Last updated on

Hermes v0.20.0 Herald 硬核解读：能对话、会唤醒、带引用、懂 A2A 的信使之神

Hermes Agent v0.20.0（代号 Herald / 信使版）于 2026 年 8 月 3 日正式发布。Herald 是众神的信使，而这次 Hermes 真的“开口说话”了：支持实时对话语音（生成过程中就能打断）、免提唤醒词、全平台语音消息，还能引用来源做研究、通过 A2A 协议与其他智能体对话、把事件推送到你自己的系统。这是 Nous Research 迄今规模最大的版本之一：自 v0.19.0 以来累计约 3,650 次提交、1,400 个合并 PR、5,200 个文件变更、关闭约 1,200 个 Issue，共 647 位贡献者参与。

本文不照抄 Release Notes，而是把这次更新拆成开发者最该关心的核心功能，讲清楚它们为什么重要、实际怎么用。想了解完整变更清单可以看我们网站上的 v0.19.0 发布说明（v0.20 的完整说明同步更新中）。

1. 最大亮点：Talk to Hermes —— 像打电话一样和 AI 对话

以前的语音模式是“对讲机”：你说话，等它生成完整个回复，然后听一段长长的音频文件。v0.20 彻底改变了这一点：

  • 边说边生成：Hermes 按句子分句合成语音，响应边生成边说出来
  • 随时打断（barge-in）：你可以在它说到一半时直接开口，它会停下来、听你说，并且模型会被告知你打断了它，从而调整后续回答
  • 忙时静音感知：它不会在你说话时继续抢话

这种感觉就像打了一通电话："Hey Hermes，今天天气怎么样？" —— 它回答到一半你补充一句“顺便查一下明天的”，它立刻调整。官方用了一个很形象的对比：从“语音信箱式”交互变成了真正的对话。

这个能力覆盖 CLI 语音模式、桌面端和所有支持音频的 gateway 平台。

2. 唤醒词：跨房间喊一声，电脑开始听

配合语音对话的是本地唤醒词能力：

  • 支持任意自定义唤醒短语（“hey Hermes” 或你自己设定的任何词）
  • 检测在设备本地完成，等待期间没有音频离开你的机器
  • 多 Profile 语音路由：不同的唤醒词可以路由到不同的 Profile
  • 在任何界面说 “stop” 即可免手结束语音对话

也就是说，你可以在房间另一头说一句 “Hey Hermes”，让坐在另一台显示器前的 Hermes Desktop 或 Agent OS 开始监听并响应——终端真的变成了“可以隔空喊话”的东西。

3. 语音无处不在：全平台语音消息 + 自动 TTS 回复

现在你可以直接给 Hermes 发语音消息：WhatsApp、飞书（Feishu）、钉钉（DingTalk）、LINE、QQ、Photon、微信——它会把语音转录并回复，且自动 TTS 回复是平台感知的（平台需要 opus 就给 opus，字幕也能正确附加）。

STT（语音转文字）也全面可配置了：

  • 拥有独立的 hermes tools 类别、GUI 开关、dashboard 下拉菜单
  • 统一语言解析，修复了“转录总是返回错误语言”的经典问题
  • 支持 OpenAI 的 gpt-transcribe

此外，所有 TTS 提供商共用一个统一的语音预处理管道，会从语音中清理掉 Markdown、代码和 URL 等不适合朗读的内容。

4. 研究终于有据可查：grounded-citations 技能

新的 grounded-citations 技能让 Hermes 产出每条论断都有可验证来源的研究报告：

  • 引用与原文匹配：引文会与页面实际文本比对，而不是模型“凭印象”编造
  • 引用精确到证据：每条引用链接到确凿的出处
  • 事实核查模式：把同样的机制用于任何文档或论断，告诉你哪些查证通过、哪些没有、哪些无法验证

官方原话：这是“听起来靠谱”和“可证明有出处”之间的差别。如果你用 Hermes 做研究，这个技能几乎是必须打开的。

5. 出站 Webhook：Hermes 主动把事件推给你的系统

以前和 Hermes 集成意味着轮询或挂在某个平台上监听。现在 Hermes 可以主动推送带签名的生命周期事件（会话活动、turn 完成、工具事件）到任何 HTTP 端点：

  • HMAC 签名：接收方可以验证事件的真实性
  • 可以接入你的 CI、家庭自动化、dashboard，或任何讲 HTTP 的服务
  • 不需要轮询循环

我们之前写过一篇 Hermes Webhook 业务通知实战，这次更新把出站能力补全了，双向打通。

6. 桌面端成为平台：Artifacts、插件 SDK、快捷录入

Hermes Desktop 不再是“聊天客户端”，而是一个工作台：

  • Artifacts：版本化卡片 + 沙盒实时预览，右侧栏查看器里可以安全运行生成的 HTML 应用
  • 插件 SDK：首个创始插件是 Kanban；ctx.download 可以把文件交给用户；支持浮动面板
  • 快捷录入窗口：全局热键呼出，随时把想法记进任意会话
  • 多 GUI 窗口：可以同时开多个窗口

跨平台所有会话中创建和使用过的产物（比如通过 MCP 生成的图片、HTML 应用）都会出现在 Artifacts 里，而且因为是沙盒运行，预览更安全。

7. A2A v1.0：智能体之间有了标准“方言”

Hermes 现在内置了一个实现 Agent-to-Agent 协议的插件，可以发现、对话、并被其他 A2A 兼容智能体驱动。这关闭了仓库里最古老的功能请求之一（issue #514）。

