我扒了 Hermes Agent 的源码,发现了它比 OpenClaw 聪明在哪

63.7k Star 的项目，我花了两天翻它的代码。不是看功能列表，是看设计决策——功能谁都能抄，”为什么这么设计”才是真东西。

先解决一个困惑

很多人看到 Hermes Agent 的第一反应：这不就是又一个 OpenClaw 吗？

表面看确实像。都能接 Telegram、Discord、Slack，都支持多模型，都能跑工具调用。但翻完代码我发现，这两个项目的”第一性原理”完全不同。

OpenClaw 的架构核心是 Gateway，一个 WebSocket 控制平面。所有消息、工具、事件都通过这个网关流转。它的设计语言是”路由”：消息来了，路由到正确的 Agent，结果再路由回去。

Hermes 的架构核心是 Agent 本身。Gateway 只是一个可选的接入层，真正的重心放在了 agent 目录下——技能系统、记忆管理、用户画像，全围着”让 Agent 变得更聪明”转。

一个优化通信效率，一个优化智能水平。起点不同，终点也不同。

技能系统的设计最让我惊艳

Hermes 的 skills 目录下不是一堆静态配置文件，而是一套有生命周期的技能系统：

技能创建（自动） → 技能使用 → 技能改进（基于反馈） → 技能复用

我看了技能创建的核心逻辑。当你完成一个多步骤任务后，Hermes 会把”你做了什么、每步的输入输出、最终结果”打包交给 LLM，让它总结成一个可复用的技能定义。这个技能不是简单的命令回放，它包含了意图理解和条件分支。

举个例子。你让 Hermes “帮我部署一个 Node 服务”，它第一次可能需要多轮交互——问端口、问环境变量、问域名。完成后它会自动创建一个 deploy-node-service 技能，里面记录了部署流程和需要确认的参数。下次再说”部署服务”，它直接走技能，只问差异化的部分。

这和 OpenClaw 的技能系统形成鲜明对比。OpenClaw 的技能更像”预设命令模板”——你写一个 SOUL.md 定义 Agent 人格，加上一些工具调用配置。能用，但不会自己长大。

记忆系统：FTS5 + LLM 摘要

记忆这块，Hermes 的实现有点东西。

它用了 SQLite 的 FTS5 做会话检索。不是什么新技术，但用法很巧妙：每次对话结束后，用 LLM 生成一段摘要，和原始对话一起存入 FTS5 索引。你问”上次聊的那个部署方案”，它先通过 FTS5 搜到相关会话，再用 LLM 从摘要中提取关键信息。

这种”搜索 + 摘要”的混合方案，比纯向量搜索更适合 Agent 场景。因为 Agent 的记忆不只是”语义相似”，更重要的是时间顺序和因果关系——FTS5 的布尔查询刚好擅长这个。

OpenClaw 目前有会话上下文压缩，但没有跨会话的持久记忆。每个新会话都是一张白纸。

用户画像：Honcho 集成

这个功能我一开始觉得可有可无，直到看到实现方式。

Hermes 集成了 Honcho（plastic-labs 的开源项目），对用户进行画像建模。它不是简单地给你打标签，而是维护一个”用户理解”的动态文档。每次交互后，Honcho 会更新这个文档——你最近在忙什么项目、偏好什么技术栈、回复风格是简洁还是详细。

画像存在本地，Agent 在生成回复时会参考它。用得越久，回复越对你的胃口。

我在代码里看到了一个细节：画像更新是异步的，不会阻塞主交互流程。说明团队对延迟很敏感，不想因为画像计算影响用户体验。

并行委托的设计

Hermes 可以生成子 Agent 并行处理任务。OpenClaw 也有类似能力（多智能体路由），但实现思路不同。

OpenClaw 的并行是”不同渠道不同 Agent”——群组A用 Agent-1，群组B用 Agent-2，互不干扰。

Hermes 的并行是”同一任务拆分子任务”——你说”帮我调研这三个框架”，它会同时派出三个子 Agent，各自调研一个，最后汇总结果。子 Agent 之间是隔离的，共享父 Agent 的上下文但不互相干扰。

从代码看，子 Agent 通过 RPC 和父 Agent 通信，工具调用结果以流式返回。父 Agent 可以实时看到每个子 Agent 的进展，中途调整策略。

我看不太懂的地方

MCP 集成那块代码我没完全看明白。文档说是用来连接外部工具服务的，但具体怎么发现工具、怎么管理工具的生命周期，代码注释比较少，需要看 MCP 的上游规范才能理解。

另外，技能系统有个隐含假设：LLM 能准确总结出技能定义。但如果任务很复杂（比如涉及多轮调试），LLM 的总结可能遗漏关键步骤。这个问题在官方文档里没看到讨论。

值不值得关注

做 Agent 开发的，Hermes 的技能系统和记忆架构值得认真研究。它的设计比 OpenClaw 更面向长期使用，而不仅仅是多渠道接入。

普通用户，我的建议是：先用 OpenClaw 入门（生态更成熟、上手更简单），等你的需求超过”跟 AI 聊天”这个阶段了，再试试 Hermes。毕竟一键迁移就在那等着。

项目地址：https://github.com/NousResearch/hermes-agent^[1]