2026 年 2 月 25 日，Nous Research 发布 Hermes Agent，7 周内 GitHub stars 突破 95,000。开源 Agent 领域的格局，从此被彻底改写。

2025 年到 2026 年初，开源 AI Agent 的对话几乎被 OpenClaw 独占——gateway-first 架构、24+ 消息平台支持、庞大的 ClawHub 技能市场。然后 Hermes Agent 出现了。它不是 OpenClaw 的克隆，而是对「AI Agent 应该做什么」这个问题的重新回答。

🚀 两个框架，两种哲学

OpenClaw 是控制平面（Control Plane）架构。它的核心是 Gateway——一个集中式的调度层，负责连接 24+ 消息渠道（飞书、Discord、Telegram、Slack、WhatsApp 等）、管理 Session、调度 Skill、编排 Cron。技能生态是它的护城河：ClawHub 上有数千个社区贡献的 Skill，从日历管理到代码审查，覆盖面极广。

Hermes Agent 是执行循环（Execution Loop）架构。它的核心是一个五阶段的闭环学习系统——接收任务 → 检索记忆 → 推理执行 → 评估会话 → 持久化技能。它不追求平台覆盖的广度，而是追求「用得越久越好用」的深度。

一句话总结：OpenClaw 像一个全能的操作系统，Hermes 像一个越用越聪明的个人助理。选择取决于你要的是「广度」还是「深度」。

🧠 闭环学习：Hermes 的杀手锏

Hermes Agent 最核心的差异化是 Closed Learning Loop（闭环学习）。大多数 Agent 框架（包括 OpenClaw）的工作流是三步：接收任务 → 规划执行 → 返回结果。状态在下一次任务时重置。

Hermes 加了第四和第五步：会话结束后，Agent 自主判断这次会话是否值得记录——如果一个任务涉及 5 次以上的工具调用，它会自动编写一个 Skill 文件，记录解决方法。这个 Skill 被索引进记忆库，未来所有会话都可以调用。

五阶段闭环

  • 触发（Trigger）：消息从 CLI/Telegram/Discord/Slack/WhatsApp/Signal/Matrix/iMessage/WeChat 或 Cron 进入统一执行引擎
  • 检索（Retrieval）：通过 SQLite FTS5 全文搜索查询持久记忆，10ms 内返回 10,000+ 文档的相关结果
  • 推理与行动（Reasoning & Action）：模型规划、调用工具、执行、流式返回输出
  • 评估（Evaluation）：Agent 收到内部系统级提示，自主判断会话是否值得记录 ← 这是其他框架没有的
  • 持久化（Persistence）：新 Skill、记忆更新、用户模型偏移写回磁盘
TokenMix.ai 独立基准测试：携带 20+ 自创 Skill 的 Agent，完成同类研究任务的速度比全新实例快约 40%。但注意：改进是领域特定的，跨域泛化仍是未解难题。

🏗️ 四层记忆架构

Hermes 的记忆系统分四层，每层解决不同问题：

  1. 会话记忆（Session Memory）：当前对话的上下文窗口管理，支持 /compress、/usage、/insights 命令显式监控
  2. 持久记忆（Persistent Memory）：本地 SQLite + FTS5 全文搜索，存储任务结果、笔记、显式保存的记忆。10ms 检索 10,000+ 文档，可扩展到 ~100K 文档
  3. 技能文档库（Skill Store）：闭环学习的输出，遵循 agentskills.io 开放标准。默认只加载技能名+摘要到系统提示，完整内容按需加载
  4. Honjo 层：跨会话的用户行为建模，追踪偏好和交互模式

