2026年7月，Nous Research 的Hermes Agent 在GitHub 上突破了212,883 颗Stars，成为开源AI Agent 领域增长最快的项目之一。同一天，v0.18.0 正式发布——这个版本在12 天内清空了近700 个P0/P1 级别的问题，将Mixture-of-Agents 提升为一等公民。

爆发：一年时间，从零到 21 万星

Hermes Agent 是 Nous Research 于 2025 年启动的开源 AI Agent 项目。与市面上大多数 Agent 框架不同，Hermes 从一开始就被设计为“会成长的 Agent”：它内置自主学习循环——从经验中创建技能、在使用中持续改进、跨会话保持记忆。

一年的时间里，Hermes 积累了 212,883 Stars 和 39,000 Forks。这个增长速度在 AI 开源项目中极为罕见：

• 2025 年中：项目开源，定位为通用 AI 助手框架
• 2025 年末：突破 5 万 Stars，社区开始关注
• 2026 年初：突破 10 万 Stars，成为增长最快的 AI Agent 之一
• 2026 年 7 月：突破 21 万 Stars，v0.18.0 发布

要知道，同为 AI Agent 框架的 AutoGPT 在 2023 年爆火后目前约 17 万 Stars。Hermes 在一年内超越了这一数字。

审判发布：12 天，700 个 Issue 清零

v0.18.0 之所以被命名为 Judgment Release，源自一次技术决策：团队决定用一个 sprint（12 天）将所有 P0 和 P1 的 Issue 和 PR 清零——总计约 692 项。

在开源项目中，积压 Issue 越清越多是常态。Hermes Agent 团队选择了一种激进但透明的策略：

• 每个 Issue 必须明确归因到一个领域负责人
• 超过 48 小时无进展的会自动升级
• 72 小时无响应的 Issue 直接标记关闭

结果是：12 天后，P0 和 P1 双双归零。v0.18.0 之后，GitHub Issue 区的响应到解决时间中位数从 36 小时降到了 4 小时。

Mixture-of-Agents：当 Agent 开始多脑协作

v0.18.0 最重要的架构升级是把 MoA（Mixture-of-Agents）提升为一等公民。

MoA 的概念本质上是让多个模型各自给出初步回答，再由一个聚合模型综合得出最终结论。Hermes 的实现做了两层优化：

1. 按需并联：子 Agent 在后台并行执行，互不阻塞。
2. 优先级调度：不需要所有模型跑完——如果前两个模型给出高度一致的答案，可以直接跳过后续调用。

在 Coding Agent Index 基准测试中，启用 MoA 的Hermes 在某些代码生成任务上的准确率提升了约 15%，而 token 消耗只增加了约 30%。这个效率比是决定性的——Agent 框架如果不能控制成本，就无法在生产环境中落地。

桌面端与消息平台的生态扩张

从 v0.16 开始，Hermes Agent 启动了桌面原生应用计划。到 v0.18.0，桌面端已覆盖 macOS、Linux 和 Windows，并支持 Coding Projects 功能。

同时，Hermes 对消息平台的支持已扩展到 20+：Telegram、Discord、WhatsApp、Slack、微信——几乎覆盖了所有主流即时通讯平台。

2026 年 7 月的两件事可以说明 Hermes 的生态正在加速：

• Hacker News 热议：帖子获得 52 票和 42 条评论，社区讨论集中在持久记忆和自主学习能力。
• 660+ PR 滚动补丁：v0.18.0 之后的 v0.18.1 汇总了 667 个 commits 和 660+ PR 的稳定性修复，v0.18.2 在同一天修补了 WhatsApp 依赖问题。

为什么这值得关注

Hermes Agent 的爆发不是偶然的。它代表了一种趋势：AI Agent 正在从概念演示走向产品级基础设施。

2023 年是 LLM 的元年——GPT-4 让世界看到了大语言模型的能力边界。2024 年是 Agent 的元年——AutoGPT 等概念证明了模型加工具调用的可能性。2025-2026 年，Agent 进入了产品化阶段——不再是 demo 和实验，而是真实的生产系统。

