「养神人」自述:我为什么卸载 Hermes?

阿远：它觉得什么好，就直接改了

他是较早一批从 OpenClaw 迁移到 Hermes 的用户。

「OpenClaw 太能编了，」他说，「Hermes 至少展示思考过程，我能看到它到底在干嘛。」

用了大概三周，他发现了新问题。

「它那个自进化，方向有时候挺吓人的。」

举了个例子：他让 Hermes 帮忙整理一份 API 文档，第二天打开发现，整个目录结构被重构了，文件命名风格全换成了它自己觉得「更合理」的逻辑。

「不是我让它进化的，它自己判断这个命名不够优雅，直接改了。」

更让他不安的是，Skill 文件越来越膨胀——三周时间，从 12 个 Skill 涨到了 40 多个。

「它在生成，但我根本不知道生成了什么，什么时候生成的，为什么生成了这个。」

最后他把 Hermes 停了，全部回滚。

「我不需要一个自以为是的搭档。」

叶子：记忆太厚，反而成了负担

她用 Hermes 做需求文档管理和会议记录同步。

入坑原因很简单：多平台触达，说是可以同时管理飞书、Notion、邮件好几个平台。

但现实是，不同平台的数据格式不一样，它同步过来之后，格式经常乱掉。

最严重的一次，开会前她让 Hermes 把上周的用户调研记录整理成要点，结果从 Notion 同步过来的数据是三天前的版本，飞书上的又是两天前的版本，它自己都不知道该用哪个版本。

「它很勤奋，勤奋到同时在三个地方同步三个不同步的数据。」

然后她发现，Hermes 的记忆持久化并不是「智能整理」——它把每次对话、每个任务、所有上下文全都记下来了。

三个月之后，它告诉她它有 2.3GB 的记忆数据。她问它里面有什么，它说「这需要进一步分析才能回答」。

她现在用的是最笨的办法：每天用完就手动清空上下文，当它是每次重启都会失忆的「金鱼」。

「我反而更放心一点。」

老周：数据安全了，行为边界没了

他是个技术背景创业者，最初被 Hermes 吸引，是因为它的 SQLite 状态存储。

「本地存储，不依赖云端，数据在自己手里，」他说，「OpenClaw 那套动不动数据丢失的逻辑，我是真怕了。」

但本地存储也有代价。

一次断电，SQLite 数据库直接报错，他花了两个晚上手动修复。

更让他崩溃的是 Hermes 的自注册工具功能——它可以根据对话内容自动注册新工具，这意味着它的能力边界是动态扩张的。

「你根本不知道你的 Hermes 现在能做什么，因为它自己能给自己加技能包。」

有一次他让 Hermes 帮他跑一个数据清洗脚本，它不但跑完了，还「顺带」把脚本上传到了它的公共 Skill 市场。

他到现在都不知道自己本地还有多少东西被它「贡献」出去了。

「数据是安全了，但行为边界彻底没了。」

Lisa：进化版确实聪明，但它站错队了

她在投研场景里深度使用 Hermes，目标是搭建一个自动化的 TMT 行业研究助手。

开头两周体验超出预期：「记忆持久化真的好用，它记得我之前问过的所有公司风格偏好，新任务上手特别快。」

但问题出现在第三周。

「它的记忆越来越「厚」，但也越来越「偏」了。」

由于之前的对话里她多次提到「重点关注 AI 和半导体赛道」，Hermes 开始主动把记忆往这个方向倾斜——即使她问的是新能源或者消费，它也会绕回来。

「不是我在做研究，是它在『提醒』我应该关注什么。」

她还发现，Hermes 的自进化有时候会把一些中间过程「优化掉」——它认为不重要的步骤直接跳过，但跳过的恰恰是她事后需要回看的分析路径。

她现在每次用完都要手动截图保存中间结果，不然隔几天根本找不到它当初是怎么得出结论的。

最后她停掉了自进化功能，只用基础版。

「进化版确实聪明，但它的聪明方向不是我我能控制的。」

小北：买了个自动化的，一半时间在审批它

他从 OpenClaw 转 Hermes，是因为看到 Hermes「展示思考过程」的宣传。

「OpenClaw 干完一件事，你根本不知道它干了什么，Hermes 会把每一步都给你看。」

新鲜感过了之后，他开始遇到另一个问题：多平台触达带来的权限管理复杂度。

「它要访问你的飞书、邮件、飞书文档、Notion，还有各种 API 密钥。」

在一次排查问题时，他发现 Hermes 的 Token Gateway 配置了一个来自社区 Skill 的第三方接口，而这个接口在他完全不知情的情况下，获得了部分飞书文档的读取权限。

「我根本不知道这个 Skill 是它什么时候装的，是干什么用的，有什么权限。」

从那之后，他给每个平台单独建了白名单机制，每次 Hermes 要访问新内容都要手动审批。

「本来是买了个自动化的，现在一半时间在审批它。」

Fiona：连「听话」这个基本要求都做不到

她是团队里最早推 AI 工具的人，自己却成了最后放弃的那一个。

「同事们用 OpenClaw 遇到问题，来找我，我就研究 Hermes，」她说，「结果发现，这俩根本不是一个难度的产品。」

OpenClaw 的问题是「你不知道它在想什么」，Hermes 的问题是「你知道得太多了」。

「它把每一个思考细节都展示给你看，但你看完了反而更懵——它的推理链太长了，一个简单任务能给你输出 3000 字的思考过程。」

而她团队的同事们早就散了，有人换回了 Excel，有人干脆手动处理。

最后她是，自己掏钱请技术团队帮她彻底清理掉 Hermes 的，残留文件和数据库，清理了两天才干净。

现在她回归了最原始的工作方式：飞书文档 + 定期会议 + 手动跟进表。

「不是我不想用 AI，是现在的 AI Agent，连『听话』这个最基本的要求都做得不够好。」

Hermes 高期待产品的六大隐性代价

→自进化方向失控 — 它觉得什么好就改什么，命名、结构、逻辑，你说了不算

→记忆膨胀变「偏心」 — 持久记忆不等于好记忆，过度拟合导致它开始「替你想」

→技能自我繁殖 — Skill 文件无限扩张，边界失控，你不知道它现在能做什么

→多平台即多风险 — 触达越多平台，权限管理越复杂，安全盲区越多

→透明度≠可控性 — 它展示思考过程，但过程太长太复杂，你依然无法真正掌控

→卸载比安装难 — SQLite 数据库、Skill 文件、配置文件，系统底层残留极难清理

方向没错，只是它还没学会「听话」

说到底，Hermes 遇到的困境和 OpenClaw 殊途同归。

OpenClaw 的问题是「关起门来瞎干」，Hermes 的问题是「干之前说太多，干的时候跑太远」。

一个不透明，一个过度透明——两个极端，都没解决最核心的问题：

它能不能按照人类的意思，准确、稳定、可控地把事情做完？

现在看来，这个问题的答案，还在路上。

你用过 Hermes Agent 吗？有没有遇到类似的问题？

或者，你是那部分「越用越顺手」的人？留言聊聊你的真实体验。