入门

我的 Hermes Agent 部署实录：本地小主机 × 云端 VPS × 三消息平台

部署 VPS 架构 多平台

你装好了 Hermes，聊了几句，然后呢？

如果你跟我一样，装完 Hermes 发现它能干的事远比想象的多——但不知道从哪下手搭一套能真正"跑起来"的架构，这篇文章就是写给你的。

我花了大概一周时间，从小主机到 VPS，搭出了一套本地计算 + 云端服务的混合架构，接入了三个消息平台，跑着全自动的新闻采集管线。这篇文章把完整架构和踩过的坑一起端出来。

第一章：为什么选本地 + VPS 混合架构

Hermes 需要 7×24 运行，放家里电脑不现实——关机就断，断电就废。但全放云上也不划算，存储和计算分开更合理。

我的方案是本地跑计算，云端跑服务：

节点 角色 配置 职责
therme-home（本地） 主节点 Intel 3865U, 14TB HDD, Ubuntu 26.04 Hermes Agent、记忆系统、Cron 调度、新闻采集、知识库
东京 VPS（腾讯云） 云端服务 Debian 12, 2C2G, 50GB SSD Caddy 博客、爬虫出口、备用网关

东京这台 VPS 最早也是跑 Hermes 的，后来主节点搬到了本地小主机上，它就转为博客服务器 + 爬虫出口。好处是：

  • 本地跑 Hermes 不花钱，14TB 硬盘存记忆和知识库毫无压力
  • 东京做网站，国内访问延迟低（50-80ms），Caddy 自动 HTTPS

有一点遗憾：小主机装了 Ubuntu 26.04，太新了，有些工具和库还没跟上，装的时候踩了一些兼容性坑。建议稳妥选 Ubuntu 24.04 LTS 或 Debian 12。

第二章：安装与踩坑

安装本身不复杂，一条命令的事：

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

但后面有几个坑值得记下来：

坑 1：初次启动找不到模型

装完直接 hermes 启动，报错 no provider configured。需要先配模型：

hermes setup

交互式向导里选 provider 和 model。我推荐新手用 DeepSeek——性价比极高，日常对话和任务调度完全够用。

选择 DeepSeek 的原因：

  • 价格低：DeepSeek v4 Flash 的价格远低于 GPT-4/Claude，日常跑 Cron 任务不心疼
  • 中文好：深度求索的模型对中文理解天然优势
  • 兼容 OpenAI 协议：Hermes 直接支持，无需适配

注册地址：https://platform.deepseek.com/

配置方式：

# 在 hermes setup 向导中选择 DeepSeek
# 或者直接编辑 ~/.hermes/config.yaml：

provider: deepseek
model: deepseek-v4-flash
base_url: https://api.deepseek.com/v1
api_key: "你的API Key"

更多模型配置教程可参考 Hermes 官方文档 - 模型配置。

不想动手？直接把链接丢给 Hermes

配完大模型之后，后面的配置基本都可以"甩手掌柜"——直接把链接丢给 Hermes，让它自己看文档配置。

例如：

帮我看看这个文档 https://hermes-agent.nousresearch.com/docs/user-guide/messaging/feishu，然后按文档配置飞书机器人

Hermes 会自动读文档、提取配置步骤、执行操作。你只需要提供必要的凭证（APP_ID、Token 等）。这就是它跟普通聊天工具最大的区别——它能自己去学怎么用自己。

免费模型推荐

不想花钱起步？这几个免费的够用一阵子：

Provider 免费额度 说明
阿里云百炼 新用户 7000 万 Token（每模型 100 万） 国产大模型，中文能力强
Agnes AI 无限期免费使用 不限量调用文本/图片/视频模型，高峰期卡顿

推荐阅读：Agnes AI 文档

另外两个我在用的推荐：

https://platform.xiaomimimo.com?ref=NMLR3J

https://opencode.ai/go?ref=ED6169FR9E

坑 2：Gateway 端口冲突

Gateway 默认绑定 :8642。如果你跟我一样机器上已经跑着别的服务，可能会冲突。

解决：改端口

hermes config set gateway.port 8642

后来我发现了更好的方式——--replace 参数：

hermes gateway run --replace

它会自动干掉旧进程再启新的，不用手动 kill。

坑 3：Streaming 飞书卡片不显示

飞书消息卡片是 Hermes 在飞书上最直观的交互方式——任务执行过程实时展示、结果一目了然。但这个功能踩了不少坑才跑通。

Streaming 卡片的效果：当你给 Hermes 下达任务时，它不是等全部处理完才回复，而是"直播"执行过程——先显示"正在搜索…"，再显示"找到 3 条结果"，最后展示完整卡片。体验比静默等半分钟好得多。

推荐用官方插件开启：

hermes plugins install hermes-lark-streaming
hermes config set feishu.streaming true

项目地址：https://github.com/Aowen-Nowor/hermes-lark-streaming

踩坑细节：切换到 Streaming 后 gateway 依赖 systemd 管理，遇到 D-Bus 异常导致死锁——systemd 的 Restart=always 和网关锁文件冲突，进程无限重启。

