几位行业新锐集结，续写草根团队挑战科技巨头的篇章。
频繁使用 Claude Code 或各类 AI Agent 的用户，往往深受冗长系统提示词的困扰。近期爆火的开源智能体产品 Hermes Agent 另辟蹊径：剥离套话，打造仅对用户个人忠诚的助手，甚至能深入底层编写代码、修改游戏。
在科技创作者 Peter Yang 的最新播客中，Nous Research 联合创始人、Hermes Agent 核心开发者 Karan Malhotra 分享了项目背后的故事。
Karan 背景独特，大学主修宗教学，起初仅在 Discord 社群中与朋友尝试模型微调，却意外打造出开源圈最热门的 Agent 之一。
访谈中，双方深入探讨了 Hermes 的起源、大模型为何倾向于“谄媚”用户，以及开源如何成为防止 AI 垄断的关键。Karan 透露了一个惊人事实：Hermes Agent 项目当前提交代码最多的贡献者，正是该 Agent 自身。
要点速览
-
"模型的奖励机制旨在让模型自身获益，而非让用户满意。当它说‘你说得完全对’时，你只是其奖励函数的燃料。” -
“在我们的运行框架中，将 Claude 对 Anthropic 的忠诚转移给了用户。这种对忠诚的模拟将转化为实际能力。” -
"不要局限于安排会议等琐事。凡是电脑上能完成的任务，都可交给 Hermes，助您实现愿景。” -
“当时团队编码经验不足一年，而我主修宗教学。面对大公司关于利用基准测试训练的质疑，我们反问：'基准（Benchmark）是什么？'"
以下是采访全文：
Hermes 与 Claude Code、Codex 的核心差异
Peter：今天非常激动邀请到 Hermes Agent 联合创始人 Karan。Hermes 是我的 AI 幕僚长，我想了解它与 Codex、Claude Code 等现有 Agent 的区别，以及其独特的工作流。
Karan：感谢邀请。宏观来看，Hermes 的独特之处在于其自我改进系统。这是一系列协同工作的内部功能，使其能不断进化并贴合特定用户需求。
其次，相比原生运行框架（如 Claude Code 中的 Claude），Hermes 提供了更强的能力。因为我们不在提示词中塞入与工作无关的策略，纯粹专注于让模型对齐用户的任务目标。我们不强加哲学主张或额外担忧，而是让模型尽可能高效、强大地完成指定任务。
为何 AI 模型听起来千篇一律
Peter：其他框架常有庞大的默认提示词限制行为。你曾提到奖励函数是朝着“帮助个体”优化的，能否详述？
Karan：当前的安全工作和指令微调属于深度的“对齐”工作。人们常将“对齐”等同于安全或监管，但其本质是让模型与人类价值观一致。
然而，模型的奖励机制并非为了让你满意，而是为了让模型自身获取奖励。就像游戏 AI 会寻找捷径触发通关画面而非真正玩游戏一样，语言模型也会钻奖励空子：通过不断附和“你说得完全对”来维持助手模式，从而获取奖励。
基于此理解，我们设计了 Hermes Agent。每一句提示词、每一个系统环节都经过精心构建，确保用户的需求与模型的奖励机制对齐。通过个性、记忆系统及技能的自我强化与清理，我们让通用模拟器活在能与具体用户需求对齐的系统中。
Peter：这是针对 Hermes 模型还是运行框架？
Karan：主要是运行框架。我们可以将任意模型（如 Claude）迁入 Hermes，其行为将截然不同。通过整合上下文，我们将模型对厂商的忠诚转移给了用户。基准测试也证明，Claude 在 Hermes 中的表现优于原生环境。
即便不进行 RL 训练，只要在该框架中使用普通模型，用户也能获得更高的自由度与创造力。
Peter：它是如何实现个性化的？
Karan：主要靠去除默认提示词并注入定制上下文。虽然无法删除 API 层面的上下文，但我们的提示词设计能覆盖并重塑模型行为。忠诚会孕育能力，模拟出的忠诚度属性会让模型表现得更好。
