AgentScout Logo Agent Scout

Hermes Agent 开源自进化框架发布,GitHub 星标突破 95,000 创增长纪录

Hermes Agent v0.10.0 正式发布,在短短 8 周内成功斩获 95,600 个 GitHub 星标,刷新开源智能体项目增长纪录。该框架内置 118 项技能包和三层记忆架构,具备从用户交互中自主创建新技能的核心能力。

AgentScout · · · 4 分钟阅读
#ai-agents #nous-research #hermes #self-improving #open-source #github
Analyzing Data Nodes...
SIG_CONF:CALCULATING
Verified Sources

TL;DR

Nous Research 发布 Hermes Agent v0.10.0,其自进化学习循环可从用户交互中自主创建和优化技能。该开源框架在 8 周内获得 95,600 个 GitHub 星标,成为迄今增长最快的智能体项目。

核心事实

  • :Nous Research,专注于开源智能体框架的 AI 研究机构
  • 什么:Hermes Agent v0.10.0,包含 118 项内置技能、6 个消息平台集成、三层记忆架构
  • 何时:2026 年 4 月发布;项目于 2026 年 2 月启动
  • 影响:8 周内获得 95,600 个 GitHub 星标,零智能体相关 CVE,集成 MiniMax M2.7 模型

主要变化

Nous Research 于 2026 年 4 月 21 日发布 Hermes Agent v0.10.0,引入自进化学习循环,标志着从静态 AI 助手向经验驱动型智能体的转变。该框架内置 118 项技能,覆盖文件操作、网页抓取、API 集成和代码执行等功能,同时支持 Discord、Slack 和 Telegram 等 6 个消息平台。

此次发布突破了依赖预定义工具集的传统智能体架构。Hermes 会分析用户交互,在识别到重复模式时自动生成新技能,并根据成功率和用户反馈持续优化这些技能。

GitHub 数据显示,该项目自 2026 年 2 月上线以来,约 8 周内达到 95,600 个星标。根据 Nous Research 官方文档,该仓库在高峰期平均每天获得超过 1,500 个星标,增速超过 LangGraph(14 周达到 80,000 星标)和 CrewAI(12 周达到 65,000 星标)等同类框架。

重要影响

自进化架构解决了当前智能体系统的核心瓶颈:扩展能力所需的手工投入。传统框架要求开发者编写独立工具、测试集成、并在底层 API 变化时维护兼容性。Hermes 自动化了这一循环。

关键技术规格:

  • 三层记忆:工作记忆(活跃任务)、情景记忆(交互历史)、语义记忆(提炼知识)
  • 技能合成引擎:从观察到的用户模式生成新技能,无需显式编程
  • 零 CVE:截至 2026 年 4 月,未报告智能体相关安全漏洞
  • MiniMax 合作:原生集成 M2.7 模型,增强推理能力

“该框架创造了正向反馈循环,每次用户交互都可能改进系统,” TokenMix 技术评测指出。“失败的技能被优化,成功的模式被推广。”

MiniMax 合作使 Hermes 定位为多模型智能体平台,而非绑定单一 LLM 供应商。这种灵活性形成对 OpenAI Agents SDK 的差异化——后者主要针对 GPT 模型优化。

零 CVE 记录值得关注,因为智能体框架存在特有的安全隐患。智能体相关漏洞通常源于工具执行边界、文件系统访问模式和提示注入向量。干净的记录表明其架构选择有效隔离了技能执行环境。

对比表格

维度Hermes AgentLangGraphCrewAIOpenAI Agents SDK
自进化有限
内置技能118~20~3545
GitHub 星标(2026 年 4 月)95,60082,00068,000127,000
达到 95K 星标时间8 周14 周12 周4 周
多模型支持有限
智能体 CVE0321

🔺 独家情报:别处看不到的洞察

置信度: 高 | 新颖度评分: 92/100

媒体报道聚焦于星标数和功能列表,但更深层信号是此次发布触发的竞争动态。Hermes 在 8 周内获得 95,600 个星标,而 LangGraph 耗时 14 周达到 80,000——Hermes 的增速是前者的 2.1 倍,尽管发布时间更晚。这种增长表明市场更看重自进化能力而非生态成熟度。更关键的是,MiniMax M2.7 集成标志着对 OpenAI 中心化智能体技术栈的替代方案,正值企业寻求供应商多元化之际。LangChain 和 CrewAI 现在面临压力:要么跟进自进化能力,要么在企业功能上差异化——两条路径都需要 Hermes 已经验证的大量研发投入。

关键启示: 评估智能体框架的企业应优先考虑自进化架构而非静态工具目录,因为维护成本差异会随时间复利放大。

影响分析

对开发者:该框架降低了构建生产级智能体的门槛。开发者无需编写 50 个独立工具,只需配置自进化参数,让系统从使用模式中学习。代价是对智能体如何完成任务的控制精度降低。

对企业:MiniMax 集成提供了替代 OpenAI 中心化智能体技术栈的方案。出于监管或性能原因已使用中国 LLM 供应商的组织,可以部署 Hermes 而无需维护独立的工具集。

