Nous Research 推出 Hermes Agent，支持实时语音和智能体之间的链接

Why it matters

Hermes Agent is becoming Nous Research's commercial bridge from open-source model research to subscription software, with voice and interoperability aimed at making agents persistent operating tools.

Nous Research，这家由Ryan "Teknium" Teknium (@Teknium) 共同创立的开源 AI 实验室，于 8 月 3 日 发布了 Hermes Agent v0.20.0，新增了流式对话语音、本地唤醒词以及用于与其他 AI 代理通信的标准协议。

https://x.com/NousResearch/status/2084325600643445095

Nous Research 在 X 上通过一条两帖串推宣布了该版本，称其为 "The Herald Release"。完整的 GitHub 发布 由 Teknium 签署，Teknium 是 Nous Research 的联合创始人兼后训练负责人，他已将 Hermes 模型家族从早期的语言模型版本引导为一个持久化的代理产品。

Teknium 表示他在 2022 年在 Discord 上以 AI 研究社区的形式启动了 Nous Research，随后 Nous Research 在 2023 年完成了形式化。他的背景包括在 Stability AI 的 LLM 数据工程工作以及在 Digi AI 上从事以角色为中心的语言模型开发。这种社区主导的起源在 Hermes Agent 中仍然可见：代码采用 MIT 许可证，接受外部贡献，并允许用户选择模型和基础设施，而不是强制使用单一提供者。

语音成为中心

Hermes Agent 以前将语音交互处理为一个序列：录制提示、等待完整响应，然后播放生成的音频。0.20.0 版本在生成答案时逐句流式传输语音。用户可以通过说话进行中断，使 Hermes Agent 停止播放、倾听并重定向当前回合。

根据发布说明，唤醒词检测在等待所选短语时在用户设备上运行。Nous Research 表示这可以防止空闲音频离开机器。不同的唤醒词可以将请求路由到不同的配置档，而口头的“stop”命令可在无需键盘输入的情况下结束语音会话。

相同的语音系统也扩展到消息服务。Hermes Agent 可以转录并回复通过 WhatsApp、Feishu、DingTalk、LINE、QQ、Photon 和 Weixin 发送的语音消息。Nous Research 还添加了可配置的语音转文本设置和用于回复的平台特定音频格式。

这些语音功能将 Hermes Agent product 打造成跨桌面、终端和消息服务的更持久化界面。Hermes Agent 已经提供记忆、日程安排、子代理、浏览器工具和沙箱执行等功能。免提控制使这些功能无需在用户面前保持终端窗口即可使用。

Hermes Agent gets a standard language for other agents

0.20.0 版本包含一个实现 A2A v1.0 的插件，允许兼容代理发现 Hermes Agent、交换请求并通过共享协议分配工作。这一新增功能面向那些从不同软件栈构建组件以组装多代理系统的开发者。

Nous Research 还添加了签名的出站 webhooks。Hermes Agent 可以将会话活动、完成的回合和工具事件发送到已注册的 HTTP 端点，并附带 HMAC 签名，接收系统可以验证每条消息。这为开发者提供了直接进入 CI 系统、仪表盘和其他自动化的途径，而无需反复轮询 Hermes Agent。

研究输出获得了自己的验证层。一个新的 grounded-citations skill 将主张与来源材料关联，检查引用是否与页面文本一致，并将引文链接到支持证据。一个相关的事实核查模式会根据代理能否验证对声明进行分类。这些是 Nous Research 的产品声明，发布说明并未为引用系统提供独立的准确性测量。

Longer runs and a broader desktop surface

Nous Research 将 Hermes Agent 的默认工具迭代上限从 90 提高到 500，这对需要重复搜索、终端命令或文件编辑的自主任务来说是一个实质性变化。工具故障现在会返回恢复信息：被截断的终端输出可以写入文件、补丁可以识别空白字符不匹配、搜索可以探测近似匹配，文件写入可以验证已保存的内容。

用户也可以在活动回合中纠正 Hermes Agent，而无需丢弃已完成的工作。新的 CLI 命令可以运行 shell 操作、从项目扫描生成 AGENTS.md 文件、显示代码更改并分解上下文窗口的使用情况。一个导入命令可以将配置从 Claude Code 或 Codex CLI 迁移过来。

桌面应用现在支持带有沙箱实时预览的版本化工件、多窗口和插件 SDK。Kanban 是第一个捆绑的插件。一个全局热键可以打开快速输入窗口，用于从操作系统的其他位置将笔记发送到现有会话中。

Nous Research 的官方材料使用不同的快照来描述该版本的规模。GitHub 的说明列出了自 v0.19.0 以来约 3,650 次提交、1,400 个合并的 pull request、1,200 个关闭的问题和超过 650 位贡献者。附在 X 公告中的图表列出了 3,427 次提交、1,300 个 pull request 和 1,168 个问题。这两组数字都应视为开发窗口的大致指标。

Open source feeds a paid product

Hermes Agent 在 MIT 许可证下免费提供，而 Nous Research 通过 Nous Portal 销售订阅服务，Portal 将模型访问和诸如网络搜索、图像生成、文本转语音和托管浏览器等工具打包在一起。Nous Research 提供免费和付费的 Portal 等级，为开源代理创建了一个商业层。

这一商业模式正吸引投资者关注。TechCrunch 在 7 月 13 日报道，Nous Research 正在敲定由 Robot Ventures 领投、Union Square Ventures 参与的至少 7,500 万美元的轮次，估值为 15 亿美元。该报道援引了熟悉交易的人士，但 Nous Research 并未确认该轮融资。

0.20.0 版本展示了 Nous Research 在推动产品方面的方向：持久的语音访问、互操作的代理、更长的自主运行以及将 Hermes Agent 集成到现有软件运营中的集成。开源代码库提供了分发和贡献者渠道。Portal 则为希望将模型和基础设施打包在一起的用户提供了一种付费方式。