Hermes Agent 憑藉自我優化 AI 系統獲得廣泛關注

🔑 增強重點摘要

• •Hermes Agent 由 Nous Research 於 2026 年 2 月在 MIT 許可下發布，其核心設計理念是透過持久記憶和自主技能創建來實現自我改進的 AI 代理。
• •該框架的核心架構圍繞著一個「學習循環」構建，包含記憶（user.md + memory.md）、技能、靈魂、排程（crons）和自我改進循環五大支柱，旨在解決傳統 AI 代理的「無狀態問題」。
• •Hermes Agent 具有模型和供應商無關的特性，支援透過 OpenRouter、OpenAI、NVIDIA NIM 或自訂端點連接超過 200 種模型，並可在從 5 美元 VPS 到 GPU 叢集等多種基礎設施上運行。
• •NVIDIA DGX Spark 是專為 Hermes Agent 優化的緊湊型 AI 超級電腦，於 2025 年底推出，搭載 GB10 Grace Blackwell SoC、128GB 統一記憶體和 NVFP4 支援，能夠在本地運行高達 2000 億參數的大型語言模型推論。
• •Hermes Agent 支援多平台整合，可透過內建閘道器與 Telegram、Discord、Slack、WhatsApp 等 20 多個訊息平台互動，並提供 Shell 執行和子代理委派等功能，使其適用於多樣化的工作流程。

🛠️ 技術深入

• •核心架構: 採用模組化、事件驅動架構，由代理核心層、工具介面層、記憶管理層、學習循環層和安全層組成。
• •代理循環引擎: 作為同步編排引擎，負責處理用戶輸入、決定適當動作、管理對話流程，並實現複雜多步驟任務的狀態機，同時保持上下文感知。
• •學習循環: Hermes Agent 的核心創新，包含代理策劃記憶、週期性提示、自主技能創建、使用中技能自我改進、FTS5 跨會話召回與 LLM 摘要，以及 Honcho 辯證用戶建模。
• •持久記憶: 透過本地資料庫（如 SQLite FTS5）儲存歷史對話，並透過檢索和摘要管道處理，以建立用戶行為模型，而非僅限於關鍵字搜尋。記憶系統包含 user.md（用戶資訊、偏好）和 memory.md（事實、經驗、教訓）兩個檔案。
• •自主技能創建: 代理在遇到複雜任務或接收回饋時，會將學習內容儲存為技能，並能分析工作流程以建議將其轉化為可重複使用的技能。它支援 agentskills.io 標準。
• •自我訓練追蹤匯出: 能夠匯出運行時生成的工具使用追蹤，這些追蹤可用作下游模型微調的資料，使代理的使用過程本身成為模型改進循環的一部分。
• •操作模式: 支援互動模式（即時對話）、批次模式（非同步處理多個任務）和排程模式（在指定間隔執行預定義任務）。
• •NVIDIA RTX PC 優化: 利用專用 AI Tensor 核心提供高吞吐量和低延遲，加速 AI 推論，並支援 Windows ML 和 TensorRT 等後端。
• •NVIDIA DGX Spark 規格: 搭載 GB10 Grace Blackwell Superchip，具備 20 個 ARM 核心（10 個 Cortex-X925 + 10 個 Cortex-A725）、128GB 統一 LPDDR5X 記憶體（頻寬 273 GB/s）和 4TB NVMe M.2 儲存。GPU 側 Blackwell 架構，具備 6,144 個 CUDA 核心、192 個第五代 Tensor 核心和 48 個第四代 RT 核心，支援 NVFP4 4 位元精度格式，AI 性能高達 1 petaFLOP（FP4 稀疏精度），可運行高達 2000 億參數的 LLM。
• •DGX Spark 軟體堆疊: 預裝 NVIDIA 的 DGX OS 和 AI 軟體堆疊，包括 PyTorch、RAPIDS、NGC 容器和優化函式庫，適用於原型設計、微調、推論、資料科學和邊緣 AI 工作流程。
• •多平台支援: 透過內建閘道器支援 CLI、Telegram、Discord、Slack、WhatsApp、Signal、Matrix、Email、SMS 等 20 多個訊息平台。
• •工具與子代理: 內建 40 多種工具，包括網路搜尋、瀏覽器自動化、視覺、程式碼執行、排程任務和子代理委派。子代理被視為短暫、隔離的工作者，專注於子任務，有助於保持任務組織整潔並減少代理混淆。

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線