将 Hermes 作为 Python 库使用

Hermes 不仅是一个命令行工具。你也可以直接导入 AIAgent，在自己的 Python 脚本、Web 应用或自动化流水线中以编程方式使用它。本指南将展示如何操作。

---

安装

直接从仓库安装 Hermes：

pip install git+https://github.com/NousResearch/hermes-agent.git

或使用 uv：

uv pip install git+https://github.com/NousResearch/hermes-agent.git

你也可以在 requirements.txt 中固定版本：

hermes-agent @ git+https://github.com/NousResearch/hermes-agent.git

提示

在作为库使用时，CLI 所用的相同环境变量也是必需的。至少需要设置 OPENROUTER_API_KEY（或使用直接提供方访问时设置 OPENAI_API_KEY / ANTHROPIC_API_KEY）。

---

基本用法

使用 Hermes 最简单的方式是 chat() 方法——传入一条消息，即可获得字符串响应：

from run_agent import AIAgent

agent = AIAgent(
    model="anthropic/claude-sonnet-4",
    quiet_mode=True,
)
response = agent.chat("What is the capital of France?")
print(response)

chat() 方法在内部处理完整的对话循环——工具调用、重试等所有操作，并仅返回最终的文本响应。

注意

在将 Hermes 嵌入到你自己的代码中时，始终设置 quiet_mode=True。否则，该代理会打印 CLI 的旋转光标、进度指示器和其他终端输出，这将污染你应用程序的输出。

---

完整对话控制

如需对对话有更多控制，可直接使用 run_conversation()。它返回一个包含完整响应、消息历史和元数据的字典：

agent = AIAgent(
    model="anthropic/claude-sonnet-4",
    quiet_mode=True,
)

result = agent.run_conversation(
    user_message="Search for recent Python 3.13 features",
    task_id="my-task-1",
)

print(result["final_response"])
print(f"Messages exchanged: {len(result['messages'])}")

返回的字典包含：

• final_response —— 代理的最终文本回复
• messages —— 完整的消息历史（系统、用户、助手、工具调用）
• task_id —— 用于虚拟机隔离的任务标识符

你还可以传入自定义系统消息，以覆盖该调用的临时系统提示：

result = agent.run_conversation(
    user_message="Explain quicksort",
    system_message="You are a computer science tutor. Use simple analogies.",
)

---

配置工具

使用 enabled_toolsets 或 disabled_toolsets 控制代理可访问的工具集：

# Only enable web tools (browsing, search)
agent = AIAgent(
    model="anthropic/claude-sonnet-4",
    enabled_toolsets=["web"],
    quiet_mode=True,
)

# Enable everything except terminal access
agent = AIAgent(
    model="anthropic/claude-sonnet-4",
    disabled_toolsets=["terminal"],
    quiet_mode=True,
)

提示

当你希望代理具备最小化、受限的配置时（例如，研究机器人仅允许网络搜索），请使用 enabled_toolsets。当你希望拥有大部分功能但需要限制特定工具（例如，在共享环境中禁用终端访问）时，请使用 disabled_toolsets。

---

多轮对话

通过将消息历史传回，可在多轮对话中保持对话状态：

agent = AIAgent(
    model="anthropic/claude-sonnet-4",
    quiet_mode=True,
)

# First turn
result1 = agent.run_conversation("My name is Alice")
history = result1["messages"]

# Second turn — agent remembers the context
result2 = agent.run_conversation(
    "What's my name?",
    conversation_history=history,
)
print(result2["final_response"])  # "Your name is Alice."

conversation_history 参数接受前一次结果中的 messages 列表。代理会内部复制该列表，因此你原始的列表不会被修改。

---

保存对话轨迹

启用轨迹保存功能，以 ShareGPT 格式捕获对话——这对于生成训练数据或调试非常有用：

agent = AIAgent(
    model="anthropic/claude-sonnet-4",
    save_trajectories=True,
    quiet_mode=True,
)

agent.chat("Write a Python function to sort a list")
# Saves to trajectory_samples.jsonl in ShareGPT format

每次对话都会作为单行 JSONL 追加，便于从自动化运行中收集数据集。

---

自定义系统提示

使用 ephemeral_system_prompt 设置自定义系统提示，以引导代理行为，但该提示不会保存到轨迹文件中（从而保持你的训练数据干净）：

agent = AIAgent(
    model="anthropic/claude-sonnet-4",
    ephemeral_system_prompt="You are a SQL expert. Only answer database questions.",
    quiet_mode=True,
)

response = agent.chat("How do I write a JOIN query?")
print(response)

