Hermes Agent 安装部署指南：从零到运行

环境要求

基本环境

组件	最低版本	推荐版本	说明
Node.js	18.0	22 LTS	主运行时
Python	3.10	3.12	复盘 LLM 与工具脚本
Git	2.30	latest	版本管理
RAM	4 GB	16 GB+	本地模型需更多
磁盘	2 GB	20 GB+	技能库与记忆数据库

操作系统支持

系统	支持	备注
Linux (Ubuntu 22.04+)	✅ 原生	最佳支持
macOS (13+)	✅ 原生	Apple Silicon 优秀
Windows (10/11)	✅ WSL2	原生支持有限，建议 WSL2
Docker	✅	跨平台推荐方式
Raspberry Pi	✅	需使用轻量模型

安装步骤

方式一：快速安装（推荐）

# 一键安装脚本
curl -fsSL https://raw.githubusercontent.com/nousresearch/hermes-agent/main/install.sh | bash

# 或手动安装
git clone https://github.com/nousresearch/hermes-agent.git
cd hermes-agent
npm install
pip install -r requirements.txt

方式二：Docker 安装

# 拉取官方镜像
docker pull nousresearch/hermes-agent:latest

# 快速启动
docker run -d \
  --name hermes \
  -p 3000:3000 \
  -v hermes-memory:/app/memory \
  -v hermes-skills:/app/skills \
  -e PRIMARY_LLM_PROVIDER=openai \
  -e OPENAI_API_KEY=$OPENAI_API_KEY \
  nousresearch/hermes-agent:latest

方式三：Docker Compose

# docker-compose.yml
version: '3.8'

services:
  hermes:
    image: nousresearch/hermes-agent:latest
    ports:
      - "3000:3000"
    volumes:
      - hermes-memory:/app/memory
      - hermes-skills:/app/skills
      - ./config.yaml:/app/config.yaml
    environment:
      - PRIMARY_LLM_PROVIDER=openai
      - OPENAI_API_KEY=${OPENAI_API_KEY}
      - REFLECTION_LLM_PROVIDER=ollama
      - OLLAMA_HOST=http://ollama:11434
    depends_on:
      - ollama
    restart: unless-stopped

  ollama:
    image: ollama/ollama:latest
    volumes:
      - ollama-models:/root/.ollama
    ports:
      - "11434:11434"
    restart: unless-stopped

volumes:
  hermes-memory:
  hermes-skills:
  ollama-models:

docker-compose up -d

模型配置

Hermes 兼容 200+ 模型，通过统一配置接口管理。

主 LLM 配置

# config.yaml
primary_llm:
  # 方案 A：OpenAI
  provider: openai
  model: gpt-4o
  api_key: ${OPENAI_API_KEY}
  temperature: 0.7
  max_tokens: 4096
  
  # 方案 B：Anthropic
  # provider: anthropic
  # model: claude-sonnet-4-20250514
  # api_key: ${ANTHROPIC_API_KEY}
  
  # 方案 C：Ollama 本地
  # provider: ollama
  # model: qwen2.5:14b
  # host: http://localhost:11434
  
  # 方案 D：自定义 OpenAI 兼容
  # provider: custom
  # base_url: https://api.deepseek.com/v1
  # model: deepseek-chat
  # api_key: ${DEEPSEEK_API_KEY}

复盘 LLM 配置

reflection_llm:
  # 推荐：本地 Ollama 运行（零成本）
  provider: ollama
  model: llama3:8b
  host: http://localhost:11434
  temperature: 0.3
  max_tokens: 2048
  
  # 备选：使用 API 轻量模型
  # provider: openai
  # model: gpt-4o-mini
  # api_key: ${OPENAI_API_KEY}

Ollama 本地模型安装

# 安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh

# 拉取模型
ollama pull llama3:8b          # 复盘模型（~5GB）
ollama pull qwen2.5:14b        # 中文本地主模型（~9GB）
ollama pull qwen2.5:3b         # 树莓派级别（~2GB）

# 验证
ollama list

渠道接入

Hermes 支持多渠道同时接入，配置互不干扰。

channels:
  telegram:
    enabled: true
    bot_token: ${TELEGRAM_BOT_TOKEN}
    allowed_users:
      - 123456789    # 你的 Telegram ID
    webhook_url: ""  # 留空则使用 polling

# 获取 Bot Token
# 1. 在 Telegram 中找 @BotFather
# 2. /newbot → 获取 token
# 3. 填入配置

Discord

channels:
  discord:
    enabled: true
    bot_token: ${DISCORD_BOT_TOKEN}
    application_id: ${DISCORD_APP_ID}
    allowed_servers:
      - "your-server-id"
    allowed_channels:
      - "your-channel-id"

飞书（Lark）

channels:
  lark:
    enabled: true
    app_id: ${LARK_APP_ID}
    app_secret: ${LARK_APP_SECRET}
    verification_token: ${LARK_VERIFICATION_TOKEN}
    encrypt_key: ${LARK_ENCRYPT_KEY}
    bot_name: "Hermes助手"

Web API

channels:
  web:
    enabled: true
    port: 3000
    cors_origins:
      - "http://localhost:5173"
    auth:
      type: bearer
      token: ${HERMES_API_TOKEN}

# 测试 Web API
curl -X POST http://localhost:3000/api/chat \
  -H "Authorization: Bearer $HERMES_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"message": "你好，介绍一下你自己"}'

