YOHO AI

标签： 自主智能体

  • Hermes Agent：会自我进化的开源 AI 智能体，Nous Research 出品，60000+ Stars 让 AI 真正成为你的数字分身

    Hermes Agent：会自我进化的开源 AI 智能体，Nous Research 出品，60000+ Stars 让 AI 真正成为你的数字分身

    Hermes Agent Banner

    Hermes Agent —— 会自我进化的开源 AI 智能体

    项目简介

    Hermes Agent 是由 Nous Research 开发的开源自主 AI 智能体框架，采用 MIT 协议完全免费。它的核心定位是：一个部署在你自己服务器上、能随你一起成长的持久化个人 AI 智能体。

    与传统 AI 聊天机器人不同，Hermes Agent 是一个独立运行的后台守护进程，具备三大核心特性：自托管（数据完全本地化）、持久化（跨会话记忆）、自我进化（从经验中自动创建和改进技能）。

    安装要求和过程

    环境要求

    依赖 说明
    Python 3.11+ 主运行环境（安装器自动处理）
    Node.js 部分功能依赖（安装器自动处理）
    ripgrep 代码搜索（安装器自动处理）
    ffmpeg 语音备忘录转录（安装器自动处理）
    Git Bash Windows 上安装器会捆绑便携版 MinGit（约 45MB）

    支持平台：Linux ✅ / macOS ✅ / WSL2 ✅ / Windows (PowerShell) ✅ / Termux (Android) ✅

    一键安装

    Linux / macOS / WSL2：

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

    Windows（PowerShell）：

    iex (irm https://hermes-agent.nousresearch.com/install.ps1)
    hermes

    安装后配置

    hermes setup # 运行完整配置向导
    hermes model # 选择 LLM 提供商和模型
    hermes tools # 配置启用的工具
    hermes gateway # 启动消息网关

    核心功能

    1. 真正的终端 TUI 界面

    Hermes Agent 提供完整的终端 UI（TUI），支持多行编辑、斜杠命令自动补全、对话历史浏览、中断重定向、流式工具输出。不是简单的命令行包装，而是专为 AI 交互设计的终端体验。

    2. 多平台消息集成

    通过一个网关进程统一管理，支持 14+ 消息平台：Telegram、Discord、Slack、WhatsApp、Signal、CLI 等。支持语音备忘录转录、跨平台对话连续性——你在 Telegram 上的对话，可以在 Discord 上继续。

    3. 闭环学习系统（核心竞争力）

    这是 Hermes Agent 最独特的功能：

    • 自主技能创建：完成复杂任务（通常涉及 5 次以上工具调用）后，自动将成功的工作流程提炼为可复用的”技能”（Skill）
    • 技能自我改进：技能在使用过程中会自动优化
    • FTS5 会话搜索 + LLM 摘要：实现跨会话回忆
    • Honcho 辩证用户建模：持续构建对用户的深度理解模型
    • 兼容 agentskills.io 开放标准

    4. 定时自动化

    内建 cron 调度器，可向任意平台投递消息。用自然语言配置每日报告、夜间备份、每周审计等定时任务，无需编写代码。

    5. 多环境运行 + 子代理并行化

    支持六种终端后端：local、Docker、SSH、Singularity、Modal、Daytona。Daytona/Modal 提供无服务器持久化，空闲时休眠几乎零成本。

    可生成隔离子代理处理并行工作流；编写 Python 脚本通过 RPC 调用工具，将多步流水线压缩为零上下文成本轮次。

    典型使用场景

    场景一：个人 AI 助手（消息平台接入）

    通过 Telegram/Discord/Slack 等平台，随时随地与你的 AI 智能体对话。它记住你上周告诉它的项目偏好，能回忆起你三个月前让它执行的任务细节。用得越久，它就越了解你。

    场景二：开发辅助 + 定时自动化

    在终端中使用 TUI 进行交互式编程辅助，运行 shell 命令、管理项目。同时配置定时任务：每日自动生成工作日报、夜间备份代码仓库、每周审计服务器安全状态——全部无人值守自动执行。

    场景三：从 OpenClaw 迁移

    Hermes Agent 自动导入设置、记忆、技能和 API 密钥，迁移成本极低。相比 OpenClaw，Hermes Agent 的自我进化能力和技能系统是核心差异化优势。

    推荐理由

    Hermes Agent 代表了 AI Agent 发展的一个重要方向：从”一次性工具”走向”持久化伙伴”。

    我推荐它的理由：

    • 数据主权：部署在自己的机器上，SQLite 本地存储，不经过任何第三方云服务
    • 真正能成长：用得越久越聪明，技能系统让它能从经验中学习
    • 零成本运行：支持 Ollama 本地模型，可以完全免费运行
    • 多平台接入：通过消息 App 随时随地使用，不需要打开电脑
    • MIT 协议：完全开源，可以自由修改和商用

