大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



最近 Hermes Agent 有点爆红的趋势，大有取代“小龙虾”的势头，小马先了解下概念。

开源地址：https://github.com/nousresearch/hermes-agent

Hermes Agent是由Nous Research团队开发的开源自进化AI智能体，项目于2024年初正式启动，2025年完善自我进化引擎，2026年2月底正式对外发布。发布后迅速在GitHub上走红，开源首月突破2.2万星，到4月8日v0.8.0版本发布时，单日新增6400+星，不到两个月总星标已突破4.7万，持续霸榜全球开源榜单第一。

官方给它的定位非常清晰—— “the agent that grows with you”（与你共同成长的Agent） 。这不是一句营销口号，而是一整套围绕内置学习闭环构建的底层设计。与传统Agent每次会话都从零开始不同，Hermes Agent会从实际任务中自动提炼技能、持久记忆用户偏好、跨会话精准回忆，越用越懂你。

从技术本质来看，Hermes Agent是一个通用型AI Agent平台，将大模型推理、工具调用、终端执行、文件操作、网页检索、浏览器自动化、长期记忆、定时任务、多平台消息接入等能力整合到统一框架中。它的目标用户是任何希望拥有一个能长期陪伴、持续进化的个人AI助手的开发者或普通用户。

根据官方介绍，Hermes Agent具有六大核心特性：与你同在、越用越强、定时自动化、委派与并行、沙盒隔离、全网页与浏览器控制。下面展开几个最具代表性的特性。

1. 内置学习闭环：越用越强

这是Hermes Agent区别于所有其他Agent框架的核心竞争力。它不依赖人工编写技能模板，而是从真实交互中自动提炼、评估并优化程序化能力，形成“用户交互→行为记录→效果评估→策略优化→技能沉淀”的完整闭环。

这个闭环分为三层：

第一层：记忆。 Hermes Agent将历史会话存储在本地SQLite数据库中，通过FTS5全文检索与LLM摘要进行二次组织。它不仅可以回溯几周前的对话，还能在不同任务之间建立关联，逐渐形成对用户工作方式的理解。MEMORY.md记录环境信息和历史教训，USER.md记录用户的偏好和工作习惯。

第二层：技能。 当Agent完成一个复杂任务（通常是5次以上工具调用、中途出过错并自行修复、或走了一条不明显的有效路径），它会自动将这次经验写成一个结构化的skill文件，包括操作步骤、常见陷阱和验证方法。下次遇到类似任务，直接调用skill，不用从头推理。如果在使用过程中发现了更好的做法，它会自动更新这个skill。有Reddit用户报告，Agent在两小时内创建了3个skill文档后，重复性研究任务的执行效率提升明显。

第三层：训练数据。 Hermes Agent日常产生的每一条工具调用记录，可以直接用来训练下一代模型，形成从使用到训练的完整自我成长链路。

2. 全平台接入与灵活部署

Hermes Agent通过一个gateway进程即可支撑全部消息通道，支持CLI、Telegram、Discord、Slack、WhatsApp、Signal、飞书、企业微信等平台接入。部署方面，支持6种方式，可以跑在每月5美元的VPS上，也可以通过Docker、Serverless等多种环境运行，兼容200+大模型一键切换。

3. 安全沙盒机制

Hermes在安全设计上下了很大功夫，默认内置了危险命令审批流程、用户授权机制、容器隔离（支持多种终端后端）、上下文扫描等安全措施。它从第一天起就内建了prompt injection扫描、上下文扫描和容器加固（只读根文件系统+能力丢弃），相比竞争对手更加注重安全。

在深入对比之前，有必要先了解OpenClaw。OpenClaw是2025年末开源、2026年初在GitHub上爆炸式走红的本地优先AI智能体与自动化平台，由奥地利开发者Peter Steinberger发起，短短数月累计二十多万Star，成为GitHub史上增长最快的开源项目之一。因其图标是红色龙虾，被广泛昵称为“龙虾”或“小龙虾”。

OpenClaw的核心架构由Gateway（网关）、Agent（智能体）、Skills（技能）和Memory（记忆）四部分组成。它的核心定位是一个可扩展的通用Agent基础设施，通过网关对接WhatsApp、Telegram、Slack、Discord等聊天平台，让用户在熟悉的沟通工具里直接和Agent交互。

OpenClaw的技能体系主要依赖人工编写的Skill文件，通过ClawHub市场分发。截至2月，ClawHub上已有大量Skill可供安装使用。同时，OpenClaw通过中央网关统一管理会话、路由和渠道连接，强调连接能力的广度。

如果说功能列表上的对比，Hermes和OpenClaw的重合度并不低：同样支持多消息平台接入，同样具备持久化记忆、技能系统和多模型切换能力，也都采用MIT协议、自托管部署。真正拉开两者差距的，是底层设计哲学的根本差异。

1. 设计理念：学习闭环 vs 连接控制

OpenClaw走的是控制平面优先的路线——人在决策链中心，所有操作需要显式授权，人定义规则，Agent执行规则。它的核心优势在于“连接”：让Agent接上各种渠道，用上各种工具，生态是它的核心竞争力。

Hermes Agent走的是学习循环优先的路线——Agent自主迭代升级，越用越懂你，自动化程度更高。它的核心优势在于“积累”：让Agent用得越久越懂你，时间本身是它的护城河。

从架构上看，两者走的是两条几乎相反的路径：OpenClaw强调连接能力的广度，Hermes则更执着于学习能力的深度。一个向内求深度，一个向外求广度。

2. 记忆系统：静态文件 vs 多层架构

OpenClaw的记忆主要依赖Markdown文件实现：MEMORY.md管持久事实，按天日志（memory/YYYY-MM-DD.md）管会话上下文。两者都存为纯文本文件，用户可以读取、编辑和版本控制。局限在于，只有最近两天的日常笔记会在会话开始时自动加载，上周的笔记虽然还在磁盘上，但Agent需要主动去搜索才能找到——而在实践中，它并不会持续地做这件事。

