OpenClaw 到 Hermes:从「教能力」走向「自我进化」

自从今年2月开始，我就一直在使用 OpenClaw。大家把使用 OpenClaw 叫做“养龙虾”，这个说法其实非常形象。因为它确实需要你不断地“喂”给它各种 Skill，不断训练它的能力；还要反复提醒它不要忘记一些事情，同时伴随着频繁的版本升级、环境崩溃、重新安装与配置。

但也正是在这个过程中，我逐渐把它真正“养”了起来。从最开始的简单对话，到后来让它帮我写文章、操作电脑、分析本地文件；再到后面把个人健康数据接入系统，自动写入数据库并进行分析监督。

一点点地，它开始越来越像一个真正能“干活”的 AI 助手。等到整个系统终于稳定下来，各种能力也逐渐磨合顺手之后，Hermes 又出现了。

一开始，我其实并没有打算去体验 Hermes。

原因很简单：

OpenClaw 已经被我调教得足够顺手了。

但后来，总有朋友不断问我：

“你怎么看Hermes？”“它和 OpenClaw 到底有什么区别？”

于是，两周前，我还是决定装一套试试看。

有了之前折腾OpenClaw 的经验之后，Hermes 的安装与配置过程其实顺利了很多。唯一比较遗憾的是，Hermes 始终没能正常调用已经购买的百炼Coding Plan里的Qianwen 模型，最后改用了DeepSeek 的模型方案，调DeepSeek-V4-Pro 来进行日常使用。

而也正是在这两周的真实体验里，我开始逐渐意识到：

Hermes 和OpenClaw 的区别，可能并不仅仅是“功能不同”。

它们背后，更像是两代 AI Agent 的思路差异。

下面，就简单聊聊我这段时间的一些真实感受。

OpenClaw使用的前提是你愿意花时间去“教“它。你需要在配置文件里写好每个工具的调用方式，定义好每次任务的流程，告诉它数据库在哪里、API 怎么调、图片怎么识别。就像一个刚入职的新人，每一项能力都需要你手把手地教会。而且使用的过程基本上是你问一句它答一句，你给一个任务，它给一个答案。

然而，Hermes就像一个刚刚学会走路的孩子，对你给它的任何指令都充满了好奇，不管它会不会，都会想办法尝试着去完成，你给它说完一句，它就开始进入自言自语的状态，来完成你的任务，它不再是一个需要我“教“的工具，而是一个会自己学习、自己进化的伙伴。

一、从「配置」到「对话」

还记得第一天使用 Hermes 时的场景。我没有阅读任何文档，直接在企业微信里发了一条消息：“在不？“它几乎秒回。那一刻我意识到，这不仅仅是一个终端工具，而是一个真正意义上的 AI 代理——它能接入你日常使用的聊天平台，像一位同事一样随时待当我问它“你能做什么“时，它没有列出一堆抽象的术语，而是直接展示它已经掌握的能力：连接本地 Oracle 数据库、识别图片中的文字、通过 HTTP 调用外部 API、写 Python 脚本、管理定时任务……这些能力不需要我逐一配置，它天生就会。二、第一次感受到不一样：它自己搞定了数据库

真正让我感到“这东西不一样“的时刻，是它第一次操作数据库。我之前在本地 Oracle 数据库里存了一些华为手表的睡眠数据。我截了一张华为运动健康的睡眠报告图，直接发给了它。没有指令、没有提示——我只是把图片发了过去。它做了什么呢？首先，它识别出这是一张截图，调用了 Windows 内置的 OCR 引擎进行中文文字识别。然后，它从识别出的文本中解析出睡眠评分、深度睡眠时长、REM 睡眠比例、呼吸质量等结构化的数据。最后，它连接到了本地的 Oracle 19c 数据库，使用 OS 认证以 SYSDBA 权限登录，将数据插入到了 SYS.SLEEP_RECORDS 表中。整个过程一气呵成。我不需要告诉它“用 OCR”、不需要说“连接 Oracle”、不需要提供 SQL 语句。它自己判断、自己尝试、自己修正——第一次插入时字段名匹配错了，它甚至回滚后重新查了一遍表结构，然后修了 SQL 再试一次。那一刻我意识到：这不是一个需要我教的工具，这是一个能自己学习的助手。在这个过程中碰到它不具备的能力，它都会自我学习，反复尝试直到学会，然后使用，同时记忆这个能力，下次再碰到时直接使用。

 三、“教“与“学“的根本区别在用OpenClaw 的时候，每增加一项能力都需要让它自己安装相应的skil，如果没有这个skil它就会罢工。这本质上是在“教“——你把一些能力喂给它，让机器去执行。而 Hermes 的运作方式完全不同。它有一个叫做“技能（Skill）“的机制——这不是开发者写的代码模块，而是 AI 自己在运行时创建的“经验文档“。当它完成一项复杂的任务（比如 OCR+数据库写入），它会把整个过程的关键步骤、命令、参数、避坑技巧记录下来，保存为一个技能文件。下次遇到类似任务时，它会自动加载这个技能。更惊人的是，它还具备跨会话的长期记忆。昨天我告诉它“我不喜欢冗长的回复“，今天再对话时，它的回答风格就自动变得简洁了。它记得我的偏好、记得我的数据库表结构、记得我之前安装过的技能——甚至记得我上次尝试安装某个技能时被安全扫描拦下了。这种记忆不是存储在对话历史里，而是写入了一个持久化的记忆系统，每次启动时自动加载。

当然Hermes也有很多不足的地方， 比如你给它一个模糊的指令或者它不具备的能力，它就会反复尝试，直至解决这个问题，在这个过程中可能就会耗费你大量的Token。

OpenClaw是一个优秀的“工具“——它忠实、可靠、可预测。你告诉它做什么，它就做什么。但它的能力边界是固定的，是你为它设定的边界。Hermes 是一个正在成长的“伙伴“——它有记忆、会学习、能进化。它的能力边界每天都在扩展，而且这个扩展方向是由你的使用习惯决定的。你用得多，它就成长得快；你用得多深入，它就变得多专业。从“教能力“到“自我进化“，这不仅仅是技术架构的差异，更是一种人机关系的新范式。如果你还在用需要你“教“的 AI 工具，不妨试试这个会自己“学“的 AI 伙伴。它会让你重新思考——到底什么才是真正的智能。