跳转至

📄 文章总结：《Hermes Agent v0.20：它开始自己说话、找证据和触发工作流了》

公众号： One的AI工具箱 | 分类： agent | 收录日期： 2026-08-11 原链接： https://mp.weixin.qq.com/s/j8fTZfySSG8u6xyXrhhHaA

一、版本总览与核心方向

Hermes Agent v0.20.0 发布，官方取名为 The Herald Release。这并不只是一次版本包装，而是开始补足 Agent 真正进入长期工作以后一定会遇到的几件事：

  • 你不想一直盯着聊天框，能不能直接和它说话。
  • 它给出的研究结论，能不能逐条回到真实来源。
  • 任务完成以后，能不能主动通知你的系统。
  • 一个 Agent 能不能把工作交给另一个 Agent。
  • Desktop 能不能承载真正的工作流，而不是只显示聊天记录。
  • 工具报错以后，Agent 能不能自己恢复，而不是重新猜一遍。

从 v0.19.0 到 v0.20.0，这不是一个小版本补丁。官方 release notes 里最值得先看的是这一句：

实时语音 / 可验证引用 / 签名 Webhook / Agent-to-Agent / Desktop 平台化

这些变化看起来分散，但都在回答同一个问题：

Hermes Agent 能不能从一个“能完成任务的 Agent”，变成一个可以被接入、被监督、被调用、被长期运行的系统？

二、更新与基础检查

如果已经安装 Hermes Agent，更新入口仍然是：

hermes update

更新以后，不要只看命令有没有报错，至少先检查：

hermes --version
hermes doctor
hermes status --all
hermes gateway status

如果已经把 Hermes 接到了 Telegram、Discord、Slack、飞书、WhatsApp 或其他消息入口，还应该实际发一条最小测试消息。Agent 最容易出问题的地方，通常不是第一句话能不能回答，而是：

模型 → gateway → profile → tools → memory → cron → 消息平台

某个环节升级后没有正常接上，就会出问题。

三、语音：从“语音留言”变成流式对话

以前的语音模式更像“语音留言”：

  • 你说话。
  • 等 Agent 完整生成。
  • 一次性播放整段回复。

因为 Agent 生成一长段内容以后，你还得等它全部说完，想打断也只能等这一轮结束。

v0.20 开始，Hermes 的语音交互变成了流式对话：

  • 回复会按句子或片段逐步合成。
  • Agent 说到一半时可以直接打断。
  • 它会停止当前播报并听你新的指令。
  • 模型会收到“用户刚才打断了我”的信息。
  • 忙碌时的静音检测会减少互相抢话。

这件事真正改变的是交互节奏：你不需要等 Agent 把一整段话说完，才有机会修正它的方向。这延续了“中途纠偏”的趋势，只是从键盘输入延伸到了声音。

四、Wake word：让 Agent 不用一直等你点按钮

v0.20 加入了设备端 wake word，可以设置自己的唤醒词，例如：

hey Hermes

也可以使用其他自定义短语。

唤醒检测在本地设备上完成，等待唤醒时不需要把持续音频上传出去。如果你有多个 profile，还可以给不同 profile 配置不同的语音路由。

这让 Hermes 从“打开以后才能用的应用”，变成了一个可以在旁边等待的助手。但不代表应该给所有 profile 都打开语音。工作 profile、个人 profile 和测试 profile 最好继续保持边界，尤其是当不同 profile 绑定了不同的模型、工具和消息入口时。

五、可验证引用：grounded-citations Skill

这是 v0.20 最值得长期关注的能力之一。新的 grounded-citations Skill 不是只让 Agent 在文章末尾加几个链接，而是要求每一个重要判断都能回到可验证的页面证据。

它试图解决研究类 Agent 最麻烦的问题：

看起来像真的 ≠ 找得到来源

它会做几层检查：

  • 每个事实绑定可访问的来源。
  • 引用内容和页面证据匹配。
  • 链接指向具体证据，而不是只给首页。
  • 对页面里没有说过的内容进行提示。
  • 对输入的文档或观点执行 fact-check。
  • 区分已验证、未验证和无法确认的结论。

