20260411研读Openclaw资料摘录

20260411研读openclaw资料摘录

最近出现的两大AI新物种，让曾经风靡全网的OpenClaw不得不「升级」了。其一，就是昨天Anthropic上线的Managed Agents。OAuth一键接入、云端托管、沙箱隔离、Code Channels远程指挥……从此，AI本身就是操作系统，工具就是它的外设。对于在传统操作系统上嫁接AI的小龙虾来说，这就是降维打击！其二，就是最近已经全网刷屏的Hermes Agent。由Nous Research在2月底推出的这款开源智能体，在GitHub上已经狂揽4万星，更新速度超过大多数商业Agent产品。

Managed Agents将Agent拆解为三个标准组件，这种设计思路直接致敬了70年代的Unix 操作系统。Session（会话层）：一个「仅追加」的日志。它记录了发生的一切，独立于模型存在。即便系统重启，记忆也不会丢失。Harness（框架层）：这就是Agent的「循环逻辑」。它负责调用Claude，并将指令分发给工具。Sandbox（沙箱层）：一个绝对隔离的计算环境。Claude在这里运行代码、修改文件。这种解耦，就意味着大脑（模型）不需要知道手（沙箱）是在哪里运行的。

如果说大多数AI智能体，还是「做完就忘」的打工人，那Hermes Agent更像一个会复盘、会记笔记、会越用越强的老员工。它会记住经验，会把经验写成技能，还会把日常干活留下的轨迹，反过来变成下一代模型的训练数据。官方给它做了两份长期记忆文件：MEMORY.md 和 USER.md。它还支持基于FTS5的跨会话检索，再配合大模型做摘要。当它完成一次复杂任务时，它会回头看，把关键步骤拆出来，把踩的坑记下来，再把验证方法也写进去。最后，它会把这一整套经验，整理成一个结构化的技能文件。Hermes试图打通的，正是这条链路：从一次任务出发，经过记忆、技能沉淀、轨迹回收，最后再流回训练。

Hermes Agent 是什么？简单来说，它是一款「会自我成长」的个人 AI 智能体：内置学习闭环，能从任务中自动提炼技能、持久记忆用户偏好、跨会话精准回忆，越用越懂你；支持 5 美元 VPS、Docker、Serverless 等 6 种部署方式，兼容 200 + 大模型一键切换微博，Telegram、Discord、Slack 全平台接入，一行命令即可安装运行。

Hermes Agent 更值得关注的，其实是其底层的架构。从架构上看，它和 OpenClaw 走的是两条几乎相反的路径：前者强调连接能力的广度，后者则更执着于学习能力的深度。Hermes 的那句口号——「the agent that grows with you」，是指向一整套围绕「学习闭环」构建的底层设计。

Hermes 的整体形态更像一个「实验性操作系统」。这种倾向在近期版本中变得更加明显。比如引入的多实例配置，允许开发者在同一环境中运行多个相互隔离的 Agent，每个都有独立的记忆、技能和配置。这让 Hermes 从「个人助手」进一步演化为可以复用的 Agent 基础设施。

无论是 Hermes 还是龙虾，它们在出现之初都拥有相同的底层基因：本地优先与隐私至上：数据不会上传到不可控的商业云端，所有记忆、代码执行过程，甚至文件与目录级别的授权，都尽可能留存在用户本地设备或私有环境中。基于消息通道的交互：它们都放弃了繁琐的 Web UI，转而拥抱 Telegram、WhatsApp 等即时通讯工具，让 AI 真正融入人类日常的沟通链路。全天候的自动化（24/7 Agent）：支持定时任务，可以在后台静默运行，无需人类时刻盯盘。

OpenClaw 更偏向显式记忆与检索机制，本质上是典型的 RAG 思路——它知道「信息在哪里」，并在需要时调取。Hermes Agent 则采用的是分层的记忆系统，除了显性记忆，最核心的是它建立了一个「关于你的模型」。它会在跨会话的交互中，逐渐理解用户的代码风格、对待报错的容忍度、喜欢的技术栈。它甚至会定期「轻推」自己去整理和固化这些知识。

在 Reddit、Youtube 和 X 上的社区共识并不是 Hermes 取代了 OpenClaw，而是认为它们是互补的。OpenClaw 负责「干活」——处理多通道交互、团队工作流和复杂的生态对接；而 Hermes 负责「动脑」——主攻持久化记忆、自动生成技能和高维度的模型推理。常见的设置是将 Hermes 作为高级规划器运行在 OpenClaw 工具之上。只需要运行 hermes claw migrate 指令，就可以将现有的 OpenClaw 技能、记忆和设置一键平滑迁移到 Hermes 中。

而 Hermes 的理念极其生猛：给 LLM 一个拥有终端控制权的临时沙箱。它的核心工具只有极简的四个：读、写、搜、执行代码。当你抛给它一个陌生任务时，它不是去工具箱里找插件，而是直接自己写一段 Python 脚本在沙箱里跑，通过不断试错来逼近答案。相当于给了 AI 一把键盘，只要终端能跑的代码，它就能干。

Hermes 则更像是一座“动态图书馆”。它的默认上下文极其轻量，只包含一个核心人设和一串简短的技能目录。不需要大段背诵设定，只有在用到具体技能时，才会去抽调那本书。
此外，Hermes规定MEMORY.md文件最多不超过 2200 个字符，当要超过时，就主动整理之前的内容，清除过期的记忆。