v0.21.5

Hermes Agent v0.21.5

概览

v0.21.5 —— 又一个为下游而生的补丁 tag。 发布于 2026 年 9 月 24 日。自 v0.21.4 以来：1,610 个非合并提交 · 4,828 个改动文件（+164,132 / −149,440）· 460 个已合并 PR · 475 个已关闭 issue，测量于提交 f97608f178d1ffeca59860195ab7da295f7c8e5f。

这个 tag 存在的理由和 v0.21.4 一样：Docker 镜像、Hermes Cloud 和托管部署都从最新的 release tag 构建，所以窗口里修好的东西必须先落进一个稳定版本，云上的用户才拿得到。发版正文写得很直白——完整整理的发版说明推迟到 v0.22.0，那一版会把 v0.21.0 以来的所有内容补齐：亮点、功能分区和完整的贡献者名单，窗口里的东西一件都不会漏。

在那之前，这个页面记录这个 tag 是给谁的，以及窗口里已经跑在你机器上的那些变化。

亮点

1. 桌面端补齐法语、德语、西班牙语目录，并新增文字方向设置

桌面端现在有三套完整的界面目录（fr / de / es），在 Settings → Appearance → Language 里可选。三套目录覆盖了 en.ts 里的每一个 key，包括 defineFieldCopy 的设置项标题与说明，以及只在介绍页轮播用的 intro-{fr,de,es}.ts。它们按 defineLocale() 覆盖层注册（和 ja / ar / ru 一样），所以英文以后新增 key 会回落到英文，不会让每个贡献者的类型检查一起变红。后端本来就有 locales/{fr,de,es}.yaml；现在 display.language: fr|de|es、以及 fr-CA、de-AT、es-419 这类地区别名，都会解析到对应目录，而不是回落英文。法语用 vous，德语用 Sie，西班牙语用中性祈使的 tú。产品名和标识符（Hermes、MCP、API、OAuth、模型 ID、环境变量、文件名）保持原文。PRs #120829。

顺带一个 Appearance → Chat display → Text direction，三选一：Auto / Right-to-left / Left-to-right。此前每个聊天正文块和输入框都按“第一个强方向字符”判断方向（UAX#9 的 plaintext 规则），问题是它分不清“以拉丁人名开头的阿拉伯语段落”和“引用了阿拉伯语的英语段落”。Auto 就是今天的行为（不加属性、不写存储键）；选 RTL/LTR 会给聊天正文和两个输入框统一加一个 dir，多行草稿的每一行都跟着走。代码块永远 LTR（围栏代码、行内代码、KaTeX 保持隔离），界面外壳（侧边栏、工具栏、按钮）不翻转。它只是阅读偏好，不会往草稿、已发消息或复制出来的文本里塞双向控制字符。这是一个渲染端持有的偏好，不是 config.yaml 里的键。PRs #120822。

2. Webhook 投递可以“镜像进会话”：你能直接回复那条告警了

默认情况下 webhook 投递是发完就走的：每个事件跑在自己的会话里，所以你在那个聊天里回复“他真走了？”，agent 只会回你“你指的是谁？”。现在路由可以显式开启 mirror_to_session: true（或 hermes webhook subscribe 加 --mirror-to-session），投递成功后把 [Webhook delivery: <route>] 加正文，作为一个带 user 权限的 user 轮次写进目标聊天的会话——和可续跑的 cron brief 走同一条 gateway.mirror.mirror_to_session 路径、同一个角色约定。默认关闭，只有真正的布尔 true 才开启；镜像在 _profile_scope(profile) 里跑，所以 /p/<profile>/ 路由只会写进那个 profile 的 state.db。它是尽力而为的：失败不会让投递失败，目标聊天还没有 gateway 会话（没人跟它说过话）时直接跳过。deliver_only 路由镜像进去的是渲染后的原始载荷，所以只对你自己信任的来源开。PRs #120825。

