引言
2026 年初，中国开发者社区流传着一个有趣的口号：
"从养虾到养马。"
"虾"指的是 OpenClaw——被开发者亲切称为"小龙虾"的 AI 编程 Agent，35 万+ Star，长期霸榜 GitHub。"马"指的是 Hermes Agent——一个 2026 年 2 月 25 日才发布的开源 AI Agent，因为名字发音酷似法国奢侈品牌 Hermès，被中国开发者秒贴"爱马仕"标签，简称"马"。
然后，这匹"马"用不到七周的时间，冲到了 8.4 万 Star，多日霸榜全球开源项目排行第一。
腾讯云和阿里云几乎同时出手，提供官方一键部署支持。这在 AI Agent 赛道几乎没有先例。
一个开源项目，凭什么？
一、Hermes Agent 是什么
1.1 一句话定位
Hermes Agent 是由美国 AI 研究实验室 Nous Research 开发的开源 AI Agent 框架。它的核心卖点是四个字：自我进化。
这不是营销话术。它是目前唯一一个拥有内建完整学习闭环的开源 Agent——能从执行经验中自动提炼技能、修复错误、积累记忆，越用越强。
1.2 Nous Research 是谁
Nous Research 是一家颇有传奇色彩的开源 AI 实验室。2023 年从 Discord 社区中一群 AI 爱好者的草根协作成长而来，团队约 20 人，已完成 5000 万美元 A 轮融资，估值约 10 亿美元。
品牌名 "Nous" 取自古希腊语，在柏拉图的哲学中指"心智"和"直觉洞察力"。创始人曾在播客中半开玩笑地说：
"我们其实是一家 T 恤公司，AI 只是副业。"
二、核心能力：为什么它"越用越强"
2.1 闭环学习系统
这是 Hermes Agent 区别于所有竞品的最大护城河。它的工作循环如下：
自主解决任务 → 记录执行经验 → 提炼为可复用技能 → 下次自动调用并持续优化 → 越用越强具体来说：
- 自动创建技能：完成复杂任务后，自动将执行流程提炼成
SKILL.md文件，记录"怎么做"以及"踩了哪些坑" - 自动修复技能：后续执行中发现更优路径，以 patch 补丁方式更新（而非全量重写），更安全也更省 token
- 智能记忆写入：自动判断哪些信息值得记住，写入记忆文件，无需手动配置
2.2 四层记忆系统
Hermes 借鉴了 CPU 缓存分级的思路，打造了分层记忆架构：
| 层级 | 名称 | 存储方式 | 容量 | 触发时机 |
|---|---|---|---|---|
| L1 | 核心记忆（热） | MEMORY.md | ~2,200 字符 | 每次会话自动加载 |
| L2 | 用户画像（温） | USER.md | ~1,375 字符 | 每次会话自动加载 |
| L3 | 会话归档（冷） | SQLite + FTS5 | 无限制 | 语义检索历史对话 |
| L4 | 技能库 | SKILL.md 文件集 | 无限制 | 任务匹配时自动调用 |
设计上有一个很巧妙的细节：常驻记忆层故意限制在约 3,575 字符。为什么？因为如果记忆无限膨胀，Agent 就会被无关信息淹没。强制限制容量，等于逼 Agent 学会"遗忘"——只记住真正重要的东西。
而且 Agent 自己能看到记忆使用百分比（如 MEMORY (67% -- 1,474/2,200 chars)），知道什么时候该精简。一个 AI 在管理自己的记忆容量，这个设计本身就很有意思。
2.3 子代理并行
主 Agent 可以把大任务拆分，派发给独立的子 Agent 并行执行。每个子 Agent 有自己独立的上下文和终端，互不干扰。
比如做竞品分析时，主 Agent 汇总报告，3 个子 Agent 分别分析不同平台的用户评价，同时开工。
2.4 定时任务 + 多平台消息
内置 cron 调度器，支持用自然语言设置定时任务：
每天早上9点检查 Hacker News 上的 AI 新闻，通过 Telegram 给我发摘要原生支持 12-15+ 个消息平台：微信、飞书、钉钉、Telegram、Discord、Slack、WhatsApp……2026 年 4 月还接入了微信（通过腾讯官方 iLink Bot API），在中国开发者社区引发了一波"马终于能上微信了"的狂欢。
三、"马" vs "虾"：Hermes vs OpenClaw
这是 2026 年开源 AI Agent 赛道最热门的话题。社区用一句话精准概括了二者的区别：
