OpenClaw 已经够强了，为什么我还会被 Hermes Agent 打动？

2026年4月11日 · 4696 字 · 10 分钟 · Hermes Agent AI Agent Nous Research 智能体 自动化 开发者工具

Hermes Agent 封面

如果你用过 OpenClaw，大概率已经体验过一种很强的感觉：

AI 不再只是“我问一句，它答一句”。

它开始像一个能被你养起来的助手。

你可以给它写 SOUL.md，装 Skill，配记忆，慢慢把它调成你想要的样子。

这一步，已经比大多数 Agent 产品强很多了。

但也正因为 OpenClaw 足够强，我在看 Hermes Agent 时，反而注意到了一个问题：

现在这些 Agent，虽然越来越像助手，但很多“让它变聪明”的工作，依然还是人在做。

  • 规则要你写
  • 经验要你总结
  • 技能要你维护
  • 记忆要你整理

换句话说，很多 Agent 变强，不是因为它自己真的会学，而是因为你一直在背后训练它。

而 Hermes Agent 真正让我觉得值得关注的地方，就在这里。

它不只是想把 Agent 做得更全，而是想把一件更难的事推进一步：

如果 Agent 已经能帮你做事了，那它能不能从每次做事里自己抽经验、自己沉淀规则、自己在下一次变得更好？

这才是我觉得 Hermes 不仅仅只是“又一个新项目”的原因。

如果你也好奇 OpenClaw 之后，Agent 的下一阶段到底会往哪走，那你可以继续往下看。

Hermes 和 OpenClaw 的差异：不只是“功能更多”

很多人会把 Hermes 和 OpenClaw 放在一起比较。

这个比较没错，但如果只比“谁支持的平台更多、谁的生态更大、谁更容易上手”，其实抓不住重点。

我觉得可以用一句话先把它们分开：

  • OpenClaw 的核心是“配置即行为”
  • Hermes 的核心是“自改进学习循环”

OpenClaw 的强项，在于你可以通过 SOUL.md、记忆配置、Skill 生态，把它调成你想要的样子。

它很像一个需要你持续喂养、持续调教的系统。你花得越多心思，它越贴合你。

Hermes 则更进一步。

它不是只给你一套可配置框架，而是试图把那套原本要靠人手工维护的“缰绳系统”内建进去，让 Agent 在做事过程中自己总结、自己沉淀、自己改进。

所以 Hermes 和 OpenClaw 不是简单替代关系。

更准确地说：

  • OpenClaw 解决的是“怎么把 Agent 配成我想要的样子”
  • Hermes 解决的是“Agent 能不能在长期使用中自己越来越接近我想要的样子”

这个差别，决定了 Hermes 更像一个长期型系统，而不是一次性工具。

Hermes Agent 到底是什么

Hermes Agent 是 Nous Research 做的一个开源 AI Agent 项目，MIT 协议，既能在本地终端里跑，也能部署到云主机、GPU 集群，甚至低成本的 serverless 环境里。

它最特别的一点，不是“能不能调用工具”，而是它把“学习”做成了系统能力。

官方给它的定位很直接：

  • 会从任务经验里生成技能
  • 会在使用过程中持续改进技能
  • 会主动提醒自己沉淀知识
  • 会搜索过去的对话，做跨会话召回
  • 会逐步建立对用户偏好的理解

