Hermes Agent Windows安装本地模型配置实战教程

2026-06-20阅读 0热度 0

windows

Hermes Agent Windows 完整安装与本地模型配置教程（实战版）

作者：吴佳浩
撰稿时间：2026-4-15
测试模型：Qwen3.5-35B-32K（Ollama 量化版，图省事，大家可以根据自己情况选）
测试环境：RTX 5090 + 96GB 内存 + Windows 11

先说几句

圈子里最近突然热起来的一个项目，号称开源版 Claude Code，能和 openclaw 掰手腕，Nous Research 出品。做这行的不折腾一下总觉得少了点什么。但说真的，它对 Windows 用户实在不怎么友好——官方文档写得很清楚：原生 Windows 不支持，必须走 WSL2。这篇东西就是一边装一边踩坑一边记下来的，全程实战，能帮读者少走一个算一个。Mac 用户的话，一条命令就能搞定，这边就不展开了。（说到底，各个平台吹了好几天了，这次来拔拔草。）

系统要求
整体流程概览
Step 1：安装 WSL2 并迁移到非 C 盘
Step 2：在 WSL2 中安装 Hermes Agent
Step 3：安装 Ollama（Windows 端）
Step 4：打通 WSL2 到 Windows Ollama 的网络
Step 5：配置 Hermes 连接本地模型
Step 6：修复上下文窗口限制（必做）
Step 7：启动并使用
常用命令速查
常见问题 FAQ（实战踩坑）
模型推荐选型

1. 系统要求

项目	最低要求	推荐配置
操作系统	Windows 10 64位（2004+）	Windows 11
WSL2	必须	—
内存	8 GB RAM	16 GB RAM+
显卡显存（GPU推理）	8 GB VRAM（7B模型）	16 GB+ VRAM
磁盘空间	20 GB 可用	50 GB+
网络	安装时需联网	—

2. 整体流程概览

flowchart TD
A["Windows 环境"] --> B["安装 WSL2\n迁移到非 C 盘"]
B --> C["WSL2 内安装 Hermes Agent\ncurl 一键脚本"]
C --> D["Windows 端安装 Ollama\n下载目标模型"]
D --> E["打通 WSL2 到 Windows 网络\nOLLAMA_HOST + 防火墙"]
E --> F["配置 Hermes\n指向本地 Ollama"]
F --> G["修复上下文窗口\n32K 覆盖为 65K"]
G --> H["hermes chat\n开始使用"]
style A fill:#1a1a2e,color:#fff
style E fill:#c62828,color:#fff
style G fill:#c62828,color:#fff
style H fill:#00aa55,color:#fff

3. Step 1：安装 WSL2 并迁移到非 C 盘

3.1 安装 WSL2

管理员 PowerShell 执行：

wsl --install

默认安装 Ubuntu，重启后按提示设置用户名和密码。

3.2 迁移到非 C 盘（可选但建议）

WSL2 默认把虚拟磁盘放在 C 盘的 AppData 下，模型一拉一大堆，C 盘会爆。迁移到其他盘：

# 确认当前状态
wsl --list --verbose
# 创建目标目录（这里用 G 盘举例）
New-Item -ItemType Directory -Path "G:\WSL\Ubuntu" -Force
# 导出备份
wsl --export Ubuntu G:\WSL\ubuntu-backup.tar
# 注销原来的
wsl --unregister Ubuntu
# 重新导入到 G 盘
wsl --import Ubuntu G:\WSL\Ubuntu G:\WSL\ubuntu-backup.tar --version 2

wsl --unregister Ubuntu
# 下载 Ubuntu rootfs
Invoke-WebRequest -Uri "https://cloud-images.ubuntu.com/wsl/jammy/current/ubuntu-jammy-wsl-amd64-ubuntu22.04lts.rootfs.tar.gz" -OutFile "G:\WSL\ubuntu.tar.gz"
# 导入
wsl --import Ubuntu G:\WSL\Ubuntu G:\WSL\ubuntu.tar.gz --version 2

