OpenClaw(龍蝦) 最強開源對手！Github 40K Star了，又一個爆火的Agent..

大家好，我是袋鼠帝。

最近幾天，不管是國內的開發者社群，還是國外的X，又有一個開源項目的熱度簡直高得離譜。

根據開源項目飆升榜的數據，它在一個月內的增長率達到了驚人的百分之1237。

僅僅過了兩個月時間，它的標星數量就已經突破了40K大關。

在技術社區里，很多人甚至直接把它稱為 OpenClaw 的第一個真正競爭對手。

這個爆火的開源項目，叫做 Hermes Agent，地址：https://github.com/NousResearch/hermes-agent

是由 Nous Research 團隊傾力打造的開源Agent。

今天，我們就來看看，這個號稱會自我成長的個人專屬Agent，到底憑什么還能在競爭白熱化的智能體賽道里（前有Claude Code、CodeX，后有OpenClaw），硬生生殺出一條血路。

不過，在聊 Hermes Agent 之前，我們先來看看目前的行業現狀。

大家平時用得最多的各類智能工具，不管是網頁端的聊天框，還是各種掛在后臺跑自動化任務的程序，都有一個很大的問題，那就是健忘。

比如，你今天手把手教它處理了一份格式非常復雜的財務報表，它按部就班地做得很完美。

但是到了明天，當你扔給它一份格式完全相同的新報表時，它像是失憶了一樣，又做不好了，你不得不把昨天教過的事情，再教一次...

目前的常規解決辦法，通常是有一堆規則文件，或者去skill市場里下載、安裝別人寫好的skill。

這就好比你招了一個干活特別麻利的實習生，但他從來不記筆記。

每次你交辦類似的任務，你還得親自把操作步驟寫一份給他。這根本不叫自動化，這叫emm，賽博折磨。

我感覺openclaw的學習能力還欠佳，我也會遇到明明類似的任務，第一次處理的很好了，但過兩天它又不會了...

自帶學習閉環

Hermes Agent 之所以能在短時間內爆火出圈，根本原因在于它從底層架構上就解決了一個核心痛點：它擁有內置的學習循環。

應該是目前市場上唯一一個真正做到從經驗中自我評估并自我進化的智能體。

Hermes Agent 工作邏輯是這樣的：

當它完成了一個包含5次以上工具調用的復雜任務后，系統會觸發一個自我評估檢查點。

它會自動停下來，問自己一個問題：我剛才做了什么？成功了嗎？這個解決問題的套路值得被記住嗎？

如果答案是肯定的，它就會自動生成一份結構化的技能文檔，把剛才的成功經驗固化下來，存入自己的能力庫中。

這就好比那個原本不記筆記的實習生，突然開竅了。他不僅順利干完了活，還自己總結并記錄了一套標準操作流程。下次你再讓他干同樣的活，他直接拉出這份流程照著做就行了。更厲害的是，如果在后續的工作中，他發現了更省時間的捷徑，他還會偷偷修改那份流程文檔，讓這項技能不斷自我迭代。

這種閉環設計帶來的效率提升是非常驚人的。

根據社區用戶的真實反饋，當 Hermes 在兩小時內自動生成了三份技能文檔后，處理同類重復性研究任務的速度直接提升了百分之40。

四層記憶架構：告別金魚腦

為了支撐這種強大的自我學習能力，研發團隊給它塞進了一套非常硬核的四層記憶架構。這套架構很有意思

第一層是持久化筆記：這部分主要存放你明確要求它記住的關鍵事實和偏好信息。它就像是助理隨身攜帶的備忘錄，永遠不會弄丟。

第二層是會話歷史系統：它在底層使用了全文搜索技術，能夠跨越不同的聊天窗口和時間線，精準翻找以前的對話記錄。

第三層就是剛才提到的程序性記憶：也就是它自己從無數次摸索和試錯中，建立起來的自動化技能文件集合。

最后一層最妙，叫做用戶建模：它會通過專門的建模技術，深度分析你的說話習慣、溝通風格和潛在偏好。

這四層記憶緊密咬合疊加在一起，讓它變成一個隨著時間推移，越來越懂你脾氣秉性的專屬管家。

它和 OpenClaw 的區別

看到這里，很多朋友肯定會問，既然市面上已經有了一個火爆過的生態極其繁榮的 OpenClaw，為什么大家還要去折騰 Hermes？

主要是這兩者的產品定位和底層哲學截然不同。

OpenClaw 的架構是網關中心式的，它像是一個企業的總控臺，非常適合團隊協作和確定性的流水線工作。

ClawHub目前已經擁有將近5萬個社區插件，主打一個生態龐大、拿來即用。

它的核心訴求是：能干各種活兒的專屬助理

而 Hermes 采用的則是以執行循環為中心的同心增長式架構。

核心是：如何讓這個大腦變得越來越強。

用一個我們日常生活中的例子來類比：OpenClaw 就像是去逛大型的五金超市，你需要螺絲刀或者扳手，就自己去貨架上挑，然后買回來按部就班地干活。如果你找不到趁手的工具，任務可能就卡住了。