换句话说，很多 Agent 解决的是“这一次怎么做事”，Hermes Agent 解决的是“做完之后，下次能不能做得更好”。

可以用一句话概括它的思路：

它不是又一个 Agent，而是 Harness Engineering 的一次产品化。

这句话特别关键。

因为过去很多高级用户已经在手工做类似的事了：

  • 写 CLAUDE.md 或 AGENTS.md
  • 配 hooks、权限、规则
  • 维护自己的记忆文件
  • 手工沉淀常用工作流

Hermes 的思路，就是把这套原本需要工程化手工维护的流程，变成系统自带能力。

为什么说它不是普通的 Agent 壳子

现在市面上不少 Agent 产品，核心思路都差不多：

  • 接一个模型
  • 暴露一组工具
  • 给一个聊天界面
  • 再加一点工作流能力

这条路没问题，但上限也很明显。

一旦没有持续记忆、没有经验复用、没有长期用户建模，Agent 每次启动都像“重新认识你一遍”。

Hermes Agent 的差异化，恰恰就在这里。

它不是只追求“这次把任务跑完”，而是试图形成一个闭环：

  1. 做任务
  2. 总结经验
  3. 抽象成技能
  4. 下次复用
  5. 在复用中继续优化

这意味着它更适合那些高频、重复、长期协作型场景，而不是只跑一次就结束的演示型 Agent。

它真正强大的地方，不是功能多，而是会形成“越用越强”的闭环

如果只按宣传页来理解 Hermes，很容易把它看成“支持多模型、多平台、多工具的开源 Agent”。

但这只是表层。

Hermes 真正值得看的，是它把学习循环、记忆、Skill、召回、用户建模、跨平台执行这些东西接成了一个闭环。

也就是说，它不是只会“完成任务”。

它更想做到：

  • 完成任务
  • 提炼经验
  • 沉淀成能力
  • 在下次任务里自动调用
  • 在反复使用里继续修正

这才是 Hermes 和很多 Agent 拉开距离的地方。

1. 学习循环：它不是是简单的记住对话，而是在蒸馏经验

这是 Hermes 最不像传统 Agent 的地方。

很多工具的所谓“记忆”，本质上只是把历史对话留着。

Hermes 不一样，它更像是在每轮任务结束后做一次小复盘：

  • 这次任务里有什么值得记住
  • 有没有形成可复用的方法
  • 现有 Skill 需不需要修正
  • 用户这次又暴露了哪些偏好

这意味着 Hermes 不是简单保存聊天记录，而是在主动提炼经验。

传统记忆更像录像带，越录越长，最后上下文会溢出。

Hermes 的记忆更像笔记本，重点不是“记了多少”，而是“有没有提炼出以后还能用的东西”。

2. 三层记忆：它仅仅记你“刚才说了什么”

