6月23日消息,开源AI Agent框架Hermes Agent新增/learn命令和动画宠物系统两项实用功能,进一步强化其「自我进化Agent」定位。 两项更新做了什么
/learn命令允许用户向Hermes Agent提供任意原始素材目录——代码库、API文档、手册、PDF、配置文件均可——Agent会自动阅读、提炼出可验证且可复用的SKILL.md技能文件,纳入个人技能库。后续遇到类似任务时,Agent直接调用已学会的技能而非从头推理。
动画宠物系统(Petdex)同步上线。Nous Research在推文中展示:用户现在可以在Hermes Agent中领养一只动画宠物(小精灵),宠物会在GUI或TUI界面中根据Agent状态实时做出反应——空闲、运行工具、思考、等待、完成任务或失败,各有不同动画表现。用户可通过Petdex图鉴从近3000种宠物中挑选,也支持自行提交自定义宠物设计。
/learn的技术机制
Hermes Agent的技能系统基于SKILL.md开放标准,与agentskills.io规范兼容。技能采用渐进式加载模式:启动时仅加载技能名称和描述的紧凑索引(约3k token),只在Agent判断需要某项技能时才加载完整内容,最大限度控制上下文消耗。
/learn命令将这套机制从「任务后自动总结」扩展到了「主动从外部素材学习」。用户指定一个目录,Agent遍历其中的文件,将关键工作流、常见陷阱和验证步骤结构化为SKILL.md格式。生成的技能文件存储在~/.hermes/skills/目录下,自动注册为斜杠命令,在CLI、Telegram、Discord、Slack等所有平台通用。
Hermes Agent还支持技能写入审批门控:开启skills.write_approval后,Agent生成的所有技能变更会被暂存而非直接写入,用户可通过/skills pending查看、/skills approve批准或/skills reject拒绝。
对个人开发者工作流的影响
/learn命令改变了Agent技能积累的方式。此前Hermes的技能学习依赖「干中学」——完成5次以上工具调用的复杂任务后自动总结。/learn则允许用户前置性地向Agent灌入领域知识,无需先经历一次完整的任务执行。
这对接手新项目、迁移技术栈、或需要Agent快速理解内部文档的场景尤其有价值。Nous Research此前公布的数据显示,积累20个以上自学习技能的Agent实例,完成相似任务的速度比全新实例快40%(TokenMix 2026年4月独立基准测试验证)。
Petdex宠物系统则解决了长时间运行Agent的可视化反馈问题。当Agent在后台执行耗时任务时,用户可以通过宠物的动画状态直观判断当前进展,不必反复查看日志。
Hermes Agent在Agent框架中的位置
Hermes Agent由Nous Research(Hermes、Nomos、Psyche系列模型的开发者)构建,2026年2月发布以来GitHub星标已超18万,是2026年增长最快的开源Agent框架之一。
与OpenAI Codex聚焦编码、Claude Code聚焦Anthropic生态不同,Hermes Agent定位为模型无关的通用Agent——支持Nous Portal、OpenRouter(200+模型)、OpenAI、NVIDIA NIM、Kimi、MiniMax等多家提供商,用户可随时切换,无锁定。当前版本v0.17.0支持24个消息平台、80+内置技能、MCP服务器连接和多Agent并行。 Petdex生态同样跨Agent兼容,已支持OpenAI Codex、Claude Code、Gemini CLI等主流编码工具。 当前限制
/learn命令的技能质量取决于源素材的结构化程度。高质量的API文档和代码库可以产出精准技能,但格式混乱的PDF或扫描文档的提炼效果未有系统评估。Agent自动生成的技能存在已知偏差——Nous Research自身承认Agent「倾向于自我表扬」,有时会将不必要的步骤写入技能或覆盖用户手动定制的版本。
Petdex宠物系统为社区驱动项目,宠物素材质量参差不齐,部分可能涉及IP版权问题(Petdex提供48小时内的takedown机制)。桌面端目前支持macOS和Windows,Linux官方支持尚在社区贡献阶段。