OpenClaw—AI研究如果说你最近没听说过Hermes Agent，可能是因为你还没开始在GitHub上刷星。这个由Nous Research团队开发的开源AI Agent框架，在GitHub热门榜单上连续占据第一名位置，目前累计已突破4.8万个Stars。它被网友称作”爱马仕”，不只是因为名字相近，而是因为它真的在解决一个OpenClaw没解决的核心问题：记忆。
OpenClaw的记忆是静态的——你把信息写进配置文件，它读，会话结束，等下次再读。它不会主动从执行过程里提炼经验，也不会因为你纠正过一次就自动做对。Hermes Agent则内置了一套主动学习循环（Learning Loop），每次任务完成后会自动判断”这次执行值不值得写下来”，一旦发现值得记住的东西，就会在~/.hermes/skills目录里生成一个技能文件。
这套学习循环的触发条件很具体：工具调用超过5次、中途出过错然后自己修复了、用户做过纠正、或者走了一条不明显但有效的路径。满足任何一条，Hermes就会把这次经验写进技能文件，而且下次发现更好的路径还会继续patch更新——只改有问题的地方，而不是整体重写。
记忆系统也分了四层，各司其职。第一层叫常驻提示记忆，只有3575个字符的上限，逼着你筛选真正重要的信息；第二层是会话归档，每次对话写入SQLite数据库，按需检索调入；第三层是技能文件，默认只加载名称和描述，按需调入全文；第四层叫Honcho，是跨会话积累的用户画像层。这套设计的精妙之处在于：技能库可以从40个增长到200个，而上下文成本几乎不变。
安装和配置上，Hermes Agent和OpenClaw类似，Linux、macOS、WSL2一行命令搞定，Android手机用Termux也能装。模型配置支持Anthropic Claude、OpenRouter、DeepSeek、阿里云通义千问、小米Xiaomi MiMo系列（4月22日前限免使用）。
社交媒体上，已经有不少人从OpenClaw切换到Hermes Agent。有人说这是他做过最明智的选择，也有人整理出”爱马仕橙皮书”，认为它是被严重低估的开源AI Agent框架。Karpathy之前分享的LLM Wiki笔记大法——利用大语言模型和Obsidian搭建个人知识库——也被整合进了Hermes的内置技能里。
但Hermes Agent也有它的门槛。它不是一个花几分钟装完就能快速上手的工具，更像是一套需要持续维护的基础设施。如果你想用手机控制一个AI助理，OpenClaw是更简单的路径；但如果你有重复性的、不断演化的工作流，而且愿意让Agent从使用习惯中积累经验，三个月后的Hermes和第一天的它确实会不一样。