引子：从 17 万到 22.7 万，两个月涨了 5 万星
今年 6 月初我写过一篇 Hermes-agent 的介绍，那时它刚跨过 17 万星。两个月过去，GitHub 上的星标已经悄悄爬到 22.7 万，平均每天涨 800+。在 GitHub Trending 普遍一天新增几百颗星就算"爆款"的当下，这个增速属于另一档——项目确实击中了某种真实需求，而不是单纯的 hype。
为什么它能持续涨？答案藏在它最不张扬、也最值钱的设计里：唯一一个把"学习闭环"焊死在运行时的开源 AI Agent。
一、什么是 Hermes-agent
Hermes-agent 由 Nous Research（一家以开源大模型闻名的研究机构）开源，主语言 Python，许可证 MIT，核心理念只有一句话：
The agent that grows with you.（一个跟你一起成长的 Agent。）
听起来像营销话术，但拆开看，你会发现它把"成长"做成了机制，而不是口号。
所谓"学习闭环"，指的是这条链路：
- Agent 在使用中积累了经验（成功、失败、用户的纠正）；
- 这些经验触发一次"技能创建"，沉淀为可复用的 Skill 文件；
- Skill 文件在后续被反复调用；
- 调用过程中，Agent 会主动 nudge（提醒）你把零散笔记整理成正式 Skill；
- Skill 在使用中持续自我改进，越用越顺手。
这套机制不是插件、不是后续补丁，而是项目从第一行代码开始就内建在 Agent 运行时里的。换句话说：你装上它的那一刻，"边用边进化"就已经在跑了。
二、为什么"学习闭环"值得单独拎出来
过去两年，我们见过太多号称"自学习"的 Agent：
- 有的把上下文塞进向量数据库，每次都重检索一遍，把延迟干到秒级；
- 有的靠"周报式回顾"，把一周的对话总结成 markdown，然后给你看，并不真的接入下次决策；
- 有的干脆把"学习"做成了云端黑盒，你以为是它在学，其实它只是 prompt 里多了一句"请像一个有经验的助手"。
Hermes 的做法不一样。它做对了两件难的事：
- 显式的 Skill 文件：每一条经验都有可读、可改、可版本管理的 markdown 文件落地，不会因为数据库升级而蒸发；
- Nudging 机制：Agent 会主动打断你的工作流，问你要不要把刚才那段操作固化成 Skill。不是被动等你说"记一下"，是它主动凑过来提醒。
这两件事加在一起，才让它敢叫"grows with you"。
三、七大能力全景
除了学习闭环，Hermes 还在几乎所有"主流 Agent 必备能力"上做到了开箱即用：
- FTS5 会话搜索 + LLM 摘要：内置会话级别的全文检索，配合 LLM 摘要，不用外挂 Notion 或笔记软件也能找回三个月前的某段对话。
- 300+ 模型支持（Nous Portal）：一个订阅，覆盖 OpenAI、Anthropic、Google、Meta、Mistral 等主流厂商以及 Nous 自家 Hermes 系列模型，外加搜索、图像、TTS、云浏览器——是的，全部包在同一个账号里。
- 多平台消息网关：Telegram / Discord / Slack / WhatsApp / Signal / Email / CLI 七种入口共享同一个 Agent 状态，再也不用维护七份 bot。
- 七种终端后端：local / Docker / SSH / Singularity / Modal / Daytona / Vercel Sandbox。想跑在自家笔记本、公司服务器、临时云端都行，不用重写配置。
- 内置 Cron 调度 + 子 Agent 并行化：不是简单"定时任务"，而是把调度器和"派生子 Agent 同时干活"作为一等公民，省去自己撸 asyncio。
- OpenClaw 迁移工具成熟：
hermes claw migrate一条命令，能自动导入 OpenClaw 的 MEMORY.md、Skills 目录、API Key 配置。 - 40+ 内置工具 + MCP 集成：浏览器、文件、Shell、HTTP、数据库、图像生成等工具全部预装；MCP 协议接入意味着任何支持 MCP 的服务都能 5 分钟接进来。
如果只看能力清单，Hermes 已经把一个"通用 Agent 平台"该有的东西基本都配齐了。
四、与 OpenClaw 对比：同一类问题，两种答案
如果你是 OpenClaw 用户（或者正在两者之间选），下面这张对比表能帮你快速定位：
| 能力 | Hermes | OpenClaw |
|---|---|---|
| 学习闭环 | ✅ 内置运行时 | ⚠️ 需手动沉淀到 MEMORY.md |
| 跨会话记忆 | ✅ FTS5 + LLM 摘要 | ✅ MEMORY.md + memory/ 目录 |
| 多平台消息 | ✅ 7 种原生支持 | ⚠️ 飞书为主，其他需自接 |
| 工具网关 | ✅ Nous Portal 一体化 | ⚠️ 分散配置 API Key |
四项里，Hermes 在前三项都有结构性优势——但注意，OpenClaw 不是"输了"，而是定位不同：
- OpenClaw 把记忆做成可手写、可 diff、可 PR 的 markdown 文件，对内容创作者和需要审稿、可追溯的工作流更友好；
- Hermes 把学习做成"运行时自动写 Skill"，对只想"开箱即用、让 Agent 自己进化"的用户更省心。
五、谁该用、谁可以观望
适合立刻上手 Hermes 的人群：
- 已经受够了"Agent 每次新开会话就失忆"，希望它真的能记住你的偏好；
- 同时在 Telegram、Discord、Slack 维护 bot，渴望统一后台；
- 不想自己拼凑 API Key、向量库、定时器，希望一个订阅搞定全部；
- 团队规模小，愿意用 Nous Portal 的闭源模型换开发效率。
可以继续观望、暂时用 OpenClaw 或自研栈的人群：
- 内容生产、AIGC 工作流重度依赖飞书 IM，且深度依赖 MEMORY.md 的可读 / 可 diff 特性——OpenClaw 的"手写记忆"哲学对你更合适；
- 已经有一套成熟的多智能体编排框架，重写成本太高；
- 在意"数据完全本地、不出内网"，OpenClaw + 自部署模型更可控。
六、上手成本
最低成本路径：
- 克隆仓库
git clone https://github.com/NousResearch/hermes-agent； - 按官方文档安装依赖（Python 3.11+）；
- 注册 Nous Portal 拿到 API Key；
- 选择一种终端后端（推荐先试 local + Docker）；
- 把现有 OpenClaw 的 MEMORY/Skills/API Key 跑一遍
hermes claw migrate。
社区目前以英文 Discord 为主，中文资料还比较少。如果你只是好奇、不打算立刻迁移，建议先读一遍官方文档，再决定要不要把生产环境的 Agent 切换过去。
七、相关资源
- 项目仓库：https://github.com/NousResearch/hermes-agent
- 官方文档：https://hermes-agent.nousresearch.com/docs/
- Nous Research 主页：https://nousresearch.com
22.7 万颗星不是终点，而是它被严肃看待的起点。如果你想找一个"真的在自进化"的 Agent 骨架，Hermes 值得花一个周末去认真读一遍源码。