我最近越来越在意一个问题：一个 AI Agent，如何才能自我成长？

这段时间看了不少 agent 项目，越看越觉得，真正把差距拉开的，可能不是模型参数，也不是工具数量。

而是另一件更朴素的事：它会不会成长。

很多 agent 第一次用都很惊艳。

会查资料，会调工具，会写代码，会回消息，像一个反应很快的临时助手。

但多用几次就会发现，问题很快冒出来了：它每次都像第一次见你。

昨天聊过的话题，今天又要重新解释；上周踩过的坑，这周还会再踩一次；明明已经做成过一次的事，下一次又像从零开始。

它不是不聪明，而是没有连续性。

记忆，不只是把聊天记录存下来

很多人一说 agent 的记忆，第一反应就是：把历史对话保存下来，下次检索不就行了？

这当然有用，但远远不够。

因为真正重要的，从来不是“存了多少”，而是“留下了什么”。

人也是这样。我们不会把过去每一天说过的话逐字记住，但会慢慢留下几类东西：发生过什么、什么值得记住、哪些方法以后还用得上、哪些判断已经变成自己的习惯。

真正有价值的记忆，最后留下来的不是原始记录，而是经验和结构。

Hermes 真正想做的，是把经历变成方法

Hermes 让我觉得比较棒的一点，不是它能接多少模型，也不是终端界面做得多完整。

而是它在认真处理另一件更难的事：一次任务做完之后，经验能不能沉淀下来。

它不只是保留会话，还试图把任务轨迹、长期记忆和可复用技能拆开处理。

这很关键。

因为一个 agent 真正开始变成熟，不是因为它某次表现得很亮眼，而是因为它能把某次成功，变成下次还能复用的方法。

所谓“自我进化”，很多时候并没有那么玄。它不是突然觉醒，也不是神秘地把自己重写一遍。

更踏实的理解其实是：把经验慢慢固化成能力。

这时候你会感觉，它不再只是每次临场发挥，而是在慢慢形成自己的做事方式。

OpenClaw 更像一个真正“活在环境里”的 agent

如果说 Hermes 更像一个很会复盘、很会总结经验的人，那 OpenClaw 给我的感觉不太一样。

它当然也有记忆、有技能、有会话，但它更强的地方，是那种长期存在感。

在 OpenClaw 里，记忆不是一个单独功能，而是一整套生活结构：它是谁，它服务谁，它最近做过什么，它形成了哪些长期习惯，它在这个环境里留下了什么痕迹。

你会觉得它不是一个“跑一下就结束的 agent”，而像一个真的在某个工作环境里长期生活、长期积累的数字个体。

如果一定要用一句话概括两者的差别，我会这么说：

Hermes 更像一个会沉淀方法论的 agent。

OpenClaw 更像一个会长期陪伴、长期维护自己的 agent。

前者强调“能力怎么形成”，后者强调“存在怎么延续”。

真正成熟的 agent，最后都要同时会记、会学

我觉得今天很多 agent 项目，最大的问题不是不够聪明，而是太“轻”。

它们像一次性的调用结果，像一个临时打开的能力界面。你用的时候觉得很强，不用的时候它也就消失了。

但如果真的想把 agent 做成一个长期存在的东西，那就绕不开两个问题：

第一，它要能记住。

第二，它要能成长。

没有记忆，就没有连续性。

没有成长，记忆就只是堆积。

只有当一个 agent 既会记、又会学，它才不再只是一个回答器，而开始有点像一个真正“活着”的系统。

为什么这个方向，比“多接几个模型”更重要

模型当然重要，但模型解决的，主要是“这次能不能想明白”。

而记忆和自我进化解决的是另一件事：下次还会不会更好。

这是完全不同的问题。

一个没有记忆的 agent，再强也容易停留在瞬时表现；一个会积累的 agent，哪怕起点没那么夸张，也可能慢慢形成自己的稳定性、熟练感和判断力。

所以 Hermes 和 OpenClaw 真正让我觉得有意思的地方，不是它们又做了一个 agent，而是它们都在认真碰那个更难的问题：AI 到底能不能拥有持续的经验。

我觉得这件事，才是下一阶段 agent 最值得看的地方。Claude code和Codex也在朝这个方向发展，未来可以期待。

完整版本和后续延展内容，会放到【阅读原文】。