文 | AI價(jià)值官，作者丨星 野，編 輯丨美 圻

最近一段時(shí)間，Hermes Agent的名字開始頻繁出現(xiàn)在開發(fā)者社區(qū)里，而且不再只是零散的“新項(xiàng)目推薦”，而是下一個(gè)OpenClaw的熱門候選者。

在英文技術(shù)社區(qū)、Reddit、X以及The New Stack等媒體的討論中，它被反復(fù)拿來和OpenClaw對(duì)比；在中文互聯(lián)網(wǎng)，從知乎、小紅書到技術(shù)社群，也開始出現(xiàn)越來越多真實(shí)的使用反饋。

伴隨討論度升溫的，是一組很難忽視的數(shù)據(jù)變化：Hermes的GitHub Star數(shù)在短時(shí)間內(nèi)持續(xù)攀升，目前已超過35k。OpenRouter上的token使用量從3月下旬開始明顯加速，單日使用量連續(xù)刷新新高，全球日排名一度進(jìn)入前列。在 Productivity、Personal Agents、Coding Agents等多個(gè)榜單中同時(shí)靠前，這對(duì)于一個(gè)上線不到兩個(gè)月的Agent框架而言，并不常見。

更重要的是敘事的變化。討論Hermes的人，不再只是“它能不能用”“值不值得試”，而是開始出現(xiàn)一種判斷：它能否成為下一個(gè)OpenClaw。

這個(gè)說法并不意味著體量對(duì)等（畢竟，Hermes的星標(biāo)數(shù)和OpenClaw差了一個(gè)數(shù)量級(jí)），而是一種角色上的類比——在 OpenClaw 之后，是否終于出現(xiàn)了一個(gè)足夠完整、足夠嚴(yán)肅、值得長(zhǎng)期投入的Agent框架選擇。

OpenClaw瓶頸漸顯Agent生態(tài)或告別“一家獨(dú)大”

過去三個(gè)月，OpenClaw代表的是一種近乎共識(shí)的答案：多渠道接入、全天候運(yùn)行、龐大的技能生態(tài)，讓 Agent從“會(huì)話工具”變成“常駐服務(wù)”。

然而，隨著使用規(guī)模擴(kuò)大、使用周期拉長(zhǎng)，一些更底層的問題開始被反復(fù)提起：架構(gòu)復(fù)雜度是否會(huì)不斷外溢？長(zhǎng)期運(yùn)行的上下文和記憶如何管控？系統(tǒng)成本會(huì)不會(huì)隨著生態(tài)擴(kuò)張線性上升？這些問題并非突然出現(xiàn)，而是在狂熱期之后自然浮出水面。

在此背景下，小米大模型負(fù)責(zé)人羅福莉4月初發(fā)表的文章進(jìn)一步推波助瀾。當(dāng)Anthropic宣布切斷OpenClaw等通過Claude訂閱接入的通道，她從工程成本角度拆解了第三方Agent框架的效率問題。

她觀察到，OpenClaw的上下文管理存在明顯浪費(fèi)：一次用戶查詢往往被拆分為多輪低價(jià)值工具調(diào)用，每次API請(qǐng)求都攜帶超過10萬token的上下文窗口。按 API 定價(jià)折算，單次任務(wù)的真實(shí)推理成本可能達(dá)到訂閱價(jià)格的數(shù)十倍——“這不是一個(gè)小差距，是一個(gè)巨坑”。

她同時(shí)指出，這種壓力短期內(nèi)會(huì)倒逼框架開發(fā)者改進(jìn)上下文管理，而更根本的出路在于“更高token效率的Agent 框架”與“更強(qiáng)大高效的模型”的協(xié)同進(jìn)化，而不是單純壓低token價(jià)格。

羅福莉的文章之所以在開發(fā)者圈子里引發(fā)共鳴，是因?yàn)樗言S多用戶長(zhǎng)期使用中感受到的問題，以及行業(yè)不斷攀升的token成本壓力，擺在了面上。

從OpenRouter的使用數(shù)據(jù)來看，OpenClaw依然是體量最大的Agent框架，但已經(jīng)開始從3月底的峰值回落。結(jié)合Anthropic收緊第三方調(diào)用路徑帶來的沖擊，部分開發(fā)者已開始重估單一框架路徑依賴的風(fēng)險(xiǎn)，Agent生態(tài)正進(jìn)入一輪新的開放競(jìng)爭(zhēng)階段。

