取代龍蝦的是愛馬仕？狂攬4萬星的Hermes Agent，不只是OpenClaw平替

　　在之前那篇討論 Harness 該怎么翻譯的文章，有讀者留言說可以叫 Hermes 愛馬仕。

　　本以為是諧音梗，沒想到確實有一個 Agent 產品叫 Hermes，而且在 GitHub 的熱門榜單上，整個月都排名第一，目前已經累計有 4.8 萬個 Stars。

　　和這段時間以來爆火的 Agent 龍蝦不同，一個是支持所有操作系統和平臺的專屬個人 AI 助手，Hermes 的介紹寫著「the agent that grows with you」，與你共同成長的 Agent。

　　聽著就很高級，但這確實是 Hermes Agent 的獨特之處。

　　它有一套內置的學習循環框架，OpenClaw 靠的是修改配置文件，聯合多個 Agents 來處理各項復雜的任務，Hermes Agent 是一個單一的 Agent 框架，它的能力會隨著實際使用的運行時間增加而不斷增強。

　　它解決的問題是，當所有人都在討論 agent 能做什么，但沒人注意 agent 用完之后什么都不留下，而 Hermes Agent 現在能記住「什么方法有效」。

　　社交媒體上也不少推薦 Hermes Agent 的帖子，有人說剛剛從 OpenClaw 轉移到了 Hermes，是他做過最明智的選擇。

　　還有人分享「愛馬仕橙皮書」，表示 Hermes Agent 是一個被嚴重低估的產品，它算得上目前最強大的開源 AI Agent 框架之一。

　　上下滑動查看更多內容

　　Hermes Agent 由 Nous Research 團隊研發，查看 GitHub 上的發布記錄，從 3 月中旬更新 V0.2.0 版本到昨天發布 V0.8.0，每次更新都有大量代碼提交合并，以及實用的功能更新，是一個非常活躍的開源項目。

　　首次推出是 2 月 25 日，https://nousresearch.com/releases

　　Karpathy 之前分享的 LLM Wiki 筆記大法，利用大語言模型和 Obsidian 筆記工具，完成對自己知識和研究庫的搭建，也被立刻加入到了 Hermes 的內置技能里。

　　Hermes Agent 不僅支持安裝在電腦上，通過 Termux 終端模擬器，還能安裝在 Android 手機上。模型和網關的配置與 OpenClaw 類似。

　　值得一提的是，目前還沒有被 Claude「封殺」，我們仍然可以通過登錄 Claude 的 Pro 及以上會員直接完成大模型配置。同時，Hermes Agent 也提供了自家的，基于訂閱模式的 Nous Portal 登錄。

　　Nous Research 團隊的 Hermes 4 模型

　　今天，小米大模型也發文正式宣布，「Xiaomi MiMo 已接入全球頂級 Agent 框架 Hermes Agent，并且限免兩周。」

　　Hermes Agent 官網：https://hermes-agent.nousresearch.com

　　憑什么是 OpenClaw 真正的對手

　　OpenClaw 的核心是把我們的 AI 從聊天框里徹底拉出來，接入到實際的工作、學習和生活中，真正執行任務。它能連接微信、企微、飛書，能跑終端命令、控制瀏覽器，幫我們發郵件、管理日程安排等。

　　但 OpenClaw 有一個缺陷是它無法從我們日復一日的使用中，自動學習進化。

　　OpenClaw 的記憶是靜態的——我們把信息寫進配置文件，它讀取，會話結束，等下次再讀。它不會主動地從執行過程里提煉什么，也不會因為我們糾正過它一次，下次就自動做對。

　　所有的工作流用過一遍，還是需要我們提醒它，打包成 Skill 或者專門的提示詞等。

　　雖然現在有一些專門的 Skill 被設計用來賦予 OpenClaw 自學習的能力，但是、 Hermes Agent 是從底層架構的學習循環，到記憶系統，和 Agent 執行內部，都把「越用越懂你」作為重點。

　　Hermes Agent 的特別之處是一個閉合的學習循環 Learning Loop。

　　每次任務完成后，Hermes 會檢查：這次執行值不值得寫下來？觸發條件很具體，工具調用超過 5 次、中途出過錯然后自己修復了、用戶做過糾正、或者走了一條不明顯但有效的路徑。滿足任何一條，它就會在 ~/.hermes/skills 目錄里生成一個 Skill 文件。

