卸载小龙虾,安装 Hermes

用小龙虾 40 多天后，我把它卸载了。

这句话如果放在一个月前，我自己都不会信。

因为这一个多月里，我是真的下了功夫去磨它。调记忆、改 Skill、塞资料、喂项目背景，能折腾的我基本都折腾了。我不是把它当一个新玩具在试，我是真的想把它养成一个能长期配合我的助理。

但最后我发现，问题不在我喂得不够多。

问题在于，它压根不是按“成长型助理”这个思路设计的。

它更像一个很能干的仓库管理员，而不是一个会跟着你一起变熟的人。

你把东西交给它，它能帮你存，帮你调，帮你跑流程，甚至帮你组织多个 Agent 干活。这些它都不差。但你要是期待它越用越懂你，越用越像你，老实说，我到现在也没感受到。

所以我后来给小龙虾下了一个很残忍但很准确的判断：

它没有记忆，只有仓库。

01. 为什么我放弃了小龙虾

我现在对很多 Agent 最大的不满，不是它们不会执行，也不是它们不会存东西。

而是它们几乎都在卷两件事：

存储
执行

但很少有人认真卷第三件事：

成长。

小龙虾这类产品的思路，大家应该都很熟：

碎片信息放进 MEMORY.md
用 SOUL.md 定义人格
用 Skill 组织步骤和能力

单看这套设计，其实挺像样的。

但问题也恰恰在这儿，这整套东西基本都是静态的。

你跟它聊 100 次，和聊 1 次相比，它对你的理解不会发生真正的变化。

你喂进去的数据，大多数时候只是躺在那里。

它没有自己往上提炼，没有自己往下沉淀，也没有自己长出新的认知结构。你会很明显感觉到，它知道得更多了，但并没有更懂你。

具体来说就是：

MEMORY.md 会越写越长，但它不会自己压缩和提炼
SOUL.md 是你手写的人格说明，它不会自己进化
Skill 是你手工配置的，它不会自己长出来

说白了，小龙虾更像一个多 Agent 编排系统。

它擅长的是组织、调度、路由、执行。

但如果你真正想解决的是“让 AI 理解你”这件事，它的上限并不高。

这不是 bug。

这是这一代 Agent 的底层设计局限。

所以很多人用着用着，最后都会进入一个很尴尬的状态：

自己的工作本来就没彻底想明白
工作流也没有真正梳理清楚
记忆体系更没有重构

最后结果往往就是两种：

要么记不住
要么越记越乱

如果只是把一堆杂乱信息继续塞给一个“仓库型 Agent”，那本质上只是把混乱电子化，不是把混乱解决掉。

这也是为什么我一直说，大多数人养虾，其实没什么意义。

就我自己的工作来说，主要就四类：

运营今日头条、写文章
Vibe code 一些工具
做一部分交易及交易监控
运营传统业务里的财务、合同、技术等事情

这些事几乎都是我一个人在弄。

但很多场景又很特殊，不可能彻底托管给 AI。

所以我现在真正稳定下来的工作模式，其实一直是：

Claude Code 为主，OpenClaw 为辅。

这套组合对我来说已经挺能打了。

但它始终没解决我最在意的问题：

AI 到底能不能随着我一起成长。

02. Hermes 凭什么打动我

真正让我下决心切过去的，就两点。

Token 压缩
记忆的成长性

就这两点，已经够我换了。

很多人看 Agent，还停留在“它会不会调工具，会不会写代码，会不会自动执行”这个层面。

但你只要重度用过一段时间，就会知道，真正决定长期体验的，往往不是这些表面能力，而是另外两个更底层的问题：

它会不会越用越贵
它会不会越用越懂你

Hermes 在这两件事上，明显是另一种路数。

03. 记忆和 Token，Hermes 到底做对了什么

小龙虾在这块，确实没把我打服。

对话一长，context 很快就膨胀。你会很明显地感觉到：

越聊越慢
越聊越贵
越聊越容易失真

最后一般就两条路：

手动清上下文
接受效果打折

Hermes 不是这么干的。

它不是把“塞更多信息进上下文”当成进步，而是把记忆拆层，不同信息在不同场景里按需加载。

也正因为这样，我第一次觉得它有点“长期型 Agent”该有的样子了。

1. Prompt Memory：常驻，但强制精炼

Hermes 会把 MEMORY.md 和 USER.md 注入系统提示，作为常驻层。

但关键不在于“也能注入”，而在于它给这层加了一个很硬的约束：

总共只有 3,575 字符。

这个设计我是真的喜欢。

因为它本质上是在逼 Agent 做一件很多系统都不愿意做的事：

提炼。

不是无限堆。

不是什么都记。

而是必须把最值得长期保留的内容压缩成高密度表达。

还有一个很反直觉、但我很认同的细节：

对话中临时改动的记忆，不会立刻污染当前上下文，而是到下一次会话才生效。

这听起来反直觉，但其实非常合理。

因为很多临时信息，本来就不该立刻升格为“长期记忆”。

2. FTS5 Session Search：历史不是全塞，而是按需检索

Hermes 会把每次对话存进 SQLite，并建立 FTS5 全文检索索引。

这件事最关键的地方在于：

历史不需要一直背在身上，而是需要的时候再搜出来。

而且搜出来以后，也不是把整段历史粗暴塞回 context。

它会先经过摘要，只把和当前任务真正相关的部分注入。

这一步非常关键。

