Ubuntu24.04部署HermesAgent详细教程
本文详细介绍了在 Ubuntu 24.04 系统上从零部署 Hermes Agent 的完整、可靠且经过实战验证的流程,涵盖 Python 环境统一(重点解决 3.12 与 3.11 兼容性问题)、虚拟环境隔离、依赖精准安装、API 密钥安全配置(支持 OpenRouter 与阿里云百炼双路径)、Playwright 浏览器自动化扩展及 systemd 服务化托管等关键环节,直击新手常遇的安装失败、服务崩溃、模型调用失败等痛点,助你快速构建一个稳定、可自启、易维护的本地智能代理运行环境。

如果您在 Ubuntu 24.04 系统上尝试部署 Hermes Agent,但安装失败或服务无法启动,则可能是由于系统依赖版本不匹配、Python 环境冲突或模型配置缺失所致。以下是针对 Ubuntu 24.04 的完整部署步骤:
一、系统环境准备与基础依赖安装
Ubuntu 24.04 默认搭载 Python 3.12,而部分 Hermes Agent 官方脚本仍适配 Python 3.11,需提前统一运行时环境并安装必要构建工具,避免 pip 编译报错或 ffmpeg/ffmpeg-python 缺失导致技能模块失效。
1、更新系统软件源并升级核心组件:
sudo apt update && sudo apt upgrade -y
2、安装基础开发与运行依赖:
sudo apt install -y git curl wget python3-pip python3-venv python3-dev build-essential libffi-dev libssl-dev ffmpeg libsm6 libxext6
3、安装并设为默认 Python 版本(若需强制使用 Python 3.11):
sudo apt install -y python3.11 python3.11-venv python3.11-dev
sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.12 1
sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.11 2
sudo update-alternatives --config python3(选择编号 2)
4、验证 pip 版本并升级至兼容版本:
python3 -m pip --version
python3 -m pip install --upgrade pip==23.3.1
二、获取 Hermes Agent 源码并初始化项目
直接克隆官方主仓库可确保获得最新稳定分支(v0.4.2),避免使用已归档或 fork 分支引入不可控变更;同时执行完整性校验,防止下载过程被截断或篡改。
1、创建工作目录并克隆代码:
mkdir -p ~/hermes && cd ~/hermes
git clone https://github.com/NousResearch/hermes-agent.git .
2、检出经验证的稳定发布标签:
git checkout v0.4.2
3、运行完整性校验脚本(如存在):
chmod +x scripts/verify-integrity.sh
./scripts/verify-integrity.sh
4、确认输出包含 SHA256 checksum OK 字样,否则需重新克隆。
三、创建并激活 Python 虚拟环境
使用独立虚拟环境可彻底隔离 Hermes Agent 所需的特定版本依赖(如 pydantic==2.6.4、httpx==0.27.0),防止与系统级包或其它 Python 项目发生冲突,是 Ubuntu 24.04 上推荐的唯一安全部署路径。
1、在项目根目录下创建虚拟环境:
python3 -m venv venv
2、激活该环境:
source venv/bin/activate
3、验证激活状态:
which python(输出应含 ~/hermes/venv/bin/python)
4、强制重装 pip 并锁定版本:
pip install --force-reinstall --upgrade pip==23.3.1
四、安装 Python 依赖与可选扩展组件
Ubuntu 24.04 的 systemd 和 dbus 默认配置可能限制桌面级功能(如截图、剪贴板访问),需按需启用对应扩展;同时,requirements.txt 中部分包需预装系统级头文件才能编译成功。
1、安装基础依赖:
pip install -r requirements/base.txt
2、单独安装关键约束版本包:
pip install pydantic==2.6.4 httpx==0.27.0
3、如需启用浏览器自动化与网页截图功能,额外安装:
pip install playwright
playwright install chromium
4、如需支持微信直连,安装二维码与图像处理模块:
sudo apt install -y python3-qrcode python3-pil
pip install qrcode[pil] Pillow
五、配置大模型接入(OpenRouter 或 百炼)
Hermes Agent 本身不内置模型,必须通过环境变量或配置文件注入 API 密钥与模型端点;Ubuntu 24.04 的 bash 配置文件默认为 ~/.bashrc,需确保变量在 shell 启动时即生效,否则 hermes 命令将无法读取。
1、设置 OpenRouter API Key(以 stepfun/step-3.5-flash 为例):
echo 'export OPENROUTER_API_KEY="sk-or-v1-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"' >> ~/.bashrc
echo 'export OPENROUTER_MODEL="stepfun/step-3.5-flash"' >> ~/.bashrc
2、如使用阿里云百炼,配置兼容模式端点:
echo 'export DASHSCOPE_API_KEY="sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"' >> ~/.bashrc
echo 'export HERMES_MODEL_PROVIDER="dashscope"' >> ~/.bashrc
