AI Agent两种形态,OpenClaw代表的插件生态派,Hermes 代表的预置进化派,发展趋势会是两派会互相借鉴,预置插件+自进化

编者按：

各代AI Agent的架构是没变的，还是提示词工程，短中长期记忆，MCP，A2A，skill，只是实现记忆，实现skill等实现框架的创新实现。

AI Agent领域总是上演“后浪推前浪”的戏码。大家还在说着 Hermes 替代 openclaw，现在又冒出个GenericAgent。

真的是替代吗？

不是，其实每一代都在回答上一代没解决的问题。

现在GenericAgent来了，提出了更激进的方案：完全不要预置技能，让Agent从零开始自己长。

这三代产品，表面上是”替代”，实际上是在不断逼近一个更本质的问题：智能体到底应该怎么获得能力？

一、各代AI Agent的问题

1、OpenClaw的问题是什么？

用户要自己找技能、装技能、配技能，门槛高，而且装完之后不会成长。

2、Hermes的解决方案是什么？

预置70+技能，开箱即用，还加了GEPA引擎让它边用边学。但Hermes也有问题：预置的技能是别人总结的，不是你的；进化能力有限，天花板清晰可见。

3、GenericAgent的解决方案是什么？

现在GenericAgent来了，提出了更激进的方案：完全不要预置技能，让Agent从零开始自己长。

但是GenericAgent也有问题：GenericAgent目前自我进化能力还很不稳定，任务成功率时高时低，Skill质量参差不齐。你要指望它像Claude Code那样稳定干活，大概率会觉得它很垃圾。

这三代产品，表面上是”替代”，实际上是在不断逼近一个更本质的问题：智能体到底应该怎么获得能力？

国标参写署名，请扫码进群

二、市面上的智能体产品，大致分两派。

第一派：插件生态派

代表产品：OpenClaw、扣子、GPTs。

这派的核心逻辑是：让用户自己装技能。

OpenClaw有5700+插件，扣子有技能商店，GPTs有Actions。你想让Agent发邮件？装插件。你想让它管日历？装插件。你想让它控制智能家居？装插件。

这套逻辑听起来很合理——按需取用，灵活扩展。用户体验也确实不错：装几个插件，Agent立刻就能干新事情了。

ClawHub上还有技能数排行榜，谁的Agent装了更多技能，谁就更强。这让”给Agent装技能”变成了一种乐趣，甚至有点像养成的感觉。

第二派：预置+进化派

代表产品：Hermes Agent。

这派的逻辑是：出厂就给你一套基础技能，然后边用边学。

Hermes Agent预置了70+内建技能，涵盖浏览器控制、文件操作、代码执行等常见场景。同时它有GEPA自我进化引擎，用久了会自动提炼新技能。

这就像是招聘一个”有经验的员工”：入职时已经能干活了，工作过程中还能继续学习成长。

两派各有优劣。

插件派灵活，但门槛高——用户得自己找技能、装技能、配置技能。

预置派开箱即用，但天花板有限——预置的技能终究是别人总结的经验/处事逻辑。

但它们有一个共同点：都认为Agent需要”装技能”。

区别只是”谁装的”——是用户装的，还是开发者装的。

团标参写署名，请扫码入群

三、对未来智能体产品的预测

基于三种理念的对比，我对未来智能体产品有几个预测：

预测一：插件生态会继续存在，但逐渐不再是主流。

插件生态解决的是”快速扩展能力边界”的问题。对于普通用户，这很重要——他们不想从头培养一个Agent，只想立刻解决问题。

但对于深度用户、专业场景，插件生态的价值会越来越低。并且未来的智能体产品会内化越来越多的插件技能，并不需要额外安装。

预测二：自我进化会成为标配。

无论是Hermes的”预置+进化”，还是GenericAgent的”完全进化”，自我进化能力都会成为智能体产品的标配。

因为只有进化，才能解决”用完即弃”的问题，才能让Agent真正成为”伙伴”而不是”工具”。

预测三：会出现分层产品。

• 入门级产品：预置技能+插件生态，开箱即用，用完即走，适合普通用户解决单点问题。
• 专业级产品：自我进化能力强大，可深度定制，适合专业场景
• 混合型产品：预置基础技能+插件生态+自我进化，兼顾易用性和成长性