3. Bot Screen 通过 -desktop 镜像标签登上托管部署

托管和不可变部署现在靠拉 -desktop 镜像标签拿到 Bot Screen。发布出来的镜像不带 Xvnc/Xfce，运行时也装不了（非特权 hermes 用户、没有 sudo、/opt/hermes 是密封的），所以镜像层是唯一的交付路径。:latest / :main / :v* 还是今天那个镜像；:latest-desktop / :main-desktop / :v*-desktop 额外带上相关软件包和 Playwright 的有头 Chromium。每个变体一个 manifest，所以 desktop 发版失败不会拖累 slim 的 :latest。容器里没有 logind，XDG_RUNTIME_DIR=/tmp/hermes-runtime 在启动时以 0700 建好（以前的 $HOME/.cache 回退落在共享的 /opt/data 卷上，两个实例会抢同一个显示锁），非本用户所有或是符号链接的目录会被拒绝，而不是 chown 过去。PRs #120914；功能文档在 website/docs/user-guide/features/bot-screen.md。

4. 每一处模型选择器都能按 slug 添加自定义模型

模型菜单、切换模型对话框、Settings → Model、以及“编辑模型”列表，现在都能直接敲一个模型 slug 把它加进来：菜单底部多了一行 Add custom model…，点了之后搜索框变成 slug 输入，边打边按已配置的 provider 给出选项；加过的 slug 会作为一个普通条目留在列表里，带一个移除 ×。PRs #120693。

5. 本地语音不再每喊一次就重新加载

tts.keep_warm_seconds（默认 60）是新的配置项：最后一个持有点释放后，卸载会等这么久再执行，窗口内任何一次重新开启都会取消这次卸载，直接复用已加载的模型。0 表示立刻卸载。这一条对“唤醒词式”的语音对话尤其重要——那种对话在 ~2 秒的 Piper 预热后就结束，原来语音会在加载完几毫秒后被驱逐，于是每次唤醒都从头加载一遍。PRs #121080。

6. 桌面端语音循环开始读你的配置

**朗读（Read Aloud）**不再念“code block omitted”和“link”这类英文占位词，也不再默默丢掉 Markdown 表格：代码块和 URL 直接静默，MEDIA: 文件链接令牌不会进语音（行内的标点保留），代码块后面悬着的行尾冒号会变成句号，表格改念表头行（“Item, Value, Notes.”）而跳过数据行。PRs #120752。口头停止现在读 voice.stop_phrases（默认 ["stop"]）——以前只认一份写死的英文列表，所以一个俄语用户按提示说“отбой”会被当成 prompt 发给 agent；同时整个说话内容要等于某个短语才算停止，[] 表示禁用口头停止。**打断（barge-in）**播放阈值不再写死 0.14，改用已有的 voice.barge_in_threshold_multiplier（默认 3.0）——旧的硬编码值高于蓝牙 HFP 耳机在播放时的说话电平，所以对着回复说话永远打断不了。PRs #120751。

7. 功能键语音快捷键可以重新绑定

一键口述（dictation）变成了一个未绑定的 composer.dictate 键盘动作，和语音对话分开；它复用了桌面端已有的 F 键 / Caps Lock / Delete / Space 及组合键捕获路径。桌面端那个过时的 voice.record_key 字段被移除并说明该配置只对 CLI/TUI 有效。Electron 侧加了仲裁：被指派给渲染进程的 F12 能收到按键，没被指派的 F12 保留 DevTools 行为。PRs #120928。同一个窗口里，macOS 上的功能键工作流也修好了：TUI 解析器保留 F1–F12 终端序列（含带修饰键的协议路径），并且给 TUI 和经典 CLI 的实时工作坞（live-work dock）加了 Ctrl+R 作为可移植的 F7 备选。PRs #120666。