因为它解决的是很多 Agent 最难受的一件事：

历史到底怎么用，才不会把现在拖死。

3. Skills：程序性记忆，而且是渐进式加载

Skill 层在 Hermes 里，不只是执行模块，更像程序性记忆。

它默认只加载名称和摘要，完整内容按需调取。

这意味着什么？

你有 40 个 Skill，和你有 200 个 Skill，Token 成本并不会线性爆炸。

这才像一个真想让人长期用下去的系统该有的设计。

不是 Skill 越多越重，而是 Skill 越多，系统越知道该挑哪些出来用。

4. Honcho：被动用户建模，才是真正有味道的地方

Hermes 最让我上头的，其实是最上面这层 Honcho。

它不是让你手写一份“我是个什么样的人”。

而是在持续交互中，被动观察你的：

沟通风格
偏好
领域知识
决策习惯

然后在多层身份建模里慢慢演化。

你不用每次都重新告诉它“我喜欢什么”“我怎么思考”“我通常怎么做”。

它会在使用中慢慢形成自己的判断。

这和很多传统 Agent 最大的区别就在这里。

前者是你反复告诉它“我是谁”。

后者是它慢慢看懂你是谁。

这四层叠在一起，最后给我的感觉就是：

Agent 越用越聪明，但 Token 账单不会跟着一起失控。

04. 能力比较，Hermes 和小龙虾差在哪

如果只挑最核心的差异，我觉得有三个。

1. 闭环学习

小龙虾的 Skill，本质上还是你手工创建的。

它不会因为“自己走通过一次路”就真正学会。

Hermes 不一样。

当某个任务满足特定条件时，比如：

5 次以上工具调用
出现错误恢复
用户进行了关键纠正

它会自动把这次成功路径沉淀成 Skill。

等于是把“这次摸索出来的办法”保存成下次可以直接复用的经验。

更关键的是，它更新 Skill 时也不是整段重写，而是用 patch 增量改。

这说明它不是把 Skill 当静态文档，而是把 Skill 当活的经验体。

2. Token 压缩

很多工具的压缩都很粗暴：

要么直接丢
要么整段硬塞

Hermes 的做法更细。

当 context 接近上限时，它会触发辅助模型进行压缩，总结关键内容，尽量保留对当前任务真正有价值的部分。

而且它保留了 lineage 链，也就是压缩后的内容还能追溯回原始对话来源。

这很重要。

因为很多系统一旦压缩，就是不可逆的信息损失。

Hermes 至少在设计上，尽量避免了“压完就断根”。

3. Gateway 一体化

小龙虾的 Gateway，更多是消息投递层。

但 Skill 创建、记忆写入、定时任务这些，往往是分开的。

Hermes 则把 Gateway 纳入了整个学习闭环。

消息进来，可以触发记忆和 Skill 沉淀。

定时任务跑出来的结果，也走同一套会话和路由体系。

这意味着一段对话，不再死绑在单个平台。

你可以从 Telegram 开始，回头在终端里继续，因为绑定的是 Session，不是平台本身。

这件事在长期协作里非常关键。

05. 总结：什么才叫好 Agent

我 100% 确定，Hermes 一定不是最优解。

但在当前阶段，它是最适合解决我问题的 Agent。

我现在越来越不相信那种“谁是最强 Agent”的讨论。

因为这种问题本身就问错了。

真正该问的是：

哪个 Agent 能最自然地嵌进你的工作方式，并且越配合越顺。

对我来说，一个好 Agent 不是热点，不是流量，不是别人都在说它强。

而是它能不能无缝和我配合，帮我解决真实需求。

如果不能，那再热也只是围观品。

如果能，那它哪怕不是全网第一，也足够值钱。

所以 Agent 好还是不好，到最后一定是你自己用明白了，而不是别人替你说清了。

06. 安装只占 0.1%，但我还是给你留一下

我自己的安装过程其实很简单，直接让 Claude Code 去做了，大概就是一句话：

# 给我安装 Hermes，并把在 openclaw 里面的所有配置迁移过来，# 包括但不限于 Telegram 配置、模型 API Key、Skill、记忆体系等等。

如果你还没有这套环境，又只是想先把 Hermes 装起来跑一下，那官方最直接的方式就是：

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

装完以后，再执行：

hermes setup

剩下的按提示配置就行。

但我还是那句话：

如果你连 Claude Code 这类基础工作流都还没整明白，也还没有真正把 AI 融进日常生产里，那你现在去折腾一堆 Agent，意义并没有你想象中那么大。

先把自己的工作方式理顺。

再决定该让哪一类 Agent 进来。

这会比盲目追热度有效得多。

07. 最后

我不是在说所有人都应该卸载小龙虾，安装 Hermes。

我只是越来越确信一件事：

下一阶段真正拉开差距的 Agent，不是最会调用工具的，而是最会持续理解用户、压缩上下文、沉淀经验的。

如果一个 Agent 只会存，不会长；

只会做，不会学；

那它最多是执行器，不是助理。

而 Hermes 至少让我第一次觉得，它在往“贴身助理”这条路上认真走。