Hermes 的记忆结构可以简单理解成三层：

  • 会话记忆：刚刚这轮对话发生了什么
  • 持久记忆：你是谁、你偏好什么、你长期在做什么
  • Skill 记忆：这类任务通常应该怎么做

这个分层很重要。

因为大多数 Agent 一旦提到记忆，用户脑子里想到的都是“它记不记得我上次说的话”。

但 Hermes 进一步把“人”和“做事方法”拆开了。

它不只是记得你上次提过某个项目，还会逐渐知道：

  • 你偏好什么代码风格
  • 你常用什么技术栈
  • 你做内容时更看重速度还是质量
  • 某类任务在你这里通常有哪些固定步骤

这让它的长期协作感会明显强很多。

3. Skill 系统：不需要你写，它会自己长

OpenClaw 的 Skill 生态很强，这一点 Hermes 目前还比不了。

但 Hermes 想打的点不是“谁的 Skill 数量更多”，而是“Skill 能不能自己长出来”。

在 Hermes 这里，Skill 不只是一个你手工写好的 Markdown 能力包。

它还可能来自一次真实任务的沉淀。

比如你让它反复处理某类数据、导入某类表、写某类脚本，Hermes 可能会把这一套流程抽象成一个 Skill。

更关键的是，它不是生成完就结束。

如果你在后续使用里继续纠正它，比如：

  • 这个步骤应该先检查表是否存在
  • 这里别用 requests，改成 httpx
  • 这里日志不要打印到终端，写入文件

这些反馈会被继续写回 Skill。

这就是为什么 Hermes 的重点不是“有 Skill”，而是“Skill 会自我改进”。

4. FTS5 跨会话召回：只在需要时调出来

很多人以为跨会话记忆的重点是“存下来”。

其实真正难的是“在对的时候找出来”。

Hermes 用 SQLite 的 FTS5 做全文索引，核心好处有两个：

  • 不需要把全部历史都塞进上下文
  • 可以按当前问题做主题化检索

比如你在聊数据库，它就优先召回数据库相关记忆。

你在聊前端，它就优先召回前端相关经验。

这个机制看似技术细节，实际上直接决定了一个 Agent 会不会“越记越乱”。

5. Honcho 用户建模：从“记住你说过什么”到“推断你是什么样的人”

这一层是 Hermes 更像长期助手的关键。

普通记忆系统，更多是事实层记忆。

而用户建模做的是偏好层和身份层推断。

也就是说，它不只记下你说过的话，还会尝试从你的行为模式里推断：

  • 你偏好什么表达方式
  • 你更像工程师、产品经理还是内容创作者
  • 你处理问题时更偏执行还是偏分析

这件事一旦做对，Agent 的“像你”程度会明显上一个台阶。

当然，它也不是没有边界。

因为推断总有误差，所以这类能力本质上更适合长期使用、逐步校正，而不是一开始就期待它 100% 精准。

6. 不绑定单一模型：它是 Agent，不是某家模型的壳

Hermes Agent 支持的模型来源很多：

  • Nous Portal
  • OpenRouter
  • z.ai / GLM
  • Kimi / Moonshot
  • MiniMax
  • OpenAI
  • 自定义 endpoint

