你有没有遇到过这种情况：跟OpenClaw聊了一个小时，他突然宕机不回复，下次又从零开始？
它不记得你是谁、不记得上次聊了什么、更不记得你踩过什么坑。
这就是OpenClaw最大的问题。——不稳定。
而2026年2月，一个叫 Hermes Agent 的开源项目横空出世，两个月GitHub狂揽33000+星、4200+ fork、142位贡献者。它做了一件所有AI Agent都在喊但没做到的事：
让AI真正"记住"你，稳定的想方设法地解决问题，越用越聪明。
一句话：一个能自我进化的开源AI Agent框架。
由Nous Research（就是那个训练了Hermes系列大模型的团队）开发，MIT协议开源。它不是某个大模型的套壳聊天界面，而是一个完整的自主智能体系统——有自己的记忆、技能库、工具链，能跨平台运行，并且用得越久能力越强。
核心定位：你不需要打开ChatGPT的网页，你在Telegram上发一句话，它就能帮你干活。
搜资料、写代码、管文件、定时任务、发邮件、操作浏览器——全部通过你日常使用的聊天软件完成。
二、它凭什么这么火？—— 五个颠覆性特性
1. 闭环学习系统：用得越久越聪明
这是Hermes最核心的差异化。
传统AI Agent每次对话都是"失忆"状态。Hermes做了一件事：每次完成一个复杂任务后，自动生成一份"技能文档"（Skill）。
比如你让它"部署一个Docker化的Python项目到VPS"，它第一次可能摸索着来，但完成后会自动生成一份skill文件，记录完整步骤和踩过的坑。下次你再让它做类似的事，它直接调用这个技能，又快又准。
这就是"程序性记忆"——AI不只记住了发生了什么，还记住了怎么做才最好。
闭环学习流程：
接收任务 → 执行+调用工具 → 自动生成Skill文档 → 下次直接复用+自我改进 → 循环而且skill在使用过程中还会自我改进。每15次工具调用，Hermes会做一次自我评估，发现不完善的地方就自动更新技能文档。
2. 三层记忆架构
Hermes的记忆不是简单的对话历史，而是一套精心设计的三层系统：
层级 | 名称 | 作用 | 实现方式 | 触发条件 |
|---|---|---|---|---|
第一层 | Prompt记忆 | 始终在上下文里的核心信息 | MEMORY.md + USER.md，约1300 tokens | 每次对话自动注入，冻结不变 |
第二层 | 技能记忆 | 解决特定任务的程序性知识 | Markdown技能文档，~/.hermes/skills/ | 复杂任务完成后自动创建，按需加载 |
第三层 | 会话记忆 | 所有历史对话可搜索回溯 | SQLite + FTS5全文搜索 + LLM摘要 | Agent主动调用session_search时触发 |
关键设计：会话记忆不在默认上下文里，避免撑爆token窗口。只有当Agent明确需要查历史时，才通过搜索调用。这让系统提示词保持精简和稳定，同时不丢失任何历史信息。
3. 15+平台通讯网关
Hermes不是只能在终端里用。它有一个统一的消息网关（Messaging Gateway），一个后台进程同时连接：
平台类型 | 具体平台 |
|---|---|
国际主流 | Telegram、Discord、Slack、WhatsApp、Signal、iMessage |
国内办公 | 飞书、钉钉、企业微信 |
协议平台 | Matrix、Mattermost |
智能家居 | Home Assistant |
传统通讯 | Email、SMS |
甚至支持语音消息自动转文字。你在手机上发一条Telegram消息，Hermes在服务器上执行，结果直接回给你。完全不需要SSH登录任何机器。
4. 47个内置工具 + MCP协议扩展
Hermes开箱即用就带了47个工具：
工具类别 | 具体能力 |
|---|---|
文件操作 | 读写、搜索、diff编辑 |
终端执行 | 本地、Docker、SSH、云端沙箱（6种后端） |
Web能力 | 搜索、网页提取、浏览器自动化 |
代码执行 | 内建Python沙箱，可压缩多步工具调用为单次推理 |
通讯集成 | 邮件、日历、Notion、GitHub、Linear |
媒体处理 | TTS语音合成、图像分析 |
任务调度 | Cron定时任务，结果推送到任意平台 |
并行委派 | 可同时启动多个子Agent处理独立任务 |
还不够？通过 MCP（Model Context Protocol） 协议，可以接入任何外部工具服务。从v0.6.0开始，Hermes甚至可以自己作为MCP服务器对外暴露能力。
5. 模型自由：200+模型随意切换
提供方 | 特点 |
|---|---|
Nous Portal | 订阅制，零配置 |
OpenRouter | 200+模型，按量付费 |
OpenAI / Anthropic | 直接用官方API |
自部署端点 | vLLM、SGLang等任何OpenAI兼容API |
切换模型一行命令搞定：hermes model，零代码改动。
三、核心架构解析
Hermes的架构可以概括为"一个核心循环 + 四大子系统"：
Agent核心循环
Hermes的核心是一个同步的Agent循环（AIAgent类）。每次循环：
用户消息 → LLM推理 → 决定调用工具 → 执行工具 → 结果返回LLM → 继续推理或回复用户关键优化：execute_code工具可以把多步工具调用压缩成单次推理。比如"搜10个网页并提取关键信息"这种任务，不需要10轮对话，一轮execute_code写个Python循环就搞定了。
