——直到 Hermes Agent 出现
官网：https://hermes-agent.org你教过它你的工作习惯，它忘了。你纠正过它的错误，它忘了。你们一起走过的那条最有效的路径，它也忘了。下一次对话，你重头来过，它依然是那个什么都不记得的陌生人。这不是 AI 的能力问题，这是 AI 的设计哲学问题。https://github.com/NousResearch/hermes-agent
2026 年 2 月，有人给出了一个不同的答案。Nous Research 历时九个月打造的 Hermes Agent（赫尔墨斯智能体）正式发布，发布首月 GitHub 星标即突破 6 万，目前已超过 9 万，月榜持续霸榜第一。社区给出的评价只有一句话：“OpenClaw 上线以来，第一个真正意义上的竞争对手出现了。”在它出现之前，主导这个赛道的是 OpenClaw（龙虾）。34.6 万 GitHub 星标、全球“养龙虾”热潮、腾讯等国内大厂争相跟进——它的爆红有充分的理由：能像真人一样操作电脑，处理邮件、日历、航班，接入二十多个聊天平台，一行命令极速上手。但 OpenClaw 有一个根本性的局限，而 Hermes 的出现，让整个行业猝不及防地意识到了这件事。理解这场竞争，必须先理解 OpenClaw 的设计逻辑。OpenClaw 本质上是一个网关型助理平台。它的核心价值在于“把消息送到 Agent”——打通二十多个渠道，让你的 AI 助手无处不在。你配置好规则，它严格执行；技能市场（ClawHub）有成千上万的社区贡献，拿来即用。这是一种极度优雅的工程哲学：标准化、可插拔、零门槛。会话结束，上下文清空。你纠正过它一次错误，下次依然可能犯同样的错。你走过一条高效的工作路径，下次它不会优先选择这条路。所有的“进步”，都需要人工写进配置文件，手动维护，手动迭代。你花了半小时教它你的汇报风格，第二天打开新对话，它又变回了那个什么都不知道的陌生人。你的耐心，喂不饱一个永远失忆的系统。社区里流传着这样一句话：“OpenClaw 是严格按说明书办事的助理；Hermes 是做完任务后自己写说明书的助理。”这句话，精准地切开了两代 AI 智能体之间的分水岭。Hermes 的核心创新，被称为闭环学习循环（Closed Learning Loop）。概念听起来学术，但逻辑极度朴素：每次完成任务，Hermes 会自问一个问题——“这段经历值得记下来吗？”触发条件有四个，满足任意一个即生效：工具调用超过五次、中途出错后完成了自我修复、用户做过纠正、走了一条不明显但更有效的路径。一旦触发，Hermes 会自动在本地生成一份结构化的 Skill 文件，用 Markdown 格式写下这个任务的最优路径、注意事项、用户偏好。下次遇到类似任务，这份文件自动调入——它不需要你重新教，因为它已经自己学过了。有 Reddit 用户实测：使用 Hermes 仅两小时，Agent 自动生成三份技能文档，此后重复性研究任务速度提升 40%。那些技能文件还在持续迭代——不是覆盖重写，而是用 patch 方式更新，有效内容永远被保留。想象一下这样的场景：三个月后的 Hermes，和今天的 Hermes，已经不是同一个 Agent。它见过你处理过的项目，知道你偏好的代码风格，记得你反复强调的那几个边界条件。它越用越懂你，而不是每次都需要你重新认识它。如果说闭环学习循环是 Hermes 的进化引擎，那么它的四层记忆体系就是这台引擎的底盘。大多数 AI 的记忆像一张便利贴——贴上去，揭下来，什么都不剩。Hermes 的记忆更像一座会自动归档的图书馆：不同类型的信息，住在不同的楼层，按需取用，永不丢失。最靠近入口的地方，是两个始终开着的文件：MEMORY.md 和 USER.md，记录着关于你最核心的那些事——你的工作习惯、你的偏好、你反复强调过的边界。有趣的是，Hermes 把这一层的上限故意卡在 3575 字符。这是一个刻意的克制：它在强迫系统不断筛选，什么才是真正值得随身携带的信息？这个设计本身，就是一种哲学态度。再往里走，是所有历史对话的档案室。Hermes 用 SQLite 数据库存储每一次会话，建立全文索引，需要时不是笨拙地把整段历史塞进上下文，而是用 LLM 摘要精准召回——找的是信息的意义，不是信息的体积。第三层是闭环学习循环的产出仓库：技能文件库。这里住着 Hermes 从每一次任务中提炼出的经验。关键的设计在于：默认只加载每个技能的名称和一行描述，全文按需调入。