Letta vs Hermes Agent 详细对比

适合 Java 后端程序员的 AI Agent 框架对比指南

项目地址

• Letta (原 MemGPT): https://github.com/letta-ai/letta
• Hermes Agent: GitHub - NousResearch/hermes-agent: The agent that grows with you · GitHub

---

---

一、两者概述

维度	Letta (原 MemGPT)	Hermes Agent
开发者	Letta Inc. (UC Berkeley 研究出身)	Nous Research
GitHub	letta-ai/letta	NousResearch/hermes-agent
类型	有状态 LLM Agent 框架 + REST 服务	自改进 AI Agent + CLI/IM 网关
License	Apache 2.0	MIT
定位	Agent 基础设施 / 后端服务	个人 AI 助手 / 终端 Agent
口号	The stateful agent framework	The agent that grows with you

二、核心理念对比

Letta 的理念：Agent 即服务

核心思想：Agent 是一个有状态的微服务，提供 REST API，可以被任何应用调用。重点在记忆架构和多租户。

外部应用 → REST API → FastAPI Router → Agent Loop (step) → LLM Client + Tool Executor → PostgreSQL (Messages + Memory + pgvector)

Hermes 的理念：Agent 即伙伴

核心思想：Agent 是一个个人助手，能跨平台对话、自动学习技能、定时执行任务。重点在终端体验和自改进。

用户 → CLI/TUI 或 IM Gateway (Telegram/Discord...) → Hermes Core → Memory + Skills + Cron Scheduler → LLM Provider (300+ models)

三、核心功能对比

1. 记忆系统

功能	Letta	Hermes
Core Memory	✅ Memory Blocks (persona, human)	✅ MEMORY.md + USER.md
Archival Memory	✅ 向量数据库 (pgvector)	✅ FTS5 全文搜索
对话历史搜索	✅ conversation_search 工具	✅ 会话搜索 + LLM 摘要
用户建模	human block (简单文本)	✅ Honcho 辩证用户建模 (更深)
记忆自动管理	✅ Summarizer 自动压缩	✅ Agent 自主策展 + nudge
跨会话记忆	✅ 数据库持久化	✅ 跨会话持久

2. 工具系统

功能	Letta	Hermes
内置工具	send_message, memory, archival_search	40+ 工具
工具执行	沙箱执行 (Docker/E2B)	7 种终端后端 (local/Docker/SSH/Modal...)
MCP 支持	✅ MCP 客户端	✅ MCP 集成
自定义工具	✅ Python 函数	✅ Skills 系统
工具审批	✅ approval 机制	✅ 命令审批 + DM 配对

3. 部署形态

功能	Letta	Hermes
REST API 服务	✅ FastAPI 开箱即用	❌ (主打 CLI/IM)
CLI/TUI	有 CLI 但不是重点	✅ 核心体验，完整 TUI
IM 平台	❌	✅ Telegram, Discord, Slack, WhatsApp, Signal
定时任务	有 jobs 模块	✅ Cron 调度器 (核心功能)
语音	✅ Voice Agent	✅ 语音转写
自托管	✅ Docker	✅ 可跑在 $5 VPS 上

4. 自改进能力

功能	Letta	Hermes
技能学习	❌ 无自动技能学习	✅ 自动从经验创建 Skills
技能改进	❌	✅ Skills 在使用中自我改进
知识持久化	靠 memory 工具手动	✅ Agent 自我 nudge 持久化知识
兼容标准	自有格式	✅ agentskills.io 开放标准

5. 多 Agent

功能	Letta	Hermes
多 Agent 协作	✅ Groups (round_robin, supervisor, sleeptime)	✅ 子 Agent 并行 (isolated subagents)
编排方式	图式编排	RPC 脚本调用
后台 Agent	✅ Sleeptime Agent	✅ Cron 定时

6. LLM 支持

功能	Letta	Hermes
多 Provider	✅ OpenAI, Anthropic, Ollama, Google, Bedrock 等	✅ 300+ 模型 (Nous Portal/OpenRouter/OpenAI...)
切换模型	修改 agent 配置	hermes model 一键切换
本地模型	✅ Ollama/vLLM/SGLang	✅ 任意 endpoint
自有模型	无	✅ Hermes 系列 LLM (同公司)

四、架构对比

Letta 架构（服务端优先）

[外部应用] → REST API → FastAPI Router → Agent Loop (step) → LLM Client + Tool Executor → OpenAI/Claude + Sandbox (Docker) → PostgreSQL (Messages + Memory + Agents + pgvector)

Hermes 架构（终端优先）

[用户] → CLI/TUI 或 IM Gateway → Hermes Core → Memory (SQLite) + Skills (自学习) + Cron Scheduler → LLM Provider (300+ models) → Terminal Backend (local/Docker/SSH/Modal/Daytona/Vercel)

