过去几周，由 Nous Research 打造的开源智能体项目 Hermes Agent 在海外技术社区讨论热度持续攀升，截至目前已在 GitHub 上收获超过 6w stars。Hermes Agent 是一款强调持续学习与自我进化的开源 AI 智能体，它会在使用过程中自动沉淀经验、生成可复用的技能，并在后续调用中不断自我改进。
早在 MiniMax-M2.1 发布之初，Hermes Agent 团队便第一时间展开测试，并在 X 上多次公开肯定 MiniMax 模型在工具调用、响应速度与性价比上的表现。随着 MiniMax-M2.5、M2.7 陆续发布，Hermes Agent 均在第一时间上线了新模型。根据 Hermes Agent 最新官方公告，MiniMax 模型目前已是 Hermes Agent 中使用量最高的模型之一。
Hermes Agent 官网：hermes-agent.nousresearch.com
GitHub 仓库：github.com/NousResearch/hermes-agent
M2.7 接入文档：platform.minimaxi.com/docs/token-plan/hermes-agent
作为一款开源、可自托管的 AI 智能体，Hermes Agent 可以部署在本地电脑或任意云端环境中长期运行，并接入 Telegram、Slack、Discord、WhatsApp、iMessage 等常用聊天工具。用户可以在任何一个对话框里直接和它对话，让它在后台独立完成任务。
让 Hermes Agent 区别于其他 Agent 产品的，是它独特的学习闭环设计。完成复杂任务后，它会自动从中提炼出可复用的 Skills，保存为独立文档。在后续的使用中，这些 Skills 会被按需加载，并根据新的使用反馈不断自我改进。
加上持久化的跨会话记忆，自然语言定义的定时任务、以及多个子代理的并行运行机制，这些能力让 Hermes Agent 成为一个真正能长期运行、不断进化的 AI 智能体。下图展示了 Hermes Agent 学习闭环的完整运作机制：
在海外开发者社区中，围绕 Hermes Agent 已经涌现出大量真实的使用场景。
日常效率方面，用户可设置自动化报告，定期聚合多个平台上的 AI 热点并通过 Telegram 推送简报，Agent 会逐渐学会用户关注的领域和偏好的摘要风格，让推送内容越来越精准。
在技术开发场景中，它被用作跨会话的持久化编程伙伴，可以记住代码库结构、编码规范和部署流水线，自动监控 GitHub 仓库的新 issues 和 PR，甚至自行搭建可视化 Dashboard 来管理自身的运行状态。
更进阶的用例中，有人让它在 30 天内持续构建了自动交易策略，有人用它完成了一部 79,000 字、19 章的从世界观到排版封面一气呵成的完整小说，也有开发者为 Hermes Agent 编写了自训练模块，通过生成合成样本更新本地模型的 LoRA 适配器，探索应用层之外的进化路径。
这些案例背后，长时间稳定运行、高频工具调用和复杂指令遵循是共同的基础需求——这也正是 MiniMax M2 系列持续优化的方向。一个能长期运行、持续进化的 AI 智能体，对底层模型提出了远比普通聊天场景苛刻的要求——它需要在真实任务中频繁、准确地调用各类工具，需要在长程任务中稳定遵循复杂指令，更需要能够以可承受的价格 24 小时不间断运行。
MiniMax M2 系列的设计初衷，正是让复杂 Agent 在没有价格负担的情况下连续运行。从 M2 到最新发布的 M2.7，工具调用准确度、复杂 Skills 遵循、Agent Harness 适配始终是模型的核心优化方向，并在 M2.7 中进一步提升了对复杂 Skills 的遵循能力。
Hermes Agent 的核心特性是自我进化——通过学习闭环让 Agent 的能力随使用持续生长；而在 MiniMax 内部，M2.7 同样运行在一套自我迭代的系统中。对于希望在自己日常工作流中放入一个长期在线、持续成长的 AI 伙伴的开发者来说，这是一个值得尝试的起点。
M2.7的模型迭代机制
欢迎通过 MiniMax Token Plan 订阅 M2.7，在 Hermes Agent 中体验这一组合。点击「阅读原文」，了解 MiniMax Token Plan 的更多细节。
Intelligence with Everyone.
本文转载自@minimax官方公众号
原文地址https://mp.weixin.qq.com/s/83ztz3kL5DHE8KMpNONLsQ