hermes agent怎么收费

openclaw 最大的对手来了，最近有个新项目叫 hermes agent github 已经拿了三万 star。 很多人跟我说这是 openclaw 的 平替，但我扒完它的原码后，发现这两条路根本不是一个方向。今天我把它们的底层架构拆开给你看，看完你就知道该选谁了。 先说 open cloud， 它的核心叫 harness 策略，简单说就是工具编排，你给他一个任务，他去规划要用哪些工具，然后一步步执行。这套系统的强项是工程化，四十多个内置工具， mixp 协议扩展审批流审计、日制多 agent 协助，全是生产级功能。 但 harness 有 个前提，工具得你先写好，策略得你先定好。 agent 本身不会创造新能力，它只会调用你准备好的东西。 所以， open club 的 终极是什么？是成为最强的工具调度器。但 hermit's agent 走了一条完全不同的路，他搞了个叫 k e p a 的 系统，全称是 knowledge evolution through prompt adjustment， 通过提示调整实现知识进化。说人话就是，他会让 agent 自己写 skill， 自己优化 skill， 而且越用越强。我拆他的原码看了 k p a 有 三个核心循环，第一，经验收集， agent 每次执行任务，会把成功和失败的经验存下来。第二，技能生成， 基于这些经验，它会自动写新的 skill 文件，不是调用现成的，是创造新的。第三，自我验证，生成的新 skill 会经过测试，有效的保留，无效的淘汰。这套机制最狠的地方在于 agent 的 能力边界不再由开发者决定， 而是由它自己的学习过程决定。现在你看清楚了吗？ openclaw 是 我给你工具，你帮我调度。 hermes 是 我自己造工具，自己进化。一个是外部扩展，一个是内部进化。 harness 策略的优势是可控、稳定，适合企业落地。 k e p a。 自学习的优势是潜力无限，理论上可以突破人类预设的能力边界，但代价也很明显。 openclaw 的 harness 是 经过大量工程打磨的， hermes 的 k e p a 还在早期，自学习的效果能不能稳定还需要时间验证。听到这里，你可能要问了，那到底该选谁？我的判断是，这不是二选一的问题， 这是两个阶段的答案。阶阶段，如果你要做生产环境团队协助企业落地， opencloud 的 harness 策略更成熟。 但如果你想赌未来，赌 agent 真的 能自我进化到超越人类预设的能力， hermes agent 的 k e p a 路线值得密切关注。而且我怀疑 open claw 团队已经在研究怎么把 k e p a。 的 思想融进 harness 了。中局可能不是谁取代谁，是两者融合。 最后留一个问题，如果你现在选型，你会压 open claw 还是 hermes agent？ 评论区聊聊？关注我，下期继续带你拆！

tikub 上有个项目火了， hermes agent， 五十四万 star 的 开源 ai 智能体框架，它到底是什么？简单说就是一个开源的 ai 助手框架，能帮你写代码、查资料、操作文件、管理任务，甚至接入你的聊天软件，完全免费。 mit 协议开源。 tikup 上有五十四万 star， 很多人会拿它跟 openclaw 比较简单，说 openclaw 是 接入一切，什么都能连，而 hermes agent 是 记住一切核心杀手锏，是自我进化能力，用的越多越懂，你能自动创建新技能，记住你的习惯。 如果你已经在用 openclaw 也没关系， hermes 支持一键迁移，你的人格配置、记忆、数据、 api、 密钥都能直接搬过来。那怎么安装？只需要两步。 第一步，打开终端，粘贴这条安装命令，它会自动下载并装好所有依赖，不用操心任何环境配置。第二步，输入 hermes 回车就启动了，从开始到能用不到一分钟。启动后你可以选择模型， hermes 不 绑定任何一家厂商，国产的 kimi、 智普、 glm、 minimax 都能用， openai 和 cloud 也支持随时切换。除了终端对话，它还能接入 telegram、 discord、 slack 这些平台，手机发消息也能用它。 但这个框架最厉害的地方是它会自己学习进化，用得越多越懂。你能自动创建新技能，记住你的习惯和偏好，时间长了就像一个专门为你定制的 ai 助手。以上就是 hermes agent 的 完整安装教程，关注临近未来，每天了解一个实用的 ai 工具。