Hermes 的 21 万 Stars 是一个信号：开源社区对 Agent 框架的需求已经从能不能运行转向了好不好用。持久记忆、自主学习、多平台支持——这些是 Agent 从玩具走向工具的必要条件。

当然，Hermes 也面临自己的挑战。框架的复杂度正在指数级增长：20+ 平台意味着 20+ 套集成代码，6 种终端后端意味着 6 种不同的通信协议。v0.18.0 的清零行动显示了团队对技术债务的警觉，但随着功能越来越多，保持代码质量将是一场持久战。

结语

从零到 21 万 Stars，从第一个提交到 Judgment Release——Hermes Agent 的一年是一场开源加速度的展示。v0.18.0 的审判不在于清除了多少 Issue，而在于证明了一个开源项目可以在保持高速迭代的同时，不放弃代码质量。

AI Agent 的未来不是单一模型的能力竞赛，而是框架、生态和工程化的综合较量。Hermes 的路径——持久记忆、自主学习、多平台覆盖——可能会成为这个领域的主流范式。

MoA 的实际影响

MoA 成为一等公民意味着什么？在 v0.18.0 之前，MoA 只是 Hermes 的一个实验性功能，需要用户自行配置多个模型并手动管理聚合逻辑。升级后，用户可以直接在 Hermes 配置文件中指定 MoA 作为驱动模型，系统自动处理所有的并行调度、结果聚合和成本优化。

这个变化看似简单，但其实是 Agent 框架成熟度的重要标志。当一个框架能够将复杂的多模型编排抽象为一个简单的选项时，它就从底层工具变成了可用产品。

数据背后的故事

212,883 Stars 和 39,000 Forks 背后是什么概念？在 GitHub 上，超过 20 万 Stars 的项目可以进入前 50 名。而 Hermes 只用了一年就达到了这个级别。举个例子：React 超过 20 万 Stars 用了约 6 年，Vue 用了约 7 年。当然，这些项目的时代背景不同，但 Hermes 的速度仍然惊人。

更重要的是，Hermes 的社区参与度远超同级别项目。仅 v0.18.0 到 v0.18.1 之间的短短几天，就有 667 个 commits 和超过 660 个 PR 合并。这意味着社区每天贡献约 50-60 个 PR——对一个开源项目来说，这是极其恐怖的活跃度。

桌面端体验的差异化

与纯命令行的 Agent 框架不同，Hermes 的桌面端应用提供了视觉化的记忆图谱、任务看板和学习时间线。用户可以直观地看到 Agent 学习了什么、还缺什么，这是其他 Agent 框架尚未提供的体验。

另外，Hermes 支持全平台消息引擎，意味着开发者可以在 Telegram 上下达指令，在 Slack 上查看结果，在桌面端进行调试——全部基于同一个 Agent 实例。这种多端一致性是产品级 Agent 的基本要求，但大多数开源项目还做不到。

开源 AI Agent 的商业化趋势

Hermes 的快速增长也反映了一个更广层面的行业趋势：开源 AI Agent 正在成为企业数字化转型的新支点。与闭源方案不同，开源 Agent 允许企业完全自控数据、自定义工作流、并在私有环境中部署。这对于金融、医疗、政府等高度合规的行业具有吸引力。

另一方面，Hermes 的成功也提醒我们，开源项目的竞争扭扭正在从模型能力转向工程化能力。当 LLM 本身越来越商品化时，谁能更好地将模型能力封装为可用的工具、谁能提供更流畅的多平台体验、谁能让 Agent 在生产环境中稳定运行——这些才是未来决定胜负的关键。

从这个角度看，Hermes v0.18.0 的审判发布是一个分水岭。它标志着开源 AI Agent 从实验室项目进化为产品级工程的转折点。对于开发者和企业用户而言，现在是评估和部署 Hermes 的好时机——团队已经证明了他们能在快速迭代中维持质量，这在开源世界里是最难得的信号。