OpenClaw用户集体叛逃Hermes时代来临-夜雨聆风

OpenClaw用户集体叛逃Hermes时代来临

→ 一个开源仅 2 个月的 AI 项目，GitHub 狂揽 10 万+ Star，207 个贡献者抢着参与。

一群用了 OpenClaw（小龙虾）的老用户，开始集体”叛逃”。

投奔的方向不是 ChatGPT，不是 Claude，而是一个今年 2 月才开源的陌生面孔——Hermes Agent。

更离谱的是，这个新项目官方直接内置了一个迁移命令：

hermes claw migrate

记忆、技能、消息配置、命令批准规则——一键全部搬走。这是真正的”挖墙脚”。

我好奇的是：它到底凭什么？

🎭 谁做的？Nous Research

先交代一句背景。

Hermes Agent 背后的团队叫 Nous Research，在开源 AI 圈不是新人。他们去年发布的 Hermes 系列模型，在 HuggingFace 上下载量过千万，是开源社区里口碑最好的指令微调模型之一。

这次他们不训模型了，直接下场做 Agent 框架。而且一出手就选了条不一样的路——MIT 协议全开源，不锁定任何模型厂商，OpenRouter 上 200+ 模型随便切。

免费 + 不绑生态 + 社区驱动。这三张牌一打，OpenClaw 用户开始松动就不奇怪了。

AI 工具的致命缺陷你已经很熟悉了——没有记忆，每次对话从零开始。

但 Hermes 做的事跟 Claude-Mem 这类记忆插件不一样。

它不止是”记住”。它是”成长”。

具体来说，Hermes 内置了一套三层记忆体系：

传统 Agent 的技能是手写的 YAML，改一次要手动维护。Hermes 的技能是自动生成的。

你让它帮你写了一份竞品分析报告。第二次你只说”再出一份上周那个”，它就知道格式、维度、数据来源、排版风格——全按你的来。

用得越久，它不是越懂你。它是越强。

这背后的核心技术叫 GEPA（Genetic-Pareto Prompt Evolution），是 Nous Research 跟斯坦福 DSPy 团队联合搞出来的。

它的思路很朴素：让 Agent 读自己的执行记录，找出哪里做错了，自己给自己写一份改良版操作指南，跑一遍测试验证，通过的就自动吸收。

整个过程不需要 GPU 训练，单次优化成本只要 2~10 美元。效率上把传统的强化学习方案 GRPO 碾了 6 个百分点，而且只需要对方 1/35 的训练数据。

这项研究拿了 ICLR 2026 的 Oral——顶会最高级别认可。

翻译成人话就是：你不需要手把手教它怎么做，它会自己总结、自己改进、自己变强。

Hermes 的另一个优势是原生集成的工具网：

一条命令切换模型：

hermes /model openrouter/anthropic/claude-sonnet

不绑 Anthropic，不绑 OpenAI，不绑任何人。

说回”叛逃”这件事。除了 Hermes 本身的产品力，OpenClaw 这边的”推力”也不小。

2026 年初，OpenClaw 被曝出 7 个 CVE 安全漏洞，其中包含严重的远程代码执行漏洞。GitHub 上超过 17,500 个网关实例公网暴露，安全团队拉响警报。

紧接着 2 月，创始人 Peter Steinberger 宣布加入 OpenAI。

如果说产品体验是拉力，那安全焦虑 + 核心人物离场就是推力。一拉一推，用户开始流动。

但公平地说，社区里最主流的做法并不是”二选一”。最新的调研数据显示：

最常见的方案是：OpenClaw 做网关路由和定时任务，复杂研究和长程执行交给 Hermes。 不是替代，是分工。

Hermes Agent 的火爆背后，有一个更底层的信号：

AI Agent 的竞争，正在从”手巧”转向”脑子好”。

手巧，是能调更多工具、跑更长链路。脑子好，是能从经验中学习、能自我迭代、能越用越强。

Hermes 选的是第二条路。而且它走得很坚决——把进化引擎开源、把代码放 MIT 协议、把迁移工具做得无痛。

至于 EvoMap 的抄袭争议、自进化路线的天花板在哪，那是另一个话题。

至少今天，2026 年 5 月，如果你问我哪个开源 Agent 最值得关注——答案很明确。

# 30 秒安装curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bashsource ~/.bashrchermes