企业官网建设流程全解析

1. 为什么你的 Hermes Agent 装完就吃灰

很多人第一次接触 Hermes Agent，都是被“自进化智能体”“7×24 常驻”“多 Agent 协作”这些词吸引进来的。装完之后发现，它好像也就是个能聊天的命令行工具，问几句天气、写两段文案，然后就没有然后了。问题不在 Hermes Agent 本身，而在于你只完成了“安装”这一步，没有把它放到一个能持续运行的环境里，也没有给它接上稳定的模型通道，更没有配置记忆和协作结构。

Hermes Agent 是 Nous Research 团队开源的一个智能体框架，它的定位不是“聊天窗口”，而是一个可以部署在服务端、长期后台运行的自动化程序。它支持持久记忆、工作流编排、多平台对接，还能通过技能系统自主迭代。换句话说，你把它装在本地电脑上，关机就断；你把它接在一个不稳定的模型通道上，跑几分钟就报错；你不配置记忆架构，它每次对话都像第一次见你。这三个问题不解决，Hermes Agent 就永远只是个玩具。

这篇内容聚焦的就是从零到一把 Hermes Agent 跑起来：在 VPS 上完成部署，通过 TaoToken 统一 Key 接入模型，配置三层记忆架构，最后跑通多 Agent 协作。每一步都会给出可复制的环境变量、配置文件片段和验证动作。你不需要有很深的 Linux 功底，但需要有一台能 SSH 登录的 VPS，以及一个能用的模型 API Key。

先说清楚适合谁看：如果你已经装过 Hermes Agent 但不知道下一步做什么，或者你正准备部署但不想在模型配置上反复踩坑，那这篇内容就是为你写的。如果你还没装，也没关系，部署部分会从 SSH 连接开始讲。整个流程实测下来，从零到跑通多 Agent 协作，大约需要 40 到 60 分钟，主要时间花在系统更新和依赖安装上。

2. TaoToken 统一 Key 接入 Hermes Agent 的模型配置方案

Hermes Agent 本身不绑定任何一家模型服务商，它通过配置文件读取 Base URL、API Key 和 Model ID 来调用模型。这意味着你可以把任何兼容 OpenAI 接口规范的通道接进来。TaoToken 提供的就是这样一个统一入口：一个 Key 可以调用多种模型，Base URL 固定，不需要为每个模型单独申请账号。

为什么要在 Hermes Agent 里用 TaoToken 而不是直接填某家厂商的 Key？原因有三个。第一，Hermes Agent 的模型架构分三层：主模型负责复杂推理，辅助模型负责对话压缩和摘要，备用模型负责容灾切换。如果每个模型都去单独申请 Key，管理成本很高。TaoToken 一个 Key 就能覆盖这三层，配置时只需要改 Model ID。第二，Hermes Agent 支持多凭证轮转，TaoToken 的 Key 可以配合轮转策略使用，额度管理更灵活。第三，VPS 上的网络环境不一定能稳定直连某些模型服务，TaoToken 的 API 入口在连通性上更省心。

你需要提前准备的东西：一台 Ubuntu 22.04 或 24.04 的 VPS，最低 2 核 2G 内存，20G 硬盘；一个 TaoToken 的 API Key，在控制台创建即可；SSH 客户端，Windows 用 PowerShell 或 Termius，macOS 用终端。

TaoToken 的 API 地址是https://taotoken.net/api，这个地址在 Hermes Agent 的配置里会作为 Base URL 使用。注意不要在后面加/v1，Hermes Agent 的 OpenAI 兼容层会自动拼接路径。API Key 的格式通常是sk-开头的一串字符，在控制台的 API Keys 页面可以创建和查看。

在正式配置之前，建议先在本地用 curl 验证一下 Key 是否可用。打开终端，执行：

curl -X POST https://taotoken.net/api/chat/completions \ -H "Authorization: Bearer 你的TaoToken_API_Key" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o-mini", "messages": [{"role": "user", "content": "ping"}], "max_tokens": 10 }'

