用了两周 Hermes Agent,说说它和 OpenClaw 的真实差距

三月底 OpenClaw 爆出一堆 CVE,四天内 9 个漏洞,我当时就有点慌。不是说 OpenClaw 不好用,用了快一年了,但那个时间节点让我开始认真找备选。

Hermes Agent 就是那时候进入视野的。Nous Research 出品,2026 年 2 月底开源,MIT 协议,发布七周冲到 95.6K stars。速度快得离谱,我当时以为是营销刷的,去 GitHub 看了一眼 issue 区,全是真实用户在讨论具体问题,不像水军。

就这样装上来用了两周,这篇是真实体验。

装起来比我想象的简单

以为会很麻烦,毕竟是 CLI-first 的工具,没有 GUI。结果一行命令搞定:

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

装完跑一个交互式向导,问你用哪个 provider、填 API Key。我第一次选的 OpenRouter,后来换成了自定义端点(下面会说)。

整个过程五分钟,没踩坑。

核心逻辑和 OpenClaw 完全不一样

用了几天才真正理解 Hermes 的设计思路,和 OpenClaw 是两条路。

OpenClaw 的逻辑:你是主导,Agent 是执行者。你给任务,它完成,下次还是从零开始。技能(skills)是你或者社区写好的,Agent 加载执行。

Hermes 的逻辑:Agent 从每次任务里学习,把成功的工作流自动转成可复用的 skill 文件,存下来,下次遇到类似任务直接调用。它有一个叫 GAPA(Generalized Action and Prompt Adaptation)的系统,每完成一个任务就评估一遍,哪里做得好、哪里可以优化,写进记忆。

一句话:OpenClaw 是很强的工具,Hermes 是越用越顺手的助手。

这个差异短期内感受不明显。用了两周之后,我发现 Hermes 已经记住了我的代码风格偏好、常用的 git 操作习惯、甚至我喜欢用中文写注释这件事。不用每次重新交代背景。

记忆系统:真的有用,不是噱头

Hermes 的记忆分几层:

  • memory.md:持久笔记,跨 session 保留
  • SQLite + FTS5:可搜索的历史记录,10K+ 条文档检索延迟约 10ms
  • user.md:用户偏好建模,自动更新
  • Skills 文件:可复用的工作流程

每隔 10 轮对话,它会主动暂停,问你"这个操作要不要存成 skill?"或者"这个偏好要不要记下来?"。第一次遇到这个我有点懵,后来发现这是自我改进机制在运作。

官方测试数据:积累 20+ 个自生成 skill 之后,同类任务完成速度提升 40%。我没严格测过,但主观感受确实是越用越快。

模型配置:这里有个坑

Hermes 支持 OpenAI、Anthropic、OpenRouter、Ollama、vLLM 等一堆 provider,也支持任何 OpenAI 兼容的自定义端点。

配置方式有两种,交互式更方便:

shell 复制代码
hermes model
# 选 "Custom endpoint"
# 填 base_url、API key、模型名

或者直接改 ~/.hermes/config.yaml

yaml 复制代码
model:
  default: claude-opus-4-7
  provider: custom
  base_url: https://api.ofox.ai/v1
  api_key: your-key-here

我现在用的是 ofox.ai 的 API,一个 Key 能接 100+ 模型,OpenAI 兼容格式,低延迟直连。Hermes 这边填上 base_url 就能跑,不需要改任何代码。

切换模型也很方便,对话中直接 /model anthropic/claude-opus-4-7 就能换,上下文不丢失。调试不同模型效果的时候特别有用------先用便宜的 Haiku 4.5 跑草稿,确认方向对了再切 Opus 4.7 精修。

和 OpenClaw 的真实对比

两周下来,我的感受:

Hermes 明显更好的地方:

  • 记忆系统真的有用,不用每次重新交代背景
  • 安全性更好,目前零 CVE(OpenClaw 三月份爆了 9 个)
  • 自定义端点配置更灵活,换 provider 不需要重装
  • 适合长期、重复性的个人工作流

OpenClaw 还是更强的地方:

  • 生态更成熟,社区 skill 库更大
  • 多平台集成更广(24+ 平台 vs Hermes 的 6 个)
  • 团队协作场景更适合
  • 对新手更友好,有 GUI

如果你是个人开发者,有固定的工作流,想要一个越用越顺手的 Agent,Hermes 值得试。如果是团队用,或者需要接很多平台,OpenClaw 还是更合适。

两个工具我现在都在用,不是非此即彼的关系。

一个让我印象深刻的细节

有一次我在处理一个重复性任务,Hermes 在第 10 轮对话的时候主动说:"这个操作你已经做了三次了,要不要我帮你写成一个 skill?"

我说好,它自动生成了一个 skill 文件,下次同类任务直接 /run-my-skill 就行。

OpenClaw 的 skill 是你主动写的,Hermes 的 skill 是它帮你发现的。这个差别用久了才能体会到。

最后

Hermes Agent 不是 OpenClaw 的替代品,是另一种思路的 Agent。

对"越用越聪明"这件事感兴趣的话,装一个试试,五分钟能跑起来。模型这边如果不想折腾多个 provider 账号,ofox.ai 一个 Key 搞定,填进 base_url 就行。

GitHub:github.com/NousResearc...

文档:hermes-agent.nousresearch.com/docs/gettin...

相关推荐
青Cheng序员石头2 小时前
AI Agent 真正危险的,不只是不靠谱的模型,还有被忽视的技能执行层
人工智能·安全·agent
海囚针2 小时前
用 hooks 机制锚定 skills 工作流
agent
码农的AI客栈2 小时前
Hermes Agent的多Agent配置指南【喂饭级教程】
agent·ai编程
DigitalOcean2 小时前
无封号焦虑!Claude Code 官方插件 +VS Code ,稳定接入的配置指南
agent·claude
星浩AI2 小时前
手把手教你用飞书远程指挥 Claude Code 干活[保姆级教程]
agent·claude·vibecoding
李兆龙的博客3 小时前
从一到无穷大 #69 Mem0 的接口与数据流是怎么设计的
人工智能·agent
deephub3 小时前
为生产级 AI Agent 构建持久化记忆:五阶段流水线与四种设计模式
人工智能·大语言模型·agent·记忆
求知也求真佳4 小时前
S03|待办写入:让 AI 不再走一步忘一步,多步任务不再跑偏
开发语言·agent