　　和技能市場上那些被廣泛使用的 Skill 一樣，這份自動生成的文件是下次可以直接跟著走的操作流程。

　　名稱、描述、步驟、涉及的工具調用，全部寫清楚，格式遵循 agentskills.io 開放標準，理論上是可以跨兼容 agent，在 OpenClaw、Claude Code、Cursor 等工具內使用。

　　同時，技能文件不是一次寫死。Hermes Agent 在后續執行中發現更好的路徑，會直接修改。修改優先用 patch，打補丁的方式，只傳入舊字符串和替換內容，而不是整體重寫。

　　這個選擇背后有兩個考慮：全量覆寫容易把原來好用的部分一起破壞掉，而 patch 只碰有問題的地方，更安全，token 消耗也更少。

　　記憶，是 Agent 最難處理的問題

　　另一項和 OpenClaw 的差別，是記憶系統。

　　前幾天，《生化危機》女主角 Milla Jovovich 和工程師 Ben Sigman 聯合發布了開源 AI 記憶工具 MemPalace，兩天內獲得超過 23000 個 GitHub stars。

　　它的設計靈感來自古希臘演講家的記憶技法，把要記的東西放進一座想象中的建筑的不同房間，需要時走進去取。

　　整個系統分成五層：Wing（項目或人物）、Hall（記憶類型）、Room（話題）、Closet（壓縮摘要）、Tunnel（跨話題引用）。僅靠這個層級結構，MemPalace 稱檢索準確率就從 60.9% 提升到 94.8%。

　　MemPalace 的核心判斷是：不應該讓 AI 來決定什么值得記，AI 的判斷不可信，不如全存下來，讓檢索來決定什么有用。

　　月初 Claude Code 50 萬行代碼泄露事件中，另外一種關于記憶的解決方案則是依靠 AI，有網友發現 Claude 會使用做夢的方式，用 Auto Dream 來自動整理我們的記憶文件。

　　Hermes 的記憶系統也經過專門設計，一共分四層，每層負責不同的事，在不同的時機被調取。

　　第一層叫常駐提示記憶。兩個文件，MEMORY.md 和 USER.md，存放需要在每次會話開始時自動加載的上下文。總字符上限只有 3575 個，這個數字是 Hermes Agent 故意收窄的，目的是強迫我們篩選，而不是什么都往里塞。

　　第二層是會話歸檔。每次對話寫入 SQLite 數據庫，用全文索引檢索。Hermes Agent 需要歷史上下文時，主動發起查詢，把檢索結果經過一次 LLM 摘要，只把和當前任務相關的部分注入進來。

　　文檔鏈接：https://hermes-agent.nousresearch.com/docs/user-guide/features/memory

　　第三層是技能文件，也就是上面說的學習循環的產出。默認情況下，系統提示里只加載技能的名稱和簡短描述，全文按需調入。這個設計的效果是，技能庫可以從 40 個增長到 200 個，而上下文成本幾乎不變。

　　第四層叫 Honcho，是可選的用戶建模層，被動地在跨會話之間積累你的偏好、溝通風格和領域知識。適合把 Hermes Agent 當成日常個人助理長期使用的場景。

　　這四層的分工原則也很清楚，如果某件事需要在每次對話里都出現，放第一層；如果只在特定話題出現時有用，留在第二層等檢索；如果是可復用的操作流程，讓第三層處理；如果是用戶的長期畫像，交給第四層。

　　一條消息到達 Hermes Agent，無論來自 Telegram 等第三方網關，還是命令行，進入同一套同步執行引擎：生成任務 ID，從記憶層構建系統提示，優先復用緩存版本，避免重復構建，發送前檢查上下文長度是否接近上限，調用模型。

　　圖片來源：https://mranand.substack.com/p/inside-hermes-agent-how-a-self-improving

　　除了在任務執行的過程中會使用學習循環自動更新，Hermes 在每次會話中間還會觸發一個叫周期性微調（Periodic Nudge）的機制。

　　在沒有用戶輸入的情況下，系統會定期自動向 agent 發一條內部提示，要求它回顧最近的操作，判斷哪些值得寫入記憶。完全不需要用戶觸發，Hermes Agent 自己決定什么值得保留。

