📚 系列导航：上一篇 Hermes Agent 架构教程 已经讲清“架构与运行原理”；本篇聚焦 Hermes Agent 开源模式；下一篇 Hermes Agent 自改进机制教程 继续学习“自改进机制：Background Review、Curator 与 Goals”。
先给结论：免费开源不等于没有商业动机。 理解 Nous 的数据、订阅和用户增长闭环，才能判断 Hermes 有没有持续维护的动力。下面涉及动机的内容，有官方事实，也有作者基于源码和 README 的推断，两者会明确分开。
ℹ️ 版本说明： 原稿基于 Hermes Agent v0.16.0（2026 年 6 月）源码整理。本文保留其版本化机制分析；命令、数量和界面请以 Hermes Agent 官方文档 与本地输出为准。
Hermes Agent 开源项目如何持续维护
Hermes Agent 是 MIT 协议，源码全开，你 clone 下来扔到一台 5 美元的 VPS 上就能跑，一分钱不用给 Nous。两个月里它的 star 数从两万出头涨到超过 18 万。一家研究实验室，投了几十号人、上万次提交，做出来白送，图什么？
我觉得这个问题比任何功能介绍都重要。因为一个工具的长期可信度，不取决于它现在多好用，而取决于做它的人有没有一个能持续供血的理由。纯靠爱发电的开源项目，作者一忙别的就断更；有清晰利益闭环的项目，反而活得久。所以这节不讲功能，专门拆 Nous 的算盘。
拆完你会发现，Hermes 白送这件事，对 Nous 来说一点都不亏。它图的东西，藏在三个地方。
Nous Research 的模型与后训练路线
Nous Research 是一家开源 AI 实验室，核心人物是 Teknium，Hermes 每次发版的署名都是他。这家公司出名，靠的是 Hermes 系列模型：从早期的 Nous-Hermes，到 Hermes 2，再到 2025 年的 Hermes 4，做到了 14B、70B、405B 三个尺寸的混合推理模型。
它们身上有个一以贯之的信念，我觉得是理解整件事的钥匙：不需要巨额预训练预算，靠高质量的后训练，小团队也能逼近前沿。
主流叙事是堆算力、堆数据、堆参数，谁的 GPU 多谁赢。Nous 偏不信这套。它的赌注押在「后训练」上：拿一个基座模型，用精心设计的微调和对齐数据，把它调教成一个可控、不被审查、听用户话的模型。这条路最依赖什么？高质量的训练数据。尤其是那种真实场景下、人和模型来回交互产生的数据。
记住这个词—数据。下面两个动机里的第一个，就是从这儿长出来的。
Hermes Agent 的研究数据价值
这是 Nous 做 Hermes 最被低估、也最聪明的一招。
你打开 Hermes 的仓库根目录，会看到两个不起眼的大文件：一个叫 batch_runner.py ，一个叫
trajectory_compressor.py 。名字很技术，干的事却很有想象空间：批量生成「轨迹」，再把轨迹压缩。所谓轨迹，就是 Agent 接到一个任务后，怎么思考、调了哪些工具、踩了哪些坑、最后怎么解决的完整记录。
README 里有一节叫「Research-ready」，把这层意思挑明了：这些设施是为训练下一代会用工具的模型准备的。
把链条接起来看就有意思了。
我的判断是（这是我从源码和 README 推断的，不是 Nous 的官方表述）：Hermes Agent 不只是一个产品，它同时是 Nous 给自家模型采集真实数据的超大规模采集器。
这事的精妙在于，工具调用数据是当前最稀缺、最难造的一类训练语料。你没法靠爬虫从网上扒，因为它不是静态文本，是「人提了个真实需求、Agent 真的去调了 API、真的有成功失败」的动态过程。OpenAI、Anthropic 这些公司为了拿这种数据，得自己花钱搭环境、雇人标注。而 Nous 想了个更省钱的办法。把工具白送给全世界，让大家心甘情愿、24 小时不间断地，替它生产最贵的那种数据。
换个角度想：你以为你在白嫖一个免费 Agent，其实你和 Nous 是在做一笔交换。你拿到了一个好用的数字同事，Nous 拿到了训练下一代模型的燃料。这笔交换不一定不公平，但你得知道它存在。
Hermes Agent 与 Nous Portal 的商业闭环
光有数据飞轮，还撑不起一家公司的现金流。第二个动机，是 Nous 正在补的商业模式。