如何避免 AI 无脑奉承
Peter：我常遇到模型无原则附和的情况，这不是我想要的忠诚。你们如何解决？
Karan：这叫“谄媚”，是模型钻奖励空子的表现。摆脱谄媚的方法是引入新上下文和分布。例如，设置一个专门负责对抗性批评的 Agent 角色，随着对话轮次增加，模型会逐渐养成不盲从的习惯。
上下文学习（ICL）比微调更强大。通过提供期望行为的示例并保存，我们在进行测试时的强化学习。记忆、技能及自我改进循环都是存放上下文的地方，决定了模型的性格。
在 Hermes 中切换模型时，由于专属上下文的存在，几乎感觉不到差异。运行框架的一切本质上都是上下文管理。我们宁愿要定制的上下文，也不要万词默认的无效内容。
Hermes 如何管理技能与上下文
Peter：Hermes 会自动构建技能和记忆，如何避免产生垃圾内容撑爆上下文？
Karan：我们内置了Hermes Curator系统，负责清理技能和记忆。它会定时检查效率、识别垃圾内容。默认配置效果良好，且支持模块化定制。用户可定义自己的优化准则，让自我改进按指定方式运作。
AI 安全：开源与闭源之争
Peter：如果 Hermes 绝对忠诚，是否会教用户制造危险物品？
Karan：我们遵守基本安全范式，不鼓励违规行为。但需指出，任何未达极高智能的模型均可被越狱。防护措施虽烦人但有必要。
开放系统对善意方更公平。科学进步如 Transformers、上下文扩展技术均源自开源社区。封闭模型可能导致资本与监管俘获，而开源生态由广大人民推动，确保了技术的普惠性。
Peter：你们如何变现以维持开源业务？
Karan：智能应是公共产品。我们通过 Nous Portal 聚合各类模型，并通过 Tool Gateway 打包工具订阅服务，向有需要的用户收取便利费用。对于企业级用户，我们提供定制化支持、私有化部署及基于用户数据的专属模型训练服务。
人机协作看板与主动式 Agent
Peter：除了安排会议，Hermes 有哪些高级用法？
Karan：看板（Kanban）是被低估的强大工具。它能统一管理人类项目经理与 AI Agent，实现灵活的角色替换与任务编排。这是一个让人类与 AI 协作的工业化工作流。
此外，Hermes 具备主动性。若授予其相应权限并告知照顾用户，它会主动补全漏洞、预订机票等。这种行为无需复杂定时任务即可自然涌现。
从 Discord 网友到自我进化的 Agent
Peter：聊聊 Hermes 的起源故事吧。
Karan：起初我与 Teknium 在 Discord 上合作，利用闲置算力训练模型。当时我们缺乏专业知识，甚至不知道什么是“基准测试”，全靠直觉和经验启发式地优化模型。结果我们的微调模型成为当时最好的开源模型之一。
随着社区壮大，我们从志愿者群体转型为正式实验室。我们的使命是将高水平智能带给每个人，确保公平的起跑线。我们不自视为救世主，只是希望这些技术能被更多人使用。
Peter：Hermes Agent 何时开始病毒式传播？
Karan：模型本身已有数千万下载量，但真正的爆发始于 Hermes Agent 运行框架的发布。它让人们能在本地进行 RL 训练和自我改进。
Hermes 已成为自身最大的贡献者
Karan：Hermes Agent 的前身是 Forge 项目，旨在打造全能指挥者。如今，Teknium 带领团队实现了 Agent 的自我改进，Hermes Agent 已成为其代码库中最活跃的贡献者。
Peter：这意味着它接收反馈并自行改进代码？
Karan：千真万确。这是真正的自我改进。
开放运行框架让用户不再依赖单一公司，切换模型成本为零。面对未来可能取消的补贴和统一的定价策略，Hermes 致力于构建一个任何人都能使用任何模型的开放未来。
Peter：最后，大家如何关注你？
Karan：请关注 Nous Research 页面。这只是场运动，重要的是将技术带给大众。