实际价值在于：如果你的工作流里有多个异构智能体栈，Hermes 现在有标准线缆接入它们了——你可以让 Hermes 编排其他智能体，也可以让别的智能体来编排 Hermes。跨智能体的技能和 API 可以被统一驱动，而不是各自为政。

8. CLI 强力命令潮：!、/init、/diff、/context、/focus

v0.20 给 CLI 用户带来一波实用命令：

命令 作用
!command 不消耗模型回合，直接执行 shell 命令
/init 扫描项目并生成（或更新）AGENTS.md
/diff 从任意界面查看暂存 / 全部 / 会话内改动
/context 精确分析当前上下文窗口被什么占满
/focus 精简输出视图，隐藏行可恢复
Ctrl+S 把写了一半的 prompt 存进可浏览面板

另外 hermes import-agent 可以一键迁移 Claude Code 或 Codex CLI 的配置到 Hermes。

9. 中途纠正：不用 /stop，直接“拨正方向盘”

如果 Hermes 正走向错误方向，以前你得 /stop 然后重新解释。现在你可以在它工作时直接输入一条纠正指令，当前回合会被重定向：

  • 正在进行的任务被保留
  • 原始 prompt 被保留
  • 智能体根据你的新指示实时纠偏

配合双击 ESC 丢弃草稿和 composer 撤销栈，操控感从“重启”变成了“编辑”。

10. 工具开始自我修复

这一版对工具容错做了系统性的升级，智能体不再在工具摩擦上浪费回合：

  • 终端输出被截断时，溢出内容自动落到文件里，智能体可以读回
  • patch 能识别“已应用的编辑”并诊断空白符不匹配
  • write_file 会验证内容确实写到了磁盘
  • 搜索无结果时自动探测近义匹配并恢复
  • 默认工具调用迭代上限从 90 提升到 500——长自治任务不再撞上人为的墙

11. 压缩更聪明、更温和

长会话的上下文压缩迎来深度重构：

  • 大窗口模型启用主动工具结果修剪
  • 逐 turn 微压缩，把成本摊薄，而不是一次性大停顿
  • 保证最近 N 条用户消息存活（compression.min_tail_user_messages），最近的对话永远不丢
  • 进度感知超时：不再惩罚慢速摘要模型
  • ghost-skill 防御：被裁剪的技能永远不会“幽灵般”潜伏在会话里
  • 阈值可按模型配置、可用绝对 token 数（compression.threshold_tokens）设置

长会话保持连贯，且不再卡顿。

12. 智能审批升级：让审批记录自己“长”出规则

v0.20 的智能审批新增：

  • hermes approvals suggest：挖掘你的审批历史，生成 allowlist 建议
  • 可自定义智能审批策略
  • 连续拒绝断路器：模型陷入错误循环时直接硬停
  • 桌面配对审批现在按 Profile 正确归属，并有专门的审批界面
  • 新增 docker/podman daemon 重定向命令的审批门

更少的“批准”点击，同时不牺牲任何控制权。想深入配置可以看我们之前的 智能审批完全指南（注意：真实配置键是 approvals.mode / approvals.deny，别被网上过时的教程误导）。

13. 又快了一点：冷启动、缓存、桌面 60fps

性能优化继续推进：

  • hermes -w 冷启动从约 14 秒降到约 1.8 秒
  • hermes update 无操作时快 2–6 秒
  • 重型 SDK 惰性加载，移出导入路径
  • 配置读取不再深度拷贝：遥测门 54 倍提速
  • 原生 Anthropic 上工具 schema 提示缓存不丢历史
  • 桌面端第二轮 60fps 优化：流式渲染成本与 transcript 长度无关、五个流式标签页拖动也流畅、后台空闲 CPU 趋近于零

注意区分：视频里常提的“首 token 4.3s → 0.9s”是 v0.19.0 的优化；v0.20 在此基础上继续压榨冷启动、缓存和桌面渲染。

14. 新平台与连接方式

  • Buzz：Block 的 Nostr 信使成为内置 gateway 平台（原生 WebSocket + NIP-42 认证）
  • Vercel AI Gateway 提供商、Vercel Sandbox 终端后端回归并现代化
  • 桌面端新增 SSH 远程后端连接模式
  • Relay 完成四个阶段的 parity：媒体、交互式 prompt、线程生命周期、输入中指示器
  • HSP 个人 + 组织技能同步

15. 安全与可靠性

  • Iron-proxy 凭证注入出口防火墙重新落地
  • DNS 固定的 SSRF 安全抓取 + Slack CDN 白名单
  • 压缩边界严格脱敏；配置键脱敏的 ReDoS 漏洞消除
  • Windows 加固潮：文本模式子进程解码 bug 全仓库修复、控制台闪烁隐藏
  • 会话状态完整性四项修复 + FTS 布局优化（含 CJK 双字索引）

如何升级

# 已有安装
hermes update

# 全新安装
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

注意：本版起运行时要求 Node 26，安装器/自愈/升级路径都会统一处理；brew 与 pip/PyPI wheel 渠道已退役，官方支持渠道为 shell 安装器、Docker 与 Nix。

总结

v0.20.0 Herald 的核心叙事是“信使“：向你开口说话（语音）、向其他智能体传话（A2A）、向你的系统报信（Webhook）、向读者亮出证据（引用）。配上桌面端平台化、CLI 强力命令、更聪明的压缩和审批，这一版把 Hermes 从”工具“推向”能说会道、可以协作的同事“。

如果你还没体验过语音，升级后第一件事就是试试对 Hermes 说句话、然后中途打断它——那种感觉确实和以前不一样。想了解基础安装可以看安装指南，想回顾上一版加速之旅可以读v0.19.0 水银版解读。