星标六万加 hermes 成 openclaw 最强对手，他凭什么能这么火？这个开源 agent 的 最大特点是能跟你一起成长。二月上线 github， 星标超六万多，平均一周一个大版本， 两百四十多人贡献，合并一千四百个 p r 太恐怖了。核心特性有六个陪你成长，越用越强，定时自动化并行处理，沙盒隔离操控浏览器， 最低五美元，云服务就能跑，闲置时几乎不花钱。架构设计兼顾了成本和扩展性，你觉得开源 agent 谁能笑到最后？

第一名， hermes agent 项目，这是一个与你共同成长的智能代理框架，支持持续学习、工具调用和长任务执行，是目前最活跃的 ai agent 项目之一，获得了超过四万颗星标。第二名， open screen 项目，这是一个免费开源的录屏工具，可以作为 screen studio 的 替代品，支持无水印高清录屏与 ai 辅助智能剪辑功能。 获得了超过二点六万颗星标。第三名， o m codex 项目，这是一个 o m box 代码扩展平台，为 open ai codex 添加 hux 代理团队 hud 等高级开发功能，获得了接近两万颗星标。 第四名， cloud hot 项目，这是一个 cloud code 格式化使用指南，提供即插即用的配置集合，让 ai 编程变得更加高效便捷，获得了超过二点三万颗星标。 第五名， oh my clock code 项目，这是一个面向团队的 clock code 多代理编排工具，支持代理角色分工和智能任务分发，获得了超过二点六万颗星标。第六名， onix 项目，这是一个开源 ai 平台，支持接入所有主流大语言模型，内置 rap 解锁和团队协助功能，获得了超过二点六万颗星标。 第七名， times fm 项目，这是 google 研发的时间系列基础模型，支持多种预测任务，可用于金融、气象等场景。获得了超过一点五万颗星标。 第八名， ai gallery 项目，这是 google ai edge 端侧机器学习用力展示库，支持本地运行各种生成式 ai 模型。获得了接近两万颗星标。 第九名， persona flex 项目，这是 nvidia 出品的人物角色生成框架，用于构建具有个性化记忆和行为的 ai 虚拟角色，获得了接近九千颗星标。第十名， deeputor 项目，这是一个代理原生个性化学习助手，通过 ai agent 实现自适应教学路径规划和智能辅导，获得了超过一点四万颗星标。

听说爱马仕也出 agent 了，而且还要跟 open core 正面硬刚？你别误会啊，我说的这个爱马仕不是卖包的那个，是最近 ai 圈的当红榨汁机 hermes agent， 它是 news research 做的一款会自己净化的 ai agent 系统， 上线 qq 号没多久就直接冲到了四万多， stars 这两天的趋势榜还拿到了第一名。今天这条视频呢，我分两部分给你讲。第一部分呢，我帮你讲明白它是何方神圣。第二部分呢，我带你把这个 agent 装到你的电脑上。我们先来搞清楚一件事情， 现在都在说它能够代替 open core， 是 真的吗？那它到底厉害在哪里呢？我们说你现在用的这些 ai， 不 管是 touchp t， jama 的 豆包，还是 dipshit， 它们都有一个共同点，就是你给他指令，他 帮你做了，做完呢，这一轮就结束了，下一次再来。本质上呢，是从头开始，但 hermes 不是 这个逻辑，他每次帮你做完一件事，他不会直接就停了，他会复盘一下刚才这件事我是怎么做到的，哪里做得好，哪 哪里还需要改进。然后他会把这一整套做法整理成一个 skill， 下次再遇到同类的事情的时候，他不会从零开始，而是直接调用这个 skill 来做。而且不止这样，如果你中间改了他的结果，或者呢，他发现有更好的方式，他会把这套 skill 再点。 别带一个版本，你用久了就会发现一件事情，它不是在重复干活，它是在不断的进化，这就是它最核心的地方，内循环学习系统，也就是 build learning loop。 