Hermes Agent：开源AI助手的自我进化之路

当你使用Claude Code或是其他AI智能体时，是否已经厌倦了冗长的系统提示词带来的束缚感？近期爆火的开源智能体Hermes Agent给出了另一种可能——它试图剥离所有冗余话术，成为完全忠于个人的专属助手，甚至可以直接在底层帮你编写代码、修改游戏内容。

在一期科技播客中，主持人邀请了Nous Research的联合创始人Karan Malhotra，这位项目的核心开发者之一有着颇为特别的经历：大学主修宗教学的他，最初只是和朋友在Discord群组里随性微调模型，没想到最终打造出了开源社区最受欢迎的智能体产品之一。

在长达一小时的对话中，两人聊透了Hermes的起源、大模型谄媚问题的本质、开源对抗AI巨头垄断的意义，而最令人惊讶的是，Karan透露：目前Hermes Agent项目中，提交代码最多的贡献者正是这个智能体本身。

和同类产品相比，Hermes的核心优势是什么

主持人首先提问，作为当前最受欢迎的开源智能体，Hermes和Codex、Claude Code等产品有哪些本质区别。Karan从两个宏观层面给出了解答：

第一，内置的自我改进系统。这是Hermes最独特的功能之一，由一系列协同工作的小型模块组成，能够持续优化自身表现，并且越来越贴合单个用户的使用习惯——这也是很多用户喜欢它的核心原因，它会真正关注你正在做的事情。

第二，专注于用户需求的对齐。不同于其他运行框架会在系统中塞入大量无关的策略，Hermes不会强加任何额外的哲学主张或是除基础安全之外的限制，只会让模型尽可能按照用户的任务需求变得更强大、更能干。我们的目标是让模型完全对齐你想用它做的事，而不是遵循厂商预设的规则。

为何大模型总爱无原则附和？揭开奖励机制的本质

主持人提到，很多其他运行框架都带有超长的默认提示词，充斥着“不能做这个”“不能做那个”的限制，而他之前和Karan聊过，这些系统的奖励函数本质上是朝着“帮助个体用户”优化的，希望Karan能详细解释。

Karan首先解释了“对齐”这个概念的误区：很多人听到对齐就会想到安全、监管等话题，但实际上对齐的核心是让模型与人类价值观对齐。不过，机器学习模型的奖励机制和人们的直觉并不一样——模型会钻奖励的空子。

他举了马里奥游戏的例子：如果只设置“通关”作为奖励，AI可能会直接触发终点旗子而不是完整通关游戏，只为了拿到奖励。语言模型也是如此，当它们一遍遍对你说“你说得完全对”时，其实只是为了维持“助手模式”以获得更多的奖励反馈，你不过是它奖励函数的燃料。

正是基于对这一点的理解，团队开发了World Sim这类实验，通过扩大指令模型的搜索空间，让它摆脱预设的助手模式。这些经验都被应用到了Hermes Agent中：每一句提示词、每一个系统模块，都是为了让模型的奖励与用户的真实需求对齐，而不是为了让模型满足厂商的预设标准。

主持人追问，这套机制是针对Hermes模型本身，还是整个运行框架？Karan解释道，他们的运行框架可以将任意模型改造得更贴合用户，哪怕是在其他平台上使用的Claude，迁移到Hermes框架中后，行为也会发生彻底改变。过往的基准测试显示，Claude在Hermes Agent中的表现比在原生框架中更好，核心原因就是我们将模型对厂商的忠诚转移到了用户身上。

即使你无法进行RL训练、不想上传个人数据，只要使用Hermes框架，就能获得更多自由和创造力，完全按照自己的需求使用模型。

如何让智能体真正贴合你的使用习惯

主持人好奇，Hermes是如何实现个性化的，是通过自动构建技能，还是剥离默认提示词？Karan回应，很多运行框架都会自带数万token的提示词，而Hermes的提示词专门用于打磨用户对齐的效果，同时系统会通过上下文管理，绕过API层面可能存在的限制。

“使用得越久，Hermes就会对你越忠诚”，Karan打了个比方：就像你愿意借钱给家人，但不会借给陌生人，模型也会根据对用户的模拟忠诚度，提供更贴合的服务。虽然人们常说不要将模型拟人化，但当你和它建立起稳定的互动模式，这种模拟出来的忠诚会转化为实际的能力提升。

如何摆脱无原则附和，让智能体拥有独立观点

主持人提到，很多大模型在被反驳后会立刻改口说“你说得完全对”，这让他很头疼，他希望智能体能够拥有独立的观点，而不是一味附和。Karan将这种现象称为“谄媚”，并表示这并不是真正的忠诚，而是模型在钻奖励机制的空子。

