还在养龙虾?Out了!从 OpenClaw 到 Hermes,谁才是 Agent 之王

宇宙纪事 · AI投资研究

2026年4月13日

HERMES AGENT · AGENT 基础设施演进

重塑数字主权：从 OpenClaw 到 Hermes Agent的架构演进

OpenClaw 用几个月拿下 20 万 GitHub 星，创始人 Steinberger 被 OpenAI 收编，项目交给开源基金会。Nous Research 的 Hermes 随即接棒——它的赌注不是更多通道，而是一个会自己写新技能的代理。控制论遇上进化论，谁才是下一代本地 AI 的底座？

#OpenClaw#Hermes#NousResearch#AIAgent#MCP

2025 年末到 2026 年初的几个月里，AI 应用层完成了一次从"云端对话"到"本地持续性自主代理"的范式转移。核心诉求只有一个：夺回数字主权——让代理运行在你的私有设备上，直接操作文件、接入多协议通讯、跨月保留深度个性化记忆。

OpenClaw 是这一波的绝对领导者。从 Clawdbot（2025.11）到 Moltbot（2026.1）再到 OpenClaw，几个月拿下 20 万 GitHub 星，社区增速超过历史上的 Docker 和 React。创始人 Peter Steinberger 加入 OpenAI，项目交给开源基金会托管。它不是一个拥有自研底模的大脑，而是一个精密的本地编排层——给现有 LLM 装上了操作文件系统和网络接口的"手"和"眼"。

但随着重度开发者和企业级全天候自动化需求深化，基于静态规则的架构在"持续学习"和"自我进化"上开始吃紧。Nous Research 推出的 Hermes Agent 拿出的方案是根本性的架构转变——从"严格执行人类手册的助手"演进为"任务完成后自主编写新技能的自我进化引擎"。

一、OpenClaw：控制平面优先的自动化枢纽

OpenClaw 的核心是一个叫 Gateway 的中央消息路由中心。它像一个高效的"交通警察"，把 Telegram、WhatsApp、Slack、Discord、iMessage、IRC、LINE 等 20 多种平台的消息汇集到单点处理。配置集中在 ~/.openclaw/openclaw.json，可以配置严格的审批流——任何 shell 脚本或网页抓取必须通过通讯软件获得人类明确授权。

代理不存在于数据库，完全依附于可见的纯文本文件。会话启动时实时读取一组 Markdown 文件组装身份——SOUL.md（灵魂：角色设定与硬性边界）、SKILL.md（人类总结的最佳实践）、MEMORY.md / USER.md（显式记忆与用户偏好）。像管理代码一样用 Git 管理 AI 助手。

静态智能的两个瓶颈

缺乏学习反馈：

它无法从成功或失败中吸取教训，不会自动记忆摸索出的调试捷径——只知道文本文件里明确写的内容。要改变行为，必须人类手动编辑技能文件。配置漂移问题：版本静默升级，旧版优化参数在新版本中可能失效。开发者被迫引入 openclaw doctor --config-diff 诊断命令，排查 compaction.mode 或未知键值引发的异常。

二、Hermes：基于机器反思的自主演化引擎

Nous Research 是一家有去中心化网络背景的 AI 研究机构，两轮融资约 7000 万美元，还在搞一个叫 Psyche 的分布式训练网络。这个背景让 Hermes 的焦点从"控制与编排"转向了"代理自身的执行与演化循环"。

持续学习循环（Do → Learn → Improve）。面对长文档总结或代码调试，Hermes 任务完成后不会立即跳转下一指令，而是主动停顿、回溯执行轨迹。如果找到更优路径，它会自主编写新的技能文件永久保存到本地技能库。下次遇到类似挑战，优先检索自创技能直接套用——通过复用和覆盖重写自己的"大脑"，执行速度与准确率实现指数级提升。