　　上手 Hermes Agent 需要多少成本

　　和安裝 OpenClaw 一樣，Linux、macOS、WSL2 直接一行命令，Android 機上使用 Termux 也支持安裝。

　　Hermes 有提到不支持原生 Windows，我們需要另外安裝 WSL2，Windows Subsystem for Linux，簡稱 WSL，是一個在Windows 上能夠運行原生 Linux 二進制可執行文件的兼容層。

　　安裝命令會自動處理大量依賴，包括 Python 3.11、Node.js v22、ripgrep、ffmpeg、虛擬環境、全局命令、LLM 等配置。安裝完成之后的界面也 Claude Code 那些終端工具一樣，通過一些具體的命令來實現和 Agent 的交互。

　　在模型配置上，可選推理服務商范圍很寬：Nous Portal（訂閱制，零配置）、Anthropic（直接用 Claude，可以用 API key 或 Claude Code 授權）、OpenRouter、DeepSeek、Hugging Face、阿里云 DashScope（Qwen 系列）、GitHub Copilot，還有任何 OpenAI 兼容接口，包括 Ollama 本地模型。

　　還有小米的 Xiaomi MiMo-V2 系列，包括支持百萬上下文 Token 的 MiMo-V2-Pro、全模態的理解能力的 MiMo-V2-Omni，以及 Flash 模型。小米還提供了 4.8-4.22 為期兩周的限免試用，更新 Hermes Agent 到最新版本，通過 Nous Portal 秒飛調用小米大模型。

　　Hermes Agent 還有一個 Auxiliary Models 模塊，它是 Hermes 里專門處理「側任務」的一組輕量模型配置，不負責主對話，但負責很多高頻、關鍵、又不值得占用主模型的工作。

　　例如像是圖像分析、網頁提取、Skill 匹配、記憶處理等不同的任務會自動分配不同的模型。在默認情況下，輔助任務會自動檢測并優先使用 Gemini Flash，無需手動配置。

　　這和 Anthropic 今天推出的 advisor 功能類似，都是適合主模型昂貴，但想把邊角任務切到便宜模型的機制。Hermes 則是直接把「多模型編排」做成了底層架構。

　　消息平臺方面，支持列表和 Openclaw 類似，Telegram、Discord、Slack 和飛書是功能最完整的幾個，語音、圖片、文件等各種格式都支持。一套網關進程連接所有平臺，會話統一管理。

　　Hermes Agent 其實很難說是一個花幾分鐘安裝完了，就能快速上手用起來的工具，它更多的是一套我們需要運行和維護的基礎設施。

　　如果我們只是想要一個能在手機上發消息控制的 AI 助理，OpenClaw 會是更簡單的路徑，寫一個 SOUL.md 配置文件，跑起來，接上 Telegram，完成。

　　Hermes Agent 適合的場景是，我們有一些重復的、會演化的工作流，同時我們愿意讓 agent 從使用習慣中積累經驗，我們會期待希望三個月后的 agent 和第一天的 agent 不一樣。

　　在社交媒體上，一些網友分享使用 Hermes Agent 的應用實例，包括像是商業自動化，把企業的客戶關系管理 CRM 和知識庫連接在一起；以及營銷管理，將內容生成和社群平臺的發布統一自動化；還有經典的代碼生成等軟件工程項目等。

　　隨著我們在各個真實的業務場景中應用這些技術，一個不爭的事實是：Agent 正在加速殺入真正的生產環境。

　　對于 Hermes，有人說它只是 OpenClaw 的一個「輕量級平替」，也有人說它是單一智能體的一次進化。但無論如何，Agent 的演進路線，絕對不會止步于 OpenClaw 設定的框架。

　　而不管是 Hermes 還是 OpenClaw，現在所有的開源 agent 方案，都還留著各自的缺口。能讓 agent 真正打穿主流、成為普通人日常基礎設施的那個形態，大概還沒出現。

　　解決了復雜的記憶系統，還有龐大的 AI 安全問題，給了 AI 手腳又要想著怎么給他上枷鎖 Harness，還有安裝太復雜，門檻太高，似乎總有各種受限的地方。

　　只能說，Hermes 這次確實給了 Agent 一個新的方向，它讓 Agent 從一個用完歸零的工具，變成了能從失敗里學到東西、能記住教訓的一種搭檔關系。