你说"调研 3 个开源 LLM 框架，对比写报告"：
1. 你 → Telegram bot → Gateway 收到消息
↓
2. Gateway 路由给主 agent，启动 Agent Loop
↓
3. Loop 1: LLM 推理 "需要并行调研，派 subagent"
↓
4. 派 3 个 subagent，分别用 ssh backend 跑在 3 台服务器上
↓
5. 每个 subagent 自己的 Agent Loop:
- 调 web_search 工具找资料
- 调 fetch_url 工具读文档
- 调 LLM 生成结构化摘要
↓
6. 3 个 subagent 完成，主 agent 收到结果
↓
7. Loop N: LLM 生成最终对比表
↓
8. 通过 Gateway 推回 Telegram 给你
↓
9. 这次任务调用 ≥ 5 个工具，触发自动 skill 生成
↓
10. 新 skill `compare-llm-frameworks.md` 写入 ~/.hermes/skills/
↓
11. Honcho 更新用户画像 "用户关心开源生态 / 比较向"下次你说"再调研一下 5 个 agent 框架对比"——Hermes 直接看自己刚写的 skill，速度和质量都提升。
2.10 还有一些次要概念，先有个印象
| 词 | 一句话解释 |
|---|---|
| Trajectory | 一次任务的完整"思考-行动"轨迹，可导出当微调数据 |
| Toolset | 工具的分组（如 code / web / data），按需启用 |
| Worktree | git worktree 风格的隔离工作目录，subagent 用 |
| MCP | Model Context Protocol，跨 AI 工具的"插件"标准（同 OpenClaw） |
| uv | Python 的极速包管理（Hermes 用它装依赖） |
| agentskills.io | Skill 文件的开源开放标准 |
详见各自章节。
看完这一章你应该知道
✅ Gateway 是后台总管，统一收发消息 ✅ Agent Loop = ReAct 推理-行动循环，每步 LLM 决策 ✅ Tools 是 40+ 内置工具，开箱即用 ✅ Skills 是 Hermes 自己沉淀的"经验"（杀手特性） ✅ 7 种 Backend 让任务能跑在本地 / Docker / 远程 / 云沙箱 ✅ 5 层 Memory + Honcho 让 agent 越用越懂你 ✅ Subagents 支持并行调研 / 隔离多任务
知道概念了，下一章看真实场景：Hermes 擅长什么、不擅长什么，避免预期错位。