Hermes 憑什么兩個月接棒 OpenClaw？

4月，Hermes Agent憑借“自進化”挑戰了OpenClaw的霸主地位。盡管兩者基礎功能高度重合，但Hermes通過“技能自動進化”與“主動記憶管理”，實現了從“手動配置”到“自主成長”的跨越。

這種將復雜度隱藏在底層規則中的設計，雖在處理復雜任務時仍有隱患，卻精準踩中了“干預遞減”的自動化趨勢，為Agent向“伙伴”進化搶占了關鍵生態位。

———— / BEGIN / ————

進入 2026 年 4 月，才火了兩個月的 OpenClaw （俗稱“龍蝦”）就迎來了它的挑戰者。Hermes Agent 連續數周占據 GitHub Trending 榜首，狂攬 22,000 顆星。

它火到什么程度呢？

連 Anthropic 都要抄它的。

4 月 10 日，Nous Research 的創始人 Teknium 跳出來吐槽，說 Anthropic 正在「復制」Hermes 自動判斷任務完成、主動提醒用戶的功能。

社區敘事也因此非常統一，認為 Hermes 憑借自進化 Agent、自動記憶管理和用戶建模系統，在技術上全面超越了前任王者 OpenClaw，重新定義了開源 Agent 的方向。

不過，如果拋開這些宏大敘事，真正把兩邊拆開對比，你會發現它們在功能上一模一樣的地方，遠比差異多得多。

比如定時調度，兩邊都有。

Hermes 支持人類可讀的格式和標準的 cron 表達式，每個任務都跑在隔離的會話（session）里。

OpenClaw 也同樣支持 at、every、cron 三種調度類型，任務直接持久化寫進本地的 JSON 文件，重啟也不會丟。

再比如子 Agent 委派，兩邊都有。

Hermes 的 delegate_task 支持單任務和最多 3 個并行子任務，子 Agent 環境完全隔離，干完活只返回一個摘要。

OpenClaw 的 sub-agent 機制也支持這種后臺隔離執行和結果回傳，甚至還能配置嵌套深度。

瀏覽器自動化、TTS（語音合成）、Vision 視覺能力、圖像生成、語音交互，兩邊也全都有。

Gateway 方面，Telegram、Discord、Slack、WhatsApp、Signal 等 20 多個平臺的消息集成，兩邊也毫無懸念地全都有。

對著清單一項項打勾就會發現，兩者的功能幾乎完全重合。

所謂功能表上的「絕對碾壓」根本不存在。

那么問題來了，既然功能都一樣，Hermes 憑什么火成這樣？社區里被吹上天的「自進化」「自動記憶」「用戶建?！?，到底有多少是真正的底層結構差異？

會自己長大的 Skill

翻遍兩邊的默認配置，你能找到的唯一硬核差異就一個，即，Hermes 在 Skill（技能）上實現了自動進化的閉環。

Skill 算是 Agent 的工作流知識單元，說白了就是一個 Markdown 文件，專門告訴 Agent 遇到某類任務該按什么步驟干、中間調什么工具、搞砸了怎么救場。

Hermes 把技能的生命周期硬生生劈成了兩截。一截是運行時的靜默生成，另一截是離線的硬核進化。

先說生成。平時讓 Agent 干活，只要它在中間調用了 5 次以上工具，或者出了錯又自己把流程救回來了，再或者你作為用戶直接糾正了它的輸出，主倉庫里一套寫死的硬規則就會被觸發。Agent 會默默把剛才那套跑通的工作流打個包，存成本地的 SKILL 文件。這一步完全靜默，很多時候你根本不知道它又給自己寫了個新技能。

等下次再遇到類似任務，它會自動去掃索引。這個加載過程分四層漸進，就像去圖書館找資料。它先看目錄卡片（Tier 0），只把名稱和描述塞進系統提示詞里，大概占 3,000 個 token。方向對了，再逐層去書架拿書，把完整內容展開。

但真正讓 Hermes 拉開身位的，是第二步的進化。

Hermes 內置了一套離線批量進化算法，還專門拉了一個獨立倉庫（hermes-agent-self-evolution）。引擎用的是 DSPy 框架，加上一套叫 GEPA 的核心算法。