所有数据存储在本地 ~/.hermes/ 目录，无云端往返、无遥测、无第三方记忆提供商。

⚔️ OpenClaw 的反击：生态与编排

OpenClaw 的优势不在于自学习，而在于生态广度和编排能力：

  • Gateway-first 架构：集中式调度层，Session 管理、Cron 定时、Agent 生命周期管理一应俱全
  • 24+ 渠道支持：飞书、Discord、Telegram、Slack、WhatsApp、iMessage、WeChat 等，Hermes 的渠道覆盖也在快速追赶
  • ClawHub 技能市场：数千个社区贡献的 Skill，从 HR 请假到代码审查，覆盖面远超 Hermes 的 118 个内置技能
  • 子 Agent 编排：支持 ACP（Agent Communication Protocol）和 subagent 模式，可以 spawn 隔离会话处理复杂任务
  • 权限与安全：精细的 Owner 身份验证（sender_id）、群聊隐私防护、文件写保护、敏感操作二次确认
OpenClaw 的记忆系统基于 Markdown 文件（MEMORY.md + memory/*.md），依赖文件读写而非数据库。优点是人类可读、版本控制友好；缺点是检索效率不如 FTS5，且需要手动维护。

📊 关键数据对比

Hermes Agent（截至 2026 年 4 月）：

  • GitHub Stars：104,791 | Forks：14,957 | 版本：v0.10.0（每 2 周一次发布）
  • 内置技能：118 个 | 渠道：9 个（CLI/Telegram/Discord/Slack/WhatsApp/Signal/Matrix/iMessage/WeChat）
  • 许可证：MIT | 运行时：6 种执行后端 | 安装：一行命令

OpenClaw（截至 2026 年 4 月）：

  • ClawHub 技能：数千个 | 渠道：24+ | 支持 ACP 子 Agent 编排
  • 架构：Gateway + Session + Cron + Agent 生命周期管理
  • 许可证：MIT | 记忆系统：Markdown 文件 | 插件：Skill + MCP Server

🔑 关键洞察

这不是「谁更好」的问题，而是「你需要什么」的问题。OpenClaw 是企业级编排平台，Hermes 是个人级自进化 Agent。两者的交集在缩小，各自的护城河在加深。

1. 自学习 vs 生态广度：Hermes 的闭环学习让它在重复性任务上越来越快，但改进是领域特定的。OpenClaw 的 ClawHub 技能市场提供了即时可用的能力覆盖，不需要「训练」过程。

2. 本地优先 vs 云端协作：Hermes 的所有数据存储在本地 ~/.hermes/，完全离线可用。OpenClaw 的 Gateway 架构天然支持多设备、多用户协作，但需要服务端部署。

3. 训练数据管线 vs 应用框架：Hermes 内置 Atropos RL 环境集成、批量轨迹生成、轨迹压缩——这不只是一个 Agent 应用，它同时是一个为下一代工具调用模型生成训练数据的数据管线。这是 Nous Research 作为模型训练实验室的独特优势。

4. 速度竞赛：Hermes 的发布节奏（v0.8 → v0.9 → v0.10 在 8 天内）显示 Nous Research 在全力冲刺。OpenClaw 则在深耕企业场景。两者正在形成互补而非直接竞争的关系。

🤔 引发思考

Hermes Agent 的崛起提出了一个根本性问题：AI Agent 的核心价值到底是什么？是覆盖尽可能多的场景（OpenClaw 的路线），还是在每个场景中越用越好（Hermes 的路线）？

从用户反馈来看，答案取决于使用场景。企业用户倾向于 OpenClaw——他们需要的是即时可用的能力、精细的权限控制、多渠道覆盖。个人开发者和技术极客倾向于 Hermes——他们愿意用前期的「调教」时间换取长期的效率提升。

更深层的趋势是：Agent 框架正在从「工具调用编排器」进化为「个人知识操作系统」。Hermes 的四层记忆系统和闭环学习，本质上是在构建一个随时间积累的个人知识库。OpenClaw 的 MEMORY.md + Skill 系统也在做类似的事，只是架构选择不同。谁先让「用得越久越好用」成为不可替代的体验，谁就赢了。

📎 相关阅读

逍遥云初 | 2026.05.04