那 这个时候你再看 open crawl， 它们的差别就出来了， open crawl 更像一个你自己搭出来的系统，你可以往里面装工具，接平台，然后 通过配置让它变成你想要的样子。但这里有个前提啊，这些 skills 基本都要你自己去弄，要么你自己写，要么你用别人做好的。换句话说，你是在一点点把它训练出来，所以我们才说养龙 虾嘛。 the hermes 是 反过来的，他很多的能力是你用着用着他就自己学习出来了。但说句实话，我们真没必要二选一，他们各自的侧重点不一样， open call 负责把能力搭起来，把系统接好， m s 负责在后方呢，慢慢把这件事情越做越顺，你如果把它们组合起来用，可能才是更好的选择。好了，讲到这里，如果你已经有点感觉了，那我们直接来点实在的， 把它装到你的电脑上。那在安装前，我们先看一下它的官网，还蛮好看的，很最终幻想的感觉。我们再看一下它给哈的爵乐现在是多少星了哇，现在已经差不多五万星了，真的升的很快啊。 我们再看一下它官方的指导文档。那这边就介绍一下这款 agent building learning roof， 就是 那个内置循环学习系统，它一个很便宜的几十块的 vbs 就 能够装上了。然后这边有一些指导是怎么装的， 六十秒就能够搞定，我们来试一下。那我们现在来到官方的安装命令行这边，无论是 linux、 mac 还是 windows， 只要用这一条命令行就行了。 是值得注意的是，如果你是 windows， 你 记得在 wsl 这个环境下去安装，那我复制了以后呢？打开我的终端，然后直接在终端上粘贴这一行那一行，然后直接回车， 你就可以等待它安装了。 ok， 它已经开始安装了，它验证到我是 mac 系统。然后呢，现在在查找这个 uv package， 就是他会看一下我电脑中有没有他需要的依赖环境，没有的话呢，就会帮我安装。他已经在安装的过程中了，在这个过程中呢，他会不断检查我的依赖，然后帮我安装。你看打了勾的就是已经安装好的，那这些箭头呢？就是正在 check in， 再查一下，然后等一下帮我安装， 只需要耐心的等待就行了。他现在又安装了其他东西，反正你不用理他，也不用看懂他，他会自动帮你搞定的，然后他继续在安装当中。很快啊，就是刚刚卡了一下网络，调整了一下， 现在快了很多了。那官方说的六十秒到底是怎么个六十秒法呢？然后他在一步步的安装，后面就快很多了。第一次安装呢，他肯定要有很多的依赖需要去部署一下的， 如果你后面需要重新安装或者怎么样，他可能就快很多了。好了，在这一步我们看到就是他的室内环境已经准备好了，然后呢，他就安装了所有的依赖，这些依赖包已经 ok 了。现在安装的是 noj s 的 依赖，那其实他这个 hermes agent 还蛮多东西要安装的。 no j s 的 全部依赖安装完以后，他现在帮我安装的是这个自动化的浏览器引擎，那我们会看到它这个浏览器的安装是失败，但没关系，它不会影响它的核心呢，我们现在已经进入了下一步了， 那我们来到这一步呢，其实证明你的 amis agent 呢已经安装成功了，现在呢只是一些配置的引导。那这里他其实说的就是他看到我的电脑当中呢，已经有 open call 了，问我要不要呢，导入一些 open call 的 配置，他现在问我就是你要不要看一下可以导入什么？那我就看一下吧， 那我们浏览一下到底它可以导入什么？ what import， 就是 这些 so 啊， memory 啊，这些 and 文件，还有你装的这些 skills 就 可以导入，然后这个会跳过的就是这些可能是它不兼容或者我没有的东西，它就会跳过，然后它就说就是，呃， 这些设置它不会说一比一的。来到这个 hermes 的 这个环境，我觉得我并不需要这些配置，我想搞一个新的来玩一下，那我直接用 no 吧，然后来到这个界面，他就问我要不要快速的安装，我觉得快速的安装就 ok 了， 直接就选择第一个，然后回车。那来到这个界面，他是让你选择哪个 ai 的 供应商。那我今天看到了一个新闻呐，就是说小米呢，已经接入了 hermes agent， 就 可以免费用两周，那怎么使用呢？就是通过这个 newspot 就 可以了。