    小提示：Nous Research 是开源 AI 社区中声誉极高的研究机构，他们此前发布的 Hermes 系列开源模型（Hermes-2、Hermes-3）在 Hugging Face 上广受好评。Hermes Agent 可以看作是他们将多年技术积累打包成的开箱即用产品。

    下载地址

    来源 链接
    GitHub 仓库 github.com/NousResearch/hermes-agent
    官方网站 hermes-agent.nousresearch.com
    Nous Research nousresearch.com
    agentskills.io agentskills.io

    最低运行配置：2 核 CPU + 4GB RAM（推荐 4GB+ 以流畅运行 LLM）

    本文为 GitHub 热门 AI 开源项目系列第 93 篇。系列文章持续介绍最值得关注的开源 AI 项目，欢迎关注。

  • BabyAGI：22.3K Stars！任务驱动自主AI智能体，让AI学会自己拆解目标

    BabyAGI：22.3K Stars！任务驱动自主AI智能体，让AI学会自己拆解目标

    BabyAGI 项目封面

    📌 项目简介

    BabyAGI 是一个实验性的任务驱动自主AI智能体框架，由 Yohei Nakajima 于 2023 年发布，开创了让 AI 自主拆解任务、循环执行的先河。它用极简的 Python 代码展示了 AGI（通用人工智能）的雏形，是整个自主智能体领域的鼻祖级项目。

    🔧 安装要求和过程

    环境要求

    • Python 3.9+
    • OpenAI API Key（或兼容 API）
    • pip 包管理器

    快速安装

    # 方式一：使用 pip 安装（推荐）
pip install babyagi

# 方式二：克隆仓库
git clone https://github.com/yoheinakajima/babyagi.git
cd babyagi
pip install -r requirements.txt

# 配置环境变量
export OPENAI_API_KEY="your-api-key-here"
export OBJECTIVE="Solve world hunger"  # 设置任务目标

# 运行
python main.py

    Docker 部署

    docker build -t babyagi .
docker run -e OPENAI_API_KEY=your_key -e OBJECTIVE="your objective" babyagi

    ⚡ 核心功能

    🎯 自主任务拆解

    自动将大目标拆解为可执行的小任务，无需人工干预，持续循环执行直到目标完成。

    🧠 长期记忆机制

    通过 Pinecone 向量数据库存储和检索历史任务信息，让 AI 拥有”记忆”，避免重复劳动。

    🔄 任务优先级排序

    自动评估任务列表，根据目标智能排序执行优先级，确保最重要的任务优先完成。

    📊 functionz 函数框架

    内置全新的函数管理框架，支持函数注册、依赖追踪、密钥管理和自动执行，是项目的核心引擎。

    🖥️ 可视化 Dashboard

    配套 Web 管理面板，实时查看函数执行状态、依赖关系、密钥配置和完整执行日志。

    🏗️ 自构建能力

    实验性 self_build 功能，让 AI 根据用户需求自动生成新函数，实现智能体的自我扩展。

    🚀 典型使用场景

    场景一：自动化研究助手

    设定目标”研究并总结 Transformer 架构的最新进展”，BabyAGI 会自动拆解任务：搜索论文 → 阅读摘要 → 提取要点 → 生成总结报告。整个过程无需人工干预，是研究员和学生的效率神器。

    场景二：代码自动生成与执行

    通过 functionz 框架，让 BabyAGI 自动生成解决特定问题的 Python 函数，并注册到系统中供后续调用。配合 self_build 功能，AI 可以根据新需求动态扩展自己的能力边界。

    场景三：多步骤任务自动化

    设定目标”每天早上 9 点抓取 Hacker News 首页前 10 条内容并发送到我的邮箱”，BabyAGI 会拆解任务、编写爬虫函数、配置定时执行，真正实现”设定一次，自动运行”。

    💡 推荐理由

    BabyAGI 是整个 AI Agent 自主智能体浪潮的开山之作。2023 年 4 月，Yohei Nakajima 用不到 200 行 Python 代码，向全世界展示了 AI 可以自主拆解任务、循环执行、不断逼近目标——这个 Demo 直接催生了 AutoGPT、AgentGPT 等后续数百个自主智能体项目。

    虽然项目作者明确表示”不适合生产环境”，但它作为学习自主智能体原理的教科书级案例，价值无可替代。如果你想理解 AI Agent 是怎么”思考”的，读一遍 BabyAGI 的源码，比看十篇论文都管用。