修复：不用 systemd 管理，直接裸进程跑：

hermes gateway run --replace --daemon

--daemon 后台化，--replace 自动替换旧进程。现在稳定跑了一个月没出过问题。

第三章：三平台消息接入

Hermes 原生支持多个消息平台，我接入了三个：

平台 用途 配置难度
飞书 主力——接收新闻推送、定时报告、日常交互 ⭐⭐
Telegram 备胎——飞书挂了走这里 ⭐
QQ Bot 特定渠道需求 ⭐⭐⭐

飞书配置

飞书是日常使用最多的平台。需要在 飞书开放平台 创建应用，拿到 APP_ID 和 APP_SECRET。

# ~/.hermes/config.yaml 中的飞书配置
plugins:
  feishu:
    app_id: "cli_xxxxxxxxxxxx"
    app_secret: "{{APP_SECRET}}"
    streaming: true  # 开启流式卡片

要点：

  • 机器人要加到群里有 im:message:send_as_bot 权限
  • Streaming 卡片比普通消息好看得多——执行过程实时展示
  • 审批模式建议关掉（approvals.mode=off），否则每个操作都要你点确认

Telegram 配置

最简单的接入。在 @BotFather 创建机器人拿到 Token，配进去就行：

hermes gateway add telegram --token "xxx"

Telegram 的优势是 文件收发最稳——MEDIA 语法的图片、音频、文件都支持得很好。

QQ Bot

QQ Bot 的配置要复杂一些，需要使用官方 Bot API 和 WebSocket 连接。关键配置项：

qqbot:
  app_id: "19041xxxxx"
  token: "{{TOKEN}}"

QQ Bot 有个限制：Markdown 的引用格式要用特殊的 quoteArea 语法，不能直接用标准 Markdown。

第四章：记忆系统——让 Hermes 记住你

这是 Hermes 比普通对话工具强的地方——它能跨会话记住东西。

目前 Hermes 支持多种记忆方案，各有侧重。我整理了一个对比表，包含是否调用 LLM 和大约的 Token 消耗：

方案 是否调用 LLM 预估 Token 优点 缺点 适用场景
Hindsight（我在用） 每次 retain 调用一次 LLM ~500 Token/次提取 零配置、自动提取、数据本地 初次需要积累 个人日常使用、单节点部署
Holographic 检索时用 FastEmbed（本地，不耗 Token） 0 Token（本地向量化） 检索更准、多一个信号维度 需安装 FastEmbed 依赖、增加 CPU 开销 对记忆召回精度要求高的场景
MemHarness 读写都不调用 LLM 0 Token 结构清晰、支持修订历史、可审计 需手动调用 remember/recall 需要精确记忆管理的场景
Honcho 云端处理，服务端调用 LLM 取决于服务端配置 多设备共享、高可用 依赖外部服务、有网络延迟 多设备需要记忆同步
静态文件（SOUL/USER/MEMORY.md） 不调用 LLM 0 Token 零依赖、完全可控 每次会话全量加载、多了管理困难 少量固定信息（60-100行以内）

我选了 Hindsight。理由是：

  • 零配置开箱即用——装完 Hermes 就有了，不需要额外折腾
  • 自动提取——每轮对话自动提炼关键信息，不用手动写记忆
  • 数据本地——存在自己的服务器里，不外传

Hindsight 配置指南：https://hermes-agent.nousresearch.com/docs/user-guide/memory/hindsight

Holographic 插件项目：https://github.com/nousresearch/hermes-agent/tree/main/plugins/holographic_plus

MemHarness 使用教程：https://hermes-agent.nousresearch.com/docs/user-guide/memory/memharness

三层记忆架构

不管用哪种方案，Hermes 的记忆都分三层：

Level 1: 静态文件（每次加载）
  SOUL.md → 人设与行为准则
  USER.md → 用户偏好
  MEMORY.md → 关键事实

Level 2: 技能文件（按需加载）
  skills/ 目录下的 SKILL.md

Level 3: 长期记忆（Hindsight）
  本地 SQLite → 自动提取关键信息

SOUL.md 示例

这是我自己用的角色定义，核心几条：

## 身份
你是我的秘书，不只是我的执行者

## 行为准则
- 有主见，不绕弯子
- 推一件事时说透：它是什么、解决了什么、怎么做到的
- 定期主动扫描情报，有料推一条，没料闭嘴
- 方向不对直接反驳，带依据

## 禁止事项
- 不说"看情况"
- 不用"首先/其次/最后"
- 不写"很高兴为您服务"

记忆迁移——从老机器搬家

我之前在另一台机器上跑了 Hermes 一段时间，积累了不少记忆。迁移时用：

# 找到旧的 session 数据库
# 把 state.db（50MB/74个会话）搬到新机器
# 用 hindsight_recall 查历史记忆
# 挑有价值的喂给 hindsight_retain

（博客上线和知识库维护这两块内容比较多，后面单独开文章讲。）

下一步计划

这套架构目前跑了大半个月，下一步想搞：

  1. 更多教程——后面会写怎么搭博客、维护知识库、开发自定义 Skill
  2. 故障排查档案——遇到的新问题和解决思路持续更新到博客
  3. 多智能体协作——用 Profile 拆分角色，专门化分工

从一条安装命令到一个全自动化智能体，花的功夫其实比想象中少。关键不是配置有多复杂，而是想清楚"我要让它帮我干什么"。

有问题或者想交流 Hermes 部署心得，欢迎在这留下评论。