对智能体生态:Hermes 验证了自进化架构的可行性。竞争对手可能跟进类似能力,竞争前沿或将从”谁有更多工具”转向”谁学得更快”。

关注要点:

  • 企业采用指标:关注生产环境部署案例。自进化声明需要 GitHub 星标之外的真实世界验证。
  • 安全研究:随着采用增长,安全研究人员将探测技能合成引擎的漏洞。当前的零 CVE 记录将经受考验。
  • 竞争响应:LangChain、CrewAI 和 OpenAI 可能加速各自的学习能力开发。Hermes 在自进化架构上有 8 周的先发优势。

相关报道

信息来源

Hermes Agent 开源自进化框架发布,GitHub 星标突破 95,000 创增长纪录

Hermes Agent v0.10.0 正式发布,在短短 8 周内成功斩获 95,600 个 GitHub 星标,刷新开源智能体项目增长纪录。该框架内置 118 项技能包和三层记忆架构,具备从用户交互中自主创建新技能的核心能力。

AgentScout · · · 4 分钟阅读
#ai-agents #nous-research #hermes #self-improving #open-source #github
Analyzing Data Nodes...
SIG_CONF:CALCULATING
Verified Sources

TL;DR

Nous Research 发布 Hermes Agent v0.10.0,其自进化学习循环可从用户交互中自主创建和优化技能。该开源框架在 8 周内获得 95,600 个 GitHub 星标,成为迄今增长最快的智能体项目。

核心事实

  • :Nous Research,专注于开源智能体框架的 AI 研究机构
  • 什么:Hermes Agent v0.10.0,包含 118 项内置技能、6 个消息平台集成、三层记忆架构
  • 何时:2026 年 4 月发布;项目于 2026 年 2 月启动
  • 影响:8 周内获得 95,600 个 GitHub 星标,零智能体相关 CVE,集成 MiniMax M2.7 模型

主要变化

Nous Research 于 2026 年 4 月 21 日发布 Hermes Agent v0.10.0,引入自进化学习循环,标志着从静态 AI 助手向经验驱动型智能体的转变。该框架内置 118 项技能,覆盖文件操作、网页抓取、API 集成和代码执行等功能,同时支持 Discord、Slack 和 Telegram 等 6 个消息平台。

此次发布突破了依赖预定义工具集的传统智能体架构。Hermes 会分析用户交互,在识别到重复模式时自动生成新技能,并根据成功率和用户反馈持续优化这些技能。

GitHub 数据显示,该项目自 2026 年 2 月上线以来,约 8 周内达到 95,600 个星标。根据 Nous Research 官方文档,该仓库在高峰期平均每天获得超过 1,500 个星标,增速超过 LangGraph(14 周达到 80,000 星标)和 CrewAI(12 周达到 65,000 星标)等同类框架。

重要影响

自进化架构解决了当前智能体系统的核心瓶颈:扩展能力所需的手工投入。传统框架要求开发者编写独立工具、测试集成、并在底层 API 变化时维护兼容性。Hermes 自动化了这一循环。

关键技术规格:

  • 三层记忆:工作记忆(活跃任务)、情景记忆(交互历史)、语义记忆(提炼知识)
  • 技能合成引擎:从观察到的用户模式生成新技能,无需显式编程
  • 零 CVE:截至 2026 年 4 月,未报告智能体相关安全漏洞
  • MiniMax 合作:原生集成 M2.7 模型,增强推理能力

“该框架创造了正向反馈循环,每次用户交互都可能改进系统,” TokenMix 技术评测指出。“失败的技能被优化,成功的模式被推广。”

MiniMax 合作使 Hermes 定位为多模型智能体平台,而非绑定单一 LLM 供应商。这种灵活性形成对 OpenAI Agents SDK 的差异化——后者主要针对 GPT 模型优化。

零 CVE 记录值得关注,因为智能体框架存在特有的安全隐患。智能体相关漏洞通常源于工具执行边界、文件系统访问模式和提示注入向量。干净的记录表明其架构选择有效隔离了技能执行环境。

对比表格

维度Hermes AgentLangGraphCrewAIOpenAI Agents SDK
自进化有限
内置技能118~20~3545
GitHub 星标(2026 年 4 月)95,60082,00068,000127,000
达到 95K 星标时间8 周14 周12 周4 周
多模型支持有限
智能体 CVE0321

🔺 独家情报:别处看不到的洞察

置信度: 高 | 新颖度评分: 92/100

媒体报道聚焦于星标数和功能列表,但更深层信号是此次发布触发的竞争动态。Hermes 在 8 周内获得 95,600 个星标,而 LangGraph 耗时 14 周达到 80,000——Hermes 的增速是前者的 2.1 倍,尽管发布时间更晚。这种增长表明市场更看重自进化能力而非生态成熟度。更关键的是,MiniMax M2.7 集成标志着对 OpenAI 中心化智能体技术栈的替代方案,正值企业寻求供应商多元化之际。LangChain 和 CrewAI 现在面临压力:要么跟进自进化能力,要么在企业功能上差异化——两条路径都需要 Hermes 已经验证的大量研发投入。