3.3 修复默认用户

导入后默认是 root，需要创建普通用户：

# 进入 WSL
wsl -d Ubuntu
# 创建用户（替换 alben 为你的用户名）
useradd -m -s /bin/bash alben
passwd alben
usermod -aG sudo alben
# 设置默认用户
echo -e '[user]\ndefault=alben' > /etc/wsl.conf
exit

回到 PowerShell 重启 WSL：

wsl --terminate Ubuntu
wsl -d Ubuntu
# 这次应该以普通用户登录了

4. Step 2：在 WSL2 中安装 Hermes Agent

4.1 更新系统依赖

sudo apt update && sudo apt install -y ripgrep ffmpeg

4.2 配置 Git（防止克隆失败）

git config --global http.postBuffer 524288000

4.3 运行安装脚本

cd ~
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

如果脚本克隆 GitHub 失败，手动来：

rm -rf ~/.hermes/hermes-agent
git clone --depth=1 https://github.com/NousResearch/hermes-agent.git ~/.hermes/hermes-agent

4.4 安装 Python 依赖

cd ~/.hermes/hermes-agent
export PATH="$HOME/.local/bin:$PATH"
uv venv venv --python 3.11
export VIRTUAL_ENV="$(pwd)/venv"
UV_HTTP_TIMEOUT=300 uv pip install -e ".[messaging,cron,cli,mcp,pty]"

4.5 创建全局命令链接

ln -sf ~/.hermes/hermes-agent/hermes ~/.local/bin/hermes
echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc
hermes version
# 输出 v0.8.0 就对了

5. Step 3：安装 Ollama（Windows 端）

访问 ollama.com
下载 Windows 版安装
安装后系统托盘有 Ollama 图标

下载模型

# 按显存选择
ollama pull qwen3.5:35b   # 24GB+ 显存
ollama pull qwen3:32b     # 20GB+ 显存
ollama pull deepseek-r1:32b # 20GB+ 显存
ollama pull qwen2.5:7b    # 6GB+ 显存（入门）
# 查看已下载
ollama list

创建扩展上下文版本

# Ollama 默认上下文太小，需要扩展
"FROM qwen3.5:35b\nPARAMETER num_ctx 32768" | Out-File -FilePath "Modelfile" -Encoding utf8
ollama create qwen3.5-35b-32k -f "Modelfile"

6. Step 4：打通 WSL2 到 Windows Ollama 的网络

这是整个教程最恶心的一步。WSL2 跑在虚拟网络里，localhost 指的是 WSL 自己，不是 Windows。

graph LR
A["WSL2 Ubuntu\n172.27.x.x"] -- "localhost 不通" --> B["Windows Ollama\n127.0.0.1:11434"]
A -- "宿主 IP 通" --> C["Windows Ollama\n0.0.0.0:11434"]
style A fill:#2d6a4f,color:#fff
style B fill:#c62828,color:#fff
style C fill:#00aa55,color:#fff

6.1 让 Ollama 监听所有网卡

PowerShell 执行：

[System.Environment]::SetEnvironmentVariable("OLLAMA_HOST", "0.0.0.0", "User")

然后彻底重启 Ollama（托盘右键 Quit 再重新打开）。

验证：

netstat -an | findstr 11434
# 应该看到：
# TCP    0.0.0.0:11434    0.0.0.0:0    LISTENING

6.2 添加防火墙规则

管理员 PowerShell：

New-NetFirewallRule -DisplayName "Ollama WSL" -Direction Inbound -Protocol TCP -LocalPort 11434 -Action Allow

6.3 检查并删除 Block 规则（关键！）

Get-NetFirewallRule -DisplayName "*Ollama*" | Format-Table DisplayName, Enabled, Direction, Action

Get-NetFirewallRule -DisplayName "ollama.exe" | Where-Object {$_.Action -eq "Block"} | Remove-NetFirewallRule

