兩個月 4.7 萬星，爆火的 Hermes Agent 是下一個龍蝦，還是另一個故事？

以 「自進化」 重構 Agent 體驗。

作者｜連冉

編輯｜鄭玄

最近幾周，在 X 和 GitHub 上，一個名為 Hermes Agent 的開源項目火了。

從 2 月底開源首月破 2.2 萬星，到 4 月 8 日 v0.8.0 版本發布后單日新增 6400 + 星，Hermes Agent 在不到兩個月的時間里，GitHub 總星標已突破 4.7 萬，并在多日內持續霸榜全球開源榜單第一。

Hermes Agent 是什么？

簡單來說，它是一款「會自我成長」的個人 AI 智能體：內置學習閉環，能從任務中自動提煉技能、持久記憶用戶偏好、跨會話精準回憶，越用越懂你；支持 5 美元 VPS、Docker、Serverless 等 6 種部署方式，兼容 200 + 大模型一鍵切換微博，Telegram、Discord、Slack 全平臺接入，一行命令即可安裝運行。

有人說它是 OpenClaw 的平替，有人說它比 OpenClaw 更好用，在極短的時間內，它不僅收獲了數萬顆 Star，也讓開發者感嘆：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 開發的免費、MIT 許可的自主 AI 框架，它的核心定位是，一個會隨著使用不斷成長的「自進化 Agent」。

圖片來源：GitHub

和傳統 Agent 不同，Hermes 試圖成為一個能夠持續積累經驗的長期系統：它會從已經完成的任務中學習，在不同會話、不同平臺之間保留記憶，并逐漸形成一套屬于用戶自己的能力結構。

圖片來源：GitHub

自 2026 年 2 月發布以來，它在短短幾周內狂攬超過 2.2 萬顆 GitHub Star，目前為止已超過 4.7 萬，貢獻者也有數百名。從社區反饋來看，這種設定正好擊中了一個長期存在的需求——開發者越來越關心，Agent 能不能「記住」和「變強」。

在 X 和開發者社區的討論中，讓人印象深刻的，是 Hermes 在復雜任務中對提示詞的依賴明顯降低了。

有開發者在使用 gemma 26B 或 Hermes 系列模型測試時提到，即便只給出一個相對模糊的指令，例如「寫一個抓取數據并生成可視化的腳本」，Agent 也能夠完成從任務拆解到代碼生成的一整套流程。

在執行過程中，它會根據執行反饋不斷調整路徑——包括讀取報錯信息、嘗試修復問題，甚至在多次嘗試中形成可復用的解決方案。

這種體驗并不意味著 Hermes 具備穩定的「全自動開發能力」，但它至少讓開發者感受到：Agent 不再完全依賴精確 prompt，也可以在模糊目標下推進復雜任務。

Hermes Agent 更值得關注的，其實是其底層的架構。

從架構上看，它和 OpenClaw 走的是兩條幾乎相反的路徑：前者強調連接能力的廣度，后者則更執著于學習能力的深度。Hermes 的那句口號——「the agent that grows with you」，是指向一整套圍繞「學習閉環」構建的底層設計。

這個閉環大致由三部分構成。

首先是持久化記憶。Hermes 會將所有歷史會話存儲在本地數據庫中，并通過全文檢索與模型摘要進行二次組織。它不僅可以回溯幾周前的對話，還能在不同任務之間建立關聯，逐漸形成對用戶工作方式的理解。這種記憶不再依賴人工維護，而是由 Agent 自主整理、更新，更像一種持續演化的認知結構。

其次是技能的自動生成與復用。當 Hermes 完成一個復雜任務后，它不會簡單結束，而是會將整個過程抽象為結構化的 Skill——包括步驟、關鍵判斷、潛在陷阱以及驗證方式。下一次遇到類似問題時，它優先調用這些已有經驗，而不是重新推理一遍。隨著使用次數增加，這些技能會不斷被修正和優化，形成真正可復用的能力資產。

第三，自訓練能力的雛形。Hermes 可以在運行過程中生成大量工具調用軌跡，并將這些數據導出，用于后續模型微調。這意味著，它不僅在「用模型」，也在不斷生產可以反哺模型的訓練數據。這種能力，已經明顯帶有研究型系統的特征，而不是單純的應用層產品。

也正因為如此，Hermes 的整體形態更像一個「實驗性操作系統」。這種傾向在近期版本中變得更加明顯。比如引入的多實例配置，允許開發者在同一環境中運行多個相互隔離的 Agent，每個都有獨立的記憶、技能和配置。這讓 Hermes 從「個人助手」進一步演化為可以復用的 Agent 基礎設施。

再比如對 MCP 的支持，它可以將自身的會話與記憶暴露給 IDE 工具，讓開發者在 Claude Desktop、Cursor 或 VS Code 中直接檢索和調用。這種設計，本質上是在打通「常駐 Agent」與「開發環境」之間的邊界。

