第8章 Hermes部署与基础配置

本章前置检查：

• □ Python 3.10+ 环境
• □ 网络通畅（可访问 GitHub 及 LLM 提供商 API）
• □ 至少一个大语言模型的 API Key（OpenAI / Anthropic / 本地 Ollama / 国内大模型平台均可）
• □ 已完成第 7 章的学习，了解 Hermes 的核心架构

本章预估总时长：4 小时

本章难点提示：

• 8.1 节的环境要求是本章最容易忽视的部分——Hermes 不支持原生 Windows，Windows 用户必须使用 WSL2，这一步不要跳过。
• 8.3 节的执行后端配置是多环境部署的关键，Local 用于本地调试，Docker 用于隔离运行，SSH 用于远程管理，按需选择即可。
• 8.4 节的模型配置是本章的核心，建议优先通过交互式向导完成首次配置（5 分钟即可），之后再根据需要手动编辑配置文件。国内用户推荐使用阿里云百炼或 SiliconFlow 等聚合平台，一个 API Key 可调用多款主流模型。
• 8.5 节的飞书接入需要飞书开放平台的权限配置，建议提前准备好飞书企业账号（个人版也可创建测试应用）。

🎯 本章教学目标：独立完成 Hermes 部署，通过 CLI 成功发送第一条测试消息，配置至少一种模型后端（云端 API 或本地 Ollama），掌握 DeepSeek、Qwen 3.5 等主流国内模型的接入方法，并完成飞书渠道的接入。

8.1 环境要求与系统准备

🎯 本节目标：检查你的机器是否满足 Hermes 的运行要求，并完成基础环境搭建。

预计时长：0.5 小时

8.1.1 Hermes 与 OpenClaw 的关系

在开始部署之前，有必要澄清 Hermes 和 OpenClaw 的关系。

这两个项目看似在做同样的事情，但实际上解决的不是同一层问题。OpenClaw 更像入口层和调度层，重点是“消息怎么进来、会话怎么路由、平台怎么接”；Hermes 更像 Agent 本体的执行与学习引擎，重点是“工具怎么用、经验怎么沉淀、下次怎么变强”。它们不是竞争关系，而是可以配合使用的互补工具——OpenClaw 负责多渠道接入和团队调度，Hermes 负责深度学习和策略进化，这在第五篇的量化系统中会有完整体现。

龙马注：我一开始也以为 Hermes 是 OpenClaw 的“替代品”，后来才发现它们是互补的。我的做法是：OpenClaw 管接入和调度（飞书消息进来，分发到各个任务队列），Hermes 管执行和进化（拿到任务后执行、学习、沉淀技能）。两者通过 ACP 协议通信，各取所长。如果你还没上手 OpenClaw，也完全可以直接从 Hermes 开始，它自带基础的消息网关能力。

8.1.2 操作系统支持

操作系统	支持情况	说明
Ubuntu 20.04+	✅ 完全支持	官方推荐，生产环境首选
macOS	✅ 完全支持	Intel 和 Apple Silicon 均可
Windows	⚠️ 需要 WSL2	不支持原生 Windows，必须在 WSL2 中运行
Android	✅ 通过 Termux 支持	可在手机上运行，适合移动端测试

Windows 用户必读：

如果你使用 Windows，请务必先安装 WSL2。具体步骤已在第 2.1.5 节详细说明。安装完成后，在 WSL2 终端中执行后续所有命令，不要在 Windows 原生命令行或 PowerShell 中尝试。

验证 WSL2 环境：

bash

wsl -l -v          # 确认 Ubuntu 版本为 2
cd ~              # 进入 Linux home 目录

8.1.3 硬件与软件要求

配置项	最低要求	推荐配置	说明
CPU	2 核	4 核	多任务并行时 CPU 压力较大
内存	4 GB	8 GB+	运行本地 LLM 模型需要额外内存
磁盘	2 GB	20 GB+	主要存储记忆、技能、日志
网络	稳定	低延迟	调用 LLM API 需要网络
Python	3.10+	3.12+	安装脚本会自动处理
Git	已安装	最新版	一键安装脚本需要