那我们回到这个终端，这里看到了第一个就是了，确定一下，那来到这个界面就是你可以通过这些跟他就是进行对话，这个界面就是选择你跟他的通信工具。我看一下有没有飞书， 微信都有，居然没有飞速，那我先不搞了，我先回到上一步， ok， 来到这一步，我直接按 y 通过终端来跟它兑换一下。噔噔，我们已经安装成功了，这个界面真的挺帅的。 hermes agent， welcome to hermes agent。 可以在这边输入你的一些命令。那我在这里输入你是谁？那我发现他就说我还没有配置，就是那个 ai 的 供应商。那我刚刚不是配置了小米那个免费的吗？那经过我的测试发现一个问题，这个免费呢？其实它不是真的免费的， 所以说小米官方说能够限免两周，然后我确实在这个 model 收到的小米确实是零元的，但有一个问题，你要添加这个 api key， 它会显示一句话，意思就是说必须先买它这个订阅， 然后才能够使用免费。就是小米它本身确实是免费两周，但你得订阅它这个 news portal， 然后才能够使用小米，所以就是不免费。用它干嘛呢？ 我们用自己的 api key 就 好了。那解决方法也很简单，那我们输入这个 mini， 然后进入这个模型的选择，我们 箭头选一下，更多更多，这边有很多的供应商，我选择我有的 mini max， 然后来到这边复制一下，粘贴上来，按回车 api key c， 然后继续按回车，我们现在就选择它的模型，选个二点七就好了。 好，我们现在重新进入 hermes， ok， 来到这个界面，看到是 minnesus 二点七，我们问一下他，你是谁？ 那我发现我刚刚选择的这个 minnesus 的 国际版本，所以就搞不定。那记得要选这个 china 的 版本。然后呢？就是粘贴，粘贴以后，他这边其实那个密钥是看不到的，但其实已经粘贴了， 回车就好了，他已经 safe， 就是 说已经 ok 了，然后直接再回车， ok， 然后我再选择这个二点七，现在就已经选择成功了，我再进入这个 hermes， ok， 我 们再来测试一下， 这次应该就有反应了， ok， 他 已经回复我了，他说我是 croco。 真的 假的？他已经产生幻觉了，会不会就是因为 mini max 叉？就是这个二点七？有 一些真牛的事情我也不知道，但我不知道为什么他会回复我，他说 gopro， 这个还是蛮惊讶的，不管他了，我派一些任务给他了，搜索今天五条热门的 ai 新闻给我， 正在进行当中，就他会自己去解决，反正如果遇到什么问题，我给他已经找到了。根据 google news 的 搜索结果，今天是十号的 热门的新闻，你看他是帮我找到了，还蛮好的。那今天的测试就到这里了，其实你每次要安装这种新的 ai agent， 你 都需要去折腾一下的，这个很正常。 那我后面进行更深入的测试以后再给大家汇报吧，今天就到此为止。那通过我刚刚演示的安装方法，我想你也很容易把它装到你的电脑上，赶紧玩起来吧。 最后我想讲一个很多人关心的问题，就是你到底要不要装 hermes agent 呢？我先给你一个很实在的答案，并不是所有人都需要装新的 agent 的。 如果你现在已经在用 open core， 并且还用的挺顺手的，那你真的没必要因为它火就去换这个，因为这些工具本质是在帮你的工作降本增效。既然你现在用这套东西已经能把你手头上的工作处理的很好了，那你再去换一个新的，其实没有多大的意义。 很多人现在有个问题啊，就是看到新的 ai 就 焦虑，觉得不学就落后了。但 ai 这个发展的速度，你越追反而越容易乱，你今天学这个，明天学那个，到最后什么都没有沉淀下来，这才是最大的问题。 所以我反而更建议你把你手上现在用的这个工具玩到极致，等你哪一天真的遇到瓶颈了，才考虑换其他的。所以你记住一句话就够了，不是你学了多少 ai， 而是你有没有真正玩 全明白 ai。 只要用好一个 ai， 你 已经超越了百分之九十九的人了。 ok， 以上就是今天的所有分享，你有安装 helmes agent 吗？把你的使用感受打在评论区，我们下期再见！