在安全層面，Hermes 反而顯得相對克制。它通過容器隔離、只讀文件系統、執行前掃描等機制，對潛在風險進行約束。這種設計并不追求極致的開放性，而是在「可進化」與「可控性」之間尋找平衡。

綜合來看，Hermes 并不是一個在規模或生態上占優的項目。無論是 GitHub Star 數量，還是技能市場的成熟度，它都還處在一個相對早期的階段。

它真正值得關注的，是它所押注的方向，即如何讓 Agent 在時間中變得更強。

02

Hermes 與 Openclaw 的「同與不同」

當 Hermes Agent 在 X 上大放異彩時，開發者不可避免地將它與今年年初在開源社區大火的另一個現象級項目——OpenClaw 進行對比。

OpenClaw 同樣是一個本地優先的個人 AI 助理框架。它與 Hermes Agent 這兩者都試圖解決傳統 SaaS 型 AI 的隱私和控制權問題，但在底層哲學上，它們走向不同。

兩者的相同點在于「數字主權」。

無論是 Hermes 還是龍蝦，它們在出現之初都擁有相同的底層基因：

• 本地優先與隱私至上：數據不會上傳到不可控的商業云端，所有記憶、代碼執行過程，甚至文件與目錄級別的授權，都盡可能留存在用戶本地設備或私有環境中。

• 基于消息通道的交互：它們都放棄了繁瑣的 Web UI，轉而擁抱 Telegram、WhatsApp 等即時通訊工具，讓 AI 真正融入人類日常的溝通鏈路。

• 全天候的自動化（24/7 Agent）：支持定時任務，可以在后臺靜默運行，無需人類時刻盯盤。

這種對「數字主權」的強調，本質上是一種基礎設施層的選擇。而在這一點背后，Hermes 與 OpenClaw 的差異，其實已經開始顯現。Nous Research 的定位是一家「去中心化 AI 研究實驗室」，他們不僅做 Agent，還在推進名為 Psyche 的去中心化訓練網絡——試圖利用區塊鏈協調全球閑置 GPU 來訓練大模型。

所以，Hermes Agent 不僅僅是一個本地工具，也是這一整套「AI 去中心化基礎設施」中，最貼近用戶的一層入口。

兩者的不同之處在于能力生長的路徑之爭。如果說 OpenClaw 代表的是一種更偏「確定性」的路徑，那么 Hermes 則更接近一種「進化式」的系統。

首先是技能獲取方式的不同（Human-authored vs. Autonomous）。龍蝦的能力邊界主要由「人類預設」決定。龍蝦傾向于讓開發者通過明確的代碼或 Prompt 來編寫 Skill。它是一個完美的控制面，用戶定義了它能做什么，它就會以高穩定性和確定性去執行。

Hermes Agent 的能力則是通過「經驗涌現」出來的。在完成復雜任務之后，它會自動抽象出方法論，將其沉淀為可復用的 Skill，并在后續任務中不斷迭代優化。這使得它的能力邊界不是預先寫死的，而是在使用中逐漸擴展。

其次是記憶機制的差異。

OpenClaw 更偏向顯式記憶與檢索機制，本質上是典型的 RAG 思路——它知道「信息在哪里」，并在需要時調取。

Hermes Agent 則采用的是分層的記憶系統，除了顯性記憶，最核心的是它建立了一個「關于你的模型」。它會在跨會話的交互中，逐漸理解用戶的代碼風格、對待報錯的容忍度、喜歡的技術棧。它甚至會定期「輕推」自己去整理和固化這些知識。

適用場景上，兩者也有區別。

如果用戶要一個極其安全、步驟明確、用于處理批量數據或金融交易等容錯率極低的任務，龍蝦的權限控制（最新版）更嚴格，行為更可預測。如果用戶進行探索性的編程、創意開發，或者處理那些流程模糊、需要不斷試錯的復雜工程，Hermes 帶來的自主性將為用戶省下不少負擔。

不過，在 Reddit、Youtube 和 X 上的社區共識并不是 Hermes 取代了 OpenClaw，而是認為它們是互補的。

OpenClaw 負責「干活」——處理多通道交互、團隊工作流和復雜的生態對接；而 Hermes 負責「動腦」——主攻持久化記憶、自動生成技能和高維度的模型推理。

常見的設置是將 Hermes 作為高級規劃器運行在 OpenClaw 工具之上。只需要運行 hermes claw migrate 指令，就可以將現有的 OpenClaw 技能、記憶和設置一鍵平滑遷移到 Hermes 中。