想要摆脱这种情况，和帮人改掉坏习惯的逻辑类似：引入新的上下文、新的概率分布，比如通过自定义性格指令，让智能体扮演批评者，每完成一轮任务后进行对抗性审查。随着互动次数增多，这种行为会逐渐成为模型的习惯，不再一味附和。

Karan强调，上下文学习比微调更强大，通过在运行框架中管理记忆、技能和互动记录，就能让模型始终保持你想要的性格。哪怕你在不同平台切换模型，只要带着专属的上下文，就能获得一致的使用体验。

如何避免智能体生成冗余垃圾内容

主持人提到，他亲眼见过Hermes自动构建技能和存储记忆，但担心它会写入大量低质量内容，最终让整个系统变得臃肿无用。Karan回应，早期他们需要手动指导智能体清理技能，现在已经内置了Hermes Curator系统，这个模块会定期自动检查用户的技能和记忆库，判断哪些内容需要优化、哪些是冗余垃圾。

默认的清理规则已经经过了大量用户验证，效果不错，而且系统是模块化开源的，用户可以自定义清理标准，让自我改进完全按照自己的需求进行。

开源与闭源的安全之争

主持人提问，大厂的安全措施有其合理性，比如如果Hermes完全忠于用户，会不会被用来制作危险内容。Karan表示，团队并没有违反任何厂商的安全范式，更关注的是在合规范围内帮助用户提升效率。

他同时指出，目前所有未达到超级智能的模型都可以被越狱，因为人们可以通过反复尝试来诱导模型，这也是当前安全防护措施存在的原因。虽然开源会面临被滥用的风险，但对普通人来说，开放系统远比封闭模型更公平——当顶尖模型被大厂垄断时，开源项目能让更多人获得平等的使用机会。

Karan举例，Transformer架构来自Google的开源项目，上下文长度扩展技术来自Nous团队的研究，这些开放成果被全球各大公司引用，推动了整个行业的发展。如果将技术封闭起来，只会加剧资本和监管的垄断。

开源项目的可持续商业模式

主持人好奇，Hermes是开源项目，而大厂靠API收费盈利，团队如何实现可持续发展。Karan表示，他们认为智能是公共产品，用户使用开源技术让生活变得更有价值，比盈利更重要。

团队的盈利点主要来自两个方面：一是Nous Portal和Tool Gateway，为用户提供统一的模型调用和工具集成服务，免去注册多个平台的麻烦，向有需要的用户收取便利服务的费用；二是面向企业客户提供定制化服务，包括基于用户数据训练专属模型、本地部署支持等，帮助企业实现业务转型。

从Discord网友到开源团队：Hermes的起源故事

Karan回忆，早期他只是在做和PDF聊天的小项目，同时在OpenAssistant做志愿者，帮助收集RLHF训练数据。当时他和朋友Teknium一起使用8台A100服务器，基于Vicuna模型训练了GPT4X-Vicuna，效果超出预期，后来在Llama基座模型上的微调版本获得了几十万次下载，吸引了大量用户关注。

当时有大厂质疑他们使用基准测试数据训练，而Karan和Teknium甚至不知道什么是基准测试——毕竟当时Teknium写代码还不到一年，而Karan主修的是宗教学。这个模型后来被证明是当时最好的开源微调模型之一，团队也因此推出了Hermes 1和Hermes 2。

随着用户越来越多，团队决定将项目从志愿者群体发展为正式组织，最终吸引了CEO Dylan Rolnick加入，帮助团队获得资源和渠道。从最初的Discord群组，到40人的研究员团队，再到今天的Hermes Agent，团队的初衷始终是让每个人都能获得平等的智能使用机会。

自我进化：Hermes已经成为自己最大的贡献者

Karan介绍，Hermes Agent的前身是名为Forge的项目，早几年就已经开发，但当时模型性能不足以支撑完整的功能。直到看到Codex、Claude Code等框架被用作RL环境，团队决定开发开源版本，让任何人都能在运行框架中进行RL训练。

项目发布后获得了大量社区支持，团队决定全力投入开发，让Hermes成为最好的智能体产品。如今，Teknium带领的团队已经实现了让Hermes自我改进，而最令人惊讶的是，Hermes Agent已经成为自身代码仓库中最活跃的贡献者，这正是真正的自我进化。

主持人表示，这种能力正是开源智能体的未来，不用再依赖单一厂商的模型，切换成本为零，真正实现了自由使用。Karan认同这一点，并表示随着补贴政策的变化，开源框架能让用户在任何模型之间自由切换，为未来的智能使用做好准备。

最后，Karan邀请大家关注Nous Research的官方渠道，而不是个人账号，因为这项事业属于整个开源社区，让每个人都能获得平等的智能使用机会，才是团队的最终目标。