小龙虾是个勤快但健忘的实习生，爱马仕是个越干越熟练的老员工。
| 维度 | Hermes Agent（爱马仕） | OpenClaw（小龙虾） |
|---|---|---|
| 核心理念 | 自我进化、持续学习 | 控制平面优先、精密执行 |
| 学习闭环 | ✅ Agent 自动创建/修改技能 | ❌ 技能是静态的，需人手动编写 |
| 记忆能力 | 四层持久记忆，越用越聪明 | 会话级，关掉就忘 |
| 技能来源 | Agent 自己总结"怎么做" | 人教 Agent "怎么做" |
| 消息平台 | 12-15+（含微信、飞书、钉钉） | 3 个 |
| 运行模式 | 云端 7×24 独立运行 | 跟随开发者在线 |
| 控制权 | ~80% 用户 + 20% 系统智能 | ~100% 用户控制 |
| Star 数 | 8.4 万+（七周） | 35.8 万+（更早发布） |
不过，公平地说，OpenClaw 在技能生态成熟度和执行精度上仍然领先。Hermes 的优势在于长期陪伴和自我进化，OpenClaw 的优势在于即战力和生态广度。
选择哪个，取决于你是想要一个"听话的工具"，还是一个"会成长的伙伴"。
四、技术架构一览
4.1 支持的模型
Hermes Agent 支持 18+ 大模型提供商、200+ 模型，执行 hermes model 即可一键切换：
国际：OpenAI、Anthropic、xAI、DeepSeek、Hugging Face、OpenRouter……
国内：智谱 GLM、Kimi、MiniMax、通义千问、小米 MiMo……
本地：Ollama、vLLM、llama.cpp……
4.2 部署方式
| 方式 | 说明 |
|---|---|
| Local | 本地直接运行 |
| Docker | 容器隔离部署 |
| SSH | 连接远程服务器 |
| Daytona / Modal | Serverless，闲置休眠 |
| 腾讯云 / 阿里云 | 官方一键部署 |
最低配置：一台 5 美元/月的 VPS 即可运行。
4.3 一行命令安装
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
source ~/.bashrc
hermes # 开始对话支持 Linux、macOS、WSL2、Android（Termux）。不支持原生 Windows。
五、真实体验：优点与不足
5.1 亮点
- 开箱即用：装完就能干活，不像 OpenClaw 需要大量手动配置
- 越用越懂你：用了两周后，它会主动联系历史上下文，"这个问题上次怎么解决的"真的能搜到正确答案
- 微信接入：在中国，能搞定微信就意味着起飞
- 模型无关：不绑定任何一家模型提供商，自由切换
5.2 不足
- 冷启动需要耐心：前几周 Skills 和 Memory 都是空的，需要"养"一段时间才能发挥作用
- 自动创建的 Skills 质量参差不齐：有时过度泛化，有时遗漏关键细节，需要人工检查
- cron 任务偶尔失灵：有用户反映"创建说成功了，实际没执行"
- 依赖强模型：GPT-4 / Claude 3.5 Sonnet 级别才能让 Skills 自动生成真正跑起来，小模型效果差
- Windows 不支持：仅支持 Linux、macOS、WSL2
六、为什么这件事重要
Hermes Agent 的爆火，折射出一个值得关注的趋势：
AI 的竞争，正在从"谁的模型更聪明"转向"谁能让 Agent 真正陪着用户成长"。
过去一年，大模型的参数规模、基准测试分数、上下文窗口长度——这些"硬指标"的竞争已经进入边际递减阶段。GPT-5 和 Claude Opus 4.5 之间的差距，对普通用户来说已经感知不强。
但 Agent 的学习能力、记忆能力、长期陪伴能力——这些"软实力"才刚刚开始被重视。
Hermes Agent 用一个朴素但强大的 idea 证明了：与其追求更强的模型，不如让现有的模型学会积累经验。
一个能记住你偏好、理解你习惯、从错误中学习的 AI Agent，可能比一个智商更高但每次都从零开始的 Agent，更有实用价值。
这大概就是"养马"的真正含义——你不是在使用一个工具，而是在培养一个伙伴。
只不过，这个伙伴目前还需要你花一两周的时间"驯服"，而且偶尔会自作主张创建你不需要的定时任务。
但谁不是这样呢？新来的员工，总得有个适应期。
参考来源：