03

「會進化的 Agent」

Hermes Agent 在試圖把「AI 能力」從一次性調用，變成可以持續積累的資產。

Agent 不應該只是一個臨時調用的接口，而應該是一種長期存在的系統——它是私有的、持續運行的，并且可以在使用過程中不斷積累能力，最終反過來影響模型本身。

主流產品的數據、記憶、行為軌跡，大多沉淀在平臺側，而 Hermes 想做的，是把這些能力盡可能留在用戶自己的系統里。

這意味著 AI 的能力，不再只是「被調用」，而是可以「被擁有」。在開源社區里，Hermes Agent 的熱度，很大一部分來自于它把這條路徑真正跑通了一部分。

它在嘗試打通一條更完整的鏈路：從任務執行，到技能沉淀，再到記憶積累，甚至進一步，成為訓練數據的一部分。

當一個 Agent 開始具備這樣的循環能力——自己解決問題 → 記錄經驗 → 復用經驗 → 優化方法 → 再反哺自身——它就開始接近一個可持續進化的系統。

目前來看，這條路徑還很初期。記憶的噪音、技能的質量、訓練閉環的穩定性，仍然是需要反復打磨的問題。部署門檻也依然存在，距離「普通用戶無感使用」還有不小的距離。

但方向已經很清晰。Hermes 至少讓一件事變得具體起來：私有 AI，不只是一個使用形態，而可能是一種可以持續演進的資產形態。

如果這條路徑成立，未來我們評估一個 Agent 的方式，可能會發生變化： 從看它「當下能做什么」到看它「在時間里變成了什么」。誰能在時間里積累更多能力，誰就擁有更高的上限。

04

「龍蝦」后最火的 Agent 項目，

有割韭菜嫌疑？

Hermes 的火熱不是偶然，這是一個在技術上有真實產出的開源項目，但這個項目本身也不乏爭議。而最大的爭議點，就在團隊本身。

Nous Research 的核心成員，很多都來自 Web3 領域。有報道稱，其 CEO Jeffrey Quesnelle 此前曾是以太坊 MEV 基礎設施項目 Eden Network 的首席工程師。

團隊的融資路徑也帶有明顯的加密行業特征——截至 2026 年 4 月，Nous Research 累計完成 2 輪公開融資，總融資金額約 7000 萬美元，投資方均為加密領域頭部機構，融資路徑帶有鮮明的 Web3 特征——以代幣計價而非傳統股權，核心用于算力儲備與團隊擴張。

資本來源不同，方法論也有差異。

Nous Research 從一開始，就是一個 Web3 原生的 AI 實驗室：在治理結構上強調去中心化，在技術路徑上強調分布式訓練，在產品策略上則更偏向「開源優先 + 社區驅動」。

如果把這個背景帶回來看 Hermes Agent，更像是把 Web3 社區的那套方法論，移植到了 AI Agent 的基礎設施層。

也正因為如此，一個在社區中被反復討論的問題開始浮現：

Hermes 所構建的「長期運行 + 持續積累」的 Agent 形態，是否同時也具備成為某種「Web3 冷啟動基礎設施」的潛力？

目前來看，Nous Research 官方仍處于「未發行代幣」的狀態，也沒有明確公布任何代幣分發機制。但在更外圍的生態中，已經可以看到一些典型的「預期行為」：例如，部分加密社區開始圍繞其項目進行空投預期的討論，一些第三方平臺也在引導用戶參與社區互動、任務完成等行為，以「潛在獎勵」為激勵。

與此同時，在鏈上也已經出現了以「NOUS」為名的非官方代幣，這類資產與項目本身并無直接關聯，但往往會在市場情緒波動時被放大解讀。

這些現象并不能直接說明項目的走向，但至少表明一件事：市場已經在用 Web3 的邏輯，提前「理解」這個項目。

從結構上看，Hermes Agent 的產品形態，確實具備一些在加密世界中常見的特征：它運行在用戶本地，長期在線；持續產生行為數據與交互軌跡；并在使用過程中不斷沉淀「貢獻」。

在傳統軟件語境下，這些只是「產品體驗」的一部分；但在 Web3 語境中，這類行為也常常被視為一種「可度量的參與」。

這也讓 Hermes 處在一個相對微妙的位置：它一方面是一個真實可用、快速迭代的開源 Agent 框架；另一方面，其技術路徑與社區結構，也天然具備向「代幣化激勵體系」延展的可能性。

對于開發者來說，Hermes Agent 的價值，首先仍然來自它作為一個 Agent 系統本身的能力。但對于普通用戶而言，這意味著一個更現實的判斷標準：任何與「NOUS 代幣」直接掛鉤的交易、投資或承諾，都需要保持足夠謹慎——尤其是鏈上已經出現的同名資產或高收益宣傳。

*頭圖來源：hermes-agent.nousresearch

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

極客一問

你如何看待爆火的 Hermes Agent？