Hermes Agent 项目深度解析与学习教程源代码https://github.com/NousResearch/hermes-agent一、项目整体架构分析核心定位Hermes Agent 是一个自我进化的 AI Agent 框架由 Nous Research 构建。最大特点 **学习闭环**自动从任务中创建 Skills跨 Session 保存记忆 **多平台统一入口**CLI、Telegram、Discord、Slack、WhatsApp 共用同一个 Agent Core **可扩展工具系统**40 内置工具支持 Plugin/MCP 扩展⚡ **Prompt Cache 优先**整个架构围绕缓存不失效设计项目目录核心结构hermes-agent/ ├── run_agent.py ← 最核心AIAgent 类驱动整个对话循环 ├── model_tools.py ← 工具注册/分发层Tool Orchestration ├── toolsets.py ← 工具集配置 ├── cli.py ← HermesCLI 类交互式命令行界面 ├── hermes_state.py ← SQLite 会话存储FTS5 全文搜索 ├── agent/ │ ├── conversation_loop.py ← 核心对话循环约 3900 行 │ ├── system_prompt.py ← System Prompt 三层组装 │ ├── memory_manager.py ← 记忆管理 │ └── transports/ ← 多模型后端适配器 ├── tools/ │ ├── registry.py ← 工具注册中心核心 │ ├── terminal_tool.py ← 终端执行 │ ├── browser_tool.py ← 浏览器自动化 │ └── environments/ ← 终端后端local/docker/ssh/modal ├── gateway/ ← 消息网关20 平台适配器 ├── plugins/ ← 插件系统 ├── skills/ ← 内置技能 └── cron/ ← 定时任务调度器核心数据流用户输入 → HermesCLI / Gateway 平台适配器 ↓ AIAgent.run_conversation() ↓ while iterations max: 1. 组装 messages tools schema ← system_prompt.py 2. 调用 LLM API ← agent/transports/ 3. 解析 tool_calls 4. handle_function_call() ← model_tools.py → tools/*.py 5. 追加 tool_result 到 messages 6. 无 tool_calls → 返回最终响应 ↓ post-turn hooks记忆更新、技能学习建议二、五大核心设计亮点亮点1工具自注册 自发现系统Registry Patterntools/registry.py实现了自动发现 自注册的工具系统。每个工具文件只需在模块级别调用一次registry.register()就能被自动发现。支持条件可用check_fn——例如 Home Assistant 工具只在HASS_TOKEN存在时才出现在 LLM 的工具列表中完全不占 schema 空间。亮点2System Prompt 三层架构层级内容更新频率|------|------|---------|stable身份SOUL.md、工具指南、Skills 提示 Session 内永不变context项目上下文AGENTS.md / .cursorrulesSession 内永不变volatile记忆快照、用户画像、时间戳每 turn 可更新亮点3Prompt Cache 优先的工程哲学整个架构铁律System Prompt 在一个对话内字节级别稳定。任何会导致 System Prompt 中间重建的设计都被拒绝直接节省约 70% 的 API 成本。亮点4技能学习闭环Skills SystemAgent 完成复杂任务后自动建议创建 Skill可复用的过程记忆存储在~/.hermes/skills/下的 Markdown 文件。下次遇到类似任务时直接把对应 Skill 的 Markdown 注入 System Prompt实现真正的跨会话学习。亮点5多平台 Gateway 架构所有平台Telegram/Discord/Slack/WhatsApp 等 20都继承自gateway/platforms/base.py通过统一的session.py接入同一个AIAgent真正做到一个 Agent处处可用。三、从零构建自己 Agent 的学习路线图Phase 1基础知识Week 1-2必学概念**LLM Tool Calling 机制** - OpenAI Function Calling 规范理解 messages role 交替**Python 异步编程** - async/await 基础、事件循环管理、线程安全**Prompt Engineering 基础** - System Prompt 设计、Chain of Thought B站中文视频推荐主题视频标题UP主播放量链接|------|---------|------|--------|------|Function Calling【Function calling技术详解】13集保姆级讲解大模型博士-先知~566万 ⭐[BV1SJm8YtETd](https://www.bilibili.com/video/BV1SJm8YtETd/)Function Calling【保姆级教程】Function calling功能详解赋范课堂~63万[BV1Rv411c7Qy](https://www.bilibili.com/video/BV1Rv411c7Qy/)Prompt Engineering【吴恩达】2025提示词工程教程吴恩达深度学习~28.6万[BV1173jzNELG](https://www.bilibili.com/video/BV1173jzNELG/)Python asyncioPython异步编程 asyncio 小白速通IT先驱者~806万 ⭐⭐[BV1WA411n7Vx](https://www.bilibili.com/video/BV1WA411n7Vx/)asyncio 进阶3小时学会Python asyncio高性能异步编程北京艾雷克斯~91万[BV1Fv411T7qS](https://www.bilibili.com/video/BV1Fv411T7qS/)AI Agent 全貌【全网炸裂】3天速通大模型PromptLangChainRAGAgent大模型--~485万 ⭐⭐[BV1hy5YzaErV](https://www.bilibili.com/video/BV1hy5YzaErV/)Phase 2构建最小可用 AgentWeek 3-4Step 1最小 Agent Loopfrom openai import OpenAI import json client OpenAI(api_keyYOUR_KEY) def run_agent(user_message: str, tools: list, handlers: dict) - str: messages [ {role: system, content: You are a helpful assistant.}, {role: user, content: user_message} ] while True: response client.chat.completions.create( modelgpt-4o, messagesmessages, toolstools ) msg response.choices[0].message if not msg.tool_calls: return msg.content # 最终回答 messages.append(msg) for tc in msg.tool_calls: result handlers[tc.function.name](**json.loads(tc.function.arguments)) messages.append({role: tool, tool_call_id: tc.id, content: str(result)})Step 2工具注册系统参考 tools/registry.pyclass ToolRegistry: def __init__(self): self._tools {} def register(self, name, schema, handler, check_fnNone): self._tools[name] {schema: schema, handler: handler, check_fn: check_fn} def get_schemas(self): return [t[schema] for t in self._tools.values() if not t[check_fn] or t[check_fn]()] def dispatch(self, name, args): return self._tools[name][handler](**args) registry ToolRegistry()Step 3持久化记忆参考 hermes_state.pyimport sqlite3, json class SessionStore: def __init__(self, db_pathagent.db): self.conn sqlite3.connect(db_path) self.conn.execute( CREATE TABLE IF NOT EXISTS sessions (id TEXT PRIMARY KEY, messages TEXT) ) def save(self, session_id, messages): self.conn.execute( INSERT OR REPLACE INTO sessions VALUES (?, ?), (session_id, json.dumps(messages)) ) self.conn.commit() def load(self, session_id): row self.conn.execute( SELECT messages FROM sessions WHERE id?, (session_id,) ).fetchone() return json.loads(row[0]) if row else [] B站中文视频推荐Phase 2主题视频UP主播放量链接|------|------|------|--------|------|SQLite Python使用python操作sqlite数据库太阳照常升起233~3.6万[BV1LW4y1S7L1](https://www.bilibili.com/video/BV1LW4y1S7L1/)SQLite 完整版SQLite数据库全套教程罗方炜lfw2565295~65.3万[BV1pY4y1v78u](https://www.bilibili.com/video/BV1pY4y1v78u/)RAG 知识库一文读懂大模型RAGLLM应用开发实战卢菁博士_北大AI博士后~96.1万 ⭐[BV1dJ4m137hv](https://www.bilibili.com/video/BV1dJ4m137hv/)LangChain AgentAI大模型应用开发Langchain从零入门到实战IT技能树~2.2万[BV1eMXKYjEbi](https://www.bilibili.com/video/BV1eMXKYjEbi/)Phase 3多工具 多平台Week 5-6接入 Telegram Botfrom telegram.ext import Application, MessageHandler, filters async def handle_message(update, context): response await your_agent.chat(update.message.text) await update.message.reply_text(response) app