Hermes 火了之后，我更确定：Agent 热点真正值得看的不是新名字

这两天又看到 Hermes Agent 被反复讨论。

如果只看表面，它很容易被写成一篇“OpenClaw 平替来了”“又一个自进化 Agent 爆火”的热点稿。甚至标题都不用想，直接把 OpenClaw 和 Hermes 拉到擂台上，谁赢谁输，谁取代谁。

但我这次反而不太想这么写。

因为延续我上一篇写 OpenClaw 时的判断，Hermes 更值得看的地方，不是它是不是把 OpenClaw 打下去了，而是它把 OpenClaw 那一类产品先暴露出来的问题，又往前补了一层。

OpenClaw 让更多人第一次感受到：

AI 不只是回答你，它开始像一个能被调度、能替你做事的执行入口。

而 Hermes 这类产品继续往下问的是：

如果 AI 已经开始做事了，它能不能在长期使用里留下经验、减少重复、慢慢变好？

这两个问题不是互相替代的关系。

它们更像同一条趋势线上，前后出现的两次产品修正。

我看了一眼官方资料，截至我写这篇的 2026 年 4 月 19 日，Hermes Agent 的 GitHub star 已经接近 10 万，最新 release 是 2026 年 4 月 16 日的 v0.10.0。官方文档对它的定位也很直接：一个会从经验里创建技能、复用技能、跨会话积累记忆的 self-improving agent。

这些数字当然会变。

但这件事本身已经足够说明一个问题：

大家真正上头的，可能不是某个具体项目名，而是那种“AI 终于开始带着历史往前走”的想象。

一、我不把 Hermes 看成 OpenClaw 的反面

我上一篇写 OpenClaw 时，核心判断其实不是“OpenClaw 本身有多完美”。

我更在意的是，它第一次把很多分散能力缝成了一个普通人也能感知到的产品体感：聊天入口、任务执行、工具调用、记忆、定时任务、Agent 编排。

它让更多人意识到，AI 产品的下一步，不只是把聊天框做得更好看，而是让 AI 真正进入任务链。

但只要开始进入任务链，问题也会立刻冒出来。

它能不能记住我之前怎么改过它？

它能不能把一次排障经验留到下次？

它能不能不要每次都像新来的实习生一样，从头问一遍背景？

它能不能把“我教会它的东西”，沉淀成某种可复用的工作流？

这些问题，正好是 Hermes 这波讨论里最抓人的地方。

OpenClaw 更像把“执行感”推到了台前。Hermes 更像开始补“执行之后怎么留下反馈”的课。

所以我不会把它们理解成简单的竞品关系。

更准确一点说：

OpenClaw 让大家看见 Agent 可以动起来，Hermes 让大家开始关心 Agent 动完之后能不能变得更好。

这也是我这次最想保留的判断。

新产品会不断出现，不断修正前一个产品暴露出来的缺陷。今天是 Hermes 补 OpenClaw 的记忆、技能和自我改进，明天可能又会有新的产品继续补 Hermes 的安全、权限、成本、可观测性和协作问题。

这不是坏事。

这恰恰说明这个方向开始进入真实的产品迭代了。

二、Hermes 真正值得看的，不是“记得更多”，而是“分层记得”

很多人一听 Hermes，会先抓到“记忆”和“自进化”这两个词。

但我觉得如果只停在这两个词上，反而容易把它写虚。

因为“记忆”这个概念已经不新了。现在很多聊天产品、AI IDE、自动化工具都在讲记忆。问题不再是“有没有记忆”，而是：

什么东西应该一直放在上下文里，什么东西应该需要时再找，什么东西应该沉淀成做事方法。

这才是 Hermes 让我觉得有意思的地方。

官方文档里，它把记忆拆得很细：

• MEMORY.md 和 USER.md 只放很小、很精炼的常驻信息。
• 历史会话进 SQLite，用 session_search 按需查。
• Skills 放可复用流程，更像程序性记忆。
• 需要更深用户建模时，再接外部 memory provider。

这套设计翻译成人话，其实就是一句：

不要把所有东西都塞进模型脑子里。

高频偏好和环境事实，可以很小地放在提示词里。

过去某次对话、某次排障、某次项目细节，不必每轮都出现，需要的时候再搜索。

而那些“下次还会用到的做法”，就不该只存在对话记录里，而应该变成技能文件。

这跟我们人做事很像。

我不会每天把所有旧聊天都背一遍，但我会记住几个稳定偏好；我也不会把每次踩坑都写进一句口号里，但如果某个流程反复出现，我会把它整理成模板。

Hermes 的意义不在于它第一次发明了“记忆”，而是它把 Agent 的记忆问题拆成了不同层级。

我甚至觉得，这比“自进化”这个词本身更重要。

因为很多时候，所谓进化不是突然长出一个更聪明的大脑，而是系统终于知道哪些东西该沉淀，哪些东西该忘掉，哪些东西该在需要时被召回。

三、对开发者来说，这类热点是很好的“产品信号课”

