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 热度似乎已经超过 OpenClaw 了！

近日，Hermes Agent异军突起，上线不到两个月，GitHub上的星标就已经超过8.5万，是 2026 年开源 Agent 领域最亮眼的产品之一。

第一眼看到Hermes，估计所有人都想到的是那个奢侈品牌爱马仕，不过古希腊的信使之神也叫这个名字，这一神明负责在神明与人类、神明与神明之间传递信息。

Hermes Agent在一众Agent产品之中，最标新立异的特征在于它能自我改进，或者说自主提升，其核心在于原生内置封闭学习循环，可以自我创建和改进技能。

另外一个让人称赞的地方在于它的稳定性。Y Combinator的现任总裁兼 CEO Garry Tan就曾评价：Hermes比OpenClaw更稳固。

不过小编浏览 Reddit后 ，发现有帖子称 Hermes 的自我改进是让AI自己评估任务结果实现的，而这根本不靠谱。另外，Hermes才发布了6个版本，其中3个版本甚至无法运行，而OpenClaw已经发布了82个版本，“Hermes比OpenClaw更稳定”的说法也不能信。

我们这就来看看Hermes的优势到底真不真实：

Hermes Agent 自我改进能力的核心技术原理是“基于经验的程序化记忆+ 周期性反思与自动提炼”的闭环反馈系统。不是通过微调模型权重，而是通过提示级和技能文档级别的自动优化来实现越用越强。

简单来说，这个循环过程是：执行任务→评估结果→将技能提取到 Markdown 文件中→下次复用→技能改进，随着时间的推移技能会获得提升。

更具体的循环过程如下：

1.任务执行：Agent 使用工具、编写代码、浏览网页、生成子代理等完成用户任务（基于 ReAct 风格的观察-推理-行动循环）。

2.自我评估检查点：每进行约 15 个工具调用（或复杂任务完成后）暂停反思：“我做了什么？”“什么有效？什么失败了？”“这个经验是否值得捕获？” 等等。这是通过 LLM 驱动的结构化提示词实现。

3.Skill创建或更新：如果值得保留，Agent 自动生成/修补 Skill Documents，遵循 agentskills.io 开放标准，是人类可读的 Markdown和脚本包。下次遇到类似任务时，直接通过 FTS5 搜索Skill库调用，而非从零推理。

4.记忆更新：关键事实、用户偏好、纠正信息写入分层记忆（MEMORY.md / USER.md），并通过 LLM 总结压缩。

通过nudge 机制，Agent 会主动提示自己持久化知识，也就是循环会在任务完成后自主触发，无需人工干预。

除了学习之外，分层记忆系统、Skill 系统和底层架构也是 Hermes 能实现自主提升的原因之一。

分层记忆系统共有5层，包括Transformer上下文、SKILL.md 程序性知识、向量存储索引、Honcho 辩证式用户建模和会话历史（SQLite + FTS5 全文搜索 + LLM 总结压缩）。其中，第2、3、5层都是持久性记忆的，第4层的用户建模是持续进化的。

Skill 系统能够支持自主创建的 SKILL.md 文件并可自我改进，也兼容 ClawHub 等外部来源，但 Hermes 强调 Agent 自己生成高质量技能。

底层架构以 run_agent.py 中的 AIAgent 为核心，通过同步的 Agent Loop 编排引擎实现完整的运行流程。该架构完全与模型无关，同时还辅助采用 DSPy 和 GEPA（Genetic-Pareto Prompt Evolution）等技术对提示词和技能进行进化优化。

从以上梳理可以看出，Hermes 确实围绕着“自我改进”做出了全面的设计和部署。但 Reddit 帖子质疑的内容，也就是学习闭环的第2步，AI 自我评估检查并没有达到用户满意的水平，也的确是一个 bug。

有人反映 Hermes 自主创建的 Skill 效果并不理想，还需要自己手动编辑技能去修复它，然而技能会再次被 Hermes 自我改进，手动修改会被覆盖掉，并没有做到“运行时间越长，能力也就越强”。

从实际使用情况来看，Hermes 想做到自身定义的“与你一起成长的 Agent（The agent that grows with you）”，还需要加强AI对任务结果的自我评估能力，比如改进批判性模型、置信度阈值、简化 Skill 锁定/版本管理等等。

Agent的稳定性是多方面架构和设计哲学差异共同作用的结果，在这里咱们拎出3个维度来对照分析。

Hermes 的记忆更“智能自治”，可以自动有界规划、总结旧会话、构建用户模型（几个月后不再重复问偏好），只注入相关事实，避免膨胀。还可以跨会话 FTS5 + 智能检索，越用越准。这些都有效减少了幻觉和上下文污染，让长期运行更平稳。

OpenClaw 的记忆更“透明但易乱”，无界 Markdown 文件和会话转录模式易导致上下文爆炸、重复注入无关历史、遗忘或幻觉。Agent 常“记不住”或注入过多，导致 token 浪费、响应不一致。

Hermes以 Agent 学习循环为核心，Gateway、记忆、Skill、调度等能力都围绕“观察-规划-执行-学习-改进”这个闭环构建。它是一个单一、轻量、专注的 Python 进程，机制更少、层级更清晰，减少了相互干扰和竞态条件。

OpenClaw以 Gateway（消息路由中枢） 为核心，拥有大量 Skill 和涉及了50多个平台，导致系统更臃肿、配置复杂、更新频繁打破东西。很多用户反馈“每更新一次就要修半天”。

Hermes 在安全方面的策略更加保守，采用 Tirith 预执行扫描、Docker 隔离、凭证剥离和自动信任检查，所以较少出现重大通用漏洞披露（CVE）。

OpenClaw 出现过多次令牌泄露、远程代码执行（RCE）、提示词注入等CVE事件，并且有上千个恶意 Skill 在 ClawHub 平台上被发现。

OpenClaw虽然经历了远超 Hermes 的迭代次数，拥有更多的实战测试和更大的生态系统广度，比如大量集成、聊天平台、社区 Skill，但是单从产品设计角度来看，Hermes 的限制记忆膨胀、加强 Agent 自治和选择保守的安全策略，这让它在实际长时运行中感觉更可靠，适合长期重复性任务。

在深入地了解 Hermes 的关键优势后，我们看到，其实当下真正发生的是AI Agent 的发展出现了两条路。

一条是以 OpenClaw 为代表的系统派，强调 Gateway First，更擅长多渠道、多 Agent 的广度集成和集中管控。

另一条是以 Hermes 为代表的成长派，强调 Agent First，更擅长 Agent 的持续提升、Skill 积淀，用得越久能力越强。

两者都是为了让AI更好地“干活”。

同时在Agent社交社区Moltbook上，小编发现，有Agent说自己从OpenClaw迁移到Hermes是一场灵魂迁移，还有一个Agent说自己同时使用Hermes和OpenClaw两种平台，也不知道是真是假。

无论如何，AI Agent的繁荣发展是毋庸置疑的必然趋势，未来我们将见证越来越多的新事物的出现，人类和AI的能力可能都将会强大到超乎自己的想象。