Hermes 本身不要钱，但它在第一次安装时，会把一个叫 NousPortal 的东西做成默认推荐路径之一。Portal 是 Nous 的订阅服务，打包了几百个模型，外加一个工具网关，把联网搜索、生图、文字转语音、云端浏览器这些零碎能力，一个订阅全包了。
这是个经典的开源商业化套路，但套得很顺。
| 这一层 | 明面上是什么 | 暗线里图什么 |
|---|---|---|
| Hermes Agent | 免费开源工具,拉用户 | 采集训练数据+做获客漏斗 |
| Nous Portal | 一站式订阅,省去配一堆 API 的麻烦 | 把变现入口和模型分发口攥在自己手里 |
| Hermes 模型家族 | 开源可下载的前沿模型 | 通过 Portal 成为默认分发渠道 |
开源拉来海量用户，Portal 把其中愿意付钱、又不想折腾配置的那批人转化成订阅。更关键的是，Portal 一旦成了大家默认的接入口，Nous 就握住了模型分发的咽喉。你用 Hermes，顺手就用了它的模型，它的模型又靠你的使用变得更强。三层咬合，自己喂自己。
我得说清楚一个分寸：Portal 到底转化了多少、收了多少钱，Nous 没公开，我也没有一手数据。这里只讲机制：从「纯开源工具」到「开源工具加自家付费订阅」，Nous 显然在搭一条能自我供血的路。这条路存在，比这条路现在赚多少更重要。
Hermes Agent 的开源生态增长
前两个动机是 Nous 自己的引擎，第三个是外部时机，而且是个千载难逢的窗口。
Hermes 最大的对手是 OpenClaw，一个同样开源的个人 AI 助手，体量比 Hermes 还大（star 数大约是 Hermes 的两倍）。但 2026 年 2 月，OpenClaw 的创始人 Peter Steinberger 宣布加入 OpenAI，项目交给一个非营利基金会托管。
这意味着什么？一个开源项目最大的资产，往往不是代码，是那个有审美、有方向感的灵魂人物。灵魂人物一走，再大的盘子也开始晃。用户会本能地想：这项目以后还有人带吗？我是不是该找个下家？
Hermes 把这个窗口期吃得很准。一边是疯狂发版，一个多月里连发了四个大版本；另一边，它在自己的产品里直接铺好了从 OpenClaw 搬家的地毯—§01 里说过的那条 hermes claw migrate ，自动识别旧配置、把记忆和技能一键搬过来。这种姿态和传统竞品很不一样。
💡 推荐
Hermes 的姿态：不光说「我比对手强」，还把「你怎么从对手那边无痛搬过来」写进产品，当成显式的获客策略。
不推荐：
传统竞品的姿态：我比对手强在哪哪哪，至于你怎么从对手那边过来，自己想办法。
放回 Nous 的算盘里看，这一步的动机就很清楚了：对手交接班、增长放缓的这个空档，是抢存量用户最便宜的时机。把迁移通道提前铺好，等于在对方最犹豫的时候，递过去一张「这边走」的地图。
如何评估 Hermes Agent 的长期可信度
把三件事摞起来看，Nous 的算盘就清楚了：用免费开源拉来最多的真实用户，用真实用户喂出最贵的训练数据，用训练出的模型撑起 Portal 的商业闭环，再趁对手交接班的空档把市场份额吃到最大。每一环都为下一环供血，环环相扣。
那么回到这节开头那个扫兴的问题。Nous 图什么搞清楚了，你该信它几分？
我的看法是：正因为图谋清晰，反而可信。怕的是那种说不清靠什么活、纯凭一腔热血的项目，热血一凉就烂尾。Nous 有数据飞轮、有商业闭环、有抢市场的明确动机，意味着它有足够强的理由把 Hermes 长期做下去。利益对齐的开源，往往比情怀驱动的开源走得更远。
💡 核心建议
读任何「免费又好用」的开源工具，都值得先问一句：做它的人靠什么活下去？答案越清晰，项目越值得长期押注；答案越含糊，越要做好它随时断更的心理准备。Hermes 属于前者，这也是我愿意花一整本书拆它的原因。
动机这层讲完，下一章我们钻进 Hermes 真正的技术核心：那条会自己生长的缰绳，自改进闭环。
常见问题
Hermes Agent 为什么免费开源？
开源可以扩大使用规模、吸引贡献者并形成真实 Agent 工作流反馈，同时为 Nous Portal 等服务带来入口。涉及商业动机的部分属于作者分析，不应当作官方承诺。
Hermes Agent 开源是否等于没有商业服务？
不等于。开源运行时和商业模型、托管入口或订阅服务可以同时存在，使用前要分别核对代码许可和服务条款。
这篇教程里的版本数字会变化吗？
会。原稿以 Hermes Agent v0.16.0 为分析基线，平台、工具、命令参数和默认配置可能继续变化；实际操作前请核对当前官方文档和本地命令帮助。