Application.builder().token(YOUR_BOT_TOKEN).build() app.add_handler(MessageHandler(filters.TEXT, handle_message)) app.run_polling() B站中文视频推荐Phase 3主题视频UP主播放量链接|------|------|------|--------|------|Telegram Bot【CS dojo】如何用Python写一个Telegram BotMarkfuGod~1.95万[BV1k64y1a795](https://www.bilibili.com/video/BV1k64y1a795/)企业级 AgentAI大模型企业级应用WorkFlowAgentLangChainRAG马士兵老师~19.6万[BV1F89JYYEeQ](https://www.bilibili.com/video/BV1F89JYYEeQ/)完整 Agent从零RAG入门与大模型知识库问答系统开发实战九天Hector~3.8万[BV1m682ziE9b](https://www.bilibili.com/video/BV1m682ziE9b/)Phase 4生产部署Week 7-8Docker 容器化参考项目 Dockerfile 和 docker-compose.ymlVPS 部署Hetzner $3.99/月配合 systemd 管理进程 B站中文视频推荐Phase 4主题视频UP主播放量链接|------|------|------|--------|------|Docker 部署 Python手把手教你用Docker部署Python全栈应用AIDeepCoder~2.27万[BV14zsozJEiV](https://www.bilibili.com/video/BV14zsozJEiV/)nginxdocker 实战【Python项目部署实战】nginxdocker部署具身智能官方教程~9880[BV1Nb4y1y7Av](https://www.bilibili.com/video/BV1Nb4y1y7Av/)四、推荐技术栈层次选型说明|------|------|------|后端语言Python 3.11Agent 主体Web 框架FastAPIAPI 服务LLM 接入OpenRouter统一多模型入口省钱存储SQLite → PostgreSQL起步 → 生产部署Docker VPSHetzner $3.99/月起消息平台Telegram Bot最容易上手五、8 周实施计划周次目标关键成果|------|------|---------|Week 1环境搭建 Tool Calling 基础能跑通一个带工具的对话Week 2实现工具注册系统自动发现 分发Week 3Session 持久化SQLite 存储对话历史Week 4System Prompt 优化三层结构 缓存友好Week 5实现 5 实用工具搜索/文件/Shell 等Week 6Skills 系统Markdown 注入过程记忆Week 7Telegram 接入手机可以对话Week 8Docker 部署VPS 上稳定运行六、源码阅读顺序建议tools/registry.py → 理解工具系统tools/terminal_tool.py → 看一个完整工具的实现agent/conversation_loop.py 前 200 行 → 理解对话循环agent/system_prompt.py → 理解 Prompt 组装hermes_state.py 前 100 行 → 理解存储设计gateway/platforms/base.py → 理解多平台接入七、B站视频教程总览精选 数据来源B站实时搜索按播放量排序截至 2026年6月。 必看入门系列优先级视频标题UP主播放量链接|--------|---------|------|--------|------|★★★Python异步编程 asyncio 小白速通IT先驱者**~806万**[BV1WA411n7Vx](https://www.bilibili.com/video/BV1WA411n7Vx/)★★★【全网炸裂】3天速通大模型PromptLangChainRAGAgent微调大模型--**~485万**[BV1hy5YzaErV](https://www.bilibili.com/video/BV1hy5YzaErV/)★★★【Function calling技术详解】整整13集保姆级讲解大模型博士-先知**~566万**[BV1SJm8YtETd](https://www.bilibili.com/video/BV1SJm8YtETd/)★★☆RAG五大项目LLMLangChainembedding问答系统Agent吴恩达langchain**~86.8万**[BV1hB92BHEfP](https://www.bilibili.com/video/BV1hB92BHEfP/)★★☆一文读懂大模型RAGLLM应用开发实战卢菁博士_北大AI博士后**~96.1万**[BV1dJ4m137hv](https://www.bilibili.com/video/BV1dJ4m137hv/)★★☆【吴恩达】2025年提示词工程教程吴恩达深度学习**~28.6万**[BV1173jzNELG](https://www.bilibili.com/video/BV1173jzNELG/)★★☆AI大模型企业级应用开发WorkFlowAgentLangChainRAG马士兵老师**~19.6万**[BV1F89JYYEeQ](https://www.bilibili.com/video/BV1F89JYYEeQ/)八、总结Hermes Agent 最值得学习的三个核心设计**工具自注册 自发现系统** — 比 LangChain 的 tool 装饰器更灵活支持条件可用check_fn**Prompt Cache 优先的系统提示三层架构** — 工程上极其精巧直接节省 70% 的 API 成本**Skills 过程记忆系统** — 把经验沉淀为 Markdown 文档下次自动加载实现真正的学习闭环从这个项目学到的经验配合推荐的 B站视频资源8 周内完全可以构建出一个属于你自己的、能在 Telegram 上运行的生产级 AI Agent。