AI Agent 终于开始会“自我成长”了

你是否也有过这样的感受？每次点开 AI 助手，都得重新把自己介绍一次。

"我是做产品工作的，上次那份竞品分析你还有印象吗？""我偏好的排版风格是……算了，你大概率也记不住。"

这并不奇怪，也难怪让人觉得疲惫。现在市面上的大部分 AI 助手，本质上都像是只有"几秒记忆"。一旦关闭对话窗口，它对你的认知就会重新归零。你每一次，几乎都是在和一个失去记忆的天才重新交流。

不过最近，一个名为Hermes Agent的项目，让不少人第一次真正感受到 AI 助手"了解你"是一种什么感觉。更夸张的是，它不仅能记住你，还能自主学习、自主迭代、自主变得更强。

先简单交代一下背景。

Hermes Agent 背后的开发团队是Nous Research，这是一家成立于 2023 年的开源 AI 研究实验室。这个名字在 AI 圈并不陌生，他们此前推出的 Hermes 系列开源模型已经积累了很高口碑，也是开源社区里最受欢迎的微调模型系列之一。

2025 年 7 月，他们在 GitHub 上低调创建了一个仓库。到 2026 年 2 月底正式上线后，局面就迅速变得不一般了。

截至 2026 年 4 月 10 日，GitHub Star 数已经来到 48,493，Forks 超过 6,200。

不到两个月时间，从零增长到接近 5 万星，并登上 GitHub 月度趋势榜第一。社区也毫不吝啬地给了它一个称号：自 OpenClaw 发布以来，第一个真正称得上对手的项目。

知名科技博主宝玉也曾在推特上发文推荐，直接收获 1773 个赞："Hermes Agent 势能很强，这几天推荐它的人很多，值得留意。"

Hermes Agent 核心数据（截至 2026 年 4 月）

那它到底厉害在哪？坦白说，并不是因为功能更多。若只看消息平台支持数量，OpenClaw 甚至比它多出一倍。真正让 Hermes Agent 爆火的，是一个听上去颇具科幻感的能力：自我进化。

多数 AI Agent 的运行逻辑大致是这样：你提前配了哪些能力，它就只会哪些能力。上线那天是什么水平，用上一年，基本还是那个水平。这也就是所谓的"能力固化"。

Hermes Agent 则完全相反。它内置了一整套闭环学习机制，概括起来就是四步循环：

举个例子。你让 Hermes 去分析一份竞品报告，它可能调用了 7 个工具，来回执行十几步才完成。任务结束后，它会自己判断："这套流程以后大概率还会重复使用。"随后自动把整个流程整理成一个可复用的 Skill 文件并保存下来。

下一次你再让它做竞品分析，它就会直接调用上次沉淀出的 Skill，速度更快，结果也更准确。

更强的是，如果它在后续使用中发现了更优的方法，还会主动更新这个 Skill。于是你会发现，它越用越顺手，也越用越聪明。

如果打个比方，它就像一名实习生，刚开始什么都要问你。做了一个月后，流程已经能自己跑通。三个月之后，熟练程度甚至可能超过你。

在技术实现上，它的记忆系统同样设计得很讲究：

这个方案的巧妙之处在于，它刻意限制了长期常驻记忆的规模。不像某些 Agent 把全部历史内容都塞进提示词里，导致上下文窗口迅速膨胀、token 消耗一路上升。Hermes 的思路是：只保留真正关键的，其他不重要的就主动遗忘。

"所有竞品不是无状态，就是被动记忆型，Hermes Agent 是唯一能自动生成技能并构建辩证式用户画像的框架。"

很多强大的工具往往都有一个明显短板：上手门槛太高。

而 Hermes Agent 在这件事上做得非常彻底。安装只需要一行命令：

然后：

就是这么直接。它支持 Linux、macOS、WSL2，甚至在安卓手机上通过 Termux 也能运行。

部署成本方面呢？一台每月 5 美元的 VPS 就足够。2-4 核 CPU、4-8GB 内存，这基本就是它全部的硬件要求。如果你采用 Daytona 或 Modal 这类 Serverless 方案，环境在空闲时还能自动休眠，整体成本几乎可以忽略不计。

模型选择也并不受限。想接 OpenAI 的 GPT？可以。想用 Claude？也可以。Gemini、Kimi、MiniMax、通义千问，甚至通过本地 Ollama 跑开源模型？同样没问题。借助 OpenRouter 接入后，200+ 模型可以自由切换，一条命令hermes model即可完成，无需改动代码。

最令人惊喜的，还有它的多平台接入能力。它不只是一个命令行工具，你还可以通过Telegram、Discord、Slack、WhatsApp、钉钉、飞书等平台与它交流。在电脑上开启的任务，出门后拿起手机还能继续对话，上下文可以无缝延续。

推特上还有位用户更夸张，他在手机里装了一个 SSH 客户端，几乎走到哪儿都能远程操控自己的 Hermes Agent。评论区里很多人都在感叹："这才是真正意义上的 AI 随身助手。"

这也是现在大家最关心的一个问题。

先给结论：它们并不是同一类产品。

OpenClaw 和 Hermes Agent 对"AI Agent 最难的问题究竟是什么"，给出了完全不同的答案：

OpenClaw押注的是"路由与控制"，更强调强大的消息网关和调度中枢。

Hermes押注的是"记忆与自我进化"，目标是让 Agent 在使用中持续变强。

两大 Agent 框架核心差异对比

很有意思的是，就连 OpenClaw 官方博客中的对比文章也承认："在自我进化这件事上，Hermes 的确走在前面。"这种来自对手的直接认可，反而更容易让人信服。

社区里的实际使用方式也很有意思，不少资深用户会同时使用两者。OpenClaw 负责充当"调度中心"处理多渠道任务，Hermes 则承担"大脑"角色，负责深度记忆与策略优化。两套 Agent 之间甚至还能通过 OGP（Open Gateway Protocol）进行通信。

这说明整个生态正在朝互补而非互相替代的方向发展，也侧面表明这个赛道的空间足够大。

一个项目到底是不是认真在做，看有哪些合作方加入，通常就很能说明问题。

过去一个月里，Hermes Agent 的合作名单已经相当抢眼：

当 Karpathy 的项目和 3Blue1Brown 的工具都主动选择集成时，这就已经不再是一个简单玩具。它正在逐渐成为 AI 生态中的基础设施。

Nous Research 官方推文中那条"Introducing the Manim skill"获得了 5,961 个赞，也是他们互动数据最高的推文之一。

最后分享一句调研时看到的话，我觉得非常贴切：

Hermes Agent 目前仍处于 v0.8 版本，GitHub 上有 2,643 个 Open Issues，几乎每周都在发布新版本，功能还在高速迭代之中。它当然还谈不上完美，比如响应速度依旧不算快，社区体量和 OpenClaw 相比也还有差距，早期体验过程中踩坑几乎难以避免。

但它的方向已经非常明确：AI Agent 的未来，比的不是谁功能更多，而是谁更懂你。

当你的 AI 助手记得你偏好的文档风格、理解你的项目上下文、遇到类似问题时还能直接给出上次沉淀过的方案……那种体验，一旦用过，真的很难再退回去。

只花 5 美元，加上一行命令，就能体验一个会"自己成长"的 AI 助手，这件事本身就很值得一试。