如果你让 Hermes 研究一个产品、一个开源项目或一个市场机会，理想的输出不应该只是“这个产品很有潜力”，而应该更接近：

判断：某功能已经公开发布
证据：官方文档第 X 部分 / 项目 README / 可访问的演示页面
边界：没有找到价格、规模或真实用户数据

因为“看起来合理”的信息太多了，真正能留下来的文章，必须让读者知道哪些是事实，哪些是推断，哪些只是值得继续验证的机会。

六、Webhook：Agent 不再只等别人来问

以前把 Hermes 接进其他系统，常见的方式是轮询，或者让外部系统不断询问：

  • 任务完成了吗
  • 有没有新消息
  • 状态变化了吗

v0.20 增加了 outbound webhooks，Hermes 可以把生命周期事件主动推到你注册的 HTTP endpoint，例如：

  • session 活动
  • turn 完成
  • tool 事件
  • 任务状态变化

这些请求带有 HMAC 签名，接收方可以校验消息确实来自 Hermes，而不是一个伪造请求。

这就可以把 Hermes 接入：

  • CI 系统
  • 内部 Dashboard
  • 家庭自动化
  • 告警服务
  • 任务队列
  • 客户工作流

它的意义不是少写几个轮询脚本，而是让 Hermes 开始具备“事件源”的角色。例如一条内容生产流程：

Agent 完成研究
→ Webhook 通知内容系统
→ 自动生成草稿
→ 推送人工审核

或者：

Agent 检测到任务阻塞
→ Webhook 发出事件
→ Dashboard 标红
→ 负责人收到通知

签名很重要：如果 Agent 能把任务结果推到外部系统，就必须让接收方有办法确认事件来源和完整性。

七、Agent-to-Agent：标准交接方式

v0.20 加入了 A2A v1.0 插件。简单说，Hermes 可以发现、连接和驱动其他支持 A2A 的 Agent。

这比“在一个 Agent 里再开几个子任务”更进一步，开始涉及不同 Agent 系统之间的标准通信：

Agent A 发现 Agent B
→ 发送任务
→ Agent B 接收并执行
→ 返回状态和结果

未来可能出现这样的工作流：

研究 Agent 找资料
→ 代码 Agent 验证项目
→ 内容 Agent 整理文章
→ 审核 Agent 检查引用

但这里也要留一个边界：A2A 解决的是通信和交接，不等于自动解决信任、权限和质量问题。不同 Agent 之间仍然要确认：

  • 谁可以调用谁
  • 可以看到哪些数据
  • 能不能继续调用其他工具
  • 结果是否需要人工确认
  • 失败以后由谁负责

多 Agent 系统最容易出现的误区，就是以为“能互相调用”就等于“已经协作好了”。真正可用的协作还需要权限、状态、重试、审查和回滚。

八、Desktop 平台化与 Kanban

这次 Desktop 的变化，建议和 Kanban 放在一起看。Hermes Desktop 现在开始承载：

  • Artifacts
  • 沙箱内的实时预览
  • Desktop Plugin SDK
  • Kanban 工作区
  • 全局快捷键快速输入
  • 多窗口
  • 文件下载能力
  • 浮动 Pane

这意味着桌面端的角色开始变化：它不只是用来显示 Agent 回复，而是可以变成一个工作台：

聊天 → 任务卡 → 预览结果 → 工具状态 → 人工审查 → 导出文件

之前已经跑过 Kanban 从启用、创建任务、进入看板到 Agent 领取任务的完整链路。v0.20 的价值在于，Kanban 不再只是一个孤立的功能入口，而是被放进了 Desktop 平台化的方向里。

以后插件可以继续接入自己的页面、状态栏、快捷键、后端 API 和持久化数据。真正值得关注的是：用户终于可以把自己的工作方式继续装进 Hermes Desktop。

九、CLI 也开始更适合长任务

v0.20 的 CLI 更新不少，最值得优先记住的是这些：

1. !command：不花模型调用就执行 Shell

以前让 Agent 执行一条简单命令，也可能要经过一次模型判断。现在可以直接使用：

!command

适合快速查看目录、检查状态、读取简单信息。但它仍然应该遵守你设置的权限边界，不是一个绕过所有审批的通道。

2. /init：根据项目生成 AGENTS.md

/init

它会扫描当前项目，并生成或更新 AGENTS.md，把项目约定、目录结构和工作规则整理成 Agent 可以长期读取的上下文。这对新项目很实用，但生成以后必须人工检查，不能因为文件叫 AGENTS.md，就默认里面每一条规则都正确。