    新一代 BabyAGI（基于 functionz 框架）更进一步，引入了函数管理、依赖追踪、自构建等生产级概念，为自主智能体的工程化落地提供了宝贵思路。⭐ 历史地位 + 学习价值，强烈推荐给每一位 AI 开发者！

    ⭐ 如果你觉得这个项目有用，请在 GitHub 上给它一个 Star！

    标签：AI Agent自主智能体开源

  • AutoGPT：引爆AI智能体革命的开源里程碑，185K+ Stars让AI学会自主思考和行动

    AutoGPT：引爆AI智能体革命的开源里程碑，185K+ Stars让AI学会自主思考和行动

    2023年AI智能体革命的起点

    AutoGPT

    引爆AI智能体浪潮的开源里程碑，185K+ Stars 让 AI 学会自主思考和行动

    🚀 185K+ Stars
    🏠 自托管
    🐳 Docker 部署
    🤖 自主智能体

    AutoGPT 是2023年引爆AI智能体浪潮的开源项目，让AI能够自主拆解目标、分解任务、调用工具、持续迭代，无需人工干预即可完成复杂任务。它不仅是AI Agent领域的”比特币时刻”，更发展成了一个完整的AI智能体构建、部署和管理平台。

    AutoGPT Platform

    AutoGPT 平台架构示意图（图片来自 GitHub）

    📦 安装要求和过程

    环境要求

    CPU 4+ 核心（推荐）
    内存 最低 8GB，推荐 16GB
    存储 至少 10GB 可用空间
    操作系统 Linux / macOS / Windows 10+ (WSL2)
    必需软件 Docker Engine 20.10+, Docker Compose 2.0+, Git, Node.js 16+, npm 8+

    🚀 一键安装（推荐）

    AutoGPT 提供官方一键安装脚本，自动完成所有依赖配置：

    # macOS / Linux 一键安装
curl -fsSL https://setup.agpt.co/install.sh -o install.sh && bash install.sh

# Windows (PowerShell)
powershell -c "iwr -useb https://setup.agpt.co/install.ps1 | iex"

    安装完成后访问本地 Web 界面即可开始使用，无需手动配置。

    🐳 Docker 手动部署

    git clone https://github.com/Significant-Gravitas/AutoGPT.git
cd AutoGPT
cp .env.template .env
# 编辑 .env 填入 OPENAI_API_KEY 等配置
docker-compose up -d

    完整文档：agpt.co/docs

    ⚡ 核心功能

    🎯 自主任务拆解与执行

    AI 自动将大目标拆解为可执行的子任务，持续迭代执行直到完成。支持循环执行、条件分支和错误自动恢复，让 AI 真正”会思考”。

    🛠️ 多工具集成能力

    内置联网搜索、代码执行、文件操作、记忆管理、浏览器自动化等工具。支持通过插件系统扩展自定义工具，让 Agent 具备实际操作能力。

    🏗️ 平台化架构

    从单一 Agent 工具发展为完整平台，支持构建、部署和管理多个 AI Agent。提供 REST API、Webhook 和图形化管理界面，适合生产环境使用。

    🖥️ 图形化管理界面

    基于 Web 的控制面板，可视化管理和监控 Agent 运行状态。支持实时日志查看、任务进度追踪和结果预览，无需命令行即可操作。

    ☁️ 云托管 + 自托管双模式

    支持完全本地 Docker 部署（免费），也提供云端托管版本（Beta）。数据和应用完全自主可控，满足不同场景的部署需求。

    💡 典型使用场景

    📊 场景一：自动化市场调研

    给 AutoGPT 一个目标：”分析 AI 编程工具市场竞品，输出对比报告”。它会自动搜索资料、访问竞品官网、汇总功能特性、截取关键页面，最终生成结构化的 Markdown 报告。整个过程无需人工干预。

    提示词示例：Research the top 5 open-source AI agent frameworks on GitHub, compare their star counts, key features, and licensing. Output a Markdown comparison table.

    💻 场景二：端到端代码项目搭建

    描述你的需求，AutoGPT 自动生成代码框架、编写功能模块、运行测试、修复错误、提交 Git 记录。支持与 GitHub 集成，实现从需求到部署的端到端自动化。

    提示词示例：Build a FastAPI app with user authentication (JWT), PostgreSQL database, and Swagger docs. Include unit tests and Dockerfile.