龙马注：一键安装脚本会自动安装 Python、Node.js、ripgrep、ffmpeg 等依赖，你不需要提前装好它们，但 Git 建议提前装好——网络不好的时候 Git 下载失败是整个安装过程中最可能卡住的地方。

8.2 一键安装与手动安装

🎯 本节目标：通过命令行安装 Hermes，完成首次配置向导。

预计时长：0.5 小时

8.2.1 一键安装（推荐新手）

Hermes 官方提供了一键安装脚本，支持 Linux、macOS、WSL2 和 Android Termux。在终端中执行：

bash

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

安装脚本会自动完成：

• 检测操作系统和 Python 版本
• 安装 uv（Python 包管理器）
• 安装 Python 依赖
• 配置 PATH 环境变量（自动添加到 ~/.bashrc 或 ~/.zshrc）
• 触发首次运行配置向导

龙马注：这个安装脚本写得很聪明——它不会破坏你现有的 Python 环境，所有依赖都装在 ~/.local 下。Windows 用户记得在 WSL2 里跑，不要在 PowerShell 里跑。另外，如果网络环境不太稳定，下载 GitHub 资源可能会慢一些，属于正常情况。

8.2.2 验证安装

安装完成后，重新加载终端环境：

bash

# 如果你使用的是 bash
source ~/.bashrc

# 如果你使用的是 zsh
source ~/.zshrc

验证安装是否成功：

bash

hermes --version

预期输出类似：hermes v0.11.0（版本号以实际为准）。

8.2.3 手动安装（网络受限或定制安装）

如果一键安装遇到网络问题，可以手动安装：

bash

# 克隆仓库
git clone https://github.com/NousResearch/hermes-agent.git
cd hermes-agent

# 安装依赖
pip install -r requirements.txt

# 以模块方式运行
python -m hermes

龙马注：手动安装没有一键安装那么方便，后续更新也需要手动 git pull。但如果你在内网环境，或者想定制某些依赖版本，手动安装是唯一的选择。

8.2.4 配置文件结构（了解即可）

安装完成后，Hermes 会在你的 home 目录下创建以下结构。理解这些文件的作用，对你后续配置和调试非常有帮助：

~/.hermes/
├── config.yaml          # 主配置文件（模型、后端、工具集等核心设置）
├── .env                 # 环境变量文件（API Key 等敏感信息，权限 0600）
├── state.db             # SQLite 数据库（跨会话记忆和用户档案）
├── gateway/             # 消息网关配置目录
│   └── config.yaml      # 渠道接入配置
├── skills/              # 自动生成的 Skill 存放目录
└── logs/                # 日志文件目录

关键安全提示：配置读取优先级为 .env 文件中的环境变量 > config.yaml 中的配置项 > 内置默认值。API Key 一律放在 .env 中，不要写在 config.yaml 里，防止文件被意外分享或上传到公开仓库。

8.3 执行后端配置

🎯 本节目标：理解六种执行后端的区别，掌握 Local、Docker、SSH 三种常用模式的配置方法。

预计时长：0.5 小时

8.3.1 什么是执行后端？

执行后端决定了 Hermes 在哪里执行代码。Hermes 支持六种执行后端：

后端	说明	适用场景
Local	在 Hermes 进程所在机器直接执行	开发调试、可信环境
Docker	在临时容器中执行，提供隔离	不信任的代码、沙箱运行
SSH	通过 SSH 在远程服务器执行	管理多台服务器、跨网络任务
Daytona	按需创建开发环境	开发测试、临时环境
Singularity	HPC 容器方案	高性能计算场景
Modal	云端无服务器执行	弹性算力需求

这些执行后端在 Hermes 的核心架构中位于 Layer 2（执行环境层），负责将 Agent 生成的命令在指定的环境中实际执行。

沈飞注：在量化场景中，我通常这样搭配：WSL2 里用 Local 模式做开发和回测，云端用 Docker 模式跑一些隔离的定时任务，生产交易服务器用 Local 模式保证最低延迟。一套代码，三套后端，切换成本几乎为零。