6.4 从 WSL 测试连接

# 获取 Windows 宿主 IP
HOST_IP=$(ip route | grep default | awk '{print $3}')
echo $HOST_IP
# 测试
curl http://$HOST_IP:11434/api/tags
# 能看到模型列表就通了

7. Step 5：配置 Hermes 连接本地模型

hermes model

选择 More providers... 然后选 Custom endpoint (enter URL manually)

提示	填什么
API base URL	`http://172.27.112.1:11434/v1`（用你实际的宿主 IP）
API key	留空（Ollama 不需要）
Model name	`qwen3.5-35b-32k:latest`
Context length	`32768`

或者直接改配置文件：

HOST_IP=$(ip route | grep default | awk '{print $3}')
sed -i "s|http://[^/]*:11434|http://$HOST_IP:11434|g" ~/.hermes/config.yaml

8. Step 6：修复上下文窗口限制（必做）

解决方案——直接覆盖配置：

sed -i 's/context_length: 32768/context_length: 65536/' ~/.hermes/config.yaml

验证：

grep context_length ~/.hermes/config.yaml
# 输出 context_length: 65536

9. Step 7：启动并使用

hermes chat

看到这个界面就成功了：

██╗██╗███████╗██████╗ ███╗   ███╗███████╗███████╗    █████╗ ██████╗ ███████╗███╗   ██╗████████╗
██║██║██╔════╝██╔══██╗████╗ ████║██╔════╝██╔════╝   ██╔══██╗██╔════╝ ██╔════╝████╗  ██║╚══██╔══╝
███████║█████╗ ██████╔╝██╔████╔██║█████╗  ███████╗   ███████║██║  ███╗█████╗  ██╔██╗ ██║   ██║
██╔══██║██╔══╝ ██╔══██╗██║╚██╔╝██║██╔══╝  ╚════██║   ██╔══██║██║   ██║██╔══╝  ██║╚██╗██║   ██║
██║  ██║███████╗██║  ██║██║ ╚═╝ ██║███████╗███████║   ██║  ██║╚██████╔╝███████╗██║ ╚████║   ██║
╚═╝  ╚═╝╚══════╝╚═╝  ╚═╝╚═╝     ╚═╝╚══════╝╚══════╝   ╚═╝  ╚═╝ ╚═════╝ ╚══════╝╚═╝  ╚═══╝   ╚═╝
╭─────────────────────────────────────────────────────────────────────────────── Hermes Agent v0.8.0 (2026.4.8) · upstream b909a9ef ───────────────────────────────────────────────────────────────────────────────╮
│A vailable Tools                                                                                                                             │
│⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢀⣀⡀⠀⣀⣀⠀⢀⣀⡀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀browser: browser_back, browser_click, ...                    │
│⠀⠀⠀⠀⠀⠀⢀⣠⣴⣾⣿⣿⣇⠸⣿⣿⠇⣸⣿⣿⣷⣦⣄⡀⠀⠀⠀⠀⠀⠀clarify: clarify                                        │
│⠀⢀⣠⣴⣶⠿⠋⣩⡿⣿⡿⠻⣿⡇⢠⡄⢸⣿⠟⢿⣿⢿⣍⠙⠿⣶⣦⣄⡀⠀code_execution: execute_code                            │
│⠀⠀⠉⠉⠁⠶⠟⠋⠀⠉⠀⢀⣈⣁⡈⢁⣈⣁⡀⠀⠉⠀⠙⠻⠶⠈⠉⠉⠀⠀cronjob: cronjob                                      │
│⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣴⣿⡿⠛⢁⡈⠛⢿⣿⣦⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀delegation: delegate_task                               │
│⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠿⣿⣦⣤⣈⠁⢠⣴⣿⠿⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀file: patch, read_file, search_files, write_file        │
│⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠈⠉⠻⢿⣿⣦⡉⠁⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀homeassistant: ha_call_service, ha_get_state, ...        │
│⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠘⢷⣦⣈⠛⠃⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀image_gen: image_generate                              │
│⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢠⣴⠦⠈⠙⠿⣦⡄⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀(and 11 more toolsets...)                              │
│⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠸⣿⣤⡈⠁⢤⣿⠇⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀                                                   │
│⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠉⠛⠷⠄⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀A vailable Skills                                      │
│⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢀⣀⠑⢶⣄⡀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀autonomous-ai-agents: claude-code, codex, hermes-agent, opencode│
│⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⣿⠁⢰⡆⠈⡿⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀creative: ascii-art, ascii-video, excalidraw, ideation, m...│
│⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠈⠳⠈⣡⠞⠁⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀data-science: jupyter-live-kernel                       │
│⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠈⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀devops: webhook-subscriptions                           │
│                                                                                          email: himalaya                                         │
│qwen3.5-35b-32k:latest · Nous Research                                                  gaming: minecraft-modpack-server, pokemon-player          │
│ /home/alben/.hermes/hermes-agent                                                      general: dogfood                                           │
│ Session: 20260416_001157_xxxxx                                                        github: codebase-inspection, github-auth, github-code-r...│
│                                                                                        leisure: find-nearby                                      │
│                                                                                        mcp: mcporter, native-mcp                                 │
│                                                                                        media: gif-search, heartmula, songsee, youtube-content      │
│                                                                                        mlops: audiocraft-audio-generation, axolotl, clip, dsp...   │
│                                                                                        note-taking: obsidian                                    │
│                                                                                        productivity: google-workspace, linear, nano-pdf, notion, ocr...│
│                                                                                        red-teaming: godmode                                      │
│                                                                                        research: arxiv, blogwatcher, llm-wiki, polymarket, resea...│
│                                                                                        smart-home: openhue                                       │
│                                                                                        social-media: xitter                                      │
│                                                                                        software-development: plan, requesting-code-review, subagent-driven-d...│
│                                                                                        │
│                                                                                        28 tools · 74 skills · /help for commands                 │
╰──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯
Welcome to Hermes Agent! Type your message or /help for commands.
✦ Tip: Browser pages over 8000 tokens are auto-summarized by the auxiliary LLM before returning to the agent.