正是在此背景下，Hermes的熱度開始上升。它受到關(guān)注，不是因?yàn)樘峁┝烁嗥脚_(tái)接入或更龐大的技能市場(chǎng)，而是因?yàn)樵诩軜?gòu)層面給出了另一種回答：當(dāng)Agent被設(shè)計(jì)為長(zhǎng)期運(yùn)行的系統(tǒng)，是否可以把復(fù)雜度更多地收斂進(jìn)模型和學(xué)習(xí)循環(huán)本身，而不是不斷堆疊外部編排層？

也正是在這一刻，“Hermes會(huì)不會(huì)成為下一個(gè)OpenClaw”這個(gè)問題才真正成立——它比的不是規(guī)模，而是哪一種架構(gòu)路徑，更有可能支撐Agent走得更遠(yuǎn)。

Hermes的設(shè)計(jì)哲學(xué)有何不同？

如果只對(duì)照功能列表，Hermes和OpenClaw的重合度并不低：同樣支持多消息平臺(tái)接入，同樣具備持久化記憶、技能系統(tǒng)和多模型切換能力，也都采用MIT協(xié)議、自托管部署。真正拉開兩者差距的，是它們?cè)O(shè)計(jì)哲學(xué)上的顯著差異。

OpenClaw的核心是一套Gateway架構(gòu)。它的設(shè)計(jì)重心在于連接和協(xié)調(diào)：統(tǒng)一管理會(huì)話、路由和渠道，把Telegram、Slack、WhatsApp 等入口匯聚到一個(gè)調(diào)度中心，再將請(qǐng)求分發(fā)給模型和工具。這種架構(gòu)非常適合快速擴(kuò)展生態(tài)，也解釋了為什么OpenClaw能在短時(shí)間內(nèi)積累起龐大的技能市場(chǎng)和第三方集成網(wǎng)絡(luò)。

自我進(jìn)化

Hermes走的是另一條路線，圍繞“Agent 如何在長(zhǎng)期使用中變得更強(qiáng)”來構(gòu)建。整個(gè)系統(tǒng)的核心不是網(wǎng)關(guān)，而是Agent自身的執(zhí)行循環(huán)，官方稱之為closed learning loop（閉環(huán)學(xué)習(xí)循環(huán)）。這意味著，Hermes并不試圖通過不斷疊加外部編排層來解決問題，而是實(shí)現(xiàn)agent的自我進(jìn)化，真正實(shí)現(xiàn)“grows with you”的愿景。

這種差異首先體現(xiàn)在技能系統(tǒng)上。Hermes的技能不是預(yù)先編寫的功能模塊，而是在任務(wù)完成后，由Agent自行生成和維護(hù)的操作文檔。當(dāng)一次任務(wù)涉及多次工具調(diào)用并形成相對(duì)穩(wěn)定的解決路徑時(shí)，Agent會(huì)把整個(gè)過程沉淀為一份結(jié)構(gòu)化的Markdown技能文件。下次遇到類似問題，它不會(huì)重新從零推理，而是直接加載技能，并在執(zhí)行過程中持續(xù)修訂它。

有用戶統(tǒng)計(jì)，連續(xù)使用一個(gè)月后，同類任務(wù)的工具調(diào)用次數(shù)從20多次壓縮到八到十次，模型本身沒有變化，變化的是Agent已經(jīng)積累了一套可復(fù)用、可改進(jìn)的“操作手冊(cè)”。

相比之下，OpenClaw也擁有龐大的技能生態(tài)，但技能更多是由他人編寫、為通用場(chǎng)景服務(wù)，本身并不會(huì)隨著某一個(gè)用戶的使用而自動(dòng)進(jìn)化。一個(gè)更像公共教材，一個(gè)更像私人工作筆記。

有限記憶

Hermes在設(shè)計(jì)哲學(xué)上與Openclaw的另一重分歧，在于對(duì)于“記憶”這件事的不同理解。

OpenClaw的策略是“什么都存”，所有對(duì)話，所有上下文，全部持久化到數(shù)據(jù)庫里。需要的時(shí)候全量檢索。好處是信息不會(huì)丟，壞處是token消耗大，而且噪音會(huì)隨時(shí)間指數(shù)級(jí)遞增。

圖片來源：Inside Hermes Agent: How a Self-Improving AI Agent Actually Works，Daily AI Insights