如果返回的 JSON 里有choices字段，说明 Key 和通道都正常。如果返回 401，说明 Key 填错了或者被禁用了；如果返回local proxy failed之类的错误，说明网络层有问题，需要检查 VPS 的出站规则。这一步验证通过之后，再去配置 Hermes Agent，可以省掉很多排查时间。

Hermes Agent 的模型配置支持多种方式：交互式hermes setup、直接编辑配置文件、或者用hermes config set命令。推荐用配置文件方式，因为可以一次性把主模型、辅助模型、备用模型都写好，后面改起来也方便。配置文件的位置通常在~/.hermes/config.toml或~/hermes/hermes.conf，具体取决于安装方式。下一节会给出完整的配置片段。

3. VPS 部署与 Hermes Agent 可复制配置文件

这一节从 SSH 连接开始，一步步把 Hermes Agent 装到 VPS 上，并写好模型配置。所有命令都可以直接复制执行，只需要替换 IP 和 Key。

第一步，SSH 连接 VPS。把下面的 IP 换成你的公网地址：

ssh root@你的VPS公网IP

如果你用的是密钥登录，加上-i参数指定私钥路径。连接成功后，先更新系统并创建专用运行用户。不建议用 root 跑 Hermes Agent，这是 Linux 运维的基本规范：

apt update && apt upgrade -y adduser hermes usermod -aG sudo hermes su - hermes

创建用户时会提示设置密码，设一个强密码并保存好。切换到 hermes 用户后，执行官方安装脚本：

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

安装过程会拉取依赖，耗时 2 到 5 分钟，取决于 VPS 的网络环境。安装完成后，不要急着跑hermes setup，先手动创建配置文件，这样模型通道可以一次性配好。

Hermes Agent 的配置文件采用 TOML 格式，路径是~/.hermes/config.toml。如果目录不存在，先创建：

mkdir -p ~/.hermes nano ~/.hermes/config.toml

然后把下面的配置粘贴进去，替换你的TaoToken_API_Key为实际 Key：

[model] provider = "openai" base_url = "https://taotoken.net/api" api_key = "你的TaoToken_API_Key" model_id = "gpt-4o" max_tokens = 4096 temperature = 0.7 [model.auxiliary] provider = "openai" base_url = "https://taotoken.net/api" api_key = "你的TaoToken_API_Key" model_id = "gpt-4o-mini" max_tokens = 2048 temperature = 0.3 [model.fallback] provider = "openai" base_url = "https://taotoken.net/api" api_key = "你的TaoToken_API_Key" model_id = "claude-3-5-sonnet" max_tokens = 4096 [memory] backend = "sqlite" path = "~/.hermes/memory.db" compression_threshold = 0.5 [agent] name = "hermes-main" workdir = "~/hermes/projects"

这段配置里，[model]是主模型，负责直接对话和复杂推理；[model.auxiliary]是辅助模型，负责对话压缩和摘要，用轻量模型控制成本；[model.fallback]是备用模型，主模型额度耗尽或报错时自动切换。三个模型都走 TaoToken 的同一个 Base URL，只是 Model ID 不同。

[memory]段配置了 SQLite 作为长期记忆后端，compression_threshold = 0.5表示上下文用到 50% 时触发压缩，这是官方推荐的阈值。[agent]段设置了工作目录，后面多 Agent 协作时会用到。

保存退出后，用hermes config check验证配置格式：

hermes config check

如果输出Config OK，说明 TOML 格式没问题。如果报错，通常是缩进或引号问题，仔细检查一下。

接下来配置 Systemd 进程守护，让 Hermes Agent 开机自启、崩溃自动重启。创建服务文件：

sudo nano /etc/systemd/system/hermes.service

写入以下内容：

[Unit] Description=Hermes Agent Service After=network.target [Service] Type=simple User=hermes WorkingDirectory=/home/hermes ExecStart=/home/hermes/.local/bin/hermes run Restart=always RestartSec=10 Environment="HERMES_CONFIG=/home/hermes/.hermes/config.toml" [Install] WantedBy=multi-user.target

注意ExecStart的路径要和你实际安装的 hermes 可执行文件路径一致，可以用which hermes确认。保存后启用服务：

sudo systemctl daemon-reload sudo systemctl enable hermes sudo systemctl start hermes

