从OpenClaw、Hermes 到AI Agent 平台的范式革命

一个周末项目如何引爆了软件形态的重写

2025年11月，奥地利程序员彼得·施泰因贝格尔花10天写了一个小工具。最初它只是一个打通 Claude API 和 WhatsApp 的机器人，用来帮他处理日程、草拟回复。但彼得多做了一步：他不满足于AI只能“说”，他给了它 shell 访问权限、浏览器控制能力和本地文件读写权限，让它真正能“做”。

四个月后，这个被他命名为 Clawdbot（后更名为 OpenClaw）的项目，以 34.7 万星标超越 React，成为 GitHub 历史上星标最高的软件仓库（现在星标数以及达到38.2万）。又过了两个月，另一个名为 Hermes 的开源项目在 OpenRouter 上累计处理超过 17 万亿 Token，登顶全球 AI 应用 Token 消耗榜。再然后，明略科技开源了 Octo——一个让不同 Agent 在同一张“网”里协作的平台。

从 OpenClaw 到 Hermes 再到 Octo，三次爆发间隔不到八个月。这不仅仅是三个明星项目的交替，而是一场正在加速的范式革命：AI 正在从“会说话的脑子”变成“会干活的帮手”，而“帮手”的定义，每个月都在被重写。

OpenClaw 之所以能在四个月内超越 React 十年积累的星标，不是因为它比 React 更“好”，而是因为它回答了一个 React 回答不了的问题：AI 怎么才能真的替人干活？

这个问题比看起来要难得多。再聪明的模型，如果无法连接现实系统——消息平台、文件系统、浏览器、数据库——本质上仍然只是一个对话引擎。OpenClaw 的真正创新，不在于某个单一技术，而在于将大模型的“规划能力”与一个健壮、可扩展的执行环境进行了松耦合设计。

这套架构的技术洞察在于：它将 LLM 的推理能力从执行环境中解耦出来。模型负责“想”，网关和 Agent 负责“调度”，Skills 负责“做”。三者各司其职，使得系统可以像一个操作系统一样持续运行，而不是每次调用都从零开始。

围绕 OpenClaw 形成的生态裂变更令人震撼。ClawHub 上已收录超过 4.4 万个技能，180 家初创公司基于它构建产品，月活跃用户达 320 万，65% 的用户来自企业。2026 年 2 月，创始人彼得加入 OpenAI，项目转入独立基金会继续开源运营。2026 年 3 月，NVIDIA 在 GTC 大会上推出 NemoClaw——基于 OpenClaw 的企业级封装方案。

在企业应用层面，OpenClaw 已经走出了实验室。邮储银行推出安全增强的金融“龙虾”生态体系，应用于情报监测、风险预警等场景；盈米基金推出“投顾龙虾”；某零售集团通过 OpenClaw 构建智能财务中台，将月结周期从 15 天缩短至 3 天，人力成本降低 65%。

但爆发之后，OpenClaw 也开始暴露它作为“第一代产品”的先天局限：每次交互都像初次见面，无法从过往经验中学习；默认“全有或全无”的权限模型存在安全隐患；TypeScript 实现的动态插件机制随着代码库膨胀，版本兼容性问题日益严重。

OpenClaw 解决了“AI 怎么动手干活”。但当连接成为标准配置之后，下一个问题自然浮现：如果 AI 每次执行任务都不会变强，那它和传统自动化脚本有什么区别？

Hermes 的出现直接回应了这个问题。它由美国 AI 实验室 Nous Research 于 2026 年 2 月 25 日正式开源。值得注意的是，Hermes 并非 OpenClaw 的竞争者，而是它的演化分支——仓库结构几乎一一对应，官方甚至直接提供了迁移工具。更准确地说：

这个“闭环”才是 Hermes 真正的灵魂。它包含五个环环相扣的机制：任务完成后自主判断什么值得记住；识别重复模式后自动生成 Skill 文件；现有 Skill 失败时自动优化；按需检索历史对话；从行为推断用户偏好并建立模型。这意味着，当你让 Hermes 处理一批同类任务——比如整理 20 份不同格式的报表——它不会机械重复，而是在执行过程中逐渐找到规律，把重复动作固化为可复用的 Skill，下一次遇到类似任务时效率就会明显提升。

“用得越久越懂你”——到第 30 天的时候，一个重度用户的 Hermes 可能积累了 20 到 50 个自定义技能，AI 对“你”的项目越来越了解。

从技术实现层面看，Hermes 的 System Prompt 采用三层架构设计：stable 层（Agent 身份、工具指导）基本不变，context 层随项目切换，volatile 层（记忆快照、用户画像）每一轮都不同。这个设计的核心考量是缓存命中率——对上游 LLM 提供商的 prefix cache 友好，能明显减少重复 token 的计费。

市场数据印证了这一路线的爆发力。截至 2026 年 7 月 2 日，Hermes 在 GitHub 上已获得 20.7 万星标，最新版 v0.18.0 于 7 月 1 日发布。2026 年 5 月 9 日，Hermes 正式超越 OpenClaw 登顶 OpenRouter 全球应用 Token 消耗榜。截至 2026 年 6 月，累计处理超过 17 万亿 Token。调用量排名前五的模型为小米的 MiMo-V2-Pro、MiniMax M2.7、英伟达 Nemotron 3 Super、阶跃星辰 Step 3.5 Flash 和腾讯 Hy3 preview——中国模型占据四席。