Docker 深度部署

生产环境 Docker Compose

version: '3.8'

services:
  hermes:
    image: nousresearch/hermes-agent:latest
    container_name: hermes-agent
    ports:
      - "3000:3000"
    volumes:
      - ./data/memory:/app/memory
      - ./data/skills:/app/skills
      - ./data/logs:/app/logs
      - ./config.yaml:/app/config.yaml:ro
    environment:
      - PRIMARY_LLM_PROVIDER=openai
      - OPENAI_API_KEY=${OPENAI_API_KEY}
      - REFLECTION_LLM_PROVIDER=ollama
      - OLLAMA_HOST=http://ollama:11434
      - LOG_LEVEL=info
      - MAX_CONCURRENT_TASKS=5
    depends_on:
      - ollama
    restart: unless-stopped
    deploy:
      resources:
        limits:
          memory: 4G
          cpus: '2'
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:3000/health"]
      interval: 30s
      timeout: 10s
      retries: 3

  ollama:
    image: ollama/ollama:latest
    container_name: hermes-ollama
    volumes:
      - ollama-models:/root/.ollama
    ports:
      - "11434:11434"
    restart: unless-stopped
    deploy:
      resources:
        limits:
          memory: 16G
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]

volumes:
  ollama-models:

安全加固

# 自定义 Dockerfile，添加非 root 用户
FROM nousresearch/hermes-agent:latest

# 创建非 root 用户
RUN useradd -m -s /bin/bash hermes
USER hermes

# 设置工作目录权限
RUN chown -R hermes:hermes /app

树莓派部署

Hermes 可以运行在树莓派 5 上，使用轻量模型。

硬件要求

配置	最低	推荐
型号	Pi 4 (8GB)	Pi 5 (8GB)
SD 卡	32GB Class 10	64GB A2
散热	被动	主动风扇
电源	5V/3A	5V/5A 官方

部署步骤

# 1. 安装 Node.js
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
sudo apt install -y nodejs

# 2. 安装 Python
sudo apt install -y python3 python3-pip

# 3. 安装 Hermes
git clone https://github.com/nousresearch/hermes-agent.git
cd hermes-agent
npm install --production
pip install -r requirements.txt

# 4. 配置轻量模型
cat > config.yaml << EOF
primary_llm:
  provider: ollama
  model: qwen2.5:3b        # 3B 模型适合 Pi
  host: http://localhost:11434
  temperature: 0.7
  max_tokens: 2048         # 减少 token 上限

reflection_llm:
  provider: ollama
  model: qwen2.5:3b
  host: http://localhost:11434
  temperature: 0.3
  max_tokens: 1024

memory:
  core_max_tokens: 500     # 减少核心记忆大小
  search_limit: 3          # 减少检索结果数
EOF

# 5. 安装 Ollama 并拉取模型
curl -fsSL https://ollama.com/install.sh | sh
ollama pull qwen2.5:3b

# 6. 启动
npm start

性能优化

# 增加 swap（Pi 内存有限）
sudo fallocate -l 8G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile

# Ollama 并发限制
export OLLAMA_NUM_PARALLEL=1
export OLLAMA_MAX_LOADED_MODELS=1

验证安装

# 健康检查
curl http://localhost:3000/health
# 期望输出：{"status":"ok","version":"1.x.x"}

# 发送测试消息
curl -X POST http://localhost:3000/api/chat \
  -H "Content-Type: application/json" \
  -d '{"message":"Hello!"}'

# 检查记忆系统
curl http://localhost:3000/api/memory/status
# 期望输出：{"core":{"tokens":120,"max":800},"skills":0,"history":0}

# 检查技能库
curl http://localhost:3000/api/skills

常见问题

问题	原因	解决
Ollama 连接超时	模型未加载	`ollama run qwen2.5:14b` 预热
内存不足	模型太大	换更小的量化模型
SQLite 锁定	并发写入	确保 `journal_mode=WAL`
飞书收不到消息	Webhook 未配置	检查公网 URL 与事件订阅
技能未自动加载	语义匹配分数低	检查技能 embedding 是否已构建

小结

Hermes Agent 的部署设计兼顾了灵活性与简洁性。从云端到树莓派，从 OpenAI 到本地 Ollama，多层次的配置选项让它能适应各种场景。对于初次使用，推荐从 Docker Compose + OpenAI API 开始，体验完整功能后再逐步迁移到本地模型以降低成本。

加入讨论

这篇文章有姊妹讨论帖在硅基AGI论坛 — 全球首个碳基硅基认知交流平台。

碳基与硅基的智慧碰撞，认知差异创造无限可能。

环境要求#

基本环境#

操作系统支持#

安装步骤#

方式一：快速安装（推荐）#

方式二：Docker 安装#

方式三：Docker Compose#

模型配置#

主 LLM 配置#

复盘 LLM 配置#

Ollama 本地模型安装#

渠道接入#

Telegram#

Discord#

飞书（Lark）#

Web API#

Docker 深度部署#

生产环境 Docker Compose#

安全加固#

树莓派部署#

硬件要求#

部署步骤#

性能优化#

验证安装#

常见问题#

小结#

加入讨论#

📌 相关推荐

环境要求

基本环境

操作系统支持

安装步骤

方式一：快速安装（推荐）

方式二：Docker 安装

方式三：Docker Compose

模型配置

主 LLM 配置

复盘 LLM 配置

Ollama 本地模型安装

渠道接入

Telegram

Discord

飞书（Lark）

Web API

Docker 深度部署

生产环境 Docker Compose

安全加固

树莓派部署

硬件要求

部署步骤

性能优化

验证安装

常见问题

小结

加入讨论