echo 'export HERMES_MODEL_NAME="qwen-turbo"' >> ~/.bashrc
3、重载配置使变量立即生效:
source ~/.bashrc
4、验证环境变量是否加载成功:
env | grep -i "api\|model"
六、启动 Hermes Agent 服务
Ubuntu 24.04 默认使用 systemd 作为 init 系统,推荐以服务方式长期运行 Hermes Agent,便于日志管理、开机自启及资源隔离;避免直接前台运行导致终端关闭后进程终止。
1、创建 systemd 服务单元文件:
sudo nano /etc/systemd/system/hermes-agent.service
2、填入以下内容(路径请按实际调整):
[Unit]
Description=Hermes Agent Service
After=network.target
[Service]
Type=simple
User=$USER
WorkingDirectory=/home/$USER/hermes
ExecStart=/home/$USER/hermes/venv/bin/python -m hermes.cli
Restart=always
RestartSec=10
EnvironmentFile=/home/$USER/.bashrc
[Install]
WantedBy=multi-user.target
3、重载 systemd 配置并启用服务:
sudo systemctl daemon-reload
sudo systemctl enable hermes-agent
sudo systemctl start hermes-agent
4、查看服务状态与实时日志:
sudo systemctl status hermes-agent
sudo journalctl -u hermes-agent -f
终于介绍完啦!小伙伴们,这篇关于《Ubuntu24.04部署HermesAgent详细教程》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布科技周边相关知识,快来关注吧!
phpEnv安装Emlog教程:轻松搭建轻量博客
- 上一篇
- phpEnv安装Emlog教程:轻松搭建轻量博客
- 下一篇
- 虚拟滚动优化列表卡顿问题
-
- 科技周边 · 人工智能 | 7小时前 | 人工智能 · Python教程 · 图像尺寸 Pillow ControlNet diffusers 条件图
- Diffusers ControlNet 条件图尺寸匹配的处理
- 314浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 | python · 人工智能 · 模型评测 Hugging Face Evaluate 指标输入格式 predictions references
- Hugging Face Evaluate 统一指标输入格式
- 134浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 |
- RAG 检索结果去重与上下文长度控制
- 357浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 |
- Tokenizer padding_side 影响批量生成的对齐
- 206浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 | python · 人工智能 · 数据迭代 Hugging Face Datasets streaming IterableDataset 大语料
- Datasets streaming 读取大语料的迭代方式
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 | python · Transformers generate 停止条件 批量输出
- Transformers generate 的停止条件与批量输出
- 133浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 | 人工智能 · LoRa 显存优化 bitsandbytes QLoRA 4-bit量化
- bitsandbytes 量化模型配合 LoRA 训练的显存边界
- 249浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 | 人工智能 · LoRa PEFT load_adapter set_adapter 适配器切换
- PEFT LoRA 适配器按任务切换的加载方案
- 268浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 | 人工智能 · LoRa PEFT merge_and_unload 适配器合并
- PEFT 适配器合并后为什么输出会变化
- 221浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 |
- Tokenizer 左填充和右填充应该怎么选
- 399浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 |
- Safetensors 为什么支持按需读取权重切片
- 258浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 |
- MLflow Model Alias 怎么替代固定版本号部署
- 360浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 297次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 352次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 353次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 318次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 136次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