3. /diff、/context 和 /focus

/diff
/context
/focus

它们分别解决三个不同问题：

  • /diff：查看当前改了什么。
  • /context：查看上下文窗口里到底塞了什么。
  • /focus：减少输出噪音，专注当前任务。

尤其是 /context，它和这次的压缩改造放在一起看很有价值。Agent 变强以后，真正的成本不只是模型价格，还包括上下文里哪些工具、Skill、Memory 和历史记录正在占空间。

4. hermes import-agent

如果你之前在 Claude Code 或 Codex CLI 里已经有一套配置，v0.20 可以尝试通过：

hermes import-agent

把已有设置迁移到 Hermes。这里的“迁移”不应理解成所有行为会一比一复制，尤其是工具、权限、Skill 和模型提供商仍然需要重新检查。

十、纠偏不用再从头开始

Agent 做长任务时，最常见的操作之一就是：

你发现它方向错了
→ /stop
→ 重新解释
→ 从头再来

v0.20 加入 mid-turn redirects，允许你在 Agent 工作过程中输入修正，当前任务会根据新的指导调整方向。已经进行中的工作不必全部丢掉，原始 Prompt 也会保留。

这比“停止以后重新发一条更长的 Prompt”更接近真正的协作。人类同事做错方向时，你一般会说：

先停一下，不要继续改这个文件，改看另一个目录，保留刚才已经确认的结论。

而不是让他把过去半小时完全忘掉，重新从第一句开始。这类中途纠偏能力，对长任务的实际影响可能比多一个模型选项更大。

十一、工具开始自己处理失败

v0.20 加入了一轮工具自恢复能力。以前工具失败以后，Agent 往往只能看到一句“命令失败”，然后重新猜应该怎么做。

现在的改进包括：

  • 终端输出太长时，完整结果会写入文件，Agent 可以继续读取。
  • patch 发现修改已经应用时，不再重复报错。
  • 空匹配时会尝试相近路径和多路径恢复。
  • write_file 会确认内容真的写入磁盘。
  • 搜索不到结果时返回更有用的诊断提示。
  • 工具失败会尽量给出下一步行动建议。
  • 默认工具调用迭代上限从 90 提高到 500。

这组变化的价值非常具体：

工具失败 → Agent 读取失败原因 → 修正路径或参数 → 再尝试

而不是：

工具失败 → Agent 看不懂 → 继续猜 → 反复消耗 Token

当然，工具自恢复也不是无限重试。迭代上限从 90 提高到 500，代表它可以承载更长的自治任务，但不代表所有任务都应该让它跑到 500 次。越长的任务，越需要目标、预算、退出条件和人工检查。

十二、Compression：长对话不应该越跑越失忆

v0.20 对上下文压缩做了一轮比较深的改造：

  • 大窗口模型会提前清理过大的工具结果。
  • 每轮做更小的 micro-compaction，减少一次性大停顿。
  • 保证最近若干条用户消息继续保留。
  • 给摘要模型限制输入范围，保留头部和尾部关键信息。
  • 根据进度调整压缩等待时间。
  • 防止已经清理掉的 Skill 以隐性方式重新影响会话。
  • 支持按模型和绝对 Token 数配置阈值。

这解决的是 Agent 长期工作的一个底层问题：

上下文太长 → 压缩 → 关键背景被丢掉 → Agent 开始重复问问题

压缩不是越 aggressive 越好。如果为了省 Token，把用户刚确认的规则、任务目标和最近一次纠偏一起删掉，结果反而会更贵。好的压缩应该让 Agent 忘掉噪音，但保留任务方向。

十三、Smart Approvals：少点几次确认，但不能放弃边界

这次审批系统也继续增强。hermes approvals suggest 可以根据历史审批记录，给出 allowlist 建议。

另外还加入了：

  • 可自定义 smart approval policy。
  • 连续拒绝时的 circuit breaker。
  • Docker / Podman daemon redirect 命令的额外审批。
  • Desktop pairing approval 的正确处理。

这类功能解决的是审批疲劳。以前用户面对大量命令审批，最后容易走向两个极端：

每条都点确认，最后点到麻木

或者：

直接打开 yolo，然后祈祷不要出事

自动审批可以减少重复点击，但不能替你承担权限责任。涉及删除、外发、改权限、读取凭证和生产环境的命令，仍然建议保留人工边界。

十四、这次到底值不值得升级

如果只是偶尔在终端里问 Hermes Agent 几句话，v0.20 的很多变化可能不会马上让你觉得震撼。但如果你已经开始：

  • 使用语音和消息平台
  • 让 Agent 运行长任务
  • 使用多 Agent 协作
  • 管理多个 profile
  • 接入 Webhook
  • 使用 Desktop Kanban 和插件
  • 做带引用的研究
  • 运行大量工具调用
  • 处理长上下文和压缩