这非常适合构建专用代理——代码审查员、文档撰写器、SQL 助手等，全部使用相同的底层工具。

---

批量处理

对于并行运行多个提示，Hermes 提供了 batch_runner.py。它管理并发的 AIAgent 实例，并确保资源隔离：

python batch_runner.py --input prompts.jsonl --output results.jsonl

每个提示都会获得独立的 task_id 和隔离环境。如果你需要自定义批量逻辑，也可以直接使用 AIAgent 构建自己的方案：

import concurrent.futures
from run_agent import AIAgent

prompts = [
    "Explain recursion",
    "What is a hash table?",
    "How does garbage collection work?",
]

def process_prompt(prompt):
    # Create a fresh agent per task for thread safety
    agent = AIAgent(
        model="anthropic/claude-sonnet-4",
        quiet_mode=True,
        skip_memory=True,
    )
    return agent.chat(prompt)

with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor:
    results = list(executor.map(process_prompt, prompts))

for prompt, result in zip(prompts, results):
    print(f"Q: {prompt}\nA: {result}\n")

注意

请为每个线程或任务创建一个新的 AIAgent 实例。该代理维护内部状态（对话历史、工具会话、迭代计数器），这些状态不支持线程共享。

---

集成示例

FastAPI 端点

from fastapi import FastAPI
from pydantic import BaseModel
from run_agent import AIAgent

app = FastAPI()

class ChatRequest(BaseModel):
    message: str
    model: str = "anthropic/claude-sonnet-4"

@app.post("/chat")
async def chat(request: ChatRequest):
    agent = AIAgent(
        model=request.model,
        quiet_mode=True,
        skip_context_files=True,
        skip_memory=True,
    )
    response = agent.chat(request.message)
    return {"response": response}

Discord 机器人

import discord
from run_agent import AIAgent

client = discord.Client(intents=discord.Intents.default())

@client.event
async def on_message(message):
    if message.author == client.user:
        return
    if message.content.startswith("!hermes "):
        query = message.content[8:]
        agent = AIAgent(
            model="anthropic/claude-sonnet-4",
            quiet_mode=True,
            skip_context_files=True,
            skip_memory=True,
            platform="discord",
        )
        response = agent.chat(query)
        await message.channel.send(response[:2000])

client.run("YOUR_DISCORD_TOKEN")

CI/CD 流水线步骤

#!/usr/bin/env python3
"""CI step: auto-review a PR diff."""
import subprocess
from run_agent import AIAgent

diff = subprocess.check_output(["git", "diff", "main...HEAD"]).decode()

agent = AIAgent(
    model="anthropic/claude-sonnet-4",
    quiet_mode=True,
    skip_context_files=True,
    skip_memory=True,
    disabled_toolsets=["terminal", "browser"],
)

review = agent.chat(
    f"Review this PR diff for bugs, security issues, and style problems:\n\n{diff}"
)
print(review)

---

关键构造函数参数

参数	类型	默认值	描述
model	str	"anthropic/claude-opus-4.6"	OpenRouter 格式的模型
quiet_mode	bool	False	抑制 CLI 输出
enabled_toolsets	List[str]	None	白名单特定工具集
disabled_toolsets	List[str]	None	黑名单特定工具集
save_trajectories	bool	False	将对话保存为 JSONL
ephemeral_system_prompt	str	None	自定义系统提示（不保存到轨迹）
max_iterations	int	90	每次对话的最大工具调用迭代次数
skip_context_files	bool	False	跳过加载 AGENTS.md 文件
skip_memory	bool	False	禁用持久化内存的读写
api_key	str	None	API 密钥（会回退到环境变量）
base_url	str	None	自定义 API 端点 URL
platform	str	None	平台提示（如 "discord"、"telegram" 等）

---

重要说明

提示

• 如果不希望将工作目录中的 AGENTS.md 文件加载到系统提示中，请设置 skip_context_files=True。
• 若要阻止代理读取或写入持久化内存，请设置 skip_memory=True —— 建议用于无状态 API 端点。
• platform 参数（例如 "discord"、"telegram"）会注入平台特定的格式化提示，使代理能够调整其输出风格。

注意

• 线程安全性：每个线程或任务应创建一个 AIAgent 实例。切勿在并发调用之间共享实例。
• 资源清理：当对话结束时，代理会自动清理资源（终端会话、浏览器实例）。如果在长期运行的进程中运行，请确保每次对话都能正常完成。
• 迭代次数限制：默认的 max_iterations=90 已经相当宽松。对于简单的问答用例，建议降低该值（例如设置为 max_iterations=10），以防止工具调用循环失控并控制成本。