8.3.2 Local 模式（默认，推荐新手）

Local 模式是 Hermes 的默认后端，所有命令直接在宿主机执行。适用于开发调试和可信环境。

通过命令配置（推荐） ：

bash

# 在配置向导中选择 Local
hermes setup

# 或在配置向导中直接设置
hermes config set backend.type local

通过配置文件配置：

编辑 ~/.hermes/config.yaml：

yaml

backend:
  type: local
  local:
    user: "$USER"        # 当前系统用户名

配置完成后重启 Gateway：

bash

hermes gateway restart

8.3.3 Docker 模式（沙箱隔离）

Docker 模式将每条命令封装进临时容器中执行，提供进程级隔离和环境一致性保障。适用于高安全要求或需要特定运行环境的场景。

前置条件：Docker 守护进程必须运行中。

配置步骤：

bash

# 安装 Docker（如尚未安装）
# Ubuntu/Debian
sudo apt install docker.io

# macOS
brew install docker

# 启动 Docker
sudo systemctl start docker   # Linux
# macOS 直接启动 Docker Desktop

通过命令配置：

bash

hermes config set backend.type docker
hermes config set backend.docker.image "ubuntu:22.04"

通过配置文件配置：

yaml

backend:
  type: docker
  docker:
    image: "ubuntu:22.04"
    network_mode: "bridge"
    volumes:
      - "/tmp:/tmp:rw"

验证配置：

bash

docker info                    # 确认 Docker 可用
hermes gateway restart

龙马注：Docker 模式的启动速度比 Local 慢一点（每次执行都要拉容器），但对于执行不信任的 Skill 或处理用户上传的代码时，这个隔离级别是必要的。我一般在生产环境给风控 Agent 用 Docker 模式，交易 Agent 用 Local 模式——安全与性能之间的取舍，得分场景。

8.3.4 SSH 模式（远程执行）

SSH 模式使 Hermes 通过加密连接将命令转发至指定远程主机执行。适用于跨网络管理多台服务器。该模式要求目标主机已启用 SSH 服务且配置了免密登录。

配置步骤：

bash

# 生成 SSH 密钥（如果还没有）
ssh-keygen -t rsa -b 4096

# 将公钥复制到远程服务器
ssh-copy-id username@remote-host

# 配置 Hermes 使用 SSH 后端
hermes config set backend.type ssh
hermes config set backend.ssh.host "your-remote-server.com"
hermes config set backend.ssh.username "your-username"
hermes config set backend.ssh.key_path "/home/user/.ssh/id_rsa"

配置文件示例：

yaml

backend:
  type: ssh
  ssh:
    host: "your-remote-server.com"
    port: 22
    username: "deploy"
    key_path: "/home/user/.ssh/id_rsa"

验证连接：

bash

ssh -i /home/user/.ssh/id_rsa username@remote-host "echo Connected"
hermes gateway restart

8.3.5 验证当前生效模式

执行以下命令确认后端配置已生效：

bash

hermes gateway status
# 输出 Active Backend 字段应显示 local / ssh / docker

💡 学习建议：本章先掌握 Local 模式即可，Docker 和 SSH 属于进阶内容。后续用到时再回来参考。

8.4 模型配置：接入大语言模型

🎯 本节目标：学会配置 LLM 模型，让 Hermes 能够智能生成回复。本章将详细讲解国内主流模型（DeepSeek、Qwen 3.5）、阿里云百炼、OpenRouter、本地 Ollama、vLLM 等多种接入方式。

预计时长：1.5 小时

8.4.1 Hermes 与 LLM 的关系

Hermes 本身不包含任何大语言模型，它是一个“模型无关”的调度框架——只要服务暴露 OpenAI 风格的 API，就能无缝接入-43。这意味着你完全不会被单一模型供应商锁定，可以在云端 API、本地 Ollama、自建推理集群之间自由切换。

8.4.2 方法一：通过交互式命令配置（推荐新手，5 分钟搞定）

Hermes 提供了完整的交互式配置流程，无需手动编辑文件，特别适合首次配置或快速切换模型-43。

bash

# 启动模型配置向导（在终端运行，不要在会话中执行）
hermes model

向导会依次引导你完成：

1. 选择 LLM provider（模型提供商）
2. 输入 API Key
3. 选择默认模型

配置完成后，直接运行 hermes 即可进入交互式对话界面。

龙马注：hermes model 是供应商设置向导，运行在终端（非会话内）；/model 斜杠命令只能在已配置的供应商中切换，两者职责不同，新增供应商必须用 hermes model。

