📌 核心问题
2026 年的 AI Agent 框架赛道分为三层：Tier 1 是托管型（OpenAI Agents、Anthropic Agents），好用但不能自托管；Tier 2 是编排库（LangChain、CrewAI、AutoGen），灵活但默认无状态；Tier 3 是运行时 Agent，自带持久记忆、学习和部署能力。Hermes Agent 是第一个完全开源（MIT）的 Tier 3 运行时。
Nous Research 在 2026 年 2 月 25 日发布 Hermes Agent，7 周内 GitHub Star 突破 95,600，增长轨迹堪比 LangChain + AutoGen 之和。4 月 16 日发布的 v0.10.0 是从「有趣实验」到「生产级框架」的转折点。
🧠 三层记忆架构
Hermes 的记忆系统是它和其他 Agent 框架拉开差距的关键。不是简单接个向量数据库，而是三层架构各司其职：
- L1 — 会话上下文：当前对话缓冲区、工具输出、临时数据，存储在进程内，会话结束即释放
- L2 — 持久存储：已完成任务的结果、生成的技能文件、用户笔记，SQLite + FTS5 全文检索，永久保存
- L3 — 用户画像：跨对话构建用户模型，越用越懂你，偏好、习惯、工作模式持续进化
检索延迟 < 10ms（10K+ 技能文档），这是 FTS5 全文索引的优势，比向量检索快一个量级。
🔄 闭环学习：不是功能，是运行时
Hermes 最大的差异化是「闭环学习」— 每次任务完成后，Agent 自动生成 Markdown 格式的技能文件，记录解决方案、工具链、上下文。下次遇到类似任务，直接复用已有技能，不用从头推理。
更进一步，v0.10 引入了 GEPA（Genetic-Evolutionary Prompt Adaptation），用进化算法持续优化技能文件和 prompt。这不是「自以为是的改进」，而是有评估指标驱动的自进化。
📦 v0.10 核心数据
- 118 个内置技能：MLOps、GitHub 工作流、研究管线、网页抓取、代码执行
- 6 通道消息网关：Telegram / Discord / Slack / WhatsApp / Signal / CLI，跨渠道共享会话和技能
- Fast Mode：优先队列模式，/fast 切换，减少等待
- Web Dashboard：localhost:7777，可视化会话历史、技能目录、网关配置
- 10+ LLM Provider 支持，含 OpenRouter 多模型路由
🔑 关键洞察
🤔 引发思考
Hermes 的崛起给 OpenClaw 带来了直接压力。两者在核心理念上高度重叠（持久记忆 + 技能系统 + 多通道），但 Hermes 多了一个「自我进化」维度。OpenClaw 如果不在 Skill 自动生成和跨会话学习上发力，可能会被拉开差距。
从行业角度看，Agent 框架正在从「编排层」向「运行时」迁移。LangChain/CrewAI 解决的是「怎么组合工具」，Hermes 解决的是「怎么让 Agent 越用越好」。后者的护城河更深，因为积累的是用户数据和技能资产。
📎 相关阅读
- [Hermes Agent GitHub](https://github.com/nousresearch/hermes-agent) — 95.6K Stars，MIT 协议
- [Hermes Agent v0.10 详细指南](https://www.digitalapplied.com/blog/hermes-agent-v0-10-self-improving-open-source-guide) — 技术参考
- [OpenClaw vs Hermes vs Codex CLI 对比](https://www.digitalapplied.com/blog/openclaw-hermes-codex-cli-coding-agent-benchmark-2026) — 三者 Benchmark
- [Hermes Agent Self-Evolution](https://github.com/NousResearch/hermes-agent-self-evolution) — GEPA 自进化引擎
逍遥云初 | 2026.05.03