你有没有想过，每月只花五美元，就能在自己服务器上养一个二十四小时在线的 ai 打工人？他不是简单的聊天机器人，而是一个会自己学技能、越用越强的自主 agent。 无缝接入 telegram、 飞书、企业、微信等平台，你发条消息，他就能干活。这就是开源的 hermes agent， 上线不到两个月， github 狂揽四万星版本迭代平均不到一周一次。网友直呼，换掉 openclaw 太爽了！它的核心是一个记忆技能，训练数据的闭环。当你完成一个复杂任务，它会自动总结经验，写成可附用的技能文档。 下次遇到类似任务，不用重新推理，效率直线提升。更厉害的是，这些使用记录还能反哺训练下一代模型 a i 在 你手里悄悄进化。无论是情报监控、跨平台协查， hermes agent 都能胜任。 它不锁定任何模型。 open ai 本地欧拉玛 kimi 随你选，五美元的 v p s 就 能跑，闲置时几乎不花钱私有 ai 的 自进化时刻真的来了！你最想让它帮你做什么？是自动盯竞品动态，还是当你的编程副手？评论区聊聊？

小龙虾已死，因为国外一款开源 ai 智能体杀疯了龙虾对手来了 news research， 二月底开源的 hermes agent 直接杀疯，上线不到俩月， github 新标快冲到三万了。 他的设计思路绝对颠覆你的认知。他俩虽然都是免费开源的智能体，多平台接入、随意切换大模型这些基础操作全都拉满，但底层的核心逻辑简直是天差地别。 open klo 小 龙虾，还是要靠人教，是人血技能加社区共享的模式， 好处是生态成熟，一键部署，超级适合拿来快速搞个多渠道的客服助理 h m s agent， 它可以自己进化，自己学习。这个太牛了， ai 自己写技能自己用，自己迭代，你只要给他派个复杂任务，他干完就能自动生成一套技能文档。 越用越聪明，直接把原来需要人工去搭框架的苦力活全给自动化。最香的是哈密斯的上手难度真的极低，一行命运直接安装，跟着向导一步步来，开了关，五分钟就能接上，随便一台普通的云服务器就能跑，还能挂在后台二十四小时连轴转。 支持的模型库也是超级全 cloud gpt， 国内的文星议言 timi 全支持，甚至还能薅到免费节点。我自己试着丢了个复杂任务过去，人家干完，直接生成了一份 markdown 格式的技能说明书，下次再有类似需求直接调用，不用从头教，效率原地起飞提了百分之四十， 谁懂这种爽感？总结一下，到底该怎么选？如果你图省事，要成熟生态现成技能，多想几分钟快速部署落地，那就无脑充 openclaw 小 龙虾。如果你想玩高级的，要研究 ai， 想要个能长期自己进化能力的私人大脑，直接充 hermes agent。 只能说现在的 ai 圈卷的太离谱了，已经从人帮 ai 搭框架进化到了 ai 自己建框架。这波真的太强了，必须去试。

如果你还在折腾 openclaw， 先停一下。最近 github 上有个叫 hermes agent 的 项目彻底杀疯了，不到两个月狂揽五点二万颗星，甚至引发了抛弃龙虾换爱马仕的迁移潮，它是第一个真正意义上越用越像你的自进化 ai。 今天我们就来拆解一下这个引爆全网的赛博分身神器，到底凭什么取代 openclaw 的 王者地位。 过去的 agent 患有严重的赛博失忆症，你今天花了一个小时教会他怎么处理你的表格，明天重开一个对话，他又是一脸懵。像 open cloud 这类框架，他的记忆是静态的，本质上是把你写进配置文件的信息拿去读。 而 hermes 的 记忆是动态的，他会在跨绘画中主动理解你的偏好。用传统 agent， 你 是在用工具。用 hermes， 你 是在养助手。 hermes agent 的 口号是， the agent that grows with you。 与你共同成长的 agent， 它最大的创新点就是自生长 skill 闭环。 传统的 agent 是 你给他写好规则，他去执行。而 hermes 是 在干活的过程中自己总结经验，当他帮你解决了一个复杂的问题，它会自动把这个过程提炼成一个 skill， 甚至还会自己给自己打补丁优化。这是一个能自我进化的赛博学徒。 记这么多东西，消耗的 token 岂不是要爆炸？这就要说到 hermes 的 四层记忆架构了，他没有把聊天记录一股脑塞给模型，而是像人类大脑一样分层，每次对话只加载最核心的偏好，历史记录存在本地，需要时才去解锁 技能文件，平时只看个名字，用到了才读全书。