一文快速看懂Hermes Agent核心概念与用法

OpenClaw才火了一阵，眼下又冒出了Hermes Agent，据说还能从OpenClaw无缝迁移。坦白说，类似「下一代 AI 助手」的营销话术听多了，难免先持观望态度——谁知道是不是又一阵风。

不过，开源社区很快接连延伸出不少同类项目，而且Hermes主要用Python编写，这一点倒是让人倍感亲切。于是决定仔细看看这个项目，对普通人来说，手里已经有龙虾（OpenClaw）了，到底还有没有必要再装一个新工具？

快速使用

Hermes的安装同样是一行命令搞定：

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

source ~/.bashrc hermes
# 启动对话

迁移过程也非常省事——Hermes支持一行代码把配置、记忆、技能和 API 密钥全部搬过来：

hermes setup # 首次设置时
hermes claw migrate # 完整迁移

架构解析

OpenClaw：基于中心化的调度

OpenClaw的核心是一个消息路由层。它从Telegram、Slack、WhatsApp等渠道接收消息，转发给大语言模型，再把模型的响应路由回对应平台。整个链路大致是这样：

消息入口 → 消息解析 → LLM 调用 → 工具执行 → 响应路由 → 消息出口

这个模型很清晰，也很好理解。只是每次对话都是独立的上下文，工具执行完就结束了，没有任何信息被沉淀下来。

Hermes：一个闭环学习系统

再来看Hermes的架构，设计思路有明显不同：

┌─────────────────────────────────────────────────────────────┐
│   AIAgent (run_agent.py)                                    │
│   核心对话循环，约 9600 行代码                                │
└─────────────────────────────────────────────────────────────┘
                    │
      ┌─────────────┼─────────────┐
      ▼             ▼             ▼
┌─────────┐ ┌──────────┐ ┌─────────┐
│ Prompt  │ │   Tool   │ │ Session │
│ Builder │ │ Registry │ │ Storage │
└─────────┘ └──────────┘ └─────────┘
      │             │             │
      ▼             ▼             ▼
 47个注册工具    SQLite+FTS5   520个工具集
                全文搜索

核心差异体现在三个关键子系统：

1. 记忆系统 (hermes_state.py)

Hermes用SQLite + FTS5做会话存储。每个会话都有lineage追踪，压缩后的会话会保留父子关系。这意味着当跨会话询问之前聊天内容时，它能通过FTS5搜索找到历史对话，然后用LLM总结成可用的上下文。

OpenClaw也有记忆，但它是靠外部技能和文件系统实现的，不是内置能力。

2. 技能系统 (skills/)

这是Hermes最有意思的部分。当你完成一个复杂任务后，它会自动把解决过程写成可复用的技能文件，保存在 ~/.hermes/skills/ 下。下次遇到类似问题，直接调用即可。

从代码来看，技能注册在 agent/skill_commands.py，技能执行则在 skills/ 目录下。

3. 子袋里委托 (delegate_tool.py)

Hermes支持隔离的子袋里，每个子袋里都有自己的对话和终端。这不是简单的并发执行——子袋里之间通过RPC通信，可以共享结果但不会共享上下文。这意味着一个任务可以拆成多个独立的流水线，每个流水线消耗零上下文开销。

# 伪代码示意
result = await agent.delegate(
    subagent_id="code-reviewer",
    task="review this PR",
    context={"pr_url": "..."}
)

对比总结

结论

如果只是想找一个能处理日常事务的助手——回邮件、排日程、自动化工作流，那么OpenClaw完全够用，没必要再折腾。它的技能库很丰富，社区也很活跃，虽然Bug不少，但一直在修复。

但如果想要一个会成长的助手，需要更智能的记忆：让它记得你、能从错误中学习、能自动创建新技能，那Hermes值得试试。另外，如果主要做RL训练或Agent评估，更熟悉Python并且愿意自己动手优化代码，Hermes显然是更优选择。它有一些OpenClaw完全没有的功能，比如在 environments/ 目录下提供了完整的agent评估框架——不只是跑测试，还能生成训练数据。对于做AI研究的人来说，这套内置的工具能省不少事。