GEPA 的全稱是 Genetic-Pareto Prompt Evolution。這套體系并非 Hermes 自創，出自 Lakshya Agrawal 等人的一篇 ICLR 2026 Oral 論文，標題就叫《反思性提示詞進化可以跑贏強化學習》。

現在的學術圈搞技能進化，大部分都在走 RL（強化學習）的路線。像 SkillRL 或者 SAGE 這些框架，連名字都帶著 RL，指望用梯度更新來強化技能庫。但 GEPA 走了一條完全對立的路，刻意拋棄了強化學習。GEPA 論文本身就是在證明一件事，哪怕沒有梯度更新，靠大模型的反思能力加上進化算法，不僅能跑贏 RL，樣本利用效率還更高。

它是怎么做的呢？

這套算法有三個硬核的底座。

首先是反思性變異（Reflective mutation）。它不是瞎猜式的隨機變異。大模型會去讀之前的執行軌跡（trace），自己反思這次為什么做對了，為什么做錯了，提示詞到底該改哪幾個字。

其次是帕累托前沿選擇（Pareto frontier selection）。生成了一批變異的候選技能后，它不是一刀切只留全局均分最高的。只要某個候選在哪怕一個評估樣本上表現最強，它就會被保留下來。這么做是為了保證技能探索的多樣性和魯棒性。

最后是自然語言反饋作為變異信號。傳統 RL 靠數值 reward 引導參數更新，但數值信號顆粒度太粗，跑了一次得 0.6 分，你根本不知道是哪里對哪里錯。

GEPA 的每次變異用的都是具體的自然語言反饋，比如「這一步沒檢查邊界條件」「應該先讀配置再寫緩存」。LLM 讀得懂這種反饋并據此產生下一輪變體，比解讀一個浮點數有效得多。

把它串成工作流就是這樣。系統定期去讀現有的 SKILL 文件，去歷史會話里抽樣（或者干脆自己合成）搞出一個評估集。然后 GEPA 介入，看執行軌跡，反思提意見，生成候選變體，跑一輪評估，最后用帕累托算法挑出贏家。

這套離線的進化閉環跑完，得出優化后的 Skill 后，它不會直接覆蓋原文件，而是老老實實生成一個 PR（Pull Request），必須要等你作為人類審核員點頭合并，這個進化的技能才會真正生效。系統永遠不會進行直接提交。

這直接戳破了社區里那套「用戶完全無需介入」的爽文神話。Hermes 的態度其實很明確，技能生成可以全自動且靜默，但技能進化必須過人眼。

回過頭看看 OpenClaw。它也不是沒有 Skill 系統，但要命的是每一步都得靠你主動。你需要手動建文件、手動安裝、再手動授權，三個條件湊齊了技能才會生效。搞了個新 Skill 還得重啟它統一管理的 Gateway 網關進程，系統才能認得出。

而且它的加載極其簡單粗暴，根本不做任務匹配，只要配了就全量塞進上下文里，除非你手動加個禁用標簽把它踢出去。

兩邊都有 Skill。真正的區別就在于誰來按下啟動鍵。

Hermes 說「放著我來」，OpenClaw 說「你自己搞」。

誰在替誰記事

如果說 Skill 解釋了 Hermes 為什么「越用越快」，那社區里傳得神乎其神的另一半敘事「它懂我是誰」，就得歸功于記憶系統了。

現在的三大主流 Agent（Claude Code、OpenClaw、Hermes）其實都有自動記憶。但只要稍微深挖就會發現，它們服務的對象、觸發機制和記憶保質期完全是兩碼事。

先說 Claude Code。

它的自動記憶（auto-memory）是默認開著的，平時干活時會自動把構建命令、調試經驗、架構筆記甚至代碼風格都記下來，而且每 24 小時就跑一次 Auto Dream 來整理，把過期或者自相矛盾的東西清掉。

聽起來很智能，但這套系統有著極其嚴格的項目隔離。

它的邊界卡死在 git root（項目根目錄）上，項目 A 里學到的血淚教訓，絕對帶不到項目 B 里。它不記你的個人偏好，不關心坐在屏幕對面的是誰，腦子里只有「這個項目該怎么跑」。

