过去一个月我主力深耕 Hermes，搁置了 OpenClaw，重新更新体验后彻底明白：二者根本不是替代关系，而是完美互补。

截止2026年5月最新版本：

• Hermes v0.12.0：主打记忆、思考、人设、极简运维，是AI的“大脑”

• OpenClaw v2026.5.5：主打插件、执行、自动化、多设备协同，是AI的“手脚”

普通用户单开一个工具只能实现基础AI办公，而双工具搭配部署，可以覆盖90%以上个人、小团队办公场景，大幅降低重复工作量。

一、核心分工（看懂这一句，吃透双工具精髓）

思考、创作、记忆、决策 → 交给 Hermes

执行、批量、定时、文件、自动化 → 交给 OpenClaw

单一AI只会“想不会做、会做记不住”，双AI组合刚好补齐所有短板。

二、前置准备：双工具最新版部署（共存不冲突）

1、版本验证

确保本地为最新迭代版本，适配所有新特性

# 查看Hermes版本hermes --version# 标准输出：hermes v0.12.0# 查看OpenClaw版本openclaw --version# 标准输出：openclaw v2026.5.5




2、旧版本一键升级
OpenClaw升级




openclaw update



Hermes升级




hermes update


新版本的控制台界面还是很nice


如果以上升级命令无法升级，可以尝试以下命令

# Hermes 升级（国内镜像）curl -fsSL https://gitee.com/nousresearch/hermes-agent/raw/main/scripts/install.sh | bash# OpenClaw 升级（国内镜像）curl -fsSL https://open-claw.org.cn/install-cn.sh | bash


3、全局统一人设（关键！双AI风格一致）
利用Hermes专属迁移功能，一键同步OpenClaw所有配置，无需重复搭建人设、技能
# 预览迁移（安全检测，不修改数据）hermes claw migrate --dry-run# 正式迁移（同步SOUL人设、记忆、API密钥、自定义技能）hermes claw migrate


效果：两套框架共用一套个人人设，回答风格、输出习惯完全统一。
三、核心更新内容

Hermes Agent（4 月 – 5 月关键更新）过去一个月，Hermes Agent 以「长期可进化」为核心完成了关键升级：推出代号 “The Curator” 的 v0.12.0 版本，新增后台定期运行的技能自清理代理，自动合并、归档、清理重复 / 过时技能并生成报告，解决技能库臃肿问题；同时上线看板多代理协作系统与目标驱动型任务引擎，支持对话持久化存储，大幅优化长期任务稳定性；CLI 交互界面完成全链路重构，新增集中式日志管理与配置自动校验，并支持小米 MIMOV2 Pro、Google AI Studio 等更多模型接入，配合一键更新时的本地修改自动暂存与恢复机制，显著降低了用户的维护成本与上手门槛。
OpenClaw（4 月 – 5 月关键更新）OpenClaw 过去一个月聚焦「交互效率、安全控制与多平台适配」完成核心迭代：新增 /steer 实时任务干预与 /side 侧边提问双命令，实现不中断主流程的任务控制与并行交互；重构 Codex Computer Use 架构并引入 Active Memory 自动记忆检索，提升任务执行连贯性；完成飞书、Teams、Matrix 等企业级通信平台适配，优化 Google Meet 语音与 Discord/Telegram 消息流稳定性；同时推出节点间带 16MB 安全上限的直接文件传输功能，重构插件外部化按需加载架构，并强化 CLI exec-policy 安全管理，在提升功能扩展性的同时大幅增强了运行安全性与企业场景适配能力。





维度


Hermes Agent


OpenClaw





核心方向

多代理协作、技能自进化、任务持久化


实时交互控制、多平台通信、插件生态



关键体验

看板管理、技能自动整理、日志集中管理


双命令实时干预、节点文件传输、按需加载插件



生态适配

小米 / Google AI Studio 模型支持


飞书 / Teams/Matrix 企业应用适配



安全特性

本地修改暂存更新流程


文件传输安全限制、exec-policy 管理





四、新特性实操

🦸 Hermes Agent 核心新特性实操
1. 一键更新 + 本地修改安全恢复
你截图中的流程就是该功能的典型场景，实操步骤如下：








# 1. 执行更新命令hermes update# 输出：自动检测本地修改 → 暂存变更 → 拉取更新# 2. 当终端提示时：Restore local changes now? [Y/n]




✅ 输入 Y：恢复之前的自定义配置，更新后 Hermes 会自动合并变更；


⚠️ 注意：恢复后若功能异常，执行 git stash list 查看暂存记录，再用 git stash pop <stash名> 手动恢复，避免直接覆盖代码。



2. Kanban 多代理看板系统实操
实现多任务并行协作，无需开启多个终端窗口：





hermes kanban init      # 可选，首次执行会自动初始化hermes dashboard        # 启动Web面板，访问 http://127.0.0.1:9119



Triage：原始想法，待明确需求
Todo：已创建，等待依赖或未分配
Ready：已分配，等待调度
In Progress：执行中，默认按角色分组
Blocked：需人工介入、失败超限、被阻止
Done：已完成

Hermes Kanban = 带依赖、带重试、带熔断、带 Web 看板的多 Agent 任务流水线，本地运行、数据安全、适合长期工程化协作。
3. 技能自清理代理（Autonomous Curator）配置
自动整理技能库，解决技能臃肿问题：