这对开发者和重度用户特别重要。

因为很多时候，真正卡住你的不是 Agent 能力，而是模型供应商切换成本太高。

Hermes Agent 允许你通过 hermes model 直接切换，不需要改代码，不需要重做一套接入层，这一点很实用。

7. 真正可用的终端体验

很多开源 Agent 都说自己有 CLI，但实际体验更像“能跑起来”。

Hermes Agent 明显更重视交互细节：

  • 完整的 TUI
  • 多行编辑
  • slash command 自动补全
  • 会话历史
  • 中断并重定向
  • 工具流式输出

这意味着它不是只适合在 README 里截图，而是真的朝“长期高频使用”去设计。

8. 跨平台消息入口

这一点很容易被低估。

Hermes Agent 不只是一个本地终端工具，它还能通过单一 gateway 接到：

  • Telegram
  • Discord
  • Slack
  • WhatsApp
  • Signal

也就是说，你可以把 Agent 放在云端常驻，然后通过聊天工具远程驱动它。

这类体验和“只能在自己电脑前用”的 Agent，完全不是一个层级。

如果你本来就有远程运维、异步任务处理、跨设备协作的需求，这个能力非常关键。

9. 定时自动化

Hermes Agent 内置 cron 调度，可以直接做：

  • 每日报告
  • 夜间备份
  • 周度审计
  • 定时巡检

而且结果还能投递到你常用的消息平台。

很多人现在做自动化，还是“Agent 一套 + cron 一套 + 消息通知一套”拼起来用。

Hermes Agent 想做的是把这件事原生整合进去。

对个人开发者、小团队、运维类场景来说，这个思路会省很多胶水代码。

10. 运行环境非常灵活

Hermes Agent 支持 6 种终端后端：

  • 本地终端local
  • Docker
  • SSH
  • Daytona
  • Singularity
  • Modal

这背后的信号很明确：

它不是把 Agent 视为“一个必须贴着你电脑跑的桌面工具”，而是视为“一个可以长期在线、根据任务迁移执行环境的系统”。

尤其是 Daytona 和 Modal 这种带有低闲置成本、按需唤醒特征的后端，对想低成本常驻 Agent 的用户很有吸引力。

它更适合这 3 类人

不是所有人都适合一上来就折腾 Hermes Agent。

如果你只是偶尔问几个问题，或者只想要一个简单聊天机器人，那它可能有点重。

但如果你属于下面这 3 类人，会很快看懂它的价值：

1. 想拥有长期型个人 AI 助手的人

你希望它记住偏好、理解你常做的事、沉淀你的工作流，而不是每次都从零开始。

2. 想把 Agent 放到云端长期运行的人

你不想把 Agent 绑死在自己的笔记本上，而是希望它在 VPS 或云环境里长期工作，自己通过 Telegram 或 Discord 远程调度。

3. 做自动化、运维、内容生产的开发者

因为 Hermes Agent 的调度、技能、消息入口、远程运行，本身就很适合这类工作流。

怎么快速上手

官方给的安装方式很直接：

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

安装完成后，常见的第一步命令是这些：

source ~/.bashrc    # 或 source ~/.zshrc
hermes              # 启动交互式 CLI
hermes model        # 选择模型提供商
hermes tools        # 配置工具
hermes setup        # 跑完整初始化向导
hermes gateway      # 启动消息网关
hermes doctor       # 诊断问题

如果你是从 OpenClaw 迁移过来，它还内置了迁移命令：

hermes claw migrate

这一步可以导入配置、记忆、技能、API Key、消息平台设置等内容，迁移成本相对友好。

再回到 openClaw：为什么说 Hermes 值得深看

如果你是从 OpenClaw 的视角来看 Hermes，我觉得可以这样理解：

OpenClaw 让更多人第一次感受到，AI 可以是“我的 AI”。

你可以给它写灵魂文件、配记忆、装 Skill，把它慢慢养成自己想要的样子。

Hermes 则是在这个基础上继续往前走一步：

它试图把“养”的一部分工作自动化。

你不再需要每次都靠自己总结规则、维护方法、更新经验库，而是让系统自己在任务里抽象出规则、沉淀成 Skill、按需召回、继续修正。

所以如果一定要用一句话概括两者区别，我会写成：

OpenClaw 更像你亲手驯化出来的 Agent，Hermes 更像会自我驯化的 Agent。

这也是为什么我觉得，Hermes 不只是值得“知道”，而是值得认真跟踪。

因为一旦自改进 Agent 这条路走通，它改变的不是某一个产品，而是我们今后和 Agent 协作的默认方式。

这类产品真正值得看的，不是“功能多”，而是“闭环深”

我看完 Hermes Agent 的第一感觉是：

它不是那种为了显得全能，把一堆功能拼在一起的项目。

它想搭的是一个更完整的 Agent 基础设施：

  • 前面有模型和工具
  • 中间有终端、消息平台、执行后端
  • 后面有记忆、技能、用户建模、自动化调度
  • 更深一层还有研究和训练相关能力

这套东西的价值，不在于第一次跑起来有多惊艳。

而在于你连续用一段时间后，是否会明显感觉到：

“它开始越来越像一个跟我长期协作的系统，而不只是一次性的智能命令行。”

从这个角度看，Hermes Agent 其实不是在和普通聊天工具竞争。

它更像是在争夺“你的长期 AI 工作台”这个位置。

一灯短评

如果你现在对 AI Agent 的判断还停留在“能不能帮我调个接口、写几段代码、调用几个工具”，那 Hermes Agent 值得你重新校准一下预期。

真正有潜力的下一代 Agent，拼的不是单次回答质量，而是长期协作能力。

Hermes Agent 至少已经把这件事，往前推了一步。

公众号二维码

如果你也在长期关注 AI Agent、自动化和开发者工具，欢迎关注我。

我会继续把这类文档、开源项目和实战资料，整理成更适合中文开发者阅读的深度拆解。

另外，这次文中提到的《Hermes Agent 从入门到精通》PDF，我也给大家准备了领取方式。

1775919928118

1775919910981

公众号输入框回复：260411 就可以拿到这份 PDF 的下载链接。