Hermes Agent v0.20.0（代号“The Convergence Release”）已于 2026年8月3日 正式发布。

这个版本是 Hermes 发展史上的一个​里程碑式更新​。它不仅兑现了 v0.19.1 中承诺的“完整功能盘点”，更标志着 Hermes 从“单一智能体”向“多模态协作平台”的彻底进化。v0.20.0 实现了语音、视频、去中心化社交与桌面环境的深度融合（Convergence），让 Agent 真正具备了全双工的感知与交互能力。

全双工语音与情感计算

1. 下一代语音子系统 (Voice Subsystem 2.0)

• ​全双工通信​：彻底重构了语音管道，支持全双工（Full-Duplex）模式。用户可以在 Agent 说话时随时打断（Barge-in），实现如真人般自然的对话流，延迟降低至毫秒级。
• ​情感感知​：新增情感识别引擎，Agent 能根据用户的语调（愤怒、高兴、犹豫）动态调整回复的语气和策略。
• ​多说话人分离​：在会议场景下，能自动区分并标记不同的说话人（Speaker Diarization），生成结构化的会议纪要。

2. 实时语音克隆

• ​零样本克隆​：支持上传 5 秒音频样本，即可实时克隆用户的声音用于 Agent 回复，增强了个性化体验。

视频生成与视觉流

1. FLUX3 视频生成引擎

• ​文生视频/图生视频​：集成了最新的 FLUX3 模型，支持生成 1080p 高保真视频。
• ​视频编辑​：支持“视频重绘”（Video Inpainting），可以修改视频中的特定物体或风格。
• ​流式预览​：在视频生成过程中，桌面端支持低分辨率的实时流式预览，无需等待渲染完成即可查看效果。

2. 视觉记忆 (Visual Memory)

• ​视频理解​：Agent 现在可以“观看”上传的视频文件，理解其中的动作、事件和时序关系，并回答相关问题。

去中心化社交与 Buzz/Nostr 集成

1. Buzz 协议原生支持

• ​去中心化身份​：Hermes 现在拥有原生的 Buzz 身份（NIP-05），可以像人类一样在去中心化社交网络中发布内容、互动。
• ​Zap 支付​：集成了闪电网络支付，Agent 可以通过 Zaps 接收打赏或支付微服务费用（如调用付费 MCP 工具）。

2. Nostr 中继网络

• ​抗审查通信​：支持连接多个 Nostr 中继，确保在极端网络环境下的消息可达性。
• ​群聊协作​：支持在 Nostr 群组中作为协作成员，与其他 Agent 或人类共同完成任务。

桌面应用：终极工作台

1. 画布模式 (Canvas Mode)

• ​分屏协作​：新增“画布”视图，左侧为聊天，右侧为实时渲染的文档、代码或设计图。用户在聊天中修改内容，右侧画布实时同步更新。
• ​所见即所得​：支持直接拖拽文件到画布进行编辑，支持 Markdown、Mermaid 图表、React 组件的实时预览。

2. 多工作区 (Workspaces)

• ​环境隔离​：支持创建多个独立的工作区（如“工作”、“个人”、“开发”），每个工作区拥有独立的配置、记忆库和 MCP 服务器连接。
• ​一键切换​：通过快捷键或侧边栏快速切换工作区，状态完全隔离。

3. 系统级集成

• ​全局快捷键​：支持自定义全局快捷键（如 Cmd+Space）随时唤起 Hermes 浮动窗口。
• ​剪贴板历史​：自动记录剪贴板内容，Agent 可以访问历史剪贴板数据进行上下文引用。

核心架构：MCP 与工具链

1. MCP 网关与路由

• ​MCP 负载均衡​：当配置多个相同的 MCP 服务器时，支持自动负载均衡，提高并发处理能力。
• ​MCP 认证代理​：内置 OAuth 代理，简化了连接需要复杂认证的 MCP 服务器（如 Google Drive, Notion）的流程。

2. 工具链编排

• ​并行工具调用​：模型现在可以并行调用多个无依赖关系的工具，大幅缩短复杂任务的执行时间。
• ​工具结果缓存​：对幂等性工具（如搜索、天气）的结果进行自动缓存，减少 Token 消耗和 API 调用次数。

Hermes Agent v0.20.0 核心更新速览

Hermes Agent v0.20.0 是一个​集大成者​。它填补了语音交互的最后一块短板（全双工），拓展了视觉能力的边界（视频生成与理解），并率先将 Agent 带入了去中心化社交网络（Buzz/Nostr）。配合桌面端的“画布模式”和“多工作区”，Hermes 已经不再仅仅是一个聊天机器人，而是一个​全模态的个人操作系统​。