在提示符后直接打字就行。

常用交互

hermes chat               # 交互式对话
hermes "帮我写一个Python爬虫"  # 单次任务
hermes doctor             # 健康检查
hermes model              # 切换模型
hermes model qwen3:32b    # 直接指定模型

状态栏说明

qwen3.5-35b-32k:latest | 16.7K/65.5K | [###.......] 26% | 5m

部分	含义
`qwen3.5-35b-32k:latest`	当前模型
`16.7K/65.5K`	已用 / 总上下文 tokens
`26%`	上下文使用率
`5m`	会话持续时间

好了，自己动手测试一下吧：

╭─ ⚕ Hermes ───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╮
系统测试成功！Hermes Agent 正在运行。让我执行一个简单的命令来验证终端功能：
╰──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯
┊ ? preparing terminal…
┊ ? $ echo "Testing terminal access..." && date
0.5s
╭─ ⚕ Hermes ───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╮
终端功能正常运作！当前是 2026 年 4 月 16 日星期四，协调世界时（CST）00:48:30。
我还可以测试其他功能，比如：
- 读写文件
- 执行 Python 代码
- 浏览网页
- 搜索文件
- 使用各种技能工具
请告诉我您想测试什么功能，或者有什么任务需要帮助！
╰──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯
 ⚕ qwen3.5-35b-32k:latest │ 16.7K/65.5K │ [███░░░░░░░] 26% │ 5m
────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────
❯ ──────────────────────────────────────────────────────────────────────────

10. 常用命令速查

命令	说明
`hermes chat`	交互式对话
`hermes "任务描述"`	单次任务执行
`hermes doctor`	健康检查
`hermes model`	交互式选择模型
`hermes model <模型名>`	直接指定模型
`hermes --help`	查看更多命令