这意味着技能库从 40 个涨到 200 个，上下文的成本几乎纹丝不动。这是一个能无限扩张却不会把自己撑死的记忆系统。最深处，是可选接入的 Honcho 用户建模层。它不只记住你做了什么，而是在跨越无数次会话之后，慢慢理解你是谁——你的沟通风格、你的思维偏好、你在某个领域的知识边界。记忆的静态，正在成为 AI Agent 进化最隐蔽的天花板。Hermes 选择了正面拆掉这堵墙。Hermes 还有一个容易被忽视的数字：5 美元/月。据社区用户反馈，一台入门级 VPS，就能让 Hermes Agent 7×24 小时不间断运行。空闲时自动“休眠”，几乎不消耗 token；工作时唤醒即用，成本趋近于零。对比 OpenClaw 对服务器配置的更高要求，这个数字有着改变游戏规则的意义。它意味着，一个真正会进化、会学习、会记忆的 AI 员工，不再是大公司的专属玩具，而是每一个个体开发者、每一家小型团队都能负担的生产力基础设施。想象一下这样的场景：你花 5 美元雇了一个 AI 员工。第一周，它还在摸索你的工作习惯；第一个月，它已经把你所有重复性工作的最优路径都写进了自己的技能库；三个月后，它比任何一个刚入职的人类员工更了解你的项目、你的偏好、你的底线。而且它从不请假，从不情绪化，从不忘记你教过它的东西。小米 MiMo 已经官宣接入，限免两周。国内生态的快速跟进，是一个信号：这场 AI Agent 的代际迭代，已经不是实验室里的技术讨论，而是正在重塑真实生产力的现实浪潮。2026 年 2 月，OpenClaw 曝出多个高危漏洞：13.5 万个实例暴露在公网，技能市场发现的恶意技能从最初的 300 余个迅速攀升至 900+。中国工信部发出风险预警，多家券商明令禁止使用。与此同时，创始人彼得·斯坦伯格宣布加入 OpenAI，项目将移交基金会管理——一个爆红项目，在最高光的时刻，进入了最不确定的阶段。Hermes 在安全设计上，走了一条截然不同的路。五层纵深防御：用户授权 → 危险命令审批 → 容器隔离 → 凭据过滤 → 上下文注入扫描。高风险操作默认需要人工审批，超时自动拒绝。这不是补丁式的亡羊补牢，而是架构层面的原生设计。在 AI Agent 拥有越来越多真实权限的今天——能操作文件、能调用 API、能代表你发邮件——安全架构的差异，本质上是对“人与 AI 边界”这个哲学问题的不同回答。几分钟内快速上手，无需任何前置依赖，支持 Linux、macOS 和 WSL2，一键自动安装所有组件。
1、安装
自动安装 uv、Python 3.11，克隆仓库并完成所有配置，无需 sudo 权限。
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
2、配置
连接 Nous Portal（OAuth）、OpenRouter（API Key）或自定义端点，交互式向导引导完成配置。# Interactive setup wizardhermes setup# Or choose your modelhermes model
完整的交互式 CLI，内置工具、记忆和技能系统，就这么简单。引导式连接 Telegram、Discord、Slack 或 WhatsApp，以 systemd 服务方式后台运行。# Interactive gateway setup wizardhermes gateway setup# Start the messaging gatewayhermes gateway# Install as a system servicehermes gateway install
拉取最新代码并重新安装依赖，随时运行即可获取新功能和修复。OpenClaw 不会消亡。它的多渠道生态、成熟的技能市场、极低的上手门槛，依然是无可替代的优势。甚至已经有技术社区在探索如何让两者协同——OpenClaw 负责渠道接入，Hermes 负责进化引擎，组成更强大的多智能体系统。但 Hermes 的出现，把一个问题摆在了每一个 AI 使用者面前：我们真正想要的，究竟是一个每次都需要重新认识的工具，还是一个越来越懂你的伙伴？
原创不易，公众号【智能体架构手记】，如果觉得文章有价值，请点赞、推荐、分享到朋友圈。量子位、36氪、BBC、Medium、X(Twitter)社区Nous Research GitHub： github.com/NousResearch/hermes-agent官网：https://hermes-agent.org
夜雨聆风