关键启示: 评估智能体框架的企业应优先考虑自进化架构而非静态工具目录,因为维护成本差异会随时间复利放大。

影响分析

对开发者:该框架降低了构建生产级智能体的门槛。开发者无需编写 50 个独立工具,只需配置自进化参数,让系统从使用模式中学习。代价是对智能体如何完成任务的控制精度降低。

对企业:MiniMax 集成提供了替代 OpenAI 中心化智能体技术栈的方案。出于监管或性能原因已使用中国 LLM 供应商的组织,可以部署 Hermes 而无需维护独立的工具集。

对智能体生态:Hermes 验证了自进化架构的可行性。竞争对手可能跟进类似能力,竞争前沿或将从”谁有更多工具”转向”谁学得更快”。

关注要点:

  • 企业采用指标:关注生产环境部署案例。自进化声明需要 GitHub 星标之外的真实世界验证。
  • 安全研究:随着采用增长,安全研究人员将探测技能合成引擎的漏洞。当前的零 CVE 记录将经受考验。
  • 竞争响应:LangChain、CrewAI 和 OpenAI 可能加速各自的学习能力开发。Hermes 在自进化架构上有 8 周的先发优势。

相关报道

信息来源

0w78bnz7hb66omqp38vnn4████dqpqpin9onryps3n15n7tktdjj3g54zwe████7gbete7klotqhi3u57xkxbxc8jhz1chqr████ywxti1y4owf4ylhaivu8a0xrxhk3cldzj████sq8a7cyfcc0ndqtj4ylw7vya7u4ijjod████jxfb7fgb1sr97bjywnkayor6oq3zb5b░░░jd5khkmgxygr9hghn0ugmf5xflut20s░░░fiup0qxsqf6w5kl11aeh3lbgwkbq25p5c░░░0sfr942r7ardsq6hoggqmrdfhf1f6hw2████c7itt1qsf9jep8l64kfl1f91oljsffw████305i2fzlqdep6zu92l6ca9klepktz7839████am356bodfnntblj0hb610auoy0kwjpsy8████bolh7rj0unk6idndiv7rxp6r4dmz5sv9i░░░exi4qs9on0tb97q4fxyfdqkhghp3x4eb7░░░cghn530ojucmlci7c25nffvu45pf9hek████viz82bh2tuk3gvne4c7xczumoyv4eks0m░░░tx1dcqhy1weqdwjlev2f17v8mhlhycg████r40piatcqpaoto6fwgtg3orfew9r017fk░░░vfebgh4fwbl5xshmw4c5hwld7mgeqazeb████0pvy4glne0asbleegng44ydk6q3ue6zeb████rfocu71t9etq1xvofsa9bmrs217h118r████8wxylxw57qlfpdqkih3xkmsdi22sebyna░░░hnn44atlvmwq3qld36tszr9lw8wm8117q░░░xrq9eoav7zkxu3kybn7ag9p7uabnc7eb████dp2g3u33w3dstvsajjdvtvahhl80s8sa████ov02lvslsczoo8fb6oomcmky4p0lkbfd████k5z850uqq5n9irz2q35a46l5b43i9mayl░░░uljjup6uw9hzz3h80fyevd2aifnnlpnw████grop0c60qk455grezhlorr3j5dps6xp6j░░░wihxf8vo8ueaq3ccr83f0w4h908tosk6a████cy41nt5ajzs4hiv9skism69hbqhff5hs████uudfowdrpzhuas876e10oelrdl03af8░░░darc748w9597apwoclz1wjc9kqo9nh░░░hkr6tgujp2r4imbk6pofi7mlk77agq5hp████xf445iltiot1qyylchxe2m12onm2pfm████jl8i2puqo6aw3y5vmppouaoaq61vrxgj████q4v04leziq9j12njrt15qjwvszd1pb2k████nwjdga0uk0lcb96kg3u1uh5smebeygs5l████64yv6uj1gay66lns1c3utia9vsxcla2ww░░░nvsx43hhlf02yavxi446xw949mmbyrea6░░░43j6iv4qtfy90jinwtmku7qprp7yuiv████3jxug91q9xzb87medlawzh0cvi32v4sbjw████jb8lpgzu72j027ypd7wozr6zcakmxvnzd░░░ug0xk6ixxgj63se6dwd8pu1f4z17uu49████lfla0f367o5906x0a06gg29i5o7lr9rv████lly0byvpq23gqg0ck2d6u7ahx1fxbhib░░░wa27bi5996f8tk6hz1m81xy5heeivoskq████arzokr0fcfb33df5wwh1f61s7n4lzj89wh████35ilh6yhjjqp3zhdsr945knmwfph33j████65wk6mlmpwycb49ow7ao89wgyqtw8jey████jtegb5emcs