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,又有一個開源專案的熱度簡直高得離譜。根據開源專案飆升榜的資料,它在一個月內的成長率達到了驚人的 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。在技術社群裡,很多人甚至直接把它稱為 OpenClaw 的第一個真正競爭對手。

這個爆火的開源專案,叫做 Hermes Agent,地址 github.com/NousResearc…
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,到底憑什麼還能在競爭白熱化的智能體賽道裡,(前有 Claude Code、CodeX,後有 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慧工具,不管是網頁端的聊天框,還是各種掛在後台自動化任務的程式,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複雜的財務報表,它按部就班地做得很完美。但到了明天,當你丟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。
目前的常規解法,通常是有一堆規則檔案,或者去 Skill 市場裡下載、安裝別人寫好的 Skill。這就好比你招了一個做事特別麻利的實習生,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,第一次處理得很好了,但過兩天它又不會了...
自學學習閉環
Hermes Agent 之所以能在短時間內爆火出圈,根本原因在於它從底層架構上就解決了一個核心痛點:它擁有內建的學習循環。Hermes Agent 目前應該是市場上唯一一個真正做到從經驗中自我評估並自我進化的智能體。
Hermes Agent 的工作邏輯是這樣:當它完成了一個包含 5 次以上工具呼叫的複雜任務後,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:我剛才做了什麼?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件,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。他不僅順利把活做完,還自己總結並記錄了一套標準操作流程。下次你再讓他做同樣的活,他直接拉出這份流程照著做就行了。更厲害的是,如果在後續的工作中,他發現了更省時的捷徑,他還會去刪刪改改那份流程文件,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。根據社群用戶的真實回饋,當 Hermes 在兩小時內自動生成了兩份技能文件後,處理同類重複性研究任務的速度直接提升了 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資訊,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檢索技術,能夠跨越不同的聊天視窗和時間線,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。第四層最妙,叫做用戶建模:它會透過反向的建模技術,深度分析你的說話習慣(風格與潛在偏好)。
這四層記憶緊密咬合在一起,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 的差別
看到這裡,很多朋友肯定會問,既然市面上已經有生態極其繁榮的 OpenClaw,為什麼大家還要去折騰 Hermes?主要是這兩者的產品定位和底層哲學截然不同。
OpenClaw 的架構是閘道(Gateway)中心式的,它像是一個企業的總控台,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 萬個社群外掛,主打一個生態龐大、拿來即用。它的核心訴求是:能幹活的專屬助理。
而 Hermes 採用的則是以執行循環為中心的同心成長式架構。核心問題是:如何讓這個大腦變得越來越強?
用一個日常生活的類比:OpenClaw 就像是大型五金超市,你需要螺絲起子或扳手,就自己去貨架上挑,然後買回來按部就班地做事。如果你找不到順手的工具,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,你只要讓他看著你做幾次,他自己就能在工作室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。
在這短短兩個月裡,全球的極客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 AI 小說《The Hermes Agent of the House of Bells》。
@NousResearch Hermes Agent 寫了一部小說。《鐘樓的次子》(共 19 章,79,456 字)。該代理構建了自己的流程管線來達成這個目標,使用了相同的「評估—保留/捨棄」循環,包括對情節編排、作品審查循環、LaTeX 排版、封面藝術、有聲書生成和對抗性編輯。書籍:nousresearch.com/bells 代碼:github.com/Nous/Research/a...
它甚至還包辦了後期的排版、封面圖片生成、有聲書錄製,以及最終的推廣與網站搭建。還有人把它當成程式碼審查專家。當程式碼逐漸熟悉開發者的審查偏好後,後續提交程式碼時,根本不需要再寫冗長繁瑣的背景說明,它會自動帶著之前的上下文記憶進行精準的程式碼修正。
極簡部署
對於 Linux 與 macOS 使用者來說,安裝 Hermes Agent 只需要在終端輸入一行命令:
大約 1 分鐘左右就能完成全部安裝。
它甚至提供了一鍵遷移 OpenClaw 資料的流程。
安裝好後,OpenClaw 的啟動、設定方式很像。
其支援的模型供應商包括:

然後,上線之後它就知道我叫袋鼠帝了,真無縫遷移 OpenClaw。
不過這個黃色的回覆文字,在 Mac 終端白色背景下幾乎看不出來。然後它跟 OpenClaw 差不多,都不支援 M1,安裝在每月 5 美元的入門級伺服器上就能流暢運行。
局限性
當然,作為一個還在快速迭代期的年輕專案,它目前也有一些客觀存在的局限性。
首先是老生常談的 Token(字元)消耗過大的問題。因為要時刻維持學習閉環的運轉,並且頻繁呼叫底層的全文檢索和記憶系統,它的思考過程非常吃算力。根據社群的實測回饋,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,社群也整理出了一些省錢的實用建議。例如,你可以手動刪掉系統自帶但你根本用不到的娛樂類 skill,在一定程度上減輕它的記憶負擔。另外,強烈建議使用性價比更高且支援提示詞快取(prompt caching)的模型,這樣能大幅降低日常呼叫的成本。
其次是作業系統相容性。它目前在 macOS 與 Linux 系統上運行最為完美。但對於廣大的 Windows 使用者來說,它的原生支援還不穩定,經常會出現各種離奇的報錯。Windows 使用者如果想順暢體驗,目前必須借助 WSL2 虛擬環境。
最後是學習曲線。雖然安裝只要一行程式碼,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,對新手來說還是有一定門檻。它的社群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 那麼多。
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 的安全漏洞事件後,現在大家對於把系統控制權交給程式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紮實的答卷。
堅決不偷偷上傳使用者的任何操作資料,把隱私權完全交還給使用者。對於檔案刪除、系統級終端執行等高風險指令,它引入了嚴格的平台按鈕審批機制,必須由人類親自點擊確認後才能放行。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。整個專案採用極其寬鬆的 MIT 授權條款。
MIT 授權(MIT License)是最寬鬆、最簡潔的開源軟體授權條款之一。
「最後」
2026 年,整個 AI 產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。無論是開發者還是一般使用者,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程。
大家越來越關注它們是否具備反思錯誤、沉澱記憶和自主進化的能力。一個不會總結經驗、永遠停留在出廠設定的工具,即便給它再多工具,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。
我覺得所有養龍蝦的朋友都可以試試 Hermes Agent,反正幾乎是無感遷移,說不定比 OpenClaw 更好養呢。
我是袋鼠帝,一個致力於幫你把 AI 變成生產力的博士。我們下期見~
袋鼠帝 AI 客棧 持續分享 AI 實作乾貨,走超級個體崛起... 290 篇原創內容 公众号
能看到這裡的都是鳳毛麟角的存在!如果覺得不錯,順手點個讚、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~