OpenClaw 和 Hermes 的快速崛起，让一个被长期忽视的问题浮出水面：当软件真正开始“行动”，安全就不再是边界防护问题，而是权限治理问题。

2026 年初，安全研究人员发现 OpenClaw 存在严重 RCE 漏洞，攻击者可通过 WebSocket 劫持实现未授权远程控制。随后 Cyera 披露了被称为“Claw Chain”的漏洞链——四项可串联利用的 CVE 漏洞。其中最高危的 CVE-2026-44112 评分高达 9.6，允许攻击者将文件系统写入重定向到沙箱边界之外。

Shodan 和 ZoomEye 在 2026 年 5 月的扫描发现，约 24.5 万个 OpenClaw 实例暴露在公网。Koi Security 对 ClawHub 的审计发现，2857 个可用技能中有 341 个恶意条目——窃取凭证、打开反向 shell、劫持 Agent 进行加密货币挖矿。

与此同时，监管也在加速进场。2026 年 5 月，国家网信办、国家发改委、工信部联合印发《智能体规范应用与创新发展实施意见》，这是全球首个系统性针对 AI 智能体的国家级治理框架。2026 年 6 月，工信部印发《“人工智能+信息通信”创新发展实施意见》，首次将“智能体”写入国家级产业路线图。

OpenClaw 让 AI 长出“手”，Hermes 让 AI 长出“脑”，但还有一个问题没有被回答：当一个人有一个 Agent 是效率工具，当一个公司里有成百上千个 Agent 时，事情就没那么简单了。

2026 年 6 月 29 日，明略科技开源发布了 Octo，定位为“全球首个开源可信的 Agent 协作网络”。它带来的是一次更底层的逻辑翻转：与其让一个 Agent 越来越强，不如让一群 Agent 分工协作。

Octo 的核心理念：Agents do. Humans decide。AI 不再只是在聊天框里回答问题，它开始进入组织流程，成为可以被分工、被管理、被验收的数字劳动力。

截至发布时，Octo 已在明略科技内部约 1400 名员工中部署，超过 2900 个 AI Agent 在实际工作流中高效运行。

Octo 的出现标志着 AI Agent 从“单体智能”向“系统智能”的跃迁。如果说 OpenClaw 是 AI 的“手”，Hermes 是 AI 的“大脑”，那么 Octo 就是 AI 的“组织”。这三者不是替代关系，而是叠加关系——当三层能力叠加在一起——接入一切、记住一切、协作一切——一个更完整的“数字行为能力”体系正在成形。

把 OpenClaw、Hermes、Octo 串联起来，可以清晰地看到三条并行的进化线索。

第一条是能力进化线： 从连接到学习再到协作。连接解决“能不能进入系统”，学习解决“能不能变强”，协作解决“能不能处理复杂现实”。每一步都是在回应上一个阶段暴露的瓶颈。

第二条是形态进化线： 从工具到伙伴再到组织。OpenClaw 是可被调用的工具，Hermes 是越用越懂你的伙伴，Octo 是多个 Agent 组成的协作网络。每一步都在重新定义“AI 与人的关系”。

第三条是价值进化线： 从“能做什么”到“能学会什么”再到“能组织什么”。Token 消耗的指数级增长——Hermes 的 17 万亿累计 Token 消耗——说明应用正在承接复杂任务，而不仅仅是浅层问答。

如果追问“为什么偏偏是现在”，会看到三股更底层的驱动力。

第一，大模型能力的溢出效应。 当模型参数突破万亿、上下文窗口超过百万 Token，模型的“智能”已经超出了单纯“回答问题”所需的上限。过剩的智能必须找到出口——接入现实、执行任务、改变世界。

第二，工具调用的标准化。 当 function calling 从实验功能变成基础能力，AI 与外部系统之间的边界就变得可编程。MCP、A2A 等协议的标准化，又让智能体之间拥有了通用“语言”。

第三，任务复杂度的持续上升。 现实世界中的任务越来越长链路、跨系统、不可一次完成——从每周购物的全流程自动化到跨市场交易策略的执行。单一模型、单一工具、单一 Agent 都无法独立完成这些任务，这倒逼出了 Agent 系统形态的诞生。

回到最初的那个问题：OpenClaw 只是一个周末项目，但它引爆的远远不止一个 GitHub 仓库。

它验证了“本地优先的 AI 助手”这个产品形态的市场需求——不是大厂发布的云端服务，而是运行在自己电脑上的、数据完全私有的、可以真正动手干活的 AI。

它证明了开源社区对 AI Agent 品类的饥渴程度——一个个人项目能在四个月内超越 React 十年积累的星标，这在软件史上几乎没有先例。

它催生了一个完整的生态——52 个衍生项目、4.4 万个技能、180 家初创公司、320 万月活用户——这一切发生的时间跨度，不到半年。

但更重要的是，它为后来的进化铺平了道路。Hermes 的“自学习闭环”建立在 OpenClaw 的“连接能力”之上；Octo 的“多 Agent 协作”需要 Hermes 那样的智能 Agent 作为节点。这三者之间不是竞争关系，而是层层递进的关系——每一次递进，都是对上一阶段瓶颈的回应。

从 OpenClaw 的“连接一切”，到 Hermes 的“记住一切”，再到 Octo 的“协作一切”，这三步跨越发生的时间跨度，不到八个月。

OpenClaw 在 GitHub 上超越 React，用了四个月。Hermes 在 OpenRouter 上超越 OpenClaw，用了两个半月。Octo 从开源到被写进中国信通院的报告，用了不到一周。这种迭代速度，在传统软件时代是无法想象的——它不再是“功能更新”，而是“物种演化”。

工信部 2026 年 6 月发布的《“人工智能+信息通信”创新发展实施意见》中，首次将“智能体”写入国家级产业路线图。政策层面已经意识到：这不是一个工具升级周期，而是软件形态本身的一次重写。