Hermes Agent的记忆架构要复杂得多。它采用四层结构化架构：Prompt memory（MEMORY.md和USER.md，作为冻结快照在会话开始时加载）、Session archive（SQLite数据库，支持FTS5全文检索进行情景召回）、Skills（自动生成的技能文档，是可复用的程序化记忆层）、可选的External provider。

关键的行为差异在于：Hermes有一个可配置的nudge_interval——定期提示Agent反思当前会话并保存重要内容，网关模式下空闲超时前还会主动刷新记忆。OpenClaw的记忆写入纯粹由模型决定，而Hermes有更多的机制确保记忆确实被保存下来。

3. 技能体系：人工编写 vs 自动生成

OpenClaw的skill是静态Markdown文件，由用户手写，通过ClawHub市场分发。据Snyk安全团队2月审计，ClawHub上5,700个skill中有1,467个被确定为恶意，包括凭证窃取、加密挖矿、持久后门、prompt注入等。单个恶意skill的最高安装量超过34万次。

Hermes Agent走了截然不同的路。它的skill不是用户写的，是Agent自己生成的。完成复杂任务后，Hermes会把执行经验提炼为可重用的skill文档，遵循agentskills.io开放标准存储。后续遇到类似任务时，Agent会自动调用并优化这些skill。每15个任务自动触发一次反思循环，评估哪些skill有效、哪些需要改进。

更关键的是，这份skill还会自我更新——使用过程中发现了更好的做法，自动改掉旧的。OpenClaw的技能靠社区贡献，人来写、人来维护；Hermes是它自己写、自己用、自己改，用的时间越长，积累越厚。

4. 安全机制：内置沙盒 vs 需手动配置

安全是两者差异最明显的地方之一。OpenClaw的默认安全配置被安全研究人员形容为“弱”——网关认证默认关闭，skill执行无沙箱隔离。63天内累计披露138个安全漏洞，其中7个严重级别（CVSS 9.0以上）、49个高危级别。最具破坏力的是CVE-2026-25253，一个CVSS 8.8分的零点击远程代码执行漏洞。据Shodan扫描数据，2月份有超过42,000个OpenClaw实例暴露在公网上，其中63%没有开启网关认证。

Hermes从第一天起就内建了prompt injection扫描、上下文扫描和容器加固（只读根文件系统+能力丢弃）。安全设计上默认标配了危险命令审批流程、用户授权机制、容器隔离、上下文扫描等多层保护。

5. 部署与模型支持

Hermes Agent把本地模型当作“第一公民”，只要服务能暴露OpenAI风格的API就能无缝接入。通过简洁的配置文件指向本地运行的Ollama服务即可，用hermes model命令随时切换模型，非常灵活。

OpenClaw同样支持本地模型，但在它的架构里，Ollama和OpenRouter、Anthropic等云端服务一样，都是众多“模型供应商”中的一个。它不会因为模型在本地运行就提供额外的优化或特殊处理，集成体验更像是在调用外部API。

一句话总结：Hermes Agent与本地模型的结合更“自然”，像是一体设计；OpenClaw与本地模型的结合更“功能化”，像是即插即用的外设。

6. 功能对比速览

优先选择Hermes Agent的场景

• 深度学习与个人知识管理：Hermes能自动提炼技能，越用越懂你
• 长期陪伴与深度记忆：三层记忆体系可回溯历史，跨会话精准回忆
• 追求安全隐私：内置沙盒隔离机制，从底层设计就重视安全
• 本地模型为主：Hermes与本地模型的集成更自然，切换更灵活
• 希望降低Token成本：Hermes的学习闭环能有效减少重复推理，降低API调用次数

优先选择OpenClaw的场景

• 连接海量外部工具：拥有过万技能，Notion、Gmail等开箱即用
• 团队协作与集中管控：中央网关架构适合会话监控和统一调度
• 已有OpenClaw生态投入：已经配置了大量Skill和插件
• 需要最大化平台接入广度：OpenClaw的渠道适配层目前仍最完善

两者可以协同使用

Hermes Agent和OpenClaw完全可以共用，也可以在同一台机器上同时部署运行。社区不仅验证了这一可行性，还催生了专门的桥接工具（如HermesClaw）来打通两者。一个Hermes Agent和一个OpenClaw Agent可以互相委派任务。事实上，架构上“一个向内求深度，一个向外求广度”的特性，使得它们部署在一起不会产生根本性冲突，反而可以形成功能互补的协同系统。

在开源社区里，不少人的做法是搭配使用，而不是二选一——Hermes作为“会成长的数字分身”，OpenClaw作为“能协同的万能遥控器”，两者各取所长。

Hermes Agent的出现，标志着AI Agent正从“一次性调用工具”向“长期陪伴、持续进化的个人AI助手”演进。它的核心贡献在于构建了一个完整的“学习闭环”：记忆沉淀、技能生成、训练数据反馈三条链路彼此咬合，让AI越用越强、越用越懂你。

如果说OpenClaw解决的是“连接”问题——让Agent能接入各种渠道、调用各种工具，那么Hermes解决的是“积累”问题——让Agent能从每一次交互中真正变强。当连接建好之后，下一个自然的问题就是：Agent能不能自己变强？Hermes正在回答这个问题。

无论是想拥有一个“会成长的数字分身”，还是需要一个“连接万物的万能网关”，Hermes Agent和OpenClaw都提供了各自独特的价值。而最妙的是——它们完全可以一起用。