6 min read

最近有个小众 Agent 产品火起来了:Hermes,它和 Claude Code、OpenClaw 有什么区别

Source: http://x.com/i/article/2041455817803907073

如果你关注 AI agent 这个方向,最近大概率刷到过 Hermes Agent 这个名字。

GitHub 上 27000 多个 star,Nous Research 出品,MIT 开源。跟 OpenClaw 的 24 万 star 比起来确实小众,但增长速度很快,三月份一度冲到 GitHub Trending 前 15。

很多人第一反应是:这跟 Claude Code 或者 OpenClaw 有什么区别?又一个 agent 框架?

我花了点时间看了它的文档和架构设计,说说我的理解。

先把三个东西的定位理清楚

Claude Code

是一个编码 copilot。你坐在电脑前,打开终端或 IDE,让它帮你写代码、改代码、重构代码。SWE-bench 上 80% 左右的准确率,代码能力在第一梯队。但它只在 IDE 和终端里活着,没有消息平台集成,没有定时任务,session 之间也没有持久记忆。

OpenClaw 是一个面向多渠道运营的通用 agent。22 个以上的消息平台,Telegram、WhatsApp、Discord、Slack、iMessage 全覆盖。ClawHub 上有 13000 多个技能。它的记忆策略是"什么都存",所有对话、所有上下文都持久化,搜索的时候全量检索。247K stars,目前开源 agent 里用户量最大的一个。

Hermes Agent

呢?27K stars,体量比 OpenClaw 小一个数量级。但它走了一条不太一样的路。

跟 Claude Code 的区别

Claude Code 解决的是"帮你写代码"这件事。你得人坐在电脑前,打开编辑器,启动 session。session 结束了,它不记得你上次干了什么。每次都是一张白纸。

Hermes Agent 不绑 IDE。它可以跑在一台 $5/月的 VPS 上,你通过 Telegram、Discord、Slack 给它发消息就能让它干活。6 种执行后端:本地、Docker、SSH、Singularity、Modal、Daytona。支持 18 个以上的 LLM 提供商,从 OpenAI 到 DeepSeek 到本地 Ollama,随时一条命令切换。

简单说,Claude Code 是一个坐在你 IDE 里的编码助手,Hermes Agent 是一个住在服务器上的通用 agent。这两个东西的使用场景重叠度其实不高。

跟 OpenClaw 的区别:记忆哲学的分歧

跟 OpenClaw 的区别更微妙,因为两个都是"通用 agent"。

表面上看功能列表很接近。都支持多消息平台(OpenClaw 22 个,Hermes 14 个),都有持久化记忆,都有技能系统,都能跑定时任务。

但设计哲学上有一个关键分歧:对"记忆"这件事的态度。

OpenClaw 的策略是什么都存。所有对话、所有上下文,全部持久化到数据库里。需要的时候全量检索。好处是信息不会丢,坏处是 token 消耗大,而且时间长了噪音也多。

Hermes Agent 选了一条反直觉的路:有限记忆。

MEMORY.md 上限 2200 字符,USER.md 上限 1375 字符。加起来大概 1300 个 token。就这么大的空间。

为什么要给记忆加上限?Hermes 的设计者认为,对 LLM 来说,少量精准的记忆比大量模糊的记忆更有用。记忆文件在每个 session 开始时注入系统提示词,占的 token 是固定的,不会随着使用时间越来越膨胀。而且因为空间有限,agent 被迫学会做信息的筛选和压缩,只保留真正重要的东西。

记忆满了怎么办?agent 会自己合并旧条目、删掉过时信息、把多条相关记录压缩成一条。更像一个人在整理笔记,而不是一个数据库在堆数据。

自学习循环:越用越顺手的机制

但 Hermes Agent 真正有意思的地方不在记忆系统,在自学习循环。

每当它完成一个复杂任务(5 次以上工具调用),它会自动评估这次经验值不值得沉淀。如果值得,它把操作过程写成一个 SKILL.md 文件,包含步骤、踩过的坑、验证方法,存到本地技能库。下次遇到类似任务,直接加载技能,不重新摸索。

每 15 次工具调用还会暂停做一次自检:哪些做对了,哪些做错了,有没有需要记住的新信息。

有人统计过,用了一个月之后,同类任务从 25 次工具调用压缩到 8-10 次。模型没变,是 agent 自己积累了足够多的操作手册。

OpenClaw 也有技能系统,ClawHub 上 13000 多个技能,生态规模大得多。但 OpenClaw 的技能更多是社区共享的、标准化的模块。Hermes 的技能是 agent 在你的具体工作环境里自己创建的,包含你的项目结构、工具链偏好、踩坑记录。一个是"通用教材",一个更接近"私人笔记"。

模型锁定

还有一个区别跟日常使用关系很大:模型锁定。

OpenClaw 官方推荐搭配自家的模型用,虽然也支持其他模型。Claude Code 绑定 Anthropic API。

Hermes Agent 在这件事上比较彻底。18 个以上的 LLM 提供商开箱即用,包括 OpenRouter、OpenAI、Anthropic、DeepSeek、阿里云、Hugging Face、GitHub Copilot、Ollama。切模型就一条命令,数据和技能全在本地,不存在迁移成本。

对那些不想被锁死在某个模型生态里的人来说,这点挺重要的。

为什么这个小众产品最近突然火了

我觉得跟时间节点有关系。

OpenClaw 太大了。247K stars,几十万用户,功能列表长到看不完。对很多个人开发者来说,OpenClaw 的设计重心在多渠道运营和团队协作,有点"大炮打蚊子"的感觉。

Claude Code 又太专注了。只做编码,只在 IDE 里用。

Hermes Agent 正好卡在中间。它够轻,一行 curl 安装,60 秒搞定。够灵活,14 个消息平台、6 种执行后端、18+ 模型提供商。而且它的自学习机制让"越用越顺手"这件事变得可感知,不只是宣传口号。

再加上 Nous Research 本身是做模型训练的实验室(Hermes 系列模型、Psyche 分布式训练),这给了一些技术向的用户额外的信心。

MIT 协议、零遥测、数据全在本地,这些对隐私敏感的用户来说也是加分项。

三个产品,三个定位

  • • Claude Code

是写代码能力顶尖的 IDE copilot。

  • • OpenClaw 是生态最大、功能最全的多渠道 agent 平台。
  • • Hermes Agent

是一个轻量的、会自我学习的个人 agent。

你需要哪个,取决于你想解决什么问题。它们之间也不冲突,完全可以同时用。

对 Hermes Agent 好不好奇的话,装一个跑几天试试。它的技能库从零开始慢慢长出来的过程,挺有意思的。