" 程序性记忆回答的不是"这件事是什么"，而是"我该如何逐步完成这类任务"。这是 Hermes 与传统 RAG 的根本分水岭——它学的是程序，不是事实。

分层记忆栈。背景模型总结的事实型声明性记忆支持跨月全文检索、不拖累推理；跨会话的用户建模在 USER.md 里持续记录偏好、决策史、工作模式，自动维护"错误日志"避免重复失误，"习惯日记"强化有效的交互模式。

DSPy + GEPA 演化算法。官方维护的 hermes-agent-self-evolution 子项目利用 DSPy 框架结合 GEPA（遗传-帕累托提示词演化算法），对技能、工具描述和系统提示词进行自动化演化寻优。算法读取执行轨迹、定位失败根因、生成改进变体，通过约束网关挑选帕累托最优解，甚至直接向主代码库提交 PR。

$2 – $10

单次演化运行成本无需 GPU 微调

3,000

Level 0 目录级披露技能元数据 Token 消耗

64K

硬性上下文窗口要求本地模型必须锁定

渐进式信息披露。配合 Anthropic 提示词缓存技术分三级加载：Level 0 只拉技能名称+简述元数据（3K tokens）；Level 1 需要时提取完整指令文本；Level 2 仅在涉及脚本调用或模板时加载外部参考。OpenClaw 在庞大工作区下容易上下文溢出，Hermes 这套按需加载机制是关键解法。

技能语法严谨性。每个 SKILL.md 必须包含 YAML frontmatter，明确声明兼容 OS 和必需环境变量（如 Docker 技能要写 POSTGRES_PASSWORD）。接近包管理器级别的前提条件校验，大幅降低执行崩溃率。

三、架构对比：控制论与进化论的碰撞

评估维度	OpenClaw（龙虾）	Hermes Agent
核心哲学	控制平面优先，执行确定性	自主演化，反思-生成飞轮
技能获取	人类手动编写，静态	代理反思自创 + GEPA 演化
记忆机制	显式文件驱动（类 RAG），手动更新	分层记忆栈 + 程序性记忆
身份控制	工作区级 SOUL，强绑定	全局 SOUL + `/personality` 覆盖
最佳场景	多平台客服、确定性审批流	长周期编程、云端无限扩展

四、生产部署：从桌面到 Serverless

资源基线。最低 1 vCPU / 2GB RAM / 10GB 存储；生产网关推荐 2+ vCPU / 4GB+ / 20GB+ SSD。操作系统推荐 Ubuntu 22.04 或 Debian 12，生产环境 Ubuntu 24.04。

Windows 不原生支持——必须通过 WSL2 宿主。官方极简脚本自动处理 Python 3.11 venv、Node.js v22（浏览器自动化）、ripgrep、ffmpeg 的拉取与链接。

Android 通过 Termux。官方构建了 .[termux] 专用安装包，需用 pkg 安装 rust/clang/openssl，手动 export ANDROID_API_LEVEL 让 maturin 编译通过。注意：ctranslate2 和 faster-whisper 暂无 Android 预编译包，移动端被强制移除本地语音模块。

NixOS 声明式部署。通过 Nix Flake 编写 configuration.nix，用 sops-nix 安全注入 API 密钥；启用 container.enable = true 把 Agent 封装在 Docker/Podman 驱动的持久化 Ubuntu 容器里——既能自由 apt/npm 安装依赖，又保证宿主机隔离。开源代理领域极其罕见的工程化路径。

Serverless 成本控制模式

Hermes 深度集成 Daytona 和 Modal。无任务时容器自动休眠释放算力停止计费；Cron Job 或 Telegram/Discord 消息触发时秒级唤醒恢复上下文。腾讯云 Lighthouse 已推出一键部署镜像。长期 VPS 闲置成本被无限压低——这是把"全天候高能力代理"从重资产变为按用量付费的关键转变。