而 Hermes 就像是一個聰明的鐵匠學徒，你不需要去外面買工具，你只要讓他看著你干幾次活，他自己就能在后院把你需要的那把扳手鍛造出來，甚至還會根據你的手型改良扳手的握把。

拋開落地場景談技術，都是毫無意義的。

在這短短兩個月里，全球的極客們已經用它跑出了很多讓人驚訝的案例。

最出圈的案例之一，是Nous Research使用Hermes Agent寫了一部8萬字的AI小說 《The Second Son of the House of Bells》

它甚至還包攬了后期的排版、封面圖片生成、有聲書錄制，以及最終落地推廣網頁的搭建。

還有人把它當成代碼審查專家。在它逐漸熟悉了開發者的審查偏好后，后續提交代碼時，根本不需要再寫冗長繁瑣的背景介紹，它會自動帶著之前的上下文記憶進行精準的代碼糾錯。

極簡部署

對于 Linux 和 macOS 用戶來說，安裝Hermes Agent只需要在終端輸入一行命令：

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

1分鐘左右就能完成全部安裝。

它甚至提供了一鍵遷移openclaw數據的流程

安裝好后，跟openclaw的啟動、配置方式很像

支持這些模型供應商：

然后，一上來它就知道我叫袋鼠帝了，真無縫遷移openclaw～

但是這個黃色的回復文字，在Mac終端白色背景下幾乎快看不出來了。。。

然后它跟openclaw差不多，都不吃配置，安裝在一臺只要 5美元/月 的入門級服務器上就能流暢運行了。

局限性

當然，作為一個還在快速迭代期的年輕項目，它目前也有一些客觀存在的局限性。

首先是老生常談的 Token 消耗過大的問題。因為要時刻維持學習閉環的運轉，并且頻繁調用底層的全文檢索和記憶系統，它的思考過程非常吃算力。

根據社區的實測反饋，僅僅是輕度使用兩個小時，就可能消耗掉大約400萬個 Token。

針對這個問題，社區也整理出了一些省錢的實用建議。比如，你可以手動刪除掉系統自帶的但你根本用不上的娛樂類skill，一定程度減輕它的記憶負擔。

另外，強烈建議使用性價比更高且支持提示詞緩存的模型，這樣能極大地壓低日常調用的成本。

其次是操作系統兼容性。它目前在 Mac 和 Linux 系統上運行最為完美。

但對于廣大的 Windows 用戶來說，它的原生支持還不穩定，經常會出現各種離奇的報錯。Windows 用戶如果想順暢體驗，目前必須借助 WSL2 虛擬環境。

最后是學習曲線。雖然安裝只要一行代碼，但如果你想把它調教得完全符合你的心意，深入理解它的記憶機制和技能生成邏輯，對小白來說還是有一定的門檻。

它的社區規模目前也還在發展階段，遇到偏門問題時，可供參考的現成資料不如openclaw那么多。

比如說上面這樣，偶爾還會出現一些報錯，雖然沒有影響使用，但總感覺它不穩定。

安全做得不錯

在經歷過之前openclaw的安全漏洞事件后，現在大家對于把系統控制權交給程序的行為已經比較警惕了。

但 Hermes 在安全防護上交出了一份相當扎實的答卷。

堅決不偷偷上傳用戶的任何操作數據，把隱私權完全交還給用戶。

對于文件刪除、系統級終端執行等高危命令，它引入了嚴格的平臺按鈕審批機制，必須嚴格由人類親自點擊確認后才能放行。

再加上底層的容器化隔離執行環境，以及明確的外部工具黑白名單控制，它把安全防線的縱深拉得非常長。

最值得敬佩的，是這個團隊極其純粹的極客態度。整個項目采用極其寬松的 MIT 開源協議。

MIT 協議（MIT License）是最寬松、最簡潔的開源軟件許可協議之一

「最后」

2026年，整個AI行業的發展發生了質的改變。

大家不再只盯著哪家大模型的參數又多了幾百億，哪個跑分榜單又刷了新紀錄。

無論是開發者還是普通用戶，都開始把更多的目光，投入到如何讓AI真正落地融入人類的日常工作流中。

大家越來越關注它們是否具備反思錯誤、沉淀記憶和自主進化的能力。

一個不會總結經驗、永遠停留在出廠設置的工具，即便給它再多的工具，也永遠只能是個被動的工具，停滯不前。

只有當一個系統長出了學習的神經，能夠像人類一樣從每一次失敗和成功中提取養分，它才真正配得上智能體這個稱號。

我覺得所有養蝦的朋友都可以試試Hermes Agent，反正幾乎是無感遷移，說不定能比openclaw更好養呢。

我是袋鼠帝，一個致力于幫你把AI變成生產力的博主。我們下期見～

能看到這里的都是鳳毛麟角的存在！

如果覺得不錯，隨手點個贊、在看、轉發三連吧~

如果想第一時間收到推送，也可以給我個星標?

謝謝你耐心看完我的文章~