Hermes Agent 配置大全

目录

• 一、配置文件位置与管理
• 管理命令
• 二、核心配置项详解
• 1. 模型配置 (model)
• 2. 工具配置 (tools)
• 3. MCP 服务器配置 (mcp_servers)
• 4. 消息网关配置 (gateways)
• 5. 记忆与用户画像 (memory)
• 6. 安全与审批 (approvals,security)
• 7. 其他全局设置
• 三、最佳实践总结

Hermes Agent 的核心配置文件是 ~/.hermes/config.yaml。该文件采用 YAML 格式，结构清晰，允许你全面定制智能体的行为，包括模型选择、工具启用、安全策略、消息网关等。

本指南将深入解析 config.yaml 的每一个关键部分，并提供可直接使用的配置示例。

• Linux / macOS / WSL2: ~/.hermes/config.yaml
• Windows (原生): %USERPROFILE%.hermesconfig.yaml (通常为 C:Users<你的用户名>.hermesconfig.yaml)

Hermes 提供了便捷的 CLI 命令来管理配置：

• hermes config edit: 在默认编辑器中打开配置文件。
• hermes config: 查看当前生效的配置。
• hermes doctor: 运行诊断，检查配置和依赖是否正常。

重要安全提示：切勿在 config.yaml 中硬编码你的 API Key。应使用环境变量（如 OPENROUTER_API_KEY）并通过 api_key_env 字段引用。

这是最核心的部分，决定了 Hermes 使用哪个大语言模型。

示例 1：使用 OpenRouter

model:
  provider: custom
  base_url: "https://openrouter.ai/api/v1"
  api_key_env: "OPENROUTER_API_KEY" # 从环境变量读取
  model_name: "anthropic/claude-3.5-sonnet"
  max_tokens: 8192
  temperature: 0.7

示例 2：使用 Ollama (本地模型)

model:
  provider: ollama
  model_name: "llama3.1:8b"
  base_url: "http://localhost:11434"
  temperature: 0.7

示例 3：使用 OpenAI

model:
  provider: openai
  api_key_env: "OPENAI_API_KEY"
  model_name: "gpt-4o"
  max_tokens: 4096

关键字段说明:

• provider: 模型提供商，可选 openai, anthropic, google, custom, ollama 等。
• base_url: 对于 custom 提供商（如 OpenRouter），必须指定 API 端点。
• api_key_env: 强烈推荐使用此字段指向一个环境变量名，而非直接写入密钥。
• model_name: 模型的完整标识符。对于 OpenRouter，需使用其目录中的完整路径（如 anthropic/claude-3.5-sonnet）。

Hermes 内置了多种工具，你可以按需启用或禁用。

tools:
  # 代码解释器：允许 Agent 执行 Python 代码
  code_interpreter:
    enabled: true
    timeout: 120 # 代码执行超时时间（秒）
  # 浏览器自动化：允许 Agent 控制浏览器
  browser:
    enabled: true
    # WSL2 用户需要指定 Windows 浏览器的路径
    # executable_path: "/mnt/c/Program Files/Google/Chrome/Application/chrome.exe"
  # 文件系统访问：允许 Agent 读写文件
  file_system:
    enabled: true
    allowed_directories:
      - "~" # 允许访问家目录
      - "./projects" # 允许访问当前目录下的 projects 文件夹
  # 终端后端：决定代码和命令在何处执行
  terminal:
    backend: "local" # 可选: local, docker, ssh
    # 如果 backend 是 docker，可以指定镜像
    # docker:
    #   image: "python:3.11-slim"
    #   timeout: 300

MCP (Model Context Protocol) 是一种标准协议，用于将外部服务（如 GitHub, Notion）集成到 AI 工作流中。

mcp_servers:
  github:
    command: npx
    args: ["-y", "@modelcontextprotocol/server-github"]
    env:
      GITHUB_TOKEN: "${GITHUB_TOKEN}" # 从环境变量 GITHUB_TOKEN 读取

要启用此功能，你需要先安装对应的 MCP 服务器：

npm install -g @modelcontextprotocol/server-github

此部分用于将 Hermes 连接到 Slack、飞书、微信等外部通讯平台，使其能监听和回复群聊消息。

gateways:
  feishu:
    app_id: "cli_a1b2c3d4e5f6g7h8"
    app_secret: "${FEISHU_APP_SECRET}" # 从环境变量读取
    verification_token: "your_verification_token"
    # 默认情况下，Agent 需要被 @ 才会响应
    require_mention: true
    # 可以设置默认的群组策略
    default_group_policy: "open" # 或 "closed"

Hermes 的“自我进化”能力依赖于其记忆系统。

memory:
  # 启用 MEMORY.md 文件，Agent 会在此记录学到的知识和技能
  memory_enabled: true
  # 启用 USER.md 文件，Agent 会在此构建你的个人画像
  user_profile_enabled: true
  # 启用对话历史搜索
  conversation_search_enabled: true

这些文件会生成在 ~/.hermes/ 目录下，你可以随时查看和编辑它们。

为了防止意外操作，Hermes 提供了安全审批机制。

# 审批模式
approvals:
  mode: "manual" # 可选: "manual", "auto"
  timeout: 60 # 审批超时时间（秒），超时后自动拒绝
# 安全策略
security:
  # 启用 Tirith 安全策略引擎
  tirith_enabled: true
  # 自定义安全规则文件路径
  policy_file: "~/.hermes/tirith-policy.rego"

在 manual 模式下，每当 Agent 尝试执行高风险操作（如删除文件、发送邮件）时，它会暂停并等待你的确认。

# 是否开启详细日志输出
verbose: false
# 任务规划的递归深度限制
max_reflection_depth: 3
# 技能库的存储路径
skills_dir: "~/.hermes/skills"

1. 安全第一：始终通过 .env 文件或系统环境变量管理所有密钥。
2. 渐进式配置：初次使用时，建议只启用 code_interpreter 和 file_system，熟悉后再逐步开启 browser 和 mcp_servers。
3. 利用记忆：定期查看 ~/.hermes/MEMORY.md，了解 Agent 学到了什么，并可以手动修正或补充。
4. 善用审批：在生产或重要环境中，务必保持 approvals.mode 为 manual，以防止不可逆的操作。
5. 模型选择：对于需要强推理和代码能力的任务，推荐使用 claude-3.5-sonnet 或 gpt-4o；对于本地运行，llama3.1:8b 是一个不错的起点。

通过精心配置 config.yaml，你可以将 Hermes Agent 从一个通用的聊天机器人，转变为一个高度专业化、安全可靠且能持续学习的个人 AI 助手。

到此这篇关于Hermes Agent 配置大全的文章就介绍到这了,更多相关Hermes Agent 配置内容请搜索风君子博客以前的文章或继续浏览下面的相关文章，希望大家以后多多支持风君子博客！