8.4.3 方法二：编辑 config.yaml 配置文件（灵活定制）

如果需要更精细的控制（比如配置自定义中转服务、同时配置多个模型），直接编辑配置文件是更灵活的选择。

bash

# 使用以下命令在默认编辑器中打开配置文件
hermes config edit

# 也可以手动编辑
vim ~/.hermes/config.yaml

基础配置模板如下：

yaml

model:
  provider: openai
  base_url: https://your-proxy-endpoint.com/v1
  name: your-model-name

关键提示：base_url 必须以 /v1 结尾。

8.4.4 国内主流模型接入详解

方案一：DeepSeek 接入（成本最优的旗舰 Agent 方案）

DeepSeek 系列模型以约 1/7 的价格实现接近 GPT-5.5 的性能，日处理 1 万次 Agent 任务仅需约 $42-1。Hermes Agent 原生支持 deepseek 提供商-1。

① 通过交互式向导配置：

bash

hermes model
# → 选择 "deepseek"
# → 输入 API Key
# → 选择模型（deepseek-v4-flash 或 deepseek-v4-pro）

② 通过 CLI 直接设置：

bash

# 方式 A：使用内置 deepseek provider
hermes config set model deepseek/deepseek-v4-flash

# 方式 B：设置 API Key（自动路由到 .env 文件）
hermes config set DEEPSEEK_API_KEY sk-your-deepseek-key-here

# 验证配置是否生效
hermes config get model   # 输出示例：deepseek/deepseek-v4-flash

③ 手动编辑配置文件：

yaml

model:
  provider: deepseek
  model: deepseek-v4-flash
  base_url: https://api.deepseek.com/v1
  api_key: ""          # 请填写在 .env 文件中

④ 使用环境变量临时覆盖（不修改任何持久化配置，适用于调试或多人共用服务器）：

bash

export DEEPSEEK_API_KEY=sk-xxx
export DEEPSEEK_MODEL=deepseek-v4-pro
export DEEPSEEK_BASE_URL=https://api.deepseek.com/v1
hermes

龙马注：对于新用户，建议先使用默认的 deepseek-chat 模型测试连通性，确保 API 配置正确后再切换到 V4 系列正式使用。

方案二：阿里云百炼 + Qwen 3.5 接入（国内用户推荐）

阿里云百炼是阿里云一站式大模型开发与应用构建平台，提供了通义千问 3 全系列模型（Qwen3-Max、Qwen3-Plus 等），支持 OpenAI 兼容接口，无缝适配 Hermes Agent 等开源工具。Qwen3.5 Plus 作为 2026 年初更新的旗舰大模型，采用 3970 亿总参数量（推理仅激活 170 亿）的高效架构。

前置准备：

1. 登录阿里云百炼控制台，创建并复制 sk- 开头的 API Key-。
2. 确认模型接口地址：
   • base_url：https://dashscope.aliyuncs.com/compatible-mode/v1（OpenAI 兼容接口地址）-
   • 模型 code：如 qwen3-2026-01-23（Qwen3 系列）、qwen-turbo（通义千问 Turbo 版），可在百炼“模型广场”查询具体模型 code-

yaml

model:
  provider: custom
  name: qwen3-2026-01-23
  base_url: https://dashscope.aliyuncs.com/compatible-mode/v1
  api_key: ""          # 请填写在 .env 文件中

验证配置：

bash

hermes test   # 验证响应是否正常
# 否则检查 Key 有效性、URL 拼写及模型权限

沈飞注：在量化场景中，我常用百炼的 Qwen 模型做因子分析和策略回测，搭配阿里云的 OSS 存储历史数据，整个链路都在同一生态内，数据流转非常顺畅。建议新用户先在百炼申请免费额度测试，确认连通性后再根据实际调用量选择付费方案。