如果你是开发者，或者正在做 AI 产品、AI Coding、自动化工作流，我会建议你认真看这类热点。

不是让你看到一个项目火了，就立刻跟风做一个同款。

而是因为这些热点很像现实世界给你的反馈。

它告诉你，用户已经在哪些地方开始不满足了。

OpenClaw 的火，说明大家已经不满足于“AI 只回答问题”，开始想让它进入执行链。

Hermes 的火，说明大家又开始不满足于“一次性执行”，开始想让 Agent 有连续性、有经验、有可复用流程。

这背后其实是需求在往前推。

所以开发者更该看的，不只是安装教程，而是这些产品到底在修什么问题。

它为什么要把记忆做小？

它为什么要把技能做成文件？

它为什么要兼容 agentskills.io 这种开放标准？

它为什么要做 OpenClaw 迁移？

它为什么要强调 gateway、cron、terminal backend、MCP、skills hub 这些东西？

这些问题背后，藏着下一阶段 Agent 产品真正会卷的地方：

更稳定的运行环境。

更清楚的权限边界。

更可迁移的技能系统。

更低成本的上下文管理。

更能被人检查、修正、复用的反馈链。

如果我是开发者，我会把 Hermes 当成一个很好的学习样本。

看它怎么组织记忆，看它怎么定义 skills，看它怎么处理迁移，看它怎么把聊天入口、终端、消息平台和长期任务接起来。

然后再回到自己的项目里问一句：

这些设计里，有哪些不是必须照搬，但可以变成我自己的工作流能力？

这才是追热点真正有价值的地方。

不是追着每个新名字跑，而是借这些新名字，看见产品缺陷如何被下一代产品修正。

四、但如果你只是想把 AI 用起来，我不建议焦虑式追新

另一边，如果你只是普通应用者，或者刚开始想把 AI 用进自己的学习和工作里，我反而不建议你立刻被 Hermes、OpenClaw、各种本地 Agent 搞焦虑。

这不是说它们不重要。

而是对大多数刚入场的人来说，第一步最重要的不是“把最新 Agent 全部跑一遍”，而是先把一个真实任务做出来。

我之前写 OpenClaw 时就提过：

如果只是想先感受 Agent 的执行感，不一定要第一时间跳进重度本地部署。

今天写 Hermes，我这个判断反而更坚定了。

你完全可以先把 AI IDE 用顺。

先学会怎么让 AI 读你的文件，怎么描述任务，怎么给参考，怎么改错，怎么验收结果。

再往前一步，用 Codex、Claude Code 这类更强的 coding agent，把一个真实项目推进下去。

等你真的有了上下文管理、文件管理、反馈管理的手感，再去研究 Hermes、OpenClaw、MCP、skills、长期记忆这些更重的东西，会顺很多。

我现在越来越觉得，AI 学习里有一种东西非常重要，叫具身。

不是身体意义上的具身，而是你必须真的把自己放进一个任务里。

你要有文件，有目标，有错误，有版本，有参考，有反馈，有最后能不能跑起来的结果。

只看产品热闹，很容易变成“收藏了一堆教程，但没有做出任何东西”。

但只要你开始做一个真实任务，很多抽象概念都会变得具体。

什么叫上下文？

就是 AI 不知道你这个项目里什么才是对的，你得把关键材料喂进去。

什么叫记忆？

就是你不想每次都重复解释同一个偏好，所以要把稳定规则沉淀下来。

什么叫技能？

就是你发现某个流程下次还会用，不如把它整理成可复用步骤。

这样再看 Hermes，你就不会只是看热闹。

你会知道它为什么重要，也会知道自己暂时不需要急着一步到位。

五、所以热点还是要看，但看的是需求，不是噪音

这也是我现在对“追热点”这件事稍微变清楚的一点。

我以前有时候会本能抗拒热点。

因为热点太容易把人带偏：今天一个新工具，明天一个新框架，后天又一个“终局产品”。看多了之后，人的注意力会被切碎，很难真的沉到一个项目里。

但后来我又觉得，完全不看热点也不对。

热点是现实世界给我们的反馈。

某个产品突然被大量讨论，背后通常不是因为大家都无聊，而是它撞中了一个还没被很好满足的需求。

OpenClaw 撞中的，是“我想让 AI 替我推进事情”的需求。

Hermes 撞中的，是“我不想每次都重新教 AI，我希望它能留下经验”的需求。

再往后，新的产品还会继续撞中新的缺口：

怎么更安全地执行？

怎么更低成本地常驻？

怎么让技能跨工具迁移？

怎么让 Agent 的行为被审计？

怎么让普通人不懂部署也能先拿到结果？

所以我现在会把热点分成两层看。

第一层是产品名，会变。

今天是 OpenClaw，明天是 Hermes，后面还会有更多名字。

第二层是需求，不会那么快变。

人们想要低摩擦的执行。

想要更可靠的反馈链。

想要 AI 不只是会说，还能在一次次真实任务里变得更懂自己。

如果你是开发者，就多看一层：这些需求正在把产品往哪里推。

如果你是应用者，就少焦虑一层：先把 AI IDE、Codex、Claude Code 这些工具用到真实任务里，先建立自己的手感。

我这次看 Hermes，最后留下来的不是“赶紧换工具”的冲动。

而是一个更具体的提醒：

产品会不断换名字，但需求会持续往前拱。真正值得练的，不是追上每一个热点，而是在热点里看见需求，再回到自己的任务里把反馈链跑起来。