“

凌晨时分，程序员阿杰正准备关机睡觉，开发者群里炸锅了：Hermes Agent 又叒叕上了 GitHub Trending 榜首，近百W 颗星，把 OpenClaw 挤到了第二。

"不是，OpenClaw 我还没玩明白呢，这玩意儿又是哪冒出来的？"阿杰发了条消息。

群里秒回："别提了，我刚把 OpenClaw 的 Skill 系统配好，文档还没写完一半，Hermes 就把自进化技能树都做好了。"

这种焦虑感在自媒体和技术圈蔓延得特别快。才火了两个多月的 OpenClaw 被戏称为龙虾，就这么被一个叫 Hermes的开源 Agent 项目抢了风头。

社区叙事非常统一：Hermes 靠自进化、自动记忆和用户建模三大杀招，在技术上全面超越了前任王者。

但仔细把两个项目扒开对比后发现，实际情况远比这个叙事复杂。

开源Agent赛道的又一次碰撞

最近技术圈有个有意思的现象：OpenClaw这个项目才刚在用户群体里积累起流量，不到两个月就被另一个叫Hermes的新选手抢走了风头。

表面看这是一场技术迭代。

我倒觉得这是两个产品哲学的正面交锋。

这些个工具刚出来的时候，大家讨论的焦点还是能不能跑代码、能不能读文档、能不能自动化SOP...

到了今年，社区的核心议题已经变成了另一个问题：一个Agent到底应该替用户做多少决定？

这个问题听起来抽象，但它直接决定了你每天和AI协作时的体验。

01 两种路线

我观察到一个有意思的分化。

OpenClaw的设计逻辑偏向工具箱模式。

claw把能力做得很全——定时任务、子Agent委派、浏览器自动化、第三方平台集成，该有的全有。

但每一步操作都需要你明确授权：新Skill得手动安装，配置改完得重启进程，系统从来不会在没收到指令的情况下替你做决定。

Hermes走的是另一条路。

爱马仕在怎么让你少操心这件事上做了大量文章。

一个突出例子是它的Skill进化机制：你在使用过程中只要触发某些特定条件——比如某个工作流被重复执行超过五次，或者系统成功从错误中自我恢复——它会自动把这个流程打包存下来，下次遇到类似任务直接调用。

整个过程你完全不知情！

这种设计背后的理念差异挺有意思。

如果说OpenClaw是一个高度模块化的工具集，负责提供能力，怎么用是你说了算。

Hermes则更像一个总想替你做主的助理，它觉得这事我熟，我来。

哪种路线更好？

没有标准答案，取决于你的使用场景。

02 Skill系统的本质

Skill是这波Agent产品的标配，本质上就是一套工作流模板。

但同样是Skill，两个系统的运行机制完全不一样。

OpenClaw的Skill更接近静态配置。

你写好文件、手动触发安装、系统才会把这个技能加载进来。

整个过程是确定性的、可控的，但也很死板——你得主动维护它，它不会自己长。

Hermes的Skill则是一套动态生长体系。

它会在运行时自动生成新的Skill文件，然后用一套叫GEPA的进化算法定期优化这些Skill。

论文层面的支撑来自ICLR 2026的一篇Oral，证明用大模型的反思能力加进化算法，在某些任务上比传统强化学习路线样本效率更高。

关键在于，Hermes把这套进化做成了一个需要人类审核的流程。

它生成PR而不是直接提交，意思是我觉得这个技能挺好用的，你要不要批准一下。

这个设计值得琢磨——它承认了自动化进化可能产生垃圾，所以加了人工把关的环节。

这种生成全自动，审核必须人的模式，比社区吹的完全不用管要诚实得多？

03 记忆系统

你用Agent的时候，有没有这种感觉：用久了之后，它好像认识你了？

这背后的机制各不一样。

OpenClaw的记忆是触发式的。

当上下文快撑满、系统要做压缩之前，它会悄悄跑一个隐藏轮次，把这段对话里的关键信息存进长期文件。

这是一种被动式的信息捕获，等于是告诉你"我脑子快满了，先存一下"。

Claude Code的记忆更偏向项目维度。

它会主动记录构建命令、调试经验，但严格限定在当前git项目内。

你在这个项目里积累的经验，绝对不会带到另一个项目里去。边界感很强，对事不对人。

Hermes的逻辑不一样。

它设了一个叫nudge的机制，大概每十五轮对话就会强制触发一次反思，让Agent主动想想"这人有什么习惯值得记"。

触发频率远高于OpenClaw的被动式捕获。

更重要的是检索能力。

Hermes默认集成了SQLite FTS5全文检索，Agent可以随时翻找历史对话记录。

这比OpenClaw依赖的关键词搜索要实用得多。

所以实际体验的差异就很明显：OpenClaw是在快装不下的时候才想起认识你一下，Hermes是隔三差五就在暗中观察你、揣摩你。

04 复杂度守恒

聊到这里，有个底层规律值得点出来。

无论是Skill的自动进化还是记忆的高频捕获，Hermes本质上在做一件事：把本该由用户做的决策，全部转移到系统层面。

你不用手动维护Skill，不用想着什么时候该存档，不用担心上下文不够用——这些它都替你包了。

但复杂度是守恒的。

你省下的这些事，并没有凭空消失，而是被写进了Hermes的代码里，变成了一条条硬规则：工具调用满五次触发技能生成、对话满十五轮触发反思、上下文超过百分之八十五做字符串替换而不是智能摘要……

这套规则看起来保守，但有它的道理。

年初Chroma有做过测试，让大模型在多轮对话里自己管理上下文，性能平均下跌百分之三十九，严重的能跌百分之八十五。

同期的研究也指出，在超长上下文的场景下，死板的规则系统往往比让模型自由发挥要稳定。

Hermes的设计者显然清楚一件事：在模型能力还不够硬的时候，把决策权收回来比放出去更安全。

你觉得它替你省心，其实它是在替自己避雷。

结语

回头看当下Hermes和OpenClaw之争，表面上是在比谁的功能更全、谁的性能更强。

实际上它们在争一个问题：未来的AI Agent应该是什么形态？是完全受控的工具，还是主动替你做主的助理？

OpenClaw代表了前者。它把能力做扎实，把控制权交给你，用起来可能麻烦点，但每一步都透明可控。

Hermes代表了后者。它把复杂度藏进底层，让用户感觉越来越省心，但系统内部的规则也越来越重。

更有意思的是趋势。

OpenClaw正在加入更主动的记忆机制，Hermes却在v0.7版本里把记忆后端做成了可插拔的插件架构。

一个在补主动的课，一个在拆包揽的墙。

大家都在往中间走。

但Hermes更早、更激进地押注了"让用户少操心"这条路线。

它们赌的不是今天的技术有多成熟，而是谁能先在用户心里立住最懂你的标签。等市场认知稳定了，再慢慢补技术短板也不迟。

这种技术未到，生态先行的玩法，在AI产品圈已然不是第一次了。

上一个这么干的是Manus，再上一个是OpenClaw自己，现在轮到Hermes。

最后谁会赢？

现在说还太早。

但有一点可以确定：在这个赛道里，能让用户产生离不开感觉的那个，永远比技术参数最强的那个走得远？

⚠️ OpenClaw 和 Hermes 可以一起用。