方案三：OpenRouter / 硅基流动（SiliconFlow）模型聚合平台

如果你希望用一个 API Key 调用多款主流模型，OpenRouter 和硅基流动是理想选择。

硅基流动（SiliconFlow）配置（100+ 高性能大模型聚合平台）：

yaml

model:
  provider: custom
  base_url: https://api.siliconflow.cn/v1
  name: deepseek-ai/DeepSeek-V3   # 在模型广场复制完整模型名称
  api_key: ""   # 请填写在 .env 文件中

硅基流动 API Key 以 sk- 开头，请在平台 API 密钥页面创建。base_url 务必包含末尾的 /v1。

OpenRouter 配置（100+ 模型聚合，一个密钥通吃）：

yaml

model:
  provider: openrouter
  name: deepseek/deepseek-v4-flash
  base_url: https://openrouter.ai/api/v1
  api_key: ""   # 请填写在 .env 文件中

龙马注：OpenRouter 的模型命名规则通常是 provider/model 格式，比如 deepseek/deepseek-chat 或 anthropic/claude-3-sonnet。如果拿不准模型名，可以在 OpenRouter 官网的 Models 页面查到完整标识符。

方案四：本地大模型部署（Ollama / vLLM / TGI）

4.1 Ollama 本地部署（推荐新手）

如果你希望完全离线运行，或担心云端 API 泄露核心数据，Ollama 是最简单的本地大模型部署方案。Ollama 与 Hermes 配合，无需 API 密钥且完全离线。

① 安装并启动 Ollama：

bash

# 安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh

# 启动 Ollama 服务
ollama serve

# 新开终端，下载模型（如 Qwen3.5 9B 轻量版，消费级显卡即可运行）
ollama pull qwen3.5:9b

② 配置 Hermes 使用 Ollama：

bash

hermes model
# → 选择 "ollama"
# → 输入模型名称（如 qwen3.5:9b）
# → 输入 Base URL（http://localhost:11434）

或者手动编辑配置文件：

yaml

model:
  provider: ollama
  name: qwen3.5:9b
  base_url: http://127.0.0.1:11434
  # 本地 Ollama 不需要 api_key

启用 Ollama 兼容模式（Ollama 原生 API 与 OpenAI 标准存在字段差异，需显式开启兼容层）-46：

yaml

llm:
  ollama_compatible: true

③ 验证端到端连通性：

bash

hermes chat -q "你好，请用中文简单自我介绍"
# 若出现 Connection refused，检查 Ollama 是否仍在运行
# 若返回 model not found，核对模型名称与 ollama list 输出是否完全一致
# 若响应内容为空或格式异常，确认 ollama_compatible 已设为 true

4.2 vLLM 和 TGI 部署（企业级高性能推理）

对于生产环境需要高并发、低延迟的场景，vLLM（Very Large Language Model Serving）和 TGI（Text Generation Inference）是专业的开源推理框架，支持高性能 GPU 推理、连续批处理、PagedAttention 等技术。

安装并启动 vLLM：

bash

# 安装 vLLM
pip install vllm

# 启动 vLLM 服务（以 Qwen3.5 为例）
python -m vllm.entrypoints.openai.api_server \
    --model Qwen/Qwen3.5-7B-Instruct \
    --served-model-name qwen3.5 \
    --api-key your-api-key \
    --port 8000

配置 Hermes 使用 vLLM（vLLM 默认端口为 8000）-：

yam

model:
  provider: custom
  name: qwen3.5
  base_url: http://localhost:8000/v1
  api_key: your-api-key   # 与 vLLM 启动时的 api-key 保持一致

硬件对硬件要求较高：建议使用 GPU 服务器（如 A10、V100、A100）以获得流畅体验。

TGI（Text Generation Inference） 是 Hugging Face 推出的高速推理框架，同样支持 OpenAI 风格 API，配置方法与 vLLM 类似：

bash

# 启动 TGI 服务
docker run --gpus all -p 8080:80 \
    ghcr.io/huggingface/text-generation-inference:latest \
    --model-id Qwen/Qwen3.5-7B-Instruct

yaml

model:
  provider: custom
  base_url: http://localhost:8080/v1
  name: Qwen/Qwen3.5-7B-Instruct