# 1. 配置定期清理任务（默认7天执行一次）hermes config set curator.cron "0 0 * * 0"  # 每周日凌晨执行# 2. 手动触发一次清理hermes curator run --dry-run  # 先预览清理内容，不实际执行hermes curator run --auto-approve  # 确认后执行自动清理# 3. 查看清理报告cat ~/.hermes/logs/curator/report_20260506.log


清理规则：自动合并重复技能、归档 30 天未使用的临时技能、删除无效 / 冲突的技能文件。



🦞 OpenClaw 核心新特性实操
1. /steer 实时任务干预（不中断主流程）
/steer 是 OpenClaw 的运行中任务实时干预指令，用于在 Agent 正在干活时，不终止任务、不重启会话，直接中途纠正方向、补充要求、改变重点。


别名：/tell（效果完全一样）


适用对象：主会话（main）、子 Agent（subagent）都可以 steer






/steer 你的纠正或补充指令
















1）触发时机：Agent 正在运行、还没结束时有效（空闲时 steer 会被拒绝）
2）生效方式：
遇到工具调用边界时注入（不会打断正在执行的单个工具）
取消排队中、尚未执行的后续工具调用
3）回退策略：如果当前不支持流式注入 → 自动转为 followup
（等本轮结束再执行）
4）队列模式默认：collect（合并多条消息）；steer 会临时切到 
steer 模式









# 场景：正在执行代码重构任务，中途需要调整策略openclaw chat> 帮我重构这个项目的Python代码，优化性能# 任务执行中，突然发现需要优先修复安全漏洞/steer 停止性能优化，优先修复代码中的SQL注入漏洞，修复完成后再继续优化

原理：在工具调用边界注入指令，不终止当前会话，任务会在完成当前步骤后自动切换方向。

直接就变成去查安全了


2. /side 侧边并行提问（不打断当前任务）
/btw（别名 /side）是「临时侧问」指令：在不打断当前主任务、不污染会话历史、不触发工具调用的前提下，基于当前最新上下文，快速问一个一次性问题。
核心定位：


✅ 同上下文：能看到完整对话 / 代码 / 执行状态


✅ 无副作用：不写历史、不触发工具、不影响主流程


✅ 即时回答：单轮、无后续，只给结论


✅ 临时存在：刷新 / 重连就消失，不留痕


一句话：不存档、不干活、只基于现状快速答一句。
在不暂停主任务的情况下，发起独立的侧边对话：










# 场景：正在处理文档翻译任务，需要临时查询术语定义openclaw chat> 帮我翻译一份技术文档，输出中英双语对照# 翻译过程中，临时查询术语/side 解释一下什么是“vector database”，给出3个常用工具的对比# 侧边对话完成后，主任务的翻译会继续执行，不受影响

侧边对话的上下文完全独立，不会污染主任务的对话历史。

中间插播

继续干活

3. 节点间安全文件传输（带 16MB 上限）
如果你部署了多个openclaw节点，就可以使用这个文件能力，跨设备安全传输文件，无需第三方工具：


1）启动节点






openclaw node run --host 127.0.0.1 --port 18789



2）网关批准配对






openclaw nodes approve req_xxxx

3）从节点拉取文件




openclaw nodes invoke --node node01 --command file.fetch --path /tmp/test.txt


四、双AI模型分流实操：降低成本，提升稳定性
双工具搭配模型分流，高端模型做思考创作，轻量化模型做机械执行，性价比拉满，可以把 OpenClaw 变成一个 MCP Server，让Hermes作为大脑调用：










Hermes (MCP Client)        ↓MCP Protocol        ↓OpenClaw MCP Server        ↓执行任务

1、OpenClaw → MCP Server 封装

















# pseudo codefrom mcp.server import MCPServerserver = MCPServer()@server.tool()def openclaw_exec(task: str) -> dict:    result = run_openclaw(task)    return {        "status": "success",        "data": result    }server.run(port=4000)

2、Hermes 接入 MCP












agent = Agent(    model="qwen3.5-9b",    mcp_servers=[        {            "name": "openclaw",            "url": "http://localhost:4000"        }    ])

3、调用链路




LLM → MCP tool discovery → tool_call → OpenClaw → 返回 → LLM






你：用 OpenClaw 查今天福州天气并整理成表格→ Hermes 通过 MCP 调用 OpenClaw 执行搜索+格式化


模型分流

1、Hermes（高端模型：通义千问3.6plus或者可以用qwen3-max）
hermes config set models.providers.bailian.apiKey "你的密钥"hermes config set models.providers.bailian.baseUrl "https://dashscope.aliyuncs.com/v1"hermes config set agents.defaults.model.primary "bailian/qwen3.6-plus"


2、OpenClaw（本地轻量化模型：Qwen3.5-9B）
openclaw config set models.providers.ollama.baseUrl "http://localhost:11434/v1"openclaw config set agents.defaults.model.primary "ollama/qwen3.5:9b"


五、双工具互补总结
经过近一个月的实测对比，两款工具的迭代方向已经非常清晰：
Hermes 解决“不够聪明、记不住、人设乱、运维麻烦”的问题
OpenClaw 解决“不会执行、不能批量、无法多设备协同、自动化弱”的问题
不用纠结二选一，主力Hermes日常使用，兜底+自动化交给OpenClaw，大家赶紧动手试试吧！
参考资料：
https://hermes-agent.nousresearch.com/docs/
https://docs.openclaw.ai/zh-CN

高国·生成式 —— 用 AI 兜底，做人游刃有余。