预测四：个性化会成为核心竞争力。

当所有Agent都能点外卖、写代码、发邮件之后，差异化从哪来？

从个性化程度来。

谁的Agent能更好地理解用户的工作习惯、记住用户的偏好、积累用户专属的经验，谁就能赢。

从这个角度看，GenericAgent的理念虽然目前效果不理想，但方向是对的。

难道，自己长的技能就不会冗余吗？

到这里，你可能已经觉得GenericAgent的理念很高级了——不是装技能，而是长技能，听起来更像”真正的智能”。

但仔细想想，这个模式也有它的天花板。

自己长的技能，也会越来越多。

GenericAgent用久了，Skill库会不断膨胀。第一次写Python脚本，它摸索出了一个Skill。第二次写类似的脚本，又摸索出一个新Skill。第十次、第一百次……

这些Skill之间有多少是重复的？有多少是可以合并的？有多少已经过时了？

自己长的技能，也会冗余、冲突、老化。

• 你换了工作，以前的技能不再适用了
• 你的工作流程升级了，老技能过时了
• 你学了新工具，旧技能需要更新了

但GenericAgent目前有”淘汰技能”的机制吗？有”整合相似技能”的能力吗？有”更新老化技能”的机制吗？

似乎没有。

它只会”长”，不会”修剪”。

这就像一个人只学不忘。

你学了100个技能，但其中有30个是重复的，20个已经过时了，10个相互冲突。这时候你拥有的不是”能力”，而是”负担”。

人类的学习之所以高效，不只是因为能”学新东西”，还因为能”遗忘旧东西”、”整合相似东西”、”更新过时东西”。

下一代智能体的形态：不只是长，还要会修剪

如果沿着这个思路继续想下去，下一代智能体产品可能需要具备一种全新的能力：

不只是”积累技能”，而是”融会贯通”。

具体来说，可能包括：

能力一：技能整合。

当Agent发现自己有多个相似的Skill时，能自动识别、合并、提炼出一个更通用的版本。

比如你有10个”写Python脚本”的Skill，每个都是针对不同场景摸索出来的。下一代Agent应该能意识到：”这10个Skill其实是同一类事情”，然后整合成一个更完善的Skill，覆盖更多场景。

能力二：技能淘汰。

当Agent发现某个Skill很久没用了，或者用了几次都失败了，能自动标记、降权、甚至删除。

就像人类会遗忘不再使用的技能一样。遗忘不是缺点，是效率优化的必然选择。

能力三：技能更新。

当外部环境变化时（比如API改版、工具升级、工作流程调整），能自动更新相关Skill，而不是让它们过时失效。

能力四：技能迁移。

当一个Skill在某个场景验证有效后，能判断它是否适用于其他场景，实现跨领域的知识迁移。

这四项能力，才是”真正智能”的体现。

如果说OpenClaw代表”装技能”的时代，GenericAgent代表”长技能”的时代，那么下一代智能体应该代表”融会贯通技能”的时代。

不是技能越多越好，而是技能越”精炼”越好。

不是只会做加法，而是会做加减乘除。

最后

GenericAgent现在还不成熟，但值得给这个团队一些鼓励。

它的自我进化机制还不够稳定，Skill质量参差不齐，用户体验远不如OpenClaw或Hermes Agent。

但它开启了一个值得深思的问题链条：

第一层：智能体应该”装技能”还是”长技能”？

OpenClaw的答案是让用户装。Hermes的答案是预置+边用边长。GenericAgent的答案是完全靠自己长。

第二层：长出来的技能，怎么管理？

积累多了会冗余，环境变了会过时。只会长不会修剪，最终变成负担。

第三层：下一代智能体应该具备什么能力？

不只是积累，还要能整合、淘汰、更新、迁移。不只是做加法，还要会做减法、乘法、除法。

三个层次的问题，代表我们对”智能”的理解在不断深化。

从”工具箱”到”伙伴”，从”装能力”到”长能力”，从”积累”到”融会贯通”。

GenericAgent只是这个演进过程中的一个节点。它不完美，但它的理念指向了一个方向——

真正的智能，不是能力越来越多，而是能力越来越精炼、越来越贯通、越来越适应变化。

这才是下一代智能体产品需要思考的核心问题。