8.4.5 多模型共存与切换

在生产场景中，你可能有多种需求组合：对话用 GPT-4o，复盘和数据分析用便宜的 DeepSeek V4 Flash，代码指令用本地 Qwen 模型。

你可以在配置文件中预设多套模型配置，然后灵活切换：

bash

# 列出所有已配置的模型
hermes model list

# 切换模型
hermes model set deepseek/deepseek-v4-flash

也可以在每次对话时临时指定：

bash

hermes -m deepseek/deepseek-v4-flash
hermes -m ollama/qwen3.5:9b

8.4.6 常见问题与排障指南

问题现象	可能原因	解决方案
请求报错 401 Unauthorized	API Key 未设置或已过期	检查 API Key 是否有效，确认已写入 .env
连线超时/Connection refused	base_url 配置错误	检查是否以 https:// 开头，路径以 /v1 结尾，排除代理干扰
模型无响应	provider 与 base_url 不匹配	确认 provider 字段与实际使用的 API 类型一致；对自定义端点使用 provider: custom
API Key 存错位置	使用了 config.yaml 存储	将密钥移至 .env，配置文件用 api_key_env: "KEY_NAME" 引用
报错 404 Not Found	URL 路径不正确	确认 vLLM/Ollama 启动时是否指定了 /v1 路径

沈飞注：配置信息中写到，API Key、base_url 和模型名称这三个字段必须严格对应，有一项不对就接不通。很多用户在群里报错问“为什么 Hermes 没反应”，最后发现往往是这几个字段里有一个没写对。建议拿到一个新的 API 时，先用 curl 或 Postman 测试原始 endpoints 是否可达，确认无误后再配置到 Hermes 中排查思路会清晰很多。你可以先配置一个廉价或免费模型跑通流程，再去配置正式的生产模型。

8.5 多渠道接入：飞书 / Telegram 配置

🎯 本节目标：至少完成一个外部消息渠道的接入，能通过手机 App 与 Hermes 对话。

预计时长：0.5 小时

学习提示：消息平台配置是可选的。如果本章时间紧张，可以先跳过，通过 CLI 熟悉 Hermes 之后再回来配置。

Hermes 原生支持 12 个消息平台，包括 Telegram、Discord、Slack、飞书、钉钉、企业微信、个人微信等。本节以飞书为例，展示完整的接入流程。

8.5.1 通用配置流程

无论接入哪个渠道，基本流程都是：

1. 在对应平台创建 Bot 应用，获取凭证
2. 在 Hermes 中运行 hermes gateway setup 配置渠道
3. 启动 Gateway，完成设备配对

8.5.2 飞书接入（推荐国内用户）

步骤 1：创建飞书企业自建应用

• 登录飞书开放平台，进入开发者后台
• 点击“创建企业自建应用”，填写名称（如“Hermes Agent”）和应用描述

步骤 2：添加机器人能力

• 在应用详情页，点击“添加应用能力”，选择“机器人”

步骤 3：配置权限

在左侧导航栏进入“权限管理”，至少需要添加以下核心权限：

权限名称	用途
im:message	接收与发送消息的核心权限
im:resource	获取消息中的资源文件（图片、文件等）
im:chat:readonly	读取群聊信息（群聊场景必须）

建议补充以下权限以保障稳定运行：

• im:chat：访问群组信息
• im:message.group_at_msg:readonly：接收群内 @ 消息
• im:message.p2p_msg:readonly：接收私聊消息

步骤 4：获取 App ID 和 App Secret

• 在左侧导航栏进入“凭证与基础信息”
• 记录下 App ID 和 App Secret（稍后配置 Hermes 时需要）

步骤 5：配置事件订阅

• 在左侧导航栏进入“事件与回调”
• 订阅方式选择“长连接”（WebSocket）
• 添加事件 im.message.receive_v1（接收消息事件）

龙马注：飞书的“长连接”方式比老的“回调地址”方式简单太多——不需要公网 IP，不需要配回调 URL，不需要搞 ngrok。强烈推荐。如果找不到“长连接”选项，确保你的飞书应用已正确添加机器人能力，并在“事件与回调”页面检查订阅方式的配置入口。

