两个月 4.7 万星，爆火的 Hermes Agent 是下一个龙虾，还是另一个故事？

来源类型： 微信公众号文章
日期： 2026-06-02
标签： AI, OpenClaw, 记忆系统, 办公效率, 网络安全, 编程, 区块链, 芯片, 大模型
原文链接： https://mp.weixin.qq.com/s/x3-BAaIpVTLgvNTv0yJvxw

摘要

以「自进化」重构 Agent 体验。 作者｜连冉 编辑｜郑玄* *** 最近几周，在 X 和 GitHub 上，一个名为 Hermes Agent 的开源项目火了。从 2 月底开源首月破 2.2 万星，到 4 月 8 日 v0.8.0 版本发布后单日新增 6400 + 星，Hermes Agent 在不到两个月的时间里，GitHub 总星标已突破 4.7 万，并在多日内持续霸榜全球开源榜单第一。 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...

核心内容

以「自进化」重构 Agent 体验。
作者｜连冉
编辑｜郑玄**

最近几周，在 X 和 GitHub 上，一个名为 Hermes Agent 的开源项目火了。

从 2 月底开源首月破 2.2 万星，到 4 月 8 日 v0.8.0 版本发布后单日新增 6400 + 星，Hermes Agent 在不到两个月的时间里，GitHub 总星标已突破 4.7 万，并在多日内持续霸榜全球开源榜单第一。

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。

有人说它是 OpenClaw 的平替，有人说它比 OpenClaw 更好用，在极短的时间内，它不仅收获了数万颗 Star，也让开发者感叹：AI 可以「越用越像自己的一部分」。

***01

****Hermes Agent 到底是什么？

Hermes Agent 是 Nous Research 开发的免费、MIT 许可的自主 AI 框架，它的核心定位是，一个会随着使用不断成长的「自进化 Agent」。

图片来源：GitHub

和传统 Agent 不同，Hermes 试图成为一个能够持续积累经验的长期系统：它会从已经完成的任务中学习，在不同会话、不同平台之间保留记忆，并逐渐形成一套属于用户自己的能力结构。

图片来源：GitHub

自 2026 年 2 月发布以来，它在短短几周内狂揽超过 2.2 万颗 GitHub Star，目前为止已超过 4.7 万，贡献者也有数百名。从社区反馈来看，这种设定正好击中了一个长期存在的需求——开发者越来越关心，Agent 能不能「记住」和「变强」。

在 X 和开发者社区的讨论中，让人印象深刻的，是 Hermes 在复杂任务中对提示词的依赖明显降低了。

有开发者在使用 gemma 26B 或 Hermes 系列模型测试时提到，即便只给出一个相对模糊的指令，例如「写一个抓取数据并生成可视化的脚本」，Agent 也能够完成从任务拆解到代码生成的一整套流程。

在执行过程中，它会根据执行反馈不断调整路径——包括读取报错信息、尝试修复问题，甚至在多次尝试中形成可复用的解决方案。

这种体验并不意味着 Hermes 具备稳定的「全自动开发能力」，但它至少让开发者感受到：Agent 不再完全依赖精确 prompt，也可以在模糊目标下推进复杂任务。

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。

这个闭环大致由三部分构成。

首先是持久化记忆。Hermes 会将所有历史会话存储在本地数据库中，并通过全文检索与模型摘要进行二次组织。它不仅可以回溯几周前的对话，还能在不同任务之间建立关联，逐渐形成对用户工作方式的理解。这种记忆不再依赖人工维护，而是由 Agent 自主整理、更新，更像一种持续演化的认知结构。

其次是技能的自动生成与复用。当 Hermes 完成一个复杂任务后，它不会简单结束，而是会将整个过程抽象为结构化的 Skill——包括步骤、关键判断、潜在陷阱以及验证方式。下一次遇到类似问题时，它优先调用这些已有经验，而不是重新推理一遍。随着使用次数增加，这些技能会不断被修正和优化，形成真正可复用的能力资产。

第三，自训练能力的雏形。Hermes 可以在运行过程中生成大量工具调用轨迹，并将这些数据导出，用于后续模型微调。这意味着，它不仅在「用模型」，也在不断生产可以反哺模型的训练数据。这种能力，已经明显带有研究型系统的特征，而不是单纯的应用层产品。

也正因为如此，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。

再比如对 MCP 的支持，它可以将自身的会话与记忆暴露给 IDE 工具，让开发者在 Claude Desktop、Cursor 或 VS Code 中直接检索和调用。这种设计，本质上是在打通「常驻 Agent」与「开发环境」之间的边界。

在安全层面，Hermes 反而显得相对克制。它通过容器隔离、只读文件系统、执行前扫描等机制，对潜在风险进行约束。这种设计并不追求极致的开放性，而是在「可进化」与「可控性」之间寻找平衡。

综合来看，Hermes 并不是一个在规模或生态上占优的项目。无论是 GitHub Star 数量，还是技能市场的成熟度，它都还处在一个相对早期的阶段。

它真正值得关注的，是它所押注的方向，即如何让 Agent 在时间中变得更强。

***02

****Hermes 与 Openclaw 的「同与不同」

当 Hermes Agent 在 X 上大放异彩时，开发者不可避免地将它与今年年初在开源社区大火的另一个现象级项目——OpenClaw 进行对比。

OpenClaw 同样是一个本地优先的个人 AI 助理框架。它与 Hermes Agent 这两者都试图解决传统 SaaS 型 AI 的隐私和控制权问题，但在底层哲学上，它们走向不同。

两者的相同点在于「数字主权」。

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。

这种对「数字主权」的强调，本质上是一种基础设施层的选择。而在这一点背后，Hermes 与 OpenClaw 的差异，其实已经开始显现。Nous Research 的定位是一家「去中心化 AI 研究实验室」，他们不仅做 Agent，还在推进名为 Psyche 的去中心化训练网络——试图利用区块链协调全球闲置 GPU 来训练大模型。

所以，Hermes Agent 不仅仅是一个本地工具，也是这一整套「AI 去中心化基础设施」中，最贴近用户的一层入口。

两者的不同之处在于能力生长的路径之争。如果说 OpenClaw 代表的是一种更偏「确定性

...(内容截断，完整内容请查看原文)

本页由自动化脚本生成，待人工审核补充