Hermes Agent選了一條反直覺的路：有限記憶。它并沒有采取“什么都存”的策略，而是有意為長(zhǎng)期記憶設(shè)置上限。MEMORY.md和 USER.md的字符數(shù)被嚴(yán)格限制。設(shè)計(jì)者的判斷是：對(duì)大模型來說，少量精準(zhǔn)的記憶比大量模糊的記憶更有用。

記憶文件在每個(gè)session開始時(shí)注入系統(tǒng)提示詞，占的token是固定的，不會(huì)隨著使用時(shí)間越來越膨脹。而且因?yàn)榭臻g有限，agent被迫學(xué)會(huì)做信息的篩選和壓縮，只保留真正重要的東西。記憶滿了怎么辦？agent會(huì)自己合并舊條目、刪掉過時(shí)信息、把多條相關(guān)記錄壓縮成一條。更像一個(gè)人在整理筆記，而不是一個(gè)數(shù)據(jù)庫在堆疊數(shù)據(jù)。

在這一限制之上，Hermes通過分層結(jié)構(gòu)來解決記憶難題：所有歷史對(duì)話被完整存儲(chǔ)在 SQLite 中，通過FTS5全文檢索按需召回；技能文件承擔(dān)程序性記憶的角色；向量索引用于長(zhǎng)期語義搜索；可選的 Honcho用戶建模模塊，則用于捕捉用戶偏好和認(rèn)知變化的趨勢(shì)，而不是簡(jiǎn)單堆疊事實(shí)。

這種設(shè)計(jì)的結(jié)果是，上下文不會(huì)隨著使用時(shí)間失控膨脹，但Agent依然能夠“記得住事”。對(duì)用戶而言，最直觀的體驗(yàn)是不再反復(fù)解釋背景，不同會(huì)話、不同入口之間的理解保持一致。

模型解耦

此外，Hermes在模型切換這件事上也走得更徹底。OpenClaw官方雖然也支持多模型，但在實(shí)際使用中仍然更推薦搭配自家模型，而Hermes從一開始就把“模型可替換”當(dāng)作前提條件來設(shè)計(jì)。

目前Hermes開箱即用地支持18個(gè)以上的LLM提供商，切換模型只需要一條命令，所有記憶、技能和歷史數(shù)據(jù)都保存在本地，幾乎不存在遷移成本。

這意味著用戶可以根據(jù)價(jià)格、穩(wěn)定性或具體任務(wù)特性自由切換模型。對(duì)于不希望被長(zhǎng)期綁定在某一個(gè)模型或某一家廠商生態(tài)里的開發(fā)者來說，這種自由度本身就是一種安全感。

綜合來看，Hermes的這些設(shè)計(jì)并不是為了在某一次任務(wù)中顯得更聰明，而是圍繞一個(gè)更長(zhǎng)期的問題展開：當(dāng)Agent被持續(xù)使用數(shù)周甚至數(shù)月之后，它是否還能保持穩(wěn)定、可控，并且越來越貼合用戶自身的工作方式。正是在這個(gè)時(shí)間維度上，Hermes與OpenClaw拉開了差異。

當(dāng)然，這條路線的代價(jià)同樣清晰。Hermes在任務(wù)狀態(tài)管理、長(zhǎng)流程穩(wěn)定性和子 Agent協(xié)作上仍然不成熟，對(duì)模型規(guī)模的要求更高，學(xué)習(xí)曲線也明顯陡于OpenClaw。

更關(guān)鍵的是，Hermes目前的生態(tài)成熟度與OpenClaw仍存在顯著差距，第三方平臺(tái)集成、社區(qū)教程、問題排查支持遠(yuǎn)不完善，普通用戶的上手門檻遠(yuǎn)高于常規(guī)開源工具。它并不適合只想 “裝好就用” 的用戶。但對(duì)于愿意長(zhǎng)期運(yùn)行一個(gè)agent、并期望它隨著時(shí)間減少重復(fù)勞動(dòng)的人來說，Hermes提供的是一種完全不同的價(jià)值曲線。

Agent框架趨同進(jìn)化分層架構(gòu)正在形成

Hermes 的持續(xù)升溫，并非對(duì) OpenClaw 的單向替代，而是整個(gè)Agent框架生態(tài)同步進(jìn)化的一個(gè)關(guān)鍵信號(hào)。

事實(shí)上，OpenClaw早已意識(shí)到早期架構(gòu)所面臨的瓶頸，并主動(dòng)推進(jìn)底層能力迭代。在模型解耦與記憶機(jī)制這兩個(gè)核心方向上，它正呈現(xiàn)出與Hermes異曲同工的進(jìn)化趨勢(shì)。

