上周抱着试试看的心态，在 OpenClaw 的同环境下，又装了 Hermes Agent，也通过 一键迁移——设置、记忆、技能、API 密钥，在不影响 OpenClaw 使用的同时，全部带到我新装的 Hermes Agent 上。看看最近新闻好多，也来说说。

一、一个数据

两个月，4.7万颗 GitHub 星标。

2026年2月底开源，首月破2.2万星；4月8日发布v0.8.0版本，单日新增6400+星。多日内持续霸榜全球开源榜单第一。

这是 Hermes Agent 的成绩单。它来自 Nous Research——一个定位为「去中心化AI研究实验室」的团队。

但数字只是故事的开头。

— — —

二、可以考虑装 Hermes

龙虾用得好好的，折腾第二个干嘛？

但有两个信号让我觉得值得看看。

📢 信号一：OpenRouter 上 token 消耗日榜排第二全网都在喊：切到 Hermes 太爽了，龙虾可以退役了。

🔧 信号二：Hermes 补的正好是龙虾的短板龙虾擅长连接一切——多渠道接入、本地运行、灵活定制。Hermes 擅长自我进化——持久记忆、技能自动沉淀、多 Agent 协同。今天，腾讯云也出了专属部署方案——三种方式，部署门槛直接归零。一家云厂商愿意为一个开源项目做专属镜像，说明的不只是热度，而是企业级的认可。

— — —

三、它到底解决了什么问题

和龙虾有两个关键区别：

第一，记忆。

龙虾的记忆是会话级的，跨会话需要手动维护。Hermes 具备更持久的记忆与更精准的回忆能力，能真正记住你说过什么、做过什么。

第二，自我进化。

Hermes 引入了完整的自我学习机制，支持自主创建与优化技能。

龙虾靠你教，Hermes 能自己长。

具体来说，它有三层机制：

持久化记忆。 所有历史会话存在本地数据库里，通过全文检索和模型摘要做二次组织。跨会话建立关联，逐步形成对用户工作方式的理解。

技能自动沉淀。 完成一项任务后，它会自动把过程提炼成结构化的 Skill（包含步骤、判断、陷阱、验证）。下次遇到同类任务，优先调用已有经验，而不是重新推理。

自训练雏形。 运行时生成工具调用轨迹，导出后可用于后续模型微调，反哺自身能力。

这三件事合在一起，形成一个闭环：使用 → 学习 → 变强 → 更好地服务。

这就是为什么它的口号是 "the agent that grows with you"——不是静态的工具，而是一个会成长的系统。

— — —

四、和现有方案比，它有什么不同

拿它与 OpenClaw（龙虾）做个对比：

核心思路龙虾：确定性路径——预设规则和技能Hermes：进化式路径——从经验中自我生长

技能来源龙虾：人类预设Hermes：自动涌现

记忆方式龙虾：显式记忆 + RAG 检索Hermes：分层记忆 + "关于你的模型"

更擅长龙虾：批量执行、低容错任务Hermes：探索性工作、模糊流程、创意开发

最佳场景龙虾：日常工作流、重复性任务Hermes：创意开发、长期协作

简单说：OpenClaw 是一个执行力强的员工，Hermes 是一个越干越有经验的搭档。

前者你告诉它怎么做，它照办得很好；后者你告诉它做什么，它会慢慢学会怎么做得更好。

两种路径没有高下之分，取决于你需要什么。

— — —

五、建议

如果你也在纠结"玩哪个"，可以试着：

新手先玩龙虾，建立体感。

再了解 Hermes，理解多 Agent 的逻辑。

别站队，去使用。

不管网上吵得多凶，工具没有阵营，只有场景。

龙虾是你的搭子，Hermes 是你的团队。

— — —

更为关键的是，如果你已经在用龙虾，可以通过内置命令 hermes claw migrate一键迁移。试试也不是不行~

— — —

人机协作说明

这篇文章的写作过程：

选题构思 — 人工 100%，AI 无参与

素材收集 — 人工 80%，AI 网页提取、数据整理

框架设计 — 人工 90%，AI 结构建议

文字撰写 — 人工 60%，AI 表格生成、润色建议

格式调整 — 人工 30%，AI Markdown 格式化

核心洞察：

人工负责：选题判断、观点表达、最终决策

AI 负责：数据整理、格式规范、润色建议

写作是一件人机共创的美好小事。