    🌟 推荐理由

    AutoGPT 在 AI 发展史上的地位，怎么强调都不为过。2023年3月，它成为 GitHub 史上增速最快的开源项目，仅用几天就从几千星冲到十万星，让全世界第一次直观看到”AI 自主完成复杂任务”的真实能力。

    虽然今天已有 LangChain、AutoGen、CrewAI 等更先进的框架，但 AutoGPT 的历史意义不可替代——它定义了”AI Agent 自主循环执行”这一范式，启发了此后几乎所有的 Agent 框架设计。

    现在的 AutoGPT 已不再是简单的循环脚本，而是发展成了包含 Web UI、Agent 市场、云托管平台在内的完整生态系统。如果你想理解 AI Agent 的来龙去脉，或者需要一个开箱即用的自主 Agent 平台，AutoGPT 依然是最好的起点之一。

    📌 项目许可：NOASSERTION（核心框架 · 查看仓库最新许可信息）

    🔄 最后更新：2026-06-24（GitHub 实时数据）

    ⭐ 当前 Stars：185,142+ ｜ Fork：43,000+ ｜ 贡献者：300+

  • BabyAGI：22.3K Stars！任务驱动自主AI智能体，让AI学会自己拆解目标

    BabyAGI：22.3K Stars！任务驱动自主AI智能体，让AI学会自己拆解目标

    BabyAGI 项目封面

    📌 项目简介

    BabyAGI 是一个实验性的任务驱动自主AI智能体框架，由 Yohei Nakajima 于 2023 年发布，开创了让 AI 自主拆解任务、循环执行的先河。它用极简的 Python 代码展示了 AGI（通用人工智能）的雏形，是整个自主智能体领域的鼻祖级项目。

    🔧 安装要求和过程

    环境要求

    • Python 3.9+
    • OpenAI API Key（或兼容 API）
    • pip 包管理器

    快速安装

    # 方式一：使用 pip 安装（推荐）
pip install babyagi

# 方式二：克隆仓库
git clone https://github.com/yoheinakajima/babyagi.git
cd babyagi
pip install -r requirements.txt

# 配置环境变量
export OPENAI_API_KEY="your-api-key-here"
export OBJECTIVE="Solve world hunger"  # 设置任务目标

# 运行
python main.py

    Docker 部署

    docker build -t babyagi .
docker run -e OPENAI_API_KEY=your_key -e OBJECTIVE="your objective" babyagi

    ⚡ 核心功能

    🎯 自主任务拆解

    自动将大目标拆解为可执行的小任务，无需人工干预，持续循环执行直到目标完成。

    🧠 长期记忆机制

    通过 Pinecone 向量数据库存储和检索历史任务信息，让 AI 拥有”记忆”，避免重复劳动。

    🔄 任务优先级排序

    自动评估任务列表，根据目标智能排序执行优先级，确保最重要的任务优先完成。

    📊 functionz 函数框架

    内置全新的函数管理框架，支持函数注册、依赖追踪、密钥管理和自动执行，是项目的核心引擎。

    🖥️ 可视化 Dashboard

    配套 Web 管理面板，实时查看函数执行状态、依赖关系、密钥配置和完整执行日志。

    🏗️ 自构建能力

    实验性 self_build 功能，让 AI 根据用户需求自动生成新函数，实现智能体的自我扩展。

    🚀 典型使用场景

    场景一：自动化研究助手

    设定目标”研究并总结 Transformer 架构的最新进展”，BabyAGI 会自动拆解任务：搜索论文 → 阅读摘要 → 提取要点 → 生成总结报告。整个过程无需人工干预，是研究员和学生的效率神器。

    场景二：代码自动生成与执行

    通过 functionz 框架，让 BabyAGI 自动生成解决特定问题的 Python 函数，并注册到系统中供后续调用。配合 self_build 功能，AI 可以根据新需求动态扩展自己的能力边界。

    场景三：多步骤任务自动化

    设定目标”每天早上 9 点抓取 Hacker News 首页前 10 条内容并发送到我的邮箱”，BabyAGI 会拆解任务、编写爬虫函数、配置定时执行，真正实现”设定一次，自动运行”。

    💡 推荐理由

    BabyAGI 是整个 AI Agent 自主智能体浪潮的开山之作。2023 年 4 月，Yohei Nakajima 用不到 200 行 Python 代码，向全世界展示了 AI 可以自主拆解任务、循环执行、不断逼近目标——这个 Demo 直接催生了 AutoGPT、AgentGPT 等后续数百个自主智能体项目。

    虽然项目作者明确表示”不适合生产环境”，但它作为学习自主智能体原理的教科书级案例，价值无可替代。如果你想理解 AI Agent 是怎么”思考”的，读一遍 BabyAGI 的源码，比看十篇论文都管用。

    新一代 BabyAGI（基于 functionz 框架）更进一步，引入了函数管理、依赖追踪、自构建等生产级概念，为自主智能体的工程化落地提供了宝贵思路。⭐ 历史地位 + 学习价值，强烈推荐给每一位 AI 开发者！

    ⭐ 如果你觉得这个项目有用，请在 GitHub 上给它一个 Star！

    标签：AI Agent自主智能体开源