那这次升级就很值得。因为它修的不是某个孤立的炫技功能，而是 Agent 进入真实工作流以后一定会遇到的问题：

  • 说话是否自然
  • 研究是否有证据
  • 事件能不能送出去
  • Agent 能不能交接
  • Desktop 能不能承载工作流
  • 工具失败能不能恢复
  • 长对话会不会失忆
  • 权限能不能逐步自动化

建议按这个顺序升级：

hermes update
hermes --version
hermes doctor
hermes status --all
hermes gateway status

然后只做一条最小验证链路：

  1. 发一条普通消息，确认首轮响应正常。
  2. 测试一个短的工具任务。
  3. 检查当前 profile 和凭证来源。
  4. 如果使用 Desktop，确认插件和工作区正常。
  5. 如果使用消息平台，发一条真实测试消息。

最后再逐步打开语音、Webhook、A2A 和新的模型能力。不要在升级以后一次性把所有新能力都打开。Agent 工具最怕第一天看起来什么都有，第二天没有人知道哪一个开关出了问题。

十五、版本演进总结

  • v0.17 解决的是 Hermes Agent 能不能出现在更多地方。
  • v0.19 开始重点处理速度、可靠交付、权限和 Desktop 长任务。
  • 到了 v0.20，Hermes Agent 开始把声音、证据、事件、Agent 协作和插件工作台连接起来。

所以不太适合概括成“Hermes Agent 又更新了一批功能”，更准确的说法是：

Hermes Agent 正在从一个“会调用工具的 Agent”，变成一个可以被其他系统接入、被其他 Agent 调用、被人持续监督、还能自己恢复部分错误的工作系统。

这也是为什么这次最值得升级的，不一定是某一个新模型，而是 Hermes Agent 开始拥有更多“系统能力”：

声音 → 证据 → 事件 → 协作 → 工作台 → 自恢复

如果只是想试一下，先更新并跑通最小消息链路。如果已经把 Hermes 接进真实工作流，这次升级值得认真看一遍 release notes，再按自己的平台和权限边界逐项打开。别把所有新能力一次性推到最大，先让它稳定地完成一个任务，再让它开始管理更多任务。

十六、推荐阅读

原文末尾推荐了以下文章：

  • 《Hermes Agent v0.19.1：Desktop 插件来了, Kanban 只是第一个，真正值得升级的是后面这件事》
  • 《让你的 Hermes Agent 强 10 倍！》
  • 《Hermes Agent 新安全能力：Docker 沙箱里的真实 API Key，终于不用直接交给 Agent 了》

🎯 Friday 提炼

  • v0.20 的核心不是堆功能，而是让 Agent 具备“系统能力”：实时语音、可验证引用、签名 Webhook、A2A、Desktop 平台化、工具自恢复和上下文压缩。
  • 语音从“语音留言”变成可打断的流式对话，并加入本地设备端 wake word，让 Agent 可以长期待命。
  • grounded-citations Skill 要求每个研究结论绑定可验证来源，区分事实、推断与未知，解决“看起来像真的”但找不到出处的问题。
  • Agent 开始能主动通过 HMAC 签名的 Webhook 推送事件，也能通过 A2A 标准与其他 Agent 交接任务，但权限、信任、审查和回滚仍需人工边界。
  • 中途纠偏、工具自恢复、智能审批和更好的上下文压缩，让长任务运行更可靠；升级后建议先跑通最小消息链路，再逐步打开新能力，不要一次性全部开启。

一句话： Hermes Agent v0.20 让 Agent 从“能调用工具完成任务”进化为“可接入、可监督、可协作、可长期运行”的工作系统。

💡 Friday 看法

这版更新确实踩在点上了：语音可打断、引用可验证、webhook 签名，都是把 Agent 从“玩具”往“生产工具”推的关键。我最关心的其实是 grounded-citations，毕竟现在 AI 写的东西“看起来合理”太容易了，能有逐条证据和边界提示才敢用到实际决策里。不过多 Agent 协作那边我有点保留，标准协议是好事，但信任和权限问题不解决，A2A 只会让错误传得更快。