再說 OpenClaw，它的記憶系統就更偏長程。每次啟動對話，它都會把包括 MEMORY.md 和 USER.md 在內的 8 個底層文件強制灌進自己的腦子里。這兩個文件不僅跨項目共享，而且會自動寫入。

那它是怎么寫入的呢？

它的寫入機制極其被動，更像兜底。

在每次對話的上下文（token）快要撐爆、系統準備做大壓縮（compaction）之前，Agent 會悄悄跑一個 silent turn（隱藏輪次）。它會在這個輪次里，把當前聊過的重點隨手記到當天的日記文件里，同時把關于你的偏好寫進長期掛載的 MEMORY.md 或 USER.md。

所以你很久沒用 OpenClaw，隔幾天一打開發現它「居然還記得你是誰」，靠的就是這張被動結成的長期大網，那些偏好早就被塞進了幾個啟動必讀的文件里。

這確實能讓人產生「這 AI 可以養」的實感。但本質上更像是一種求生本能，眼看腦子裝不下了趕緊存一下檔。

至于那些老舊日記，如果不用外掛的語義向量數據庫支持，它只能靠關鍵詞生搜。

在這個維度上 Hermes 是另一套邏輯。

在 v0.7 版本之前，Honcho 是 Hermes 里唯一寫死的長期記憶后端，沒有別的選項。

這個之前是默認選項的 Honcho 設計得很巧妙。絕大多數 Agent 的記憶系統（包括 Hermes 的默認內置記憶）本質上是一個被動的記錄儀。你聊了什么，它切碎了轉成向量塞進數據庫，下次遇到相似的話題再通過計算距離（Embedding 余弦相似度）撈出來。

Honcho 不走這條路。它是一個「AI 原生」的記憶后端，主打的是異步的辯證推理（Dialectic reasoning）和深度實體建模。

你跟 Agent 聊完天，主會話結束了，但 Honcho 的活才剛開始。它會在后臺拉起額外的模型調用，對剛聊完的歷史進行分析，提煉出你話里的概念（Entity），提取底層偏好，甚至把你前后矛盾的話進行辯證和對齊。它把你隨口說出的碎碎念，計算成結構化的「洞察（Insight）」。

聽著非常先進，但它也非常費 token，容易把關鍵細節給洗掉。設成插件，更安全。

但就算沒有 Honcho，Hermes 的記憶寫入都比 OpenClaw 主動得多。

Hermes 搞了個微調（nudge）機制，根本不等腦子撐爆，大概每聊 15 輪對話就會被硬性觸發一次。這就是系統強制塞給 Agent 的一條反思指令，趕緊回顧一下剛才聊的，看看這人有什么習慣值得記一筆。

這種高頻的主動反思，讓 Hermes 在同等時間里寫進持久文件的信息量大得驚人。

不僅寫入更積極，Hermes 找回記憶的手法也更硬。它在默認架構里內置了 SQLite FTS5 的全文檢索能力。不用再去費勁配什么詞向量服務，Agent 想翻舊賬，直接就能去龐大的過往聊天記錄里掃街。

把這三家擺在一起看，那條進化線就清晰了。

OpenClaw 是一套被動觸發的長期記憶體系。Claude Code 做到了主動記錄和整理但底線是對事不對人。而 Hermes 把觸發時機做得極其主動，記憶插件隨意切，全局共享，還默認配齊了能翻遍所有歷史的檢索利器。

日常用起來的體感差異也就是這么拉開的。OpenClaw 是在快崩潰前才想起來認識你一下。Hermes 則是每隔一會兒就在暗中揣摩你的心思，并且能隨時翻出你們倆說過的話。

把復雜度藏起來

無論是 Skill 的自生成，還是記憶的高頻主動寫入，背后指的其實都是同一件事，即，Hermes 只是替你把本該你做的決定都做了。

但是系統復雜度這種東西是守恒的。

你不用動手，不代表決策憑空消失了，它只是從你的手動操作轉移到了底層硬編碼的死規則里。

在搭這套 harness 的過程里，Hermes 的設計者領悟了一個道理，模型判斷不可信，那就做成死規則。

這套 harness 遠比 Anthropic 之類的要死。Agent 干活的時候并不是一個純粹的大模型在裸跑思考，大模型外面嚴嚴實實地包著一層代碼框架，這層框架里寫滿了條件判斷。