到这里，VPS 部署和模型配置就完成了。下一节验证请求是否真的跑通。

4. 验证模型连通性与记忆读写

配置写好了不代表能跑通，必须做三步验证：启动日志、模型连通性、记忆读写。这三步都过了，才能进入多 Agent 协作。

先看启动日志：

sudo journalctl -u hermes -f

正常启动会输出类似Hermes Agent started、Model provider: openai、Memory backend: sqlite的信息。如果看到Config file not found，说明配置文件路径不对；如果看到401 Unauthorized，说明 TaoToken 的 Key 有问题；如果看到local proxy failed或connection refused，说明 VPS 出站网络有问题，需要检查防火墙或 DNS。

日志正常后，进入交互模式测试模型连通性：

hermes chat

在对话里输入ping，如果模型返回内容，说明主模型通道正常。然后测试辅助模型是否生效，输入一段较长的对话，观察日志里是否出现Auxiliary model invoked for compression。如果辅助模型没被调用，检查[model.auxiliary]段是否配置正确。

记忆读写的验证稍微复杂一点。Hermes Agent 的记忆分三层：Level 1 是静态文件，每次会话自动加载；Level 2 是按需加载的项目记忆；Level 3 是 SQLite 长期记忆。先创建 Level 1 的静态文件：

mkdir -p ~/.hermes/memory nano ~/.hermes/memory/SOUL.md

写入：

# SOUL.md ## 身份 你是 Hermes Agent 主实例，负责协调子 Agent 完成任务。 ## 行为准则 1. 回答简洁，不编造信息。 2. 遇到不确定的内容，明确说明。

再创建USER.md：

# USER.md ## 使用偏好 - 语言：中文 - 风格：精简 - 时区：UTC+8

保存后重启 Hermes Agent：

sudo systemctl restart hermes

然后在对话里问我的使用偏好是什么，如果模型回答出“中文、精简、UTC+8”，说明 Level 1 静态记忆加载成功。

Level 3 长期记忆的验证，在对话里输入：

请记住：我的项目代号是 hermes-test，部署在 VPS 上。

然后退出对话，重新进入，问我的项目代号是什么。如果模型回答hermes-test，说明 SQLite 长期记忆读写正常。如果回答不出来，检查~/.hermes/memory.db文件是否存在，以及[memory]段的path是否正确。

这一步常见的一个坑是：SQLite 文件的权限问题。如果 Hermes Agent 以 hermes 用户运行，但 memory.db 是 root 创建的，就会写入失败。用ls -la ~/.hermes/memory.db确认属主是 hermes。

5. 多 Agent 协作配置与常见报错排查

多 Agent 协作是 Hermes Agent 区别于普通对话工具的核心能力。它的实现方式是通过 Profile 拆分角色，每个 Profile 有独立的记忆、人设和模型配置，互相隔离。你可以创建一个 researcher 负责调研，一个 writer 负责文案，一个 coder 负责代码，然后通过主 Agent 分发任务。

创建 Profile 的命令：

hermes profile create researcher hermes profile create writer hermes profile create coder

每个 Profile 会在~/.hermes/profiles/下生成独立目录，里面有各自的config.toml和记忆文件。你可以为 researcher 配置高推理能力的模型，为 writer 配置轻量模型控制成本。修改~/.hermes/profiles/researcher/config.toml：

[model] provider = "openai" base_url = "https://taotoken.net/api" api_key = "你的TaoToken_API_Key" model_id = "gpt-4o" max_tokens = 8192 temperature = 0.5 [agent] name = "researcher" role = "负责信息检索、资料整理和事实核查"

writer 的配置类似，但model_id可以换成gpt-4o-mini，temperature调到 0.8 让文案更有变化。coder 的model_id建议用claude-3-5-sonnet，代码生成更稳。

配置完成后，在主 Agent 的对话里测试任务分发：

请 researcher 调研 Hermes Agent 的记忆架构，整理成三点摘要，然后让 writer 把摘要改写成一段 200 字的介绍。

如果配置正确，主 Agent 会先调用 researcher 的 Profile 执行调研，再把结果传给 writer 的 Profile 做改写。你可以在日志里看到Profile researcher invoked和Profile writer invoked的记录。