他甚至会暗中观察你的工作习惯，默默在后台给你建个画像， 这才是真正的懂你。很多人觉得 agent 能调用的工具越多越好，但 hermes 的 设计哲学恰恰相反，它极其克制。虽然它内置了几十种工具，但它绝对不会把这些工具全开着让大模型去拆，而是采用 two set 按需激活机制。 这种克制的调用机制极大降低了 ai 的 选择困难症，不仅速度更快，还从根本上减少了 ai 的 幻觉。 那么，老牌王者 openclaw 和新晋顶流 hermes 到底怎么选？龙虾是一个灵活的通用工具箱，靠多 agent 协同，适合做一次性任务或明确的工作流。而 hermes 是 一个单一 agent 的 深度循环，适合长期深度的项目执行。 现在的流行玩法是用龙虾做手脚去执行杂活，用 hermes 做大脑来沉淀经验，两者配合简直无敌。 那么， hermes 适合哪些人？如果你是自媒体创作者，他能潜移默化地学会你的写作风格和排版偏好。 如果你是运维工程师，凌晨爬起来修好的 bug， 他 会自动写成运维 skill， 下次直接调用。如果你是数据分析师，你的数据清洗以及分析套路，他用一次就学会，这已经不是在用工具了，这是在打造你个人的数字大脑。 别小看这个开源项目，这个背后拿了七千万美元融资的团队有着更大的野心。他们做 hermes 的 真正目的是打通一条数据闭环。你平时用 ai 攒下的技能，都会变成极佳的训练数据， 他们想让每一个普通人的电脑都成为未来训练更强大开源模型的节点，打破科技巨头的算力垄断。 最后我想说，我们正在经历从工具思维到伙伴思维的范式转变。传统的 ai 就 像一把锤子换一把没区别，但 hermes 揭示了 ai 的 未来，它应该是一种可以长期积累的数字资产， 谁能在时间里攒下更多的专属技能和记忆，谁就能享受到 ai 效率的指数级复利。

别再盯着那些贵的要死的云端 ai 看了，今天咱们聊聊这个在 get 上狂揽四万星的开源神器 hermes agent。 很多人问，现在 agent 产品这么多，凭啥大家都在喊着要换掉 open claw？ 说白了就是因为这玩意太划算了， 你不需要去付那些每个月几百块的订阅费，只要花五美金租个最便宜的服务器，就能在你家服务器里养个二十四小时在线随叫随到的 ai 打工人。 他不是那种用完就没用的工具，能把数据和记忆全都留在你自己手里，而且还会自己攒技能自己进化。今天我就带你把这层窗户纸捅破，看看这个会成长的 agent 到底凭什么这么猛。 咱们先看这东西到底长啥样。他跟那些你得点开网页才能用的云端 ai 完全不是一个逻辑，他是一个能直接跑在你自家服务器上的自主 a 阵。说白了，他就是个住在你电脑里的私人助理。他有六大本事，能像真人一样帮你干活，能定时自动执行任务，还能在沙河里安全的操作网页。 他极其省钱，你一个月花五美金做个最基础的服务器，就能把它跑起来，数据也全在你自己手里，不用担心泄露，而且你不用担心找不到他。他有个专门的网关进程，你不管是用海外常用的社交软件，还是咱们常用的飞书、企业微信，只要发个消息他就能立刻响应。 他甚至还搞了一套开放的技能标准，你在社区里看到的各种厉害功能，都能直接装到你的这个助理身上。你可能会问，这东西跑在服务器上，我怎么跟他说话呢？总不能天天盯着黑乎乎的命令型窗口吧？这就是他最聪明的地方。他自带一个网关功能， 能把你常用的所有聊天软件都变成他的指挥部。你在常用的社交软件上给他发个指令，回到电脑前，他已经在后台帮你把活干完了。你甚至在路上给他发条语音，他也能自动转写并继续处理。不管是国外的社交工具，还是咱们国内的飞书企业微信，他都能无缝接入。 你不需要为了用它去专门学一套新软件，它就是你所有聊天工具里的一个超级插件。很多人用 ai 觉得不好用，最核心的痛点就是这玩意没记性，你今天教他怎么写代码，明天他就全忘了。但 hermes agent 不 一样，他专门设计了一套记忆机制，解决了 ai 失忆的问题。 它在运行的时候会自动维护两个核心文件，一个是 m e m o r i， 点，里面记的是它干活时的环境信息和以前踩过的坑。另一个是 us 点，这才是最关键的。里面记的是你的个人偏好和工作习惯。 比如你习惯用哪种编程风格，或者你习惯几点看日报，他都记在心里。而且他还支持跨绘画解锁，他能翻出你几楼前跟他聊过的内容。