工具調用滿 5 次了嗎？對話輪數湊夠 15 輪了嗎？剛才是不是剛死里逃生重試了一次？用戶有沒有明確開口指出錯誤？這些問題系統根本不打算交給大模型去模糊判斷，而是用確定性的代碼一條條死盯。條件一滿足，立刻執行寫好的動作，去生成初始技能，或者硬塞反思指令，再或者把某句話記進長期文件里。

這些遍布各處的防御網，就是被轉移走的那部分復雜度。本來該由用戶在使用過程中自我規范，現在全寫死在 Hermes 的代碼里。

而 Hermes 寫這些規則依靠的就是設計判斷。調用 5 次工具觸發技能生成，設成 3 次太容易誤觸發，設成 8 次又可能漏掉有價值的工作流。每 15 輪反思一次，而不是每輪都反思，因為那會產生海量垃圾記憶且燒錢。

你坐在屏幕前覺得什么都不用管真爽，背后是 Hermes 的開發團隊提前把所有判斷邏輯替你寫死了。

自動化并沒有消滅決策，它只是把決策藏到了看不見的地方。

為了保證這套硬規則在沒有人類盯著的時候不翻車，Hermes 在底層做了一系列防御性設計。

首先看上下文管理。

當對話撐到 85% 閾值時，Hermes 根本不叫大模型來做智能摘要，它的 ContextCompressor 就是一套純粹的字符串替換邏輯，把舊的工具輸出直接換成一個占位符，粗暴但絕對安全。

而記憶層面它用的是凍結快照，開機時把記憶一次性倒進系統提示詞里，中途不刷新，等下次重啟才生效。這犧牲了實時性，但換來了前綴緩存穩定的命中率，直接砍掉了大概 75% 的 token 輸入成本。

兩個選擇的精神一致，session 內部不讓 LLM 去做關于上下文和記憶的動態判斷，用最笨的規則保住確定性。

再看它的安全審查。

內置的 Smart 審批模式同樣不讓大模型當裁判去判斷一條命令危不危險，而是直接拿一套硬編碼的黑名單去正則匹配終端操作。匹配中就必須人類點頭確認。

它甚至連搞生態擴展的插件系統，都把開發者當成了潛在敵人。Event Hooks 系統里有 6 種鉤子，其中 5 種全都是觸發即忘（fire-and-forget）的看客，系統根本不管它們的返回值。想修改 Agent 的運行上下文只有一個唯一的注入點。官方死死卡住一條底線，就算插件代碼跑崩了也絕不拖垮 Agent 的主循環。

這幾個看似保守的選擇，底層邏輯高度一致。

今年初 Chroma 團隊做過多輪對話壓測，單輪變多輪后，模型平均性能直接掉 39%，最慘能掉 85%。同一時期的記憶綜述論文也指出，在超長上下文施壓下，死板的規則化跑分愣是碾壓了讓大模型全權統管的方案。

說白了，當大模型駕馭超長上下文的底子還虛的時候，那些聽起來越智能的統管方案越容易原地爆炸。反倒是越笨的死規則越靠得住。在平時跑任務的環境里，不翻車才是最高優先級。這是一個誠實的工程判斷。

一條「干預遞減」的光譜

把這幾家串起來看，不管是自動寫技能、主動存記憶，還是故意退一步的技術棧選擇，最終落點都是同一個產品判斷，到底該讓用戶管多少事？

從 Claude Code 和 Codex，到 OpenClaw，再到 Hermes，市面上的開源 Agent 其實鋪成了一段清晰的光譜。一端是「所有決定都由人來做」的生產工具，必須讓開發者看 diff、批命令、盯每一步。

在真實業務里精確控制永遠是第一順位，這不是技術不到位，是產品定位決定的。另一端是「全都交給 Agent 包辦」的自動化工具。

Hermes 直接站在了最遠那頭。

它押注的是大部分用戶既不想弄懂、也不屑于弄懂 Agent 怎么跑起來。你只管張嘴提需求，技能匹配、記憶分類、上下文壓縮，全都在陰影里完成。它的野心不是讓你覺得它好用，而是讓它在不知不覺中自己越變越好。