四大子系统
子系统 | 职责 | 关键特性 |
|---|---|---|
Skills系统 | 程序性记忆 | 自动创建、自动改进、兼容agentskills.io开放标准、社区Skills Hub |
Memory系统 | 持久化记忆 | SOUL.md（人格）、USER.md（用户画像）、SQLite会话库（全文搜索+LLM摘要） |
Gateway系统 | 通讯网关 | 单进程多平台并发、Session持久化、心跳检测主动检查邮件/日历 |
Cron系统 | 定时调度 | 自然语言创建任务、cron表达式、结果推送到任意平台、支持脚本预处理 |
四、部署指南：从零到跑起来
方式一：一键安装（推荐）
Linux / macOS / WSL2 一行命令：
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash自动安装：Python 3.11（通过uv）、Node.js v22、ripgrep、ffmpeg，克隆代码，创建虚拟环境，运行配置向导。
安装完后：
source ~/.bashrc # 或 source ~/.zshrc hermes setup # 配置API Key hermes # 启动！整个过程不超过2分钟。
方式二：Docker部署
docker run -it nousresearch/hermes-agent # CLI模式 docker run -d nousresearch/hermes-agent gateway # Gateway模式（后台）方式三：手动安装（完全控制）
git clone --recurse-submodules https://github.com/NousResearch/hermes-agent.git cd hermes-agent curl -LsSf https://astral.sh/uv/install.sh | sh uv venv venv --python 3.11 export VIRTUAL_ENV="$(pwd)/venv" uv pip install -e ".[all]"可选模块按需装：
模块 | 功能 | 命令 |
|---|---|---|
| Telegram / Discord 网关 |
|
| 定时任务调度 |
|
| Modal云端执行 |
|
| ElevenLabs高级语音 |
|
| MCP协议支持 |
|
| 智能家居集成 |
|
方式四：云端沙箱部署
后端 | 适用场景 | 特点 |
|---|---|---|
本地 | 个人电脑 | 直接执行，零配置 |
Docker | 安全隔离 | 容器化运行 |
SSH | 远程服务器 | 连接已有VPS |
Daytona | 云端开发环境 | 空闲时休眠，几乎不花钱 |
Modal | GPU推理 | 无服务器，按量计费 |
Singularity | HPC集群 | 高性能计算容器 |
最经济方案：$5/月VPS + OpenRouter按量付费，月总成本$10-20。
配置消息平台
hermes gateway setup # 交互式配置向导以Telegram为例：在 @BotFather 创建Bot拿到Token → 运行setup → 填入Token → 完成。
五、Hermes vs OpenClaw：2026年两大开源AI Agent正面对决
聊开源AI Agent，2026年绕不开两个名字：Hermes Agent 和 OpenClaw。
OpenClaw（前身为Clawdbot / Moltbot）由PSPDFKit创始人Peter Steinberger开发，72小时内GitHub狂揽6万星，被很多人称为"最接近JARVIS的开源项目"。两个项目都是MIT协议开源、都支持多平台通讯、都有记忆系统——但设计哲学完全不同。
设计哲学：中心化 vs 同心圆
OpenClaw 🦞 | Hermes Agent 🧠 | |
|---|---|---|
架构模式 | Hub-Spoke（中心辐射） | Concentric Growth（同心圆扩展） |
核心出发点 | 基础设施优先 | Agent优先 |
一句话概括 | 一个中心Gateway统一调度所有渠道 | 从Agent核心向外生长，技能记忆工具都围绕Agent本身 |
类比 | 更像一个强大的中央控制系统 | 更像一个持续成长的个人 |
核心维度逐项对比
对比维度 | OpenClaw 🦞 | Hermes Agent 🧠 | 谁更强 |
|---|---|---|---|
记忆系统 | 文件级记忆（SOUL.md + 记忆文件），手动管理为主 | 三层架构（Prompt + 技能 + 会话），FTS5搜索 + LLM自动摘要 | 🧠 Hermes |
自学习能力 | 无原生技能学习层，每次任务从头执行 | 自动生成技能文档，使用中自我改进，每15次工具调用做自评 | 🧠 Hermes |
技能生态 | 52+内置技能，ClawHub社区生态 | 40+内置工具，agentskills.io开放标准 | 各有所长 |
渠道覆盖 | WhatsApp、Telegram、Discord、iMessage、Slack、浏览器聊天 | 15+平台（含Signal、飞书、钉钉、企业微信） | 🦞 OpenClaw |
模型支持 | BYOK：Claude、GPT、Gemini、xAI、Groq | 200+（OpenRouter）、Nous Portal、任意兼容端点 | 🧠 Hermes |
