OpenClaw 遇到对手了：Hermes Agent 的自我进化路线到底能不能跑通
2026 年 2 月，Nous Research 推出了 Hermes Agent，一个从名字上就在向 OpenClaw 叫板的开源个人 Agent。三个月后，它已经在 OpenRouter 的每日 token 消耗量排行榜上超过了 OpenClaw。
但这不是又一个 "me too" 的故事。Hermes Agent 选择了和 OpenClaw 截然不同的技术路线，而且它还内置了一个 OpenClaw 迁移命令，直接把自己的竞品用户池当成了增长来源。
这背后的核心分歧只有一个：你的 Agent 应该 "到处都在" 还是 "越来越懂你"？
两条路线，一个赛道
OpenClaw 和 Hermes Agent 在基础能力上高度重叠：多平台聊天接入、工具调用、沙箱执行、多模型支持、持久记忆、MIT 协议。但它们各自押注的方向完全不同。
OpenClaw 的核心优势是覆盖广度和交互形态。它支持 22+ 个聊天平台（iMessage、Teams、Matrix、飞书、微信、QQ 等全部打通），还有原生 macOS、iOS、Android 应用。最独特的是 Live Canvas（基于 A2UI 协议），Agent 可以在共享画布上实时渲染图表、表单、看板，用户和 Agent 同时可见可编辑。语音唤醒、菜单栏常驻、多 Agent 路由，OpenClaw 的赌注是：大多数人不想住在终端里，他们要的是语音、视觉、全平台无处不在。
Hermes Agent 的核心优势是自我进化。它有一个 "闭环学习系统"：完成复杂任务后，Agent 会自动创建技能文件（可复用的流程脚本），使用过程中持续改进，还有 Curator 后台机制每 90 天自动归档低频技能、合并重复技能。更重要的是，Hermes 内置了 Honcho 辩证式用户建模，跨会话持续构建对你的认知模型。用得越久，它越了解你。
deeplearning.ai 的分析文章点明了关键：Hermes Agent 标志着从无状态 AI 助手到持续积累经验的 Agent 的转变。它不只是在每次对话中更聪明，而是在跨会话的维度上持续进化。
迁移命令：一个代码级的竞争宣言
最耐人寻味的细节在 Hermes Agent 的 README 里：一条内置的 OpenClaw 迁移命令。
hermes claw migrate 可以交互式迁移你的 SOUL.md 人设文件、MEMORY.md 和 USER.md 记忆条目、自建技能、命令白名单、消息配置、API 密钥、TTS 资源、工作区 AGENTS.md 指令。几乎把 OpenClaw 的全部个性化数据一键搬走。
这不是互补项目的做法，这是接盘者的做法。Nous Research 用代码在说：如果你在用 OpenClaw，这是给你准备的出口。
v0.14.0：从实验品到生产级
Hermes Agent v0.14.0（5 月 16 日发布）补上了关键的短板。
原生 Windows 支持。PowerShell 安装流程、原生子进程和 PTY 路径、MinGit 自动安装、Microsoft Store Python 检测，40 多个 Windows 专用修复。不再需要 WSL。
PyPI 包。pip install hermes-agent 一行搞定，不用克隆仓库。冷启动时间缩短了约 19 秒，浏览器工具调用从 14 秒降到 1.5 秒以下，browser_console 评估速度提升 180 倍（复用持久 CDP WebSocket）。
本地 OpenAI 兼容代理。让 Codex、Aider、Cline、VS Code Continue 等工具通过 OpenAI 风格端点访问 Claude Pro、ChatGPT Pro 等 OAuth 限定模型。
供应链安全。每次 pip install 和 hermes update 都扫描依赖版本，对比已知漏洞列表。
跨会话 Claude 提示词缓存。Anthropic、OpenRouter 和 Nous Portal 上的一小时提示词缓存，让恢复和重复工作更快更便宜。
545 个 issue 关闭，12 个 P0 修复，50 个 P1 修复，215 位社区贡献者。这不是实验项目了。
哪个更适合你
如果你想要一个真的会随时间学习的 Agent：自动创建和改进技能，跨会话记住你的偏好，Python 技术栈，研究 Agent 认知和自我改进机制，终端原生工作流，选 Hermes Agent！
如果你想要全平台覆盖（iOS/Android/macOS 原生应用 + 22+ 聊天渠道），Live Canvas 可视化协作，语音唤醒和菜单栏常驻，TypeScript 技术栈，选 OpenClaw
两个都用？不太现实。它们功能重叠太大，而 Hermes 的迁移工具暗示 Nous 认为用户终将二选一。
##自我进化到底靠不靠谱
Hermes Agent 的自我进化路线听起来很美好，但有几个现实问题需要直面。
技能质量参差不齐。Agent 自动生成的技能文件本质上是 LLM 写的脚本，它们可能包含幻觉逻辑、过时的 API 调用、或特定模型版本才有的行为。Curator 的 90 天归档机制是一个合理的止损设计，但它假设 Agent 能正确判断 "这个技能该不该保留"，而 LLM 的自我评估能力仍然有限。
记忆膨胀的隐性成本。Honcho 辩证式建模每条消息都在更新用户画像，FTS5 全文搜索加 LLM 摘要检索过去对话，这些都消耗 token。对本地部署的用户来说，记忆文件会持续增长，压缩和清理的逻辑是否足够健壮，还需要更多生产验证。
token 效率。OpenRouter 排行榜上 Hermes 的 token 消耗超过 OpenClaw，有用户抱怨它的 token 效率更低。自我进化路线的代价是更多的模型调用：技能创建、技能改进、记忆审查、Curator 运行、Honcho 建模，每个环节都在消耗 token。
还是那句话：模型才是瓶颈还是上下文才是瓶颈？如果 Agent 的自我改进依赖于当前模型的推理质量，那当模型产生幻觉或做出错误判断时，"自我进化" 可能变成 "自我退化"。
真正值得关注的趋势
OpenClaw vs Hermes Agent 的竞争背后，是个人 Agent 领域两条路线的交锋：覆盖广度 vs 进化深度。OpenClaw 赢在 "我在"，Hermes 赢在 "我懂"。
但更有意义的信号是：个人 Agent 已经从 "能不能用" 进入到 "用哪个更好用" 的阶段。两年前我们还在讨论 Agent 是否有用，现在讨论的是哪种 Agent 设计哲学更可持续。这说明赛道真的成立了。
对用户来说，最好的策略是两个都试。用 OpenClaw 体验全平台覆盖和 Live Canvas，用 Hermes Agent 体验自我进化闭环。三个月后你会知道哪个更贴合你的工作流。毕竟，Agent 的价值不是功能列表决定的，是日复一日的使用磨合出来的。