五、迁移路径：OpenClaw → Hermes 的无损过渡

社区的主流实践不是零和替换，而是"Hermes 负责深层逻辑与长期学习，保留网关对接前端"。官方内置了 hermes claw migrate 迁移引擎。首次执行 hermes setup 向导时自动扫描 ~/.openclaw，一键拦截并提供迁移选项。

核心资产映射四件套

▸ 身份人格：原 SOUL.md + 工作区 AGENTS.md → 全局身份配置▸ 状态同步：MEMORY.md + USER.md → 多层级持久化记忆数据库▸ 历史技能：旧脚本 → ~/.hermes/skills/openclaw-imports/▸ 信任继承：Telegram/OpenRouter/ElevenLabs 密钥 + 命令白名单直接跨系统继承

迁移指令	适用场景
migrate --dry-run	模拟演练，生成树状变更报告，零写入——迁移前强制审计
migrate --preset user-data	只迁技能+记忆+角色，剥离所有密钥——安全合规场景
migrate --overwrite	强制用旧数据覆盖 Hermes 同名节点——系统重置
migrate --source <path>	从外部硬盘或远程目录读取——多机集群克隆

迁移后用 hermes doctor 做全链路体检。原 OpenClaw 网关用户可无缝过渡到 Hermes 的 CLI/Messaging 混合命令——/personality [name] 快速切换会话人格，/compress 强制收敛历史上下文。

六、边界突破：MCP、多实例与 IDE 共生

多实例隔离（Multi-Agent Profiles）。早期个人 AI 被设计成"全知全能的单体引擎"，跨域任务（个人杂务 + 企业高保密代码重构）容易数据污染、权限越界。Hermes 在同一台物理机或 VPS 上可同时启动多个完全独立的代理实例，每个实例独立的内存、技能集、模型后端——实例 A 挂廉价局部模型做邮件过滤，实例 B 挂旗舰模型做夜间代码库审计，低成本构建微服务化 AI 中台。

MCP + ACP 协议深度集成。Hermes 可基于标准化 stdio 本地进程通信或带 OAuth 2.1 鉴权的远程 HTTP，对接外部工具链。更具革命性的是 ACP（Agent Context Protocol）——让 Hermes 作为底层上下文服务直接暴露给 Cursor、Zed、JetBrains、Claude Desktop。

开发者敲代码时，能无缝调取 Hermes 在后台跑了几个月的代码审查标准、系统架构理解和程序性经验。"驻留代理"与"人类交互工具"之间的系统孤岛，被彻底打破。

◆

架构选型建议

留在 OpenClaw：场景核心诉求是"极稳、规则严密、不容越轨的确定性审批流"——敏感资金流向指令转发、多平台标准化客服分发。零摩擦信道连接性 + 透明执行边界，OpenClaw 依然不可替代。

迁往 Hermes：任务具备持续迭代、模糊处理或长周期工程属性——长期探索性编程、周期性海量数据处理、云端 Serverless 无限扩展的数字劳动力集群。反思飞轮 + MCP 万物互联 + GEPA 演化，会创造难以量化的自动化复利。

投资视角：Nous Research 的 7000 万美元融资和 Psyche 分布式训练网络表明这不是一个工具玩家，而是在押注"去中心化 AI 基础设施"的全栈愿景。如果未来 IPO 或被收购，其估值锚点将不是 Agent 工具本身，而是"数据策展层 + 自演化引擎"的基础设施地位——类似 2018 年看 Docker 和 Kubernetes。

范式含义：从静态脚本执行器向具备反思能力的认知实体的演进，标志着 AI 应用层进入新的成熟周期。选 OpenClaw 还是 Hermes，本质上是"系统确定性"与"认知演化能力"之间的战略权衡——掌握具备持续自我演化能力的基础设施，是重塑数字主权的最优路径。

本文基于 OpenClaw / Hermes Agent 官方文档与社区实施指南整理分析

转载请注明：《宇宙纪事 · AI投资研究》，技术选型请结合自身场景测试，本文不构成部署建议。