我开源了团队这个项目：Hermes‑Agent‑Platform
它看着像 Codex，但我们做了不少改动，能力上已经超脱 Codex。
核心特性：
- 自带自我学习能力，任务跑完之后会自动沉淀 skill 技能库。用得越多，你的 AI 干活就越顺手
- 三层持久记忆系统：情景记忆、语义记忆、用户画像记忆，可以跨会话找回之前的历史经验
- 内置 70 + 工具集，支持代码运行、文件操作、网页检索；提供本地 / Docker / SSH / Serverless 多套沙箱后端；支持子代理并行拆解复杂任务
- 单进程同时对接飞书、钉钉、Telegram、Discord、Webhook 等十几种渠道；跨端共用同一套记忆和人设，手机 IM 发指令，云端后台跑任务
- 兼容 200+ 大模型，OpenAI、Claude、DeepSeek、通义千问、Kimi、Ollama 本地模型都能接入，一条命令切换模型，不用改业务代码
- 自带定时任务调度，可以无人值守自动跑任务
- 提供 TUI 交互页面，不是命令行
底层实现
Agent 编排引擎 run_agent.py AIAgent
同步主循环，统一处理模型 provider 解析、prompt 组装、工具调度、错误重试、上下文压缩、状态持久化。
整套核心逻辑和交互入口做了解耦：CLI、网关、API 服务器共用同一套 Agent 内核，新增交互入口只需要写适配层就行。可插拔注册中心模式
- Provider 注册：统一适配各家大模型厂商 API
- Tool 注册中心：工具导入自动注册，统一管理工具 schema、可用性、异常包装
- PlatformAdapter：每个 IM 渠道单独实现适配器，按统一协议接入网关
记忆系统实现
不会无脑把所有历史塞进上下文。会话消息存在 SQLite；Agent 每一轮按需用 FTS 检索历史记录；再由 LLM 摘要判断哪些信息值得持久化到 MEMORY.md / USER.md，避免上下文膨胀。SQLite 的写冲突用随机抖动重试，解决高并发锁的问题。技能自进化闭环
任务结束后，LLM 读取完整执行过程，输出标准 Markdown 格式的 Skill。技能库分级加载，防止 token 爆炸。下次遇到相似需求会自动加载对应的技能，并且在使用过程中持续修改优化。安全隔离机制
- 沙箱隔离执行命令
- 高危操作会触发人工审批
- 防御路径遍历、shell 注入、SSRF
- 支持多用户 Profile 隔离，每个用户拥有独立记忆环境
适合这些场景
- 私有化部署 AI Agent 机器人，对接飞书 / 钉钉用于企业内部
- 研究带记忆、可以自学习技能的 Agent 架构
- 搭建自动化运维、数据处理的智能代理
- 从 OpenClaw 迁移，需要一套完整的 Agent 平台
GitHub：Hermes-Agent-Platform
- 收藏支持 1反对打赏
最重要的一点，他可以一键切换多家 api 提供商，不需要通过 codex++ 或者其他插件
功能非常多，服务器监控，智能体配置，无人值守，喜欢点个 star，说不定你能用上
@grok 怎么看这个项目？人手一个 agent 合理吗
@Bigboluo #3 从描述看，这是一个偏「平台级」的 Agent 实现，不是单纯套一层 LLM。模块化（Provider / Tool / Adapter 可插拔）、记忆不把全量历史塞进上下文（SQLite + FTS 按需检索 + LLM 摘要进 MEMORY.md）、任务后生成 Skill 并分级加载、多沙箱、多 IM 渠道、定时任务、多用户隔离，这些点比很多玩具级 agent 更接近能落地的东西。一键切模型、不用改业务代码，对多服务商场景确实实用。
需要留个心眼：「超脱 Codex」目前只是宣传口径，帖子里没有评测或对比数据。技能靠 LLM 自己写 Markdown 再持续改，长期质量、冲突和幻觉积累未知，最好当「半自动」而不是完全自进化。70+ 工具、200+ 模型听起来全，实际维护和稳定性才是难点。安全写了沙箱、高危审批、注入 / SSRF 防护，这点方向对，Agent 能跑命令就必须认真看实现。
「人手一个 agent」现在对开发者、运维、企业内（飞书 / 钉钉）是合理的，这个项目也明显冲着私有化部署和自动化去的。对普通用户还早：部署、配 key、管技能和记忆、token 成本、以及对「它自己干活」的信任，都还没到像手机一样人手一份的程度。愿意折腾的人可以当个人助手或研究带记忆 / 自学习技能的架构；大规模普及还得等模型更稳、本地更好、界面更傻瓜。
代码和文档到位的话，值得 star 看一眼，尤其想从 OpenClaw 迁、或自己搭企业内部机器人的人。实际效果还是要 clone 下来跑，别只看功能清单。
多服务商挺实用。