11. 常见问题 FAQ（实战踩坑）

Q1：安装脚本克隆 GitHub 失败

报错：GnuTLS recv error (-110) 或 HTTP/2 stream was not closed cleanly

原因：WSL2 网络不稳定 + 袋里干扰。

解决：

git config --global http.proxy ""
git config --global https.proxy ""
git config --global http.postBuffer 524288000
rm -rf ~/.hermes/hermes-agent
git clone --depth=1 https://github.com/NousResearch/hermes-agent.git ~/.hermes/hermes-agent

多试几次，总会通的。

Q2：WSL 里 curl Ollama 连接超时

报错：Connection timed out

原因：Windows 防火墙有 ollama.exe 的 Block 规则。

解决：

# 管理员 PowerShell
Get-NetFirewallRule -DisplayName "ollama.exe" | Where-Object {$_.Action -eq "Block"} | Remove-NetFirewallRule

Q3：WSL 里 curl Ollama 连接被拒

报错：Connection refused

原因：Ollama 没有监听 0.0.0.0。

解决：

[System.Environment]::SetEnvironmentVariable("OLLAMA_HOST", "0.0.0.0", "User")
# 然后彻底重启 Ollama

Q4：`hermes` 命令找不到

解决：

ln -sf ~/.hermes/hermes-agent/hermes ~/.local/bin/hermes
export PATH="$HOME/.local/bin:$PATH"
echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc

Q5：Python 依赖安装超时

报错：Failed to download ... Try increasing UV_HTTP_TIMEOUT

解决：

UV_HTTP_TIMEOUT=300 uv pip install -e ".[messaging,cron,cli,mcp,pty]"

Q6：上下文窗口太小被拒绝

报错：context window of 32,768 tokens, below the minimum 64,000

解决：

sed -i 's/context_length: 32768/context_length: 65536/' ~/.hermes/config.yaml

Q7：WSL 导出备份时 ext4.vhdx 找不到

报错：无法将磁盘附加到 WSL2: 系统找不到指定的文件

原因：虚拟磁盘损坏。

解决：直接注销重建，反正也没什么数据：

wsl --unregister Ubuntu
Invoke-WebRequest -Uri "https://cloud-images.ubuntu.com/wsl/jammy/current/ubuntu-jammy-wsl-amd64-ubuntu22.04lts.rootfs.tar.gz" -OutFile "G:\WSL\ubuntu.tar.gz"
wsl --import Ubuntu G:\WSL\Ubuntu G:\WSL\ubuntu.tar.gz --version 2

12. 模型推荐选型

模型	显存需求	中文	代码	推理	拉取命令
qwen2.5:7b	6 GB	三星	两星	两星	`ollama pull qwen2.5:7b`
qwen3:32b	20 GB	四星	三星	四星	`ollama pull qwen3:32b`
deepseek-r1:32b	20 GB	三星	三星	五星	`ollama pull deepseek-r1:32b`
qwen3.5:35b	24 GB	五星	四星	四星	`ollama pull qwen3.5:35b`
qwen3-coder:30b	20 GB	三星	五星	三星	`ollama pull qwen3-coder:30b`

总结

完成以上步骤后，你拥有了：

完全本地的 AI Agent，数据不出本机
完全免费，无需任何 API 费用
断网可用，不依赖任何外部服务
74 个技能，28 个工具，能执行代码、操作文件、浏览网页
可扩展，支持 Skills 技能插件生态

graph LR
A["Hermes Agent\n本地 AI 助手"] --> B["文件管理"]
A --> C["代码执行"]
A --> D["浏览器控制"]
A --> E["任务委派"]
A --> F["代码生成"]
A --> G["文件搜索"]
style A fill:#4a0e8f,color:#fff

说白了这玩意就是个终端里的 AI 打工人，你说话它干活。至于干得好不好，取决于你喂它什么模型。好了就这样，有空再写怎么实际用它干活。