Hermes Agent 原生跑 LM Studio：本地 agent 棧的最後一塊拼圖
Nous Research 的 Hermes Agent 在 2026-04-30 宣布原生支援 LM Studio——自動發現本地模型、按需載入、依模型套用對應的 reasoning level。這不是又一個 provider 接口，是把 GUI 派的本地 LLM 使用者直接拉進 agent 工作流。
目錄+
2026-04-30，Nous Research 宣布 Hermes Agent 原生支援 LM Studio：自動發現你已載入的模型、按需載入到正確的 context size、針對每個模型套用對應的 reasoning level。三個動作合在一起的意思是——你不用為了跑 agent 重新配置一個推理服務，你既有的 LM Studio 就是 agent 的執行環境。
這篇拆三件事：①為什麼 LM Studio 整合是個訊號、不是個 feature；②Hermes Agent 在本地 agent 賽道的位置；③這對只想本地跑、不想連雲端的人代表什麼。
LM Studio 整合是個訊號
Hermes Agent 從一開始就支援 OpenAI、Anthropic、DeepSeek、OpenRouter、MiniMax 這類遠端 provider，本地推理側則接 Ollama 和自定義 endpoint。LM Studio 一直可以透過 custom endpoint 硬接，但這次是原生 provider 選項——hermes model 互動式選單裡多了「LM Studio」這一行（provider key：lmstudio）。
差異在三件事，是官方 docs 裡寫得很白的：
- 自動發現模型：你在 LM Studio 載什麼，Hermes 就看得到什麼。不用手動把 model name 抄進 config。
- 按需載入並設好 context：Hermes 會以 64K context length 自動載入 LM Studio 模型。
- 依模型套用 reasoning level：不同模型適合不同強度的 reasoning，Hermes 在 auxiliary 子任務（compression、web extract、skills hub、MCP routing）會自動匹配。
這三件事拼起來，是把 LM Studio「桌面 app 派」的使用者——不寫 CLI、不碰 docker compose、單純想用 GUI 載一個模型用——直接接進 agent 工作流。本地 LLM 兩條主流分支（Ollama CLI vs LM Studio GUI），Hermes 現在兩邊都接。
Hermes Agent 本身是什麼
如果你沒跟過 Nous Research，這裡補一段脈絡。Hermes Agent 是 Nous 在 2026-02 發布的開源 agent 框架，MIT 授權，跟 Claude Code 或 Cursor 不同，它不綁 IDE、不綁 SaaS——它是一個跑在你伺服器或本機上的常駐 agent，重點是三件事：
- 持久記憶：學過怎麼解的問題不會忘，下次直接用
- 跨平台 gateway：Telegram、Discord、Slack、WhatsApp、Signal、Email、CLI 全部接同一個 agent，從手機開頭、桌機接著做
- subagent 並行：用隔離的子 agent 跑平行工作流，主 agent 不被 context 污染
2026-04-13 發 v0.9.0「the everywhere release」，到 v0.11.0 之間兩週合併了 209 個 PR、關了 81 個 issue（heyuan110.com 的實測手記裡寫了完整版本紀錄）。GitHub stars 已過 27,000——對一個兩個多月的專案來說節奏異常快。
Hermes Agent 不是「另一個 LangChain」。它的設計命題是：個人也應該能用開源工具部署一個對得起商業產品的 agent，不用 SaaS、不用鎖定。LM Studio 接進來是這個命題的延伸，不是行銷話術——它把「本地 agent」這個選項從技術門檻很高（自架 Ollama / vLLM / TGI），變成「裝個 GUI app 就能開始」。
對「只想本地跑」的人代表什麼
過去半年我見過最多的本地 LLM 痛點，不是模型不夠強，而是「裝完之後不知道怎麼接 agent」。
LM Studio 派的人卡在：「我能聊天，但我要怎麼讓它幫我跑任務？」OpenAI-compatible API 雖然是 LM Studio 的標準功能，但要自己寫 agent loop、處理 tool calling、串記憶——對非工程背景的使用者太貴了。
Ollama 派的人沒這問題（因為大量 agent 框架預設接 Ollama），但 Ollama 的 GUI 體驗一直不是強項。LM Studio 在「視覺化調參」「模型側邊比較」「自動硬體偵測」這幾件事上明顯領先。
Hermes 的 LM Studio 整合意義在這——你可以保留 LM Studio 的選模型體驗，agent 能力直接由 Hermes 補齊。GUI 派不用改習慣、CLI 派多了一個選項。
實際使用步驟比想像簡單：在 LM Studio 開 Developer tab → Start Server（或用 lms server start，預設 port 1234），然後 hermes model → 選 LM Studio。如果 LM Studio 開了 server auth，輸入 LM_API_KEY，沒開就 Enter 過。剩下的 Hermes 自己處理。
一個重要但容易忽略的細節
Hermes Agent 的 auxiliary task 系統有八個可獨立配置的子任務（compression、web extract、skills hub、MCP routing 等），每個都可以設不同的模型和 reasoning level。預設都是 auto——也就是用主模型。
LM Studio 整合的「自動 reasoning level」這句話的真實意思是：當你的主模型在 LM Studio 上跑，那些 auxiliary task 也會跑在同一個模型，但 Hermes 會根據任務類型決定要不要叫它 reasoning。compression 跟 web extract 不需要 reasoning（讓便宜快速的模型做就行），這在 LM Studio 場景下尤其重要——因為本地模型的 reasoning token 開銷是你自己的記憶體和 GPU，不是雲端 provider 的帳單。
省掉非必要的 reasoning，本地單機體驗會明顯不一樣。
一句話收尾
Hermes Agent 接 LM Studio 不是又一個整合公告。它把本地 agent 這條路從「給工程師的選項」拉到「給任何用過 LM Studio 的人」。剩下的問題只有一個——你願不願意讓 agent 真的跑在你自己的機器上，而不是讓 OpenAI 替你跑。