8. 一批只在本地化 Windows 上出现的故障被修掉

四条互相独立的 Windows 专属问题：

  • 时区名崩溃。 Windows 用 ANSI 代码页给出时区名（Paris, Madrid (heure d'été) 是 cp1252 字节）。当 LC_CTYPE 是 UTF-8 时，这些字节会以 surrogateescape 解码，tzname() 里就留下了单独的代理字符；datetime.strftime 把 tzname() 以 UTF-8 插进格式串，于是 %Z 会在 strftime 内部抛 UnicodeEncodeError——在任何字符串存在之前，所以已有的 _sanitize_surrogates 清理根本没机会跑。系统提示在每次会话开始和每次压缩时都会重建，故障因此反复出现。新的 hermes_time.safe_strftime() 在健康 locale 下输出与 strftime 完全一致（前缀缓存的不变式因此成立），在带代理字符时按 ANSI 代码页还原字节。PRs #120748。
  • 中文 Windows 上的子进程输出解码。 subprocess.communicate() 在 Windows 上起的 _readerthread 在读子进程输出时，若捕获只传了 text=True 而没有 encoding=，就会用 subprocess._text_encoding()，也就是 locale.getencoding()——中文 Windows 上是 cp936/GBK。被读的子进程写的是 UTF-8，任何在 GBK 里非法的字节都会在那个线程里抛 UnicodeDecodeError，然后被 serve 进程的 threading.excepthook 打成一行 [gateway-crash]。hermes_cli/web_routers/files.py 的 _fs_git_branch 就是这种写法（它的 kwargs 放在字典字面量里，所以按行匹配 text=True 的规则一直没抓到它），而桌面端会不停轮询它。PRs #120749。
  • Windows 绝对路径的标记与预览。 C:\...\report.html 和 UNC 路径 \\server\share\... 以前既不会被识别成路径（所以产物标签不出现），在渲染端回退里还会被当成相对路径拼到 cwd 上，产生 /repo/C:\... 这种路径；预览标题也会把 C: 解析成 URL scheme。新的 isWindowsAbsolutePath 覆盖盘符（正反斜杠都算）和 UNC 前缀。PRs #121074。
  • 冷启动的启动探针。 Windows 冷启动时本地后端先能应答 HTTP，随后事件循环会因为持着 GIL 导入 gateway 平台模块而停住 12–28 秒；启动时的 WebSocket 探针固定 10 秒就放弃，于是把一次正常冷启动锁死成启动失败，拆掉子进程并落进“Ignoring stale Hermes backend exit (1)“的级联。现在由本应用拉起的后端，只要子进程还活着，探针就会越过 10 秒基础预算继续等，上限 90 秒（和端口公告步骤对冷启动给出的预算是同一个）。判断依据是存活而不是输出新鲜度，因为这段停顿是无声的。远端 gateway、“Test remote”按钮和 host 后端附着仍保持固定 10 秒。PRs #120750。

改进

  • 桌面端插件 SDK 这一波（composer 草稿 API、会话列表与行装饰插槽、侧边栏导航偏好、模型药丸标签、类型化的 settings/skills/toolsets/profiles 桥、沙箱化嵌入原语、外观设置插槽、插件后端的公共事件桥）都在这个窗口里，规划中的完整说明同样留到 v0.22.0。
  • Connectors 页面取代了 MCP 标签页，新装插件的 MCP server 有“Connect now”，已装插件的工具与技能会在每个打开的聊天里实时生效；引导流程会把目录插件和连接器并列推荐。
  • Kanban 做了一轮设计打磨：两列的工单弹窗，任务正文支持 Markdown。
  • 这个窗口里还有一长串热路径性能工作，覆盖配置加载、工具注册表、gateway 消息处理和模型选择器。

升级

hermes update                 # git 安装
# 或者重跑一次安装脚本一行命令

Docker / Hermes Cloud：镜像从本 tag 构建，nousresearch/hermes-agent:v2026.9.24。

完整变更对比：v2026.9.21…v2026.9.24

版本号对应关系：tag 是日期式的 v2026.9.24，语义版本是 v0.21.5，两者是同一个发布。

← Hermes Agent Changelog