早在被Anthropic政策收緊影響之前，OpenClaw就已經(jīng)開始為 “去單一模型依賴” 做全面準(zhǔn)備。在3月的更新中，OpenClaw通過統(tǒng)一兼容層，抹平了不同模型在接口、認(rèn)證方式和返回結(jié)構(gòu)上的差異，用戶切換模型只需修改一個(gè)配置項(xiàng)，無需重新適配工具。這與 Hermes從設(shè)計(jì)之初就堅(jiān)持的“模型可替換”思路高度一致。

在記憶機(jī)制上，針對(duì)早期“全量存儲(chǔ)”帶來的token浪費(fèi)、上下文臃腫問題，OpenClaw在4月5日發(fā)布的 v2026.4.5 版本中，正式上線了 “夢(mèng)境” 記憶系統(tǒng)。這套系統(tǒng)模擬人類睡眠中的記憶鞏固過程，在用戶不活躍的時(shí)段自動(dòng)完成記憶的篩選、壓縮與提純，僅將高價(jià)值信息沉淀為長(zhǎng)期記憶。

這套機(jī)制與Hermes的有限記憶設(shè)計(jì)，在目標(biāo)層面高度一致——讓Agent越用越懂用戶，同時(shí)對(duì)長(zhǎng)期運(yùn)行的成本與噪音進(jìn)行嚴(yán)格控制。

不過，底層架構(gòu)的差異，依然決定了兩者的進(jìn)化路徑與適用人群的分野。

OpenClaw的進(jìn)化，是建立在原有Gateway架構(gòu)之上的優(yōu)化升級(jí)：它依然保留全量數(shù)據(jù)作為兜底，夢(mèng)境系統(tǒng)更多是一種上層的離線提純能力；模型解耦的重點(diǎn)，也放在兼容更豐富的生態(tài)與場(chǎng)景，而非從根本上重構(gòu)執(zhí)行邏輯。

Hermes則從一開始就以“閉環(huán)學(xué)習(xí)循環(huán)”為核心，將復(fù)雜度直接內(nèi)化進(jìn)Agent的執(zhí)行過程之中。這種底層設(shè)計(jì)基因的不同，使兩者天然服務(wù)于不同類型的用戶。

當(dāng)用戶對(duì)Agent的需求從 “嘗鮮可用” 走向 “長(zhǎng)期深度使用”，需求端已經(jīng)出現(xiàn)了清晰的分層，與之對(duì)應(yīng)，Agent框架的三層結(jié)構(gòu)正在逐漸成型。

OpenClaw是面向普通用戶的多渠道Agent平臺(tái)，核心價(jià)值在于生態(tài)深度與低上手門檻，更像“AI Agent的Android”，目標(biāo)是讓用戶無需理解底層細(xì)節(jié)，也能直接使用成熟的 Agent能力。

Hermes定位于面向?qū)I(yè)開發(fā)者的Agent基礎(chǔ)設(shè)施，強(qiáng)調(diào)可編程性、記憶深度與長(zhǎng)期進(jìn)化能力，適合希望深度定制、追求長(zhǎng)期效率的用戶；Claude Cowork則代表面向安全敏感場(chǎng)景的封閉生態(tài)，模型能力強(qiáng)、沙箱成熟，更符合對(duì)數(shù)據(jù)安全有嚴(yán)格要求的企業(yè)環(huán)境。

這三種定位并不互斥，邊界也在被主動(dòng)打通。Hermes已支持從ClawHub安裝社區(qū)技能，也可以通過MCP協(xié)議接入Claude Desktop與Cursor。

不少用戶已經(jīng)形成組合使用的模式：OpenClaw負(fù)責(zé)多渠道消息路由與任務(wù)執(zhí)行，Hermes作為核心推理與記憶引擎。

這種分工協(xié)作的現(xiàn)實(shí)路徑，顯然比“誰取代誰”的線性敘事更貼近真實(shí)市場(chǎng)。

因此，與其追問“誰會(huì)成為下一個(gè)OpenClaw”，不如承認(rèn)一個(gè)更清晰的現(xiàn)實(shí)：Agent框架正在從單點(diǎn)爆款時(shí)代，進(jìn)入長(zhǎng)期結(jié)構(gòu)分化的階段。

真正決定未來走向的，是在模型快速更迭的時(shí)代，誰能讓Agent在時(shí)間維度上持續(xù)積累價(jià)值，并把這種積累牢牢掌握在用戶手中。