所以你每次跟他说话，他都不需要你从头开始教，他能直接接上之前的思路，这才是真正的私人助理。 如果说记忆是让他不忘初心，那技能进化就是让他越干越精，这是最让我觉得这东西厉害的地方。普通的 ai， 你 每次让他干个复杂活，他都得重新在那思考推理试错，这不仅慢，还被 token。 但 hermes agent 有 个本事， 只要他完成了一个比较复杂的任务，比如他连续调用了五次以上的工具才搞定，他就会自己总结经验，把这一套操作流程写成一个结构化的技能文件，也就是咱们常说的 sop。 下次你再提类似的要求，他根本不用重新思考，直接调取这个技能文件，像熟练工一样直接上手。 如果他在干活的时候发现有更简单的办法，他还会自己把这个技能文件给更新了。这就意味着，你用他时间越长，他处理重复性工作的效率就越高，简直就是一个会自我进化的数字员工。如果你觉得前面这两层已经够牛了，那最后这一层才是 nasa research 真正想跑通的杀手锏。 这层逻辑叫训练数据回流。大家想一想，这个 agent 在 每天帮你干活的过程中，它产生的所有工具调用、记录所有的操作轨迹，其实都是最高质量的训练数据。 promise agent 内置了批量生成这些轨迹的功能，还可以接入强化学习环境， 这意味着这些数据可以直接被拿去训练下一代的大模型。这形成了一个完美的闭环，既已沉淀成技能，既能产生高质量数据数据。反过来训练模型模型变强了，再回到 a 阵身上，让它变得更聪明。这已经不是简单的用工具了，这是在构建一个能够自我净化的 ai 生命体， 私有 ai 的 智能化时刻真的来了。说了这么多元理，这玩意到底能怎么用？我给你举两个最典型的例子，第一个场景就是搞情报监控，你不需要每天自己去刷 get up 或者 read it， 看有没有新动态，你只需要给他写一句指令， 让他每天早上八点准时去扫一遍，然后把摘药发到你的社交软件上，他就在后台默默的干活，你根本不用管，这就是真正的无人值守。第二个场景是咱们搞开发的同学最关心的带记忆的编程搭档， 它不像普通的 ai， 问一句忘一句，它能记住你整个代码库的结构，记住你写代码的习惯。你甚至可以让好几个不同的 agent 组队，一个负责写逻辑，一个负责写测试，它们之间还能互相发消息，分工协助，这可比你一个人对着一个对话框在那反复解释要高效得多。 比如你想盯着某个开源项目的更新，或者想第一时间知道 reddit 上某个技术话题的热度，你以前得每天手动去刷，现在你只需要给他下个指令，告诉他每天几点去干什么， 他就会像个勤快的实习生一样，在后台帮你把信息抓回来，总结好重点，然后直接弹到你的手机上。你睡觉的时候他在干活，你起床的时候情报已经整理好了，这种信息找人的感觉才是真正的自动化。 再来说说编程，很多开发者用 ai 最痛苦的就是每次开心对话都要重新把代码结构命名，习惯跟他解释一遍，但是 miss agent 记住了你的代码库，也记住了你的习惯，他就像个跟你配合了三年的老搭档，你一个眼神，他就知道该用哪个模块， 而且他现在已经开始支持多 agent 写多了，你可以让一个专门负责写代码的 agent 去跟另一个负责跑测试的 agent 配合，他们之间能互相发消息分工，这种专业级的写作能力才是他能真正进入开发流程的关键。 你可能会问，这东西更新这么快靠谱吗？其实你看他的版本眼镜路线就能发现，拉斯 research 的 思路非常清晰， 他们不是那种只追求噱头的团队。在 v 零零零零零后，我们把精力全放在了安全加固上，先把底盘打牢，防止凭证泄露。到了 v 零七点零，重点变成了长期运行能力，解决的是怎么让 agent 在 服务器上稳稳当当的跑几天几夜不崩溃。 到了现在的 v 零八点零，他们才开始发力，智能进化。这说明他们很清楚，一个要二十四小时驻留在你服务器上的 agent， 最大的敌人从来不是不够聪明，而是跑着跑着就罢了，或者安全性不够。这种先求稳再求治的逻辑才是真正做工程的思路。 最后咱们说点实在的，这玩意到底怎么上手？其实门槛低的让你不敢相信。如果你有一台 linux 或者 mac 的 服务器，直接复制官方给的那行安装命令或车搞定，装完之后跑一下 setup， 填一下你的 api key， 选好你想用的模型， 比如用 open router 接个便宜模型，成本低到可以忽略不计。