这一步常见的报错有四个。第一个是401 Unauthorized，说明某个 Profile 的 API Key 没填对，检查~/.hermes/profiles/xxx/config.toml里的api_key。第二个是local proxy failed，通常是 VPS 的 DNS 解析问题，执行curl -I https://taotoken.net/api确认连通性。第三个是reading choices: unexpected end of JSON input，说明模型返回了空响应，可能是max_tokens设得太小，或者 Model ID 写错了。第四个是OAuth token expired，如果你用的是 OAuth 方式的凭证，需要重新执行hermes auth login。

还有一个容易忽略的问题：Profile 之间的记忆隔离。如果你希望 researcher 和 writer 共享部分上下文，需要在主 Agent 的AGENTS.md里配置加载规则：

# AGENTS.md ## 关联文档 - shared_context: ~/.hermes/memory/shared.md ## 加载规则 - 所有 Profile 启动时加载 shared_context

这样每个 Profile 都能读到共享的上下文文件，但各自的长期记忆仍然独立。实测下来，这种“共享静态文件 + 独立长期记忆”的结构，在多 Agent 协作里最实用。

6. 把 Hermes Agent 跑成长期可用的自动化助手

走到这一步，你的 Hermes Agent 已经具备了三个关键能力：稳定的模型通道、持久的三层记忆、可拆分角色的多 Agent 协作。接下来要做的，是把它从“能跑”变成“长期可用”。

第一件事是配置定时任务。Hermes Agent 支持自然语言设置定时任务，不需要写 cron 表达式。在对话里输入：

每天早上 9 点，让 researcher 汇总前一天的对话记录，生成一份简报，然后让 writer 改写成 300 字以内的摘要发给我。

Hermes Agent 会自动解析时间、角色和任务链，生成对应的调度配置。你可以在hermes dashboard的看板里看到任务状态。

第二件事是配置技能系统。技能是可复用的工作流，放在~/hermes/skills/目录下。每个技能是一个文件夹，里面有SKILL.md定义规则，可选scripts/目录放可执行脚本。比如创建一个“每日简报”技能：

mkdir -p ~/hermes/skills/daily-report/scripts nano ~/hermes/skills/daily-report/SKILL.md

写入：

# 每日简报技能 ## 触发条件 用户说“生成今日简报”时触发。 ## 执行步骤 1. 读取 ~/.hermes/memory/daily.md 中的今日记录。 2. 调用 writer Profile 生成 300 字摘要。 3. 将摘要追加到 ~/hermes/projects/reports/daily.md。

技能采用按需加载机制，只有匹配到触发条件时才会加载，不会增加日常对话的 token 开销。

第三件事是安全加固。VPS 上跑长期服务，必须做基础防护。禁用 SSH 密码登录，编辑/etc/ssh/sshd_config，把PasswordAuthentication改成no，然后重启 SSH 服务。配置防火墙，只开放必要端口：

sudo ufw allow 22 sudo ufw allow 443 sudo ufw enable

如果你需要通过网页看板访问 Hermes Agent，再开放对应端口。另外，建议开启系统自动安全更新：

sudo apt install unattended-upgrades -y sudo dpkg-reconfigure --priority=low unattended-upgrades

最后，把 TaoToken 的 API Key 和 Hermes Agent 的配置文件做好备份。Key 泄露的风险比 VPS 被入侵更常见，建议定期在 TaoToken 控制台轮换 Key，然后更新~/.hermes/config.toml和各个 Profile 的配置。

如果你在配置过程中遇到模型通道的问题，可以先到 TaoToken 的接入文档里对照 Base URL 和 Model ID 的写法；如果 Key 需要重新生成，直接在控制台的 API Keys 页面操作。多 Agent 协作跑通之后，你会发现 Hermes Agent 真正好用的地方不在于单次对话有多聪明，而在于它能记住你的习惯、按你的规则自动执行任务，并且随着使用时间越来越贴合你的工作流。