部署灵活性 | 本地 + getclaw托管 + DigitalOcean一键部署 | 6种后端（本地/Docker/SSH/Daytona/Modal/Singularity） | 🧠 Hermes |
安全机制 | 设备配对、Gateway认证、访问控制 | 零遥测、容器沙箱、命令审批、授权白名单 | 各有所长 |
团队协作 | Per-assistant隔离、共享团队上下文 | 主要面向个人，子Agent并行 | 🦞 OpenClaw |
跨平台迁移 | — | 内建 | 🧠 Hermes |
三个关键差异
差异一：记忆 = 最大的分水岭
OpenClaw的记忆是基于文件的——你手动编辑SOUL.md和记忆文件，Agent读取它们。好处是直观、可控；问题是不会自动积累经验。跑同一类任务一百次，Agent并不会变强。
Hermes的记忆是活的。三层架构让它既有始终在上下文里的核心信息，又有按需调取的历史会话搜索，还有自动沉淀的技能文档。用得越久，Agent越聪明——这是OpenClaw目前做不到的。
差异二：安全记录
2026年3月，OpenClaw被曝出严重安全漏洞（CVE-2026-25253），攻击者可通过提示词注入远程执行代码。虽然团队快速修复，但对重视安全的用户来说是一个信号。
Hermes从设计之初就把安全放在核心位置：零遥测（不收集任何用户数据）、容器沙箱隔离、命令执行审批机制。
差异三：从OpenClaw迁移到Hermes有多简单？
Hermes内建了一键迁移命令：
hermes claw migrate自动导入你的SOUL.md、记忆文件、技能、API Key、消息平台配置和命令白名单。说明Hermes团队对自己的定位非常清晰：吃掉OpenClaw的存量用户。
选谁？一句话建议：
你要一个团队共用的AI助手，渠道覆盖越全越好 → OpenClaw
你要一个能持续进化的个人AI，越用越强，重视安全和模型自由 → Hermes Agent
你在OpenClaw上用了很久但发现它"学不会东西" → 直接
hermes claw migrate过来
六、Hermes vs 其他方案：到底选谁？
维度 | Hermes Agent | Claude Code | AutoGPT | LangChain Agent |
|---|---|---|---|---|
定位 | 通用自主Agent | IDE编码Agent | 实验性自主Agent | Agent开发框架 |
开源协议 | MIT（完全开放） | 商业订阅 | MIT | MIT |
模型支持 | 200+（任意切换） | 仅Claude | 取决于配置 | 取决于配置 |
记忆系统 | 三层持久化 | CLAUDE.md规则 | 有限 | 需自行实现 |
通讯平台 | 15+平台网关 | 终端为主 | Web界面 | 无内建 |
自学习 | 自动技能生成 | 无 | 无 | 无 |
自部署 | 支持 | 云端 | 支持 | 支持 |
上手难度 | 低（一键安装） | 低 | 中 | 高（需开发） |
简单总结：
你主要写代码、用VS Code → Claude Code更合适
你想搞一个能自学、能跨平台、能长期运行的个人AI助手 → Hermes
你是开发者想构建自己的Agent → LangChain / Autogen
你只想快速体验AI Agent → Hermes的一键安装最省事
七、实战场景举例
场景1：个人内容工厂
配置Hermes每天早上9点自动抓取行业新闻，生成摘要，推送到你的Telegram。用久了它会学习你关注的领域和写风格格，摘要质量越来越高。
场景2：全栈开发助手
在Telegram里说"帮我写一个FastAPI用户认证模块，要JWT + OAuth2"，Hermes直接在服务器上创建项目、写代码、跑测试，完成后把结果发给你。
场景3：智能家居中枢
接入Home Assistant，你发消息说"回家了"，Hermes帮你开灯、调温度、播放音乐。
场景4：团队协作Agent
把Hermes加进Slack团队频道，它自动参与讨论，回答技术问题，帮你查代码、查文档、查部署状态。
八、一些要注意的坑
原生不支持Windows。必须用WSL2。这不是大问题，但Windows用户需要多一步。
模型选择很关键。Hermes的工具调用能力取决于底层模型。建议用Claude Opus / Sonnet、GPT-4o，或者Nous自己的模型。便宜的模型可能工具调用不稳定。
Token消耗要注意。开启记忆系统和技能加载后，每次对话的token会增加。建议配好prompt caching。
安全配置别跳过。Hermes能执行终端命令、操作文件，一定要配置好命令审批和授权白名单，特别是对外暴露的场景。
九、总结
Hermes Agent的核心价值不是"又一个AI聊天工具"，而是它真正解决了AI助手的三个痛点：
🧠 记忆 → 三层架构让它真正"记住"你 📈 学习 → 技能自动生成让它越用越强 🔗 连接 → 15+平台让你随时随地可用如果你是一个技术用户，想要一个能长期运行、持续进化的AI助手，而不是每次打开网页从零开始——Hermes值得试一试。
十、相关链接
官方GitHub地址：https://github.com/NousResearch/hermes-agent
https://github.com/NousResearch/hermes-agent官方文档：
https://hermes-agent.nousresearch.com/docs/