五、技术栈对比

技术	Letta	Hermes
语言	Python	Python + Bash (installer)
Web 框架	FastAPI	无 (CLI/TUI 为主)
数据库	PostgreSQL + pgvector	SQLite + FTS5
ORM	SQLAlchemy	(轻量)
数据模型	Pydantic	Pydantic
LLM SDK	openai, anthropic 等	自有 + OpenRouter
部署	Docker / 自托管	一键脚本安装
运行时	uvicorn (ASGI)	uv (Astral)
终端后端	Docker, E2B	local, Docker, SSH, Singularity, Modal, Daytona, Vercel

六、适用场景对比

选 Letta 如果你需要：

• ✅ 构建多租户的 Agent SaaS 平台
• ✅ 需要 REST API 集成到自己的应用
• ✅ 需要精细的记忆架构控制 (Core/Archival/Recall)
• ✅ 需要多 Agent 编排 (supervisor, round robin)
• ✅ 企业级部署，需要 PostgreSQL 持久化
• ✅ 构建垂直领域的智能客服/助手后端

选 Hermes 如果你需要：

• ✅ 一个个人 AI 助手，跨终端使用
• ✅ 通过 Telegram/Discord/Slack 等聊天工具对话
• ✅ Agent 能自动学习技能并自我改进
• ✅ 需要定时任务 (每日报告、定时备份)
• ✅ 想跑在便宜 VPS 上 ($5/月)
• ✅ 想要终端 TUI 体验
• ✅ 需要子 Agent 并行处理多任务

七、记忆系统深度对比

Letta 的记忆（结构化、分层）

Context Window (LLM 看到)
├── System Prompt (含 memory blocks 编译)
│   ├── persona block
│   └── human block
├── 消息历史 (in-context messages)
└── 工具定义

数据库 (LLM 看不到，需搜索)
├── Messages 表 (完整对话历史)
├── Passages 表 (archival memory, 向量索引)
└── Blocks 表 (memory blocks 持久化)

工具触发:
- conversation_search → 搜索消息历史
- archival_memory_search → 搜索向量库
- core_memory_append/replace → 修改 core memory

Hermes 的记忆（Agent 自主管理）

~/.hermes/
├── MEMORY.md        ← Agent 自己写的记忆文件
├── USER.md          ← 对用户的认知
├── sessions/        ← 对话历史 (SQLite FTS5)
└── skills/          ← 自主学习的技能 (过程性记忆)

机制:
- Agent 自主决定记什么 (不是用户配的)
- 定期 nudge: 要不要把刚才学的存下来?
- Skills 在使用中自动改进
- Honcho: 辩证式用户建模 (更深的心智模型)

核心差异：

• Letta = 你（开发者）设计记忆架构，LLM 按规则用
• Hermes = Agent 自己决定怎么记、记什么，更像人类记忆

八、Java 程序员视角的类比

角色	Letta	Hermes
Java 类比	Spring Cloud 微服务	一个功能丰富的 CLI 工具 (像 cobra CLI)
类比产品	美团的 Agent 托管平台	像 ChatGPT App + IFTTT
交互方式	API 调用	命令行/IM 聊天
状态存储	关系型数据库	嵌入式数据库 (SQLite)
扩展方式	自定义 Tool 函数	编写 Skill

九、总结对比表

	Letta	Hermes
一句话	有状态 Agent 后端服务	自改进个人 AI 助手
定位	B2B / 开发者	B2C / 个人用户
核心特色	记忆架构 + REST API	自学习 + 多平台
部署形态	服务端 (Docker/Server)	终端 ($5 VPS 也行)
交互方式	API	CLI/TUI + IM
记忆哲学	结构化分层 (Core/Archival)	Agent 自主策展
数据库	PostgreSQL (重)	SQLite (轻)
最佳场景	构建 Agent 平台	个人使用 Agent
学习曲线	较陡 (需理解记忆架构)	平缓 (一键安装)

十、两者可以配合吗？

理论上可以，但不常见：

• Letta 提供 REST API，Hermes 可以通过 MCP 或 HTTP 调用 Letta 的 Agent
• 但实际上两者定位不同，通常二选一：做产品后端 → Letta，做个人助手 → Hermes

对你的建议（Java 后端程序员）：

• 如果你想学习 Agent 架构原理 → Letta 更适合（架构清晰，有 Java 版实现）
• 如果你想要一个个人 AI 助手 → Hermes 更适合（开箱即用）
• 如果你想在企业里部署 → Letta 更适合（有 REST API、多租户）

---

以上就是 Letta 和 Hermes Agent 的详细对比，希望对大家选择合适的 AI Agent 框架有所帮助！