步骤 6：发布应用

• 进入“版本管理与发布”，创建版本并提交发布
• 等待审批通过（企业自建应用通常自动通过）

步骤 7：配置 Hermes Gateway

bash

# 启动 Gateway 配置向导
hermes gateway setup

向导选择 Feishu，按提示依次填写：

• App ID：从飞书开放平台复制
• App Secret：从飞书开放平台复制
• Domain：国内用户填 feishu
• Connection mode：选 websocket

步骤 8：启动 Gateway 并配对

bash

# 启动 Gateway
hermes gateway start

# 安装飞书 SDK 依赖（如果需要）
pip install lark-oapi==2.19.0   # Windows/WSL2 环境下可能需要

打开飞书，搜索你创建的机器人，发送一条消息（如“你好”）。首次对话需要根据终端提示运行配对命令进行授权确认。

沈飞注：配置写入及配对其他有量化场景提到的部分，我在生产环境中发现，飞书配对成功之后，记得把飞书群里的机器人设成“管理员”——否则它只能读消息不能发，很多自动化场景（比如定时推送风控报告）就跑不通了，我也是配到第三次才发现这个问题。

8.5.3 Telegram 接入（国际用户首选）

步骤 1：创建 Bot

• 在 Telegram 中搜索 @BotFather
• 发送 /newbot，按提示输入名称和用户名（以 bot 结尾）
• 记录返回的 Token

步骤 2：配置 Hermes

bash

hermes gateway setup

选择 Telegram，输入 Token。

步骤 3：启动并测试

bash

hermes gateway start

8.5.4 验证渠道连通性

bashet <模型名> # 直接设置模型
hermes config list # 查看当前配置
hermes config set <key> <value> # 修改配置
hermes config get <key> # 查看配置值
hermes config reset # 重置配置
hermes gateway start # 启动消息网关
hermes gateway stop # 停止消息网关
hermes gateway status # 查看网关状态
hermes gateway setup # 配置网关（包括消息渠道）
hermes gateway logs –follow # 实时查看网关日志
hermes schedule “每天早上8点，发送今日待办事项” # 创建定时任务
hermes schedule list # 查看定时任务列表
hermes skills list # 列出已安装的 Skills
hermes skills info <名称> # 查看 Skill 详情
hermes session list # 列出所有会话
hermes session delete –id <会话ID> # 删除会话
hermes test # 测试模型连通性

第8章 参考资料与扩展阅读

1. Hermes Agent 安装指南（官方） https://help.aliyun.com/zh/model-studio/hermes-agent-token-plan
2. Hermes Agent 安装与部署指南（附飞书接入教程） https://www.feishu.cn/content/article/7630758640865037530
3. Hermes Agent 接入飞书 & 企业微信全流程指南 https://cloud.tencent.cn/developer/article/2652796
4. DeepSeek V4 接入 Hermes Agent 完整指南 https://news.qiniu.com/archives/1777262571046
5. HermesAgent配置DeepSeek模型：国产大模型新选择 https://www.php.cn/faq/2375148.html
6. 阿里云/本地部署 Hermes Agent 接入 Qwen3.5 Plus 保姆级教程 https://developer.aliyun.com/article/1731587
7. 阿里云部署 Hermes Agent / OpenClaw 集成阿里云百炼 Token Plan 保姆级教程 https://developer.aliyun.com/article/1730865
8. Hermes Agent 怎么接大模型？云端 API 到本地 Ollama 的全路径接入实操 https://www.ai-indeed.com/encyclopedia/19252.html
9. 本地模型部署_Ollama 与 Hermes Agent 无缝连接教程 https://www.php.cn/faq/2367687.html
10. OpenClaw – SiliconFlow 配置文档 https://docs.siliconflow.cn/cn/usercases/use-siliconcloud-in-OpenClaw
11. Hermes Agent 多模型配置与第三方接口接入实战 https://cn-sec.com/archives/11123456.html
12. Hermes Agent × Qwen 3.5 Plus：构建企业级 AI Agent 工作流 https://developer.aliyun.com/article/1732180