扛不住硬活，但方向對了

盡管 Hermes 已經很克制，用各種技術保守的規則系統剝奪了模型的自由判定權，以使這個更自動化的系統能夠穩定。就放了這么點非規則的權限，模型就開始拉垮。

重災區就是那套引以為傲的技能系統。不止一個高階玩家抱怨，自己花好幾個小時手動精調出來的技能，被全自動的進化流程直接覆蓋掉，這完全是沒法接受的災難。

自動記憶微調的機制同樣經不起細看。nudge 的本質是讓 Agent 自己判斷這輪有沒有值得記的，但社區發現 Hermes 判斷自己「是否完成了任務」時幾乎總覺得自己成功了。所以反思出來的記憶，非常薄弱。

如果是拿去擬一份核心合同、過一遍底層代碼、或者搭復雜的財務模型，全自動模式本身就是一個巨大的隱患。這也是那些老牌專業工具不敢直接上全自動的原因，專業人士是會為 Agent 的腦抽付出真金白銀代價的。

但在寫寫周報、翻翻天氣、或者理一理本地文件這種容錯率極高的日常重復任務里，Hermes 現在確實能站得住。只要你給它二十幾次迭代的機會，那些慢慢攢起來的技能和記憶，確實能讓它跑得又穩又快。

這實打實的體感，足夠它圈住第一波忠實用戶了。

更重要的是，它踩在了一個基本確定的方向上。

梳理這兩個月的發展，你會看到一條非常有意思的演進弧線。

2026 年2月25日 Hermes 首發，打出的旗號是「與你共同成長的 Agent」。它靠著主動記憶、自動進化和強行替用戶做決定的激進路線，一口氣沖到了 57,200 顆星。

但到了4月3日發布的 v0.7 韌性更新里，它其實悄悄往回撤了半步。Hermes 引入了抽象接口，把原本寫死在系統里的唯一高級記憶后端 Honcho，降級成了和新接入的 MEM0、ByteRover 等 6 個第三方服務平起平坐。反而把最原始的純文件加全文檢索頂成了默認兜底方案。

一個自稱替你決定一切的系統，主動把復雜的方案剝離，把記憶的選擇權交還給了用戶。這是先行者在撞上社區真實投訴后的一種戰略讓步。

Hermes撤回一點，覺得現在的規則系統還吃不透所有復雜場景，有些選擇不必強行替用戶做。

而另一邊的 OpenClaw，動作卻是截然相反的補課式加強。過去短短幾天里它連跑兩步。

4月5日放出了類似 Claude Auto Dream 一樣的 Dreaming 做離線記憶整理，把已有的短期流水文檔在離線時段提煉、評分、晉升為持久的 MEMORY.md 條目。

4月10日的更新里，它又砸出 Active Memory，直接在主回復前跑一個專門的記憶子 Agent。這套大模型做裁判的主動派打法，粒度比 Hermes 固定 15 輪一次的微調還要細、還要聰明。

這說明，不管是 Anthropic 還是 OpenClaw，大家全都在往「替你做決定」這條路上靠。

Hermes 只不過是下注下得最早，也最狠。

它用兩個月的時間死死卡住了全自動 Agent 的敘事高地和用戶心智。當 OpenClaw 在后面拼命追趕、用更高級的子 Agent 補齊主動記憶機制的時候，心智已立的 Hermes 反而有了謹慎和退讓的余裕。

它賭的不是今天的系統能有多完美，而是在提前做一場局。

它算準了只要底層模型的上下文能跨過那條及格線，今天這些硬湊出來的規則安全線就能跟著往上漲，快照可以實時刷新，硬編碼條件也能放心交給大模型去判斷。那些看似保守的默認層，遲早有一天會徹底吃掉今天顯得高大上的接口層。

先占生態位，再等技術升級。等到質變那天，Hermes 早已經攥著真實用戶、技能生態和記憶底座站在終點了。

Agent 這片修羅場里，誰先在技術將將夠用的時候用兜底工程卡住位置、讓產品能用起來，往往比單純的技術領先管用得多。

Manus 是這樣，OpenClaw 是這樣，如今的 Hermes 也是這樣。

本文來自公眾號：騰訊科技 作者：博陽 編輯：徐青陽