本篇文章的部分核心观点、图表及数据，出自华创证券于2026年4月11日发布的报告《【点评报告】量化看市场系列之十四：一文了解Hermes Agent》，如需获得原文，请前往文末下载。
AI Agent工具链正经历第二次跃迁。OpenClaw在2025年底引发"龙虾热"，峰值用户达2600万；2026年2月，Hermes Agent发布，两个月GitHub星标突破27000，成为新焦点。两者本质区别在于：OpenClaw采用配置即行为范式，Hermes则将驾驭工程（Harness Engineering）内建为出厂原生能力，实现从"人类为AI造缰绳"到"AI自主构建并优化自身缰绳"的转变。
从发展脉络看，2025年底OpenClaw的峰值用户数达到2600万，掀起AI Agent首次在大众层面的传播热度，国内主要科技企业相继跟进推出"龙虾类"产品。这一阶段的本质是：用户通过手写CLAUDE.md/SOUL.md等配置文件来定义Agent行为边界。
2026年2月，Nous Research发布Hermes，核心突破在于将Harness Engineering所需的驾驭机制从用户自建的外部附加项，转变为出厂即内建的系统能力。驾驭工程五组件（指令层/约束层/反馈层/记忆层/编排层）在Hermes中均有原生实现，无需用户手动搭建。
这一范式转变的意义在于：控制权始终保留在用户侧，系统承担执行与持续学习的复杂度。用户负责设定规则与目标，Agent在执行过程中自主生长与调整，显著降低了长期运行中的维护成本。
Hermes记忆系统采用三层架构，各层职责明确，互不重叠。底层基于SQLite，并辅以FTS5（全文搜索索引）实现按需检索，避免全量加载带来的上下文膨胀。
三层记忆的分工：会话记忆作用域为当前会话内，典型内容包括上一轮对话内容、临时状态、未完成指令，检索方式为会话级缓存；持久记忆作用域跨会话、跨用户，典型内容包括用户身份特征、长期偏好、固定约束，检索方式为按需FTS5检索；Skill记忆作用域为全局行为库，典型内容为可复用的任务流程与方法论，以Markdown形式存储。
三层之间支持联动：持久记忆可决定调用哪些Skill记忆；会话记忆可为持久记忆的更新提供事实依据。这一设计确保了积累几个月对话也不会变慢，真正实现"按需检索，只在相关时才调出历史"。
会话记忆采用会话级缓存机制，容量大但生命周期短；持久记忆以FTS5索引为底层，支持跨会话、跨用户查询；Skill记忆以Markdown文件形式存储，可直接在编辑器中查看和修改。这种分层设计保证了记忆的长期价值与短期效率的平衡。
内置工具集是Hermes Agent与环境交互的执行层。工具按能力划分为五大类别：执行类（运行代码、操作文件系统、执行系统命令，如Bash、Python解释器、文件读写）；信息类（搜索、抓取、解析外部数据，如Web搜索、HTTP请求、HTML解析）；媒体类（图像、视频、音频的基础处理，如截图、格式转换、缩略图生成）；记忆类（读写三层记忆系统，如记忆存储、检索、更新接口）；协调类（子Agent创建、任务拆分、结果合并，如委派Agent、并行执行器）。
当Agent在后续任务中调用某个Skill时，如果发现这个Skill已经过时、不完整或有错误，它会主动进行修复。修复方式很优雅——使用patch操作，采用精准的find-and-replace方式，只修改需要变更的片段，而不是重写整个文档。
Skill有三种来源：原生内置（仓库发布时的初始Skill集合）、Agent自创（学习循环在复盘过程中自动生成的新Skill）、社区安装（从Skill Hub导入的共享Skill）。这一机制使Agent能够在不依赖外部配置更新的前提下，随任务积累逐步收敛到更优的执行策略。
从社区生态看，Skill Hub允许用户安装其他人创建的Skill，目前已有涵盖SEO写作、数据分析、代码审查等多个领域的社区Skill可供一键导入。这意味着Hermes的能力边界可以随社区贡献不断扩大。
A：2025年底OpenClaw引发的"龙虾热"标志着AI Agent首次在大众层面获得可见度。2600万峰值用户验证了AI Agent工具的巨大市场需求，也为后续Hermes等新一代工具奠定了用户认知基础。
A：学习循环在每次任务执行完成后自动启动，经历"复盘→提炼→沉淀→优化"四个步骤。Agent自动识别失败模式、抽象可复用行为、更新Skill文件，无需人工干预。
A：传统方案全量加载历史对话会导致上下文膨胀。FTS5按需检索，只在相关时才调出历史，确保数据库积累几个月对话也不会变慢，实现高效的长期记忆管理。
A：delegate_task工具能同时启动最多3个子Agent，每个有独立的上下文和工具集，可用于复杂任务的并行拆分与协同处理。
A：一条命令"hermes claw migrate"即可自动完成人设、记忆、技能和配置的完整迁移，保留了用户既往的时间投入和经验积累，切换成本极低。
因篇幅限制，仅展示部分，更多重要内容、核心观点，请参考报告原文或底部相关报告。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/265751.html