OpenClaw：我的初代智能助理
过去两个月，我逐渐把 OpenClaw 当作了自己的智能管家。
作为一个写作者，我用它来搭建文章结构、润色文笔；作为一个家庭经营者，它接管了我的财务记账，甚至连看病历、管健康档案这种繁琐的活儿，它都处理得井井有条。在这段时间里，它确实极大地提升了我的工作与生活效率。
龙虾也让我崩溃过，让我也逐渐看清了它的底层局限：至少在当前阶段，它是一个需要我不断去“喂养”和“修补”的系统。
其实在此之前，我也遇到过多次大大小小的问题：内存不足导致升级失败、群消息无响应、插件冲突。我总是耐心地去排查、修复。
程序员确实喜欢折腾，但我实在不想把大量精力耗在给工具做运维上。
Hermes Agent：新一代龙虾竞品，可能干趴龙虾？
Hermes Agent是什么？
官方定义非常直接：
The agent that grows with you.
一个会随着使用不断成长的 Agent。
它是一个自主智能体，运行时间越长，能力就越强。
Hermes Agent 的核心理念是：让 AI 成为长期在线的数字员工，而非一次性聊天机器人。
Hermes Agent 是业内少见的原生内置学习闭环的 AI Agent，可从执行经验中沉淀技能、自主优化能力、持久化知识、检索历史对话，并在跨会话中持续完善用户认知模型。
Hermes Agent 支持自由切换任意大模型，包括 Nous Portal、OpenRouter（200+ 模型）、OpenAI、GLM、Kimi、MiniMax 等，执行 hermes model 即可切换，无需改代码、无厂商锁定。
提供商 | 说明 | 设置方式 |
|---|---|---|
Nous Portal | 订阅制，零配置 | 通过 |
OpenAI Codex | ChatGPT OAuth，使用 Codex 模型 | 通过 |
Anthropic | 直接使用 Claude 模型 | 通过 Claude Code 认证或 Anthropic API 密钥 |
OpenRouter | 多提供商路由 | 输入您的 API 密钥 |
DeepSeek | 直接 DeepSeek API 访问 | 设置 |
Hugging Face | 通过统一路由器访问 20+ 开放模型 | 设置 |
自定义端点 | VLLM、SGLang、Ollama 或任何 OpenAI 兼容 API | 设置基础 URL 和 API 密钥 |
Hermes Agent与Openclaw的区别
设计哲学：确定性的“工具箱” vs 充满可能性的“沙箱”
OpenClaw 的设计理念是：给 LLM 一个精心打磨的工具箱。它的底层有一个庞大的插件注册中心，想要什么功能，就必须先写好对应的插件。它信仰确定性，宁可告诉用户“我做不到”，也不愿让大模型去冒险试错。
而 Hermes 的理念极其生猛：给 LLM 一个拥有终端控制权的临时沙箱。它的核心工具只有极简的四个：读、写、搜、执行代码。当你抛给它一个陌生任务时，它不是去工具箱里找插件，而是直接自己写一段 Python 脚本在沙箱里跑，通过不断试错来逼近答案。相当于给了 AI 一把键盘，只要终端能跑的代码，它就能干。
上下文管理：重型背包 vs 动态图书馆
OpenClaw 采用的是“重型背包”模式。每次启动新会话，它必须把 SOUL.md、IDENTITY.md 等各种设定文件一股脑塞进上下文里。相当于员工还没开始干活，先被强行塞了一本 200 页的《员工手册》。
痛点很明显：随着你的设定越来越多，这个“背包”会极其沉重。不仅拖慢速度、消耗大量无用 Token，还极易导致大模型“注意力涣散”。连 MiMo 大模型负责人罗福莉也曾公开指出，OpenClaw 的上下文管理不够优雅。
Hermes 则更像是一座“动态图书馆”。它的默认上下文极其轻量，只包含一个核心人设和一串简短的技能目录。不需要大段背诵设定，只有在用到具体技能时，才会去抽调那本书。
此外，Hermes规定MEMORY.md文件最多不超过 2200 个字符，当要超过时，就主动整理之前的内容，清除过期的记忆。
记忆系统：手工记账本 vs 毫秒级搜索引擎
OpenClaw 的记忆依赖于向 MEMORY.md 追加内容。当账本、开发文档越存越多，这个文件会变成几万行的怪兽。要找几个月前的一句话，系统只能笨拙地通读全文。
而 Hermes 放弃了这种原始的“大文件”记忆。它把你和它的每一次对话、终端执行记录、修改过的文件，静默存入了本地 SQLite 数据库，并直接套用 FTS5 全文检索引擎建立倒排索引。
当你问“调出上个月关于房租配置的记录”时，它是在几毫秒内用 SQL 从几百个历史会话中把精确片段“搜”出来的，而不是“读”出来的。这属于降维打击。
环境管理：隔离的“温室” vs 原生的系统沙箱
OpenClaw 有一个严格的 Workspace 概念，像个温室，文件必须丢进特定目录它才能处理，它把自己当成了一个“应用”。
而对于 Hermes 来说，你的整个操作系统就是它的 Workspace。它自带了 read_file、极速的 search_files，更像是一个拥有你机器 bash 权限的超级终端。
反映在开源生态上，这种架构代差带来了直观的热度差异。
OpenClaw 在前期的爆火后逐渐趋于平静；而 Hermes 则在最近呈现出爆发式的增长，目前已经拥有了 7w+ star。
遇见 Hermes：为什么它可能是更好的解法？
抛开枯燥的底层架构不谈，在日常高频使用中，促使我切换的主要是两点直击灵魂的交互差异。
第一，从“黑盒等待”到“透明的卡片式交互”。
以前用 OpenClaw，扔个长任务过去，只能盯着屏幕干等文本回复，不知道中途卡在哪。
而 Hermes 完美融入了飞书卡片。当它在后台执行多步任务（比如爬取网页、写 Python 分析数据）时，会像发弹幕一样，在对话框里实时滚动正在执行的操作。这种执行全透明的掌控感，让做过技术的人觉得无比踏实。
第二，从主动调教到自我进化。
这是最让我震撼的一点。在 OpenClaw 里，想要新能力，你需要主动让 AI 写新的 skill，如果你不提醒，它绝不会自己记住经验。
但在 Hermes 中，它具备自我进化的能力。比如它刚刚通过代码搞定了一个复杂的抓取任务，它会主动将这套成功的逻辑固化成技能；更可怕的是，它会主动记录自己犯过的错，绝不在同一个坑里跌倒两次。
因此，我可能逐渐抛弃Openclaw，转投至Hermes中了
