从 OpenClaw 到 Hermes,再到 Codex:我的 Agent 使用心路历程
2026 年 2 月—7 月,一段关于 AI Agent 的真实使用与思考。
2026 年 2 月,我第一次认真使用 OpenClaw。
当时最吸引我的,不是“又一个 AI 工具”,而是它提供的一种想象:AI 不必永远待在聊天框里等命令,它可以接入消息渠道、调用工具、访问文件,在更接近真实工作环境的地方持续运行。
那一刻,我对 AI Agent 的理解还很简单:
给它一个目标,它会自己把事情做完。
后来几个月,我又接触了 Hermes。到了 7 月,我开始把 Codex 放进实际工作流。
现在回头看,这不是一次简单的工具迁移,而是我对 AI Agent 的期待发生了三次变化。
从“替我做事”,到“记住我怎么做事”,再到“和我一起把事情交付出去”。
01
OpenClaw:AI 第一次走出聊天框
在 OpenClaw 之前,我使用 AI 的方式和很多人一样:提问、得到答案、复制、修改、继续追问。
效率确实提高了,但本质没有变。
我仍然是那个不断切换窗口、拆解任务、传递上下文的人。
OpenClaw 带来的冲击在于,它把 AI 放进了更真实的工作流里。消息、文件、工具调用、长期任务,这些原本分散在不同软件中的事情,开始有机会被一个 Agent 串起来。
我开始尝试把一些重复工作交给它:整理资料、跟进信息、生成初步方案、处理固定流程中的琐事。
最初的体验很兴奋。
你会觉得,自己好像终于拥有了一个不知疲倦的数字助理。它响应更快,也能处理那些你不愿反复操作的小任务。
但兴奋很快被现实校正。
我发现,AI 并不是真的“理解了任务”。很多时候,它只是沿着我给出的上下文和权限边界往前走。
任务描述不清,它会自信地走偏;工具权限过大,风险也会随之放大;一次任务做得不错,不代表下一次仍然稳定。
OpenClaw 让我学到的第一课:Agent 的价值不在于“自动”,而在于能否被放进一个可控的流程。
从那以后,我不再只问“它能不能替我完成”,而是开始问:
-
这件事的输入是否清楚? -
它能访问哪些资料和工具? -
哪一步必须由人确认? -
出错后,能否快速发现并撤回?
02
Hermes:真正稀缺的是持续的上下文
如果说 OpenClaw 让我看见了 Agent 走向真实世界的可能性,那么 Hermes 让我开始关注另一个问题:
一个 Agent 能不能越来越懂我的工作方式?
一次性完成任务的 AI 并不稀缺。
真正麻烦的是,每次新对话都要重新解释背景:我是谁、项目是什么、文件在哪里、输出应该遵循什么格式、哪些事情绝对不能做。
这也是 Hermes 吸引我的地方。
它把记忆、技能、工具调用和持续运行放在一个体系里,试图让 Agent 不只是“完成一次回答”,而是在重复任务中积累可复用的能力。
这段时间,我对 AI 的期待从“帮我干活”变成了“帮我形成工作惯性”。
比如,一篇内容从选题、资料搜集、结构搭建、初稿到发布前检查,真正有价值的并不是每一步都自动化,而是把那些反复出现的标准沉淀下来:
-
什么选题值得写; -
哪些来源更可靠; -
标题要避免什么; -
哪种结构更适合读者; -
发布前要检查哪些事实和链接。
我开始理解,所谓 Agent 的“记忆”,不是保存更多聊天记录,而是让它能在正确的时候调用正确的约束。
但我也看到了另一个现实:一个 Agent 越能行动,就越需要边界。
记忆会过期,技能会失效,自动化流程会在环境变化后产生偏差。我们不能因为它看起来越来越像一个“同事”,就忘记它依然需要明确的任务定义、权限控制和结果验收。
Hermes 给我的第二课:AI 的长期价值,不是替人积累聊天记录,而是帮助人沉淀可复用的工作方法。
03
Codex:协作比替代更重要
到了 7 月,我开始更频繁地使用 Codex。
这一次,最明显的感受不是“它又多了一个功能”,而是工作关系变了。
面对一个真实任务,最有价值的过程往往不是直接生成结果,而是先理解现状,再查找资料和代码,制定方案,完成修改,运行验证,最后交付一个可检查的结果。
这正是 Codex 让我重新建立信心的地方。
它更像一个能够进入工作现场的协作者:理解项目上下文、处理文件、执行任务、给出改动、接受反馈,再继续迭代。
人不再只是发号施令,也不必逐字逐句接管执行;更合适的关系是,共同完成一个明确的交付目标。
我渐渐不再执着于“让 AI 全自动替我工作”。
因为很多工作并不适合彻底放手。真正重要的判断——做什么、不做什么、什么算完成、什么风险不能接受——仍然需要人负责。
但 AI 可以把人从大量低价值的重复劳动中解放出来,让我们把精力留给判断、取舍、创意和最后的责任。
Codex 给我的第三课:最好的 AI Agent,不是替代你,而是让你能把注意力放在只有你能做的事上。
04
5 个月后,我对 AI Agent 的三个新判断
从 OpenClaw 到 Hermes,再到 Codex,我的使用习惯变了,判断也变了。
第一,别只看“它能做什么”,更要看“它能否稳定地完成一个闭环”。
第二,别急着追求全自动。先把一个小流程跑通、设好边界、能验收,再扩大授权。
第三,未来最有价值的能力,可能不是掌握某一个 AI 工具,而是把自己的工作拆成适合人机协作的流程。
AI Agent 还远没有到“交给它就可以下班”的阶段。
但它已经足够强大,值得我们认真学习如何与它协作。
写在最后
关注我,获取最新 AI 前线动态,以及 GitHub 上真正值得研究和上手的开源项目。
如果你有关于OpenClaw、Hermes、Codex 在安装、使用中的困惑,欢迎在评论区提问!
夜雨聆风