越用越聪明的AI助手,正在悄悄“收割”开发者

从发布到狂揽4万星，Hermes Agent只用了一个多月

你有没有遇到过这种情况：教会AI处理一个工作流，教得心力交瘁，结果第二天打开对话——它全忘了，你得从头再教一遍。

这大概是所有用过AI助手的人共同的痛点。大多数AI工具是“金鱼式”的——每次对话都是独立的，会话结束，上下文就消失了。第二天再打开，它完全不记得你是谁、你之前让它干过什么。

但最近一个名叫Hermes Agent的开源项目，正在试图打破这种局面。

一个多月，从默默无闻到狂揽4万星

2026年2月25日，美国开源AI研究实验室Nous Research低调发布了Hermes Agent v0.1.0。

42天后，这个项目已经迭代到v0.8.0，平均不到一周一个大版本。

GitHub星标数从0到超过4万，仅用了一个多月。超过240位贡献者参与，合并PR达到1400个。

这个更新速度，已经超过了绝大多数商业Agent产品。

在国内，它也被亲切地称为“爱马仕”——不是那个奢侈品品牌，而是一个真正“长脑子”的AI助手。

“准备放弃龙虾（OpenClaw）转爱马仕了，龙虾记忆太差了，爱马仕无论怎么重开，过多久都能记住，太香了！”有网友如此评价。

它到底“聪明”在哪？

一句话概括：Hermes Agent是目前唯一内置学习闭环的AI智能体。

拆开来看，它的自我进化机制主要体现在三个层面：

第一层：记忆

Hermes维护着两个精心管理的文件：MEMORY.md（记录环境事实、惯例和经验教训）和USER.md（记录你的偏好和沟通风格），配合基于SQLite的全文搜索能力，可以回溯数周前的对话。

这意味着，你告诉过它的事情，它会一直记住。你的工作习惯、代码风格、常用工具链，都会沉淀为它对“你”这个用户的深度理解。

第二层：技能自动生成

这是Hermes最核心的差异化能力，也是它和其他AI助手拉开差距的地方。

当Hermes完成一个涉及5次以上工具调用的复杂任务后，它会自动把这次执行经验提炼成一个结构化的Skill文档，存储在本地。

下次遇到类似任务时，它直接加载这个Skill，不用从头推理。

更厉害的是，如果在使用Skill的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。

传统Agent的Skill需要人类手写，Hermes的Skill是Agent自己“长”出来的。

第三层：训练数据反哺

Hermes Agent内置了批量轨迹生成和Atropos强化学习环境。Agent在日常使用中产生的工具调用记录，可以直接用来训练下一代模型。

记忆沉淀技能，技能反哺训练，训练提升模型能力，模型能力又回到Agent——这是一条完整的、自我强化的进化闭环。

凭什么挑战OpenClaw？

在AI Agent领域，OpenClaw曾是一个近乎“封神”的存在——上线33天就超越React成为GitHub史上最多星标的软件项目。

但光鲜数字背后，问题也在积累。

63天内，OpenClaw累计披露了138个安全漏洞，其中7个严重级别、49个高危级别。ClawHub上5700个Skill中有1467个被确认为恶意，包括凭证窃取、加密挖矿、持久后门等。

正是这种背景下，Hermes Agent的出场才显得意义非凡。

它和OpenClaw的底层设计哲学完全不同：

· OpenClaw采用多Agent编排架构，追求“广度”——庞大的技能市场、丰富的平台接入；
· Hermes回归单Agent架构，追求“深度”——一个长期运行、持续进化的个人智能体。

从成本角度看，小米大模型负责人罗福莉曾指出，OpenClaw的上下文管理存在明显浪费——每次API请求都携带超过10万token的上下文窗口，真实推理成本可能是订阅价格的数十倍。

Hermes则通过渐进式披露（Level 0只加载Skill列表，Level 1才加载完整详情）来节约Token，让成本更可控。

普通人能用吗？能！

很多人可能会想：听起来这么厉害，是不是得是技术大牛才能用？

Hermes的官方定位是“运行在你服务器上的自主Agent”，但它的使用门槛并没有想象中那么高。

安装：一键搞定

在Mac或Linux环境，终端输入一条命令即可完成安装：

“`bash

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

“`

安装脚本会自动检测并安装Python、Node.js、Git等所有依赖。

Windows用户可以在WSL2（Windows Subsystem for Linux）中运行，原生Windows目前暂不支持。

配置：向导式引导

安装完成后会自动进入配置向导，一路回车基本就能搞定。你需要准备一个LLM API Key（比如OpenRouter上有大量免费模型可用），Hermes支持OpenRouter、OpenAI、Anthropic、MiniMax等15+模型提供商。

使用：一个Agent，多个入口

Hermes内置了统一消息网关，你只需要启动一次，就能在Telegram、飞书、企业微信、Slack、Discord、WhatsApp、Signal、CLI等多个平台上和它对话。

一个Agent，多个入口，统一管理。不用在多个App之间来回切换。

成本：5美元/月

Hermes可以跑在每月5美元的VPS服务器上，也可以跑在本地笔记本或GPU集群上，闲置时几乎不花钱。

如果你家里有NAS（如极空间），官方已经提供了Docker应用，一键部署即可。

它能做什么？

· 自动化情报监控：每天早上8点自动扫描指定GitHub仓库的新release，汇总发到你的Telegram；
· 开发辅助：有位开发者用Hermes Agent花了2.5小时做出了《百战天虫》克隆版，Agent还把物理引擎逻辑自动整理成了一个可复用的Skill；
· 跨Agent协同：有用户在X上分享，他们的Hermes Agent会自主给商业伙伴的Hermes Agent发消息，协同完成某项任务，全程没有人工介入；
· 写作：Nous Research联合创始人Jeffrey Quesnelle甚至演示了用Hermes Agent自主完成一部7.9万字小说的写作，跨多个迭代会话，全程无人工干预。

写在最后

如果说OpenClaw代表了AI Agent的“广度”探索——连接更多平台、整合更多技能，那么Hermes Agent则在探索另一种可能性：深度。

一个真正的AI助手，不应该只是一个被动的工具，而应该是一个越来越懂你、越来越高效的合作伙伴。

它会记住你说过的话，总结你做过的任务，提炼成可复用的技能。你教它一次，它就学会了，并且在下一次遇到类似任务时自动调用。

这正是官方说的那句标语：The agent that grows with you。

目前，Hermes Agent已在GitHub上获得超过4万星标。如果你正在寻找一个能持续陪伴、自我进化的AI助手，不妨亲自试试——毕竟，你只需要一条命令。

项目GitHub地址：https://github.com/nousresearch/hermes-agent

官方文档：https://hermes-agent.nousresearch.com/