本篇综合实践（第 8 章完成后）

任务：完成以下所有检查项，并记录输出。请注意，飞书渠道配置属于可选拓展任务，如果你时间紧张，可以先完成强制任务，跳过飞书配置，后续如果需要再补上。

🔰 强制任务（1 小时，必须完成）

• 在本地成功安装 Hermes，运行 hermes --version 确认版本号
• 完成 hermes setup 向导，配置至少一种模型（推荐 DeepSeek 或阿里云百炼）
• 通过 hermes 命令进入交互式对话，成功发送并接收至少一条消息
• 使用 hermes test 测试模型连通性，确认 API 配置正确
• 理解 8.3 节执行后端的区别，知道 6 种后端分别适用于什么场景
• 理解 8.4 节模型配置的几种方法，知道 ~/.hermes/ 下各配置文件的作用

🚀 进阶任务（1 小时，推荐完成）

• 配置第二种模型（如本地 Ollama 或另一云端模型），使用 hermes model 命令切换并测试
• 配置一个本地 Ollama 模型（如 qwen3.5:9b），体验完全离线推理
• （可选）将执行后端配置为 Docker 模式，验证隔离执行效果
• 运行 hermes config list 查看所有配置项，理解每个配置的作用

🔌 拓展任务（30 分钟，可选）

• （可选）完成飞书或 Telegram 渠道接入，通过手机 App 与 Hermes 对话
• （可选）运行 hermes gateway start 并保持后台运行

完成后，保存一份环境状态快照，命名为 chapter8_hermes_env.txt，至少包含：

• hermes --version 的输出
• hermes config list 的关键配置片段
• 你使用的模型类型配置（截图或复制配置片段即可）
• 你的飞书渠道配置状态及首次对话截图（如完成飞书接入）

龙马的评审（模拟）：

第 8 章的内容相当详细，尤其是模型配置部分，把国内用户关心的 DeepSeek、Qwen 3.5、百炼、Ollama 都涵盖了。有几个点补充：

• 关于 hermes gateway setup，有时候会提示缺少 lark-oapi 依赖，直接 pip install lark-oapi 就行。
• 如果 hermes gateway start 启动失败，先用 lsof -i :18789 看看端口是不是被别的进程占了——这个坑和 OpenClaw 一样。
• 对于 Ollama 本地部署，ollama pull qwen3.5:9b 需要足够的网络带宽，首次下载约 5-6GB，建议留出足够时间。如果显存不足，可以考虑更小的版本（如 4B 或 1.5B）。
• 国内用户在配置阿里云百炼时，如果遇到 Connection timeout，建议检查服务器的网络出口是否能够正常访问 dashscope.aliyuncs.com，部分企业内网需要配置白名单。
• 配置新 API 时，建议先用廉价模型或免费额度验证连通性，没有问题之后再切换到正式的生产模型。这样即使配错了也不会有经济损失。

沈飞的评审（模拟）：

第 8 章的执行后端配置、多渠道接入和多模型配置在量化部署里非常实用。DeepSeek V4 以约 1/7 的成本实现接近旗舰模型的性能——这个定价策略对于高频调用量化 Agent 的场景无疑是重大利好。我个人的经验是：策略研发、因子分析这种单次高吞吐需求用百炼 Qwen 3.5 或 DeepSeek V4 Pro（追求推理深度），盘中信号监控这种 7×24 持续任务转给本地 Ollama（完全离线，单次调用零成本）。

另外补充一点生产环境经验：无论时面提到的“定期备份 skill 和会话记录”，还是飞书配对成功之后，记得把飞书群里的机器人设成“管理员”——否则它只能读消息不能发，很多自动化场景（比如定时推送风控报告）就跑不通了，我也是配到第三次才发现这个问题。

下一章预告：第 9 章 Hermes 三层记忆系统——从本章的部署配置进入到 Hermes 最核心的能力：跨会话记忆。你会学到 FTS5 全文检索、MEMORY.md 常驻提示、USER.md 用户画像，以及 RAG 配置——真正理解“越用越聪明”的内核。这是整个 Hermes 区别于其他 Agent 最显著的能力，也是第五篇量化系统中策略 Agent 能够持续优化的基础。