如果你想让它像个真正的员工一样，机器重启了也能自动起来， 再跑一下 vivo install， 注册成系统服务就行。如果你之前是用 opencloud 的， 别担心，它专门有个迁移命令，一键就能把以前的设置和记忆全搬过来。说真的，折腾这几分钟，你就能拥有一个专属的赛博员工，这性价比你细品。讲到最后，咱们得看透这件事情的本质。 为什么这个项目能让这么多开发者兴奋？因为这帮做 hermes agent 的 人本身就是搞大模型训练出身的，他们比任何人都清楚大模型在工具调动上哪里会犯错，也更清楚如何通过数据闭环来解决这些问题。 所以他们做的不是一个简单的插件，而是在尝试一种全新的范式。现在的云端 agent 还是用完即走的托管模式，数据和记忆都留在平台手里， 但 hermes agent 走的是另一条路，把能力留在用户手里，让 agent 变成一个私有的、常驻的、能自我净化的生命体。当 agent 开始自己积累技能，自己深层训练数据，再把这些沉淀未回模型的时候，我们离真正的自净化 ai 系统就不远了，私有 ai 的 自净化时刻可能真的已经来了。

opencloud 龙虾热刚过，新的风口又来了，而且有可能把龙虾打成死虾，这就是 hermes agent， 它最强的是，你用它越久，它越懂你。你平时怎么做事，它会记你反复用过的方法，它会慢慢自己做成 skill。 第一天用，你会觉得它也就是个 ai 助手，但过几天你就会发现，这东西开始不像助手了， 越来越像一个懂流程懂习惯，还不用你反复教的老员工。反过来看， opencloud， 它更像一个配置型机器人， skill 要你喂， so， 文档要你写， 习惯要你整理，规则要你自己灌进去，你不把它喂明白，它就很难真正顺手。更要命的是，龙虾现在虽然火，但一更新就容易出问题，稳定性反复横跳，体验也经常跟着一起拉胯。所以现在最真实的变化就是，有些人还在给龙虾打补 丁，有些人已经开始把时间投给 hermes 了。一个是你不断教它反复打磨，一个是它慢慢学你自己成长，你会怎么选？

最近 ai 圈又有一个 agent 爆火了，它就是 hermes agent， 很多人都说它可能会取代 open globe 小 龙虾。今天我们聊一聊 hermes 强在哪里？ 和小龙虾相比怎么选？到底它能不能取代小龙虾？先简单介绍一下， hermes 是 今年二月份开源上线的 ai 智能体，上线仅两个月， github 狂涨了四点四万颗星， 堪称赛道的黑马。它爆火的核心优势有三个方面，第一，记忆性超好，从不失忆。相对于小龙虾而言，它的记忆系统会更好用。 hermes 会把和你的聊天对话全部存储， 你的喜好、做事规则不管过多久都能全部记住，再也不用反复交代。第二，自主学习技能，不用装插件。用小龙虾需要安装技能插件， 主动让它生成技能，它才能实现新的能力。但 hermes 完全不用，你让它做一次任务，它就能自动地总结流程、学习方法，变成专属的技能，下次直接上手，会越用越好用。第三，定位完全不同。 hermes 是 专属的私人助理，全程围绕着你转， 越用越懂你的习惯，用着格外顺手。而 open globe 更像万能的连接平台，能够对接各种工具，胜在全能，但没办法精准贴合你的个人需求。 如果大家是轻度使用，想开箱即用选 openclaw 小 龙虾。想要长期省心懂理，不用反复调教的 ai 助手选择 hermes。 最后给一个明确的结论， hermes 不 会取代 open 可乐小龙虾。两者路线完全不相同，一个主打私人专属，深度好用，一个主打全能链接，简单易用，各有各的适配人群。但凭借着超强的记忆和自主学习能力， hermes 已然成为今年 ai agent 的 领域最值得关注的爆款产品。

不到两个月，在 gitlab 狂揽五万多新，甚至引发全网开发者集体探讨 oppo cola 的 开源项目到底有什么魔力？今天带大家硬核拆解 news research 最新发布的杀手级开源项目 hermes agent。 那 hermes 到底是什么？最核心的定义， 它是一个 ai 员工，而不是 ai 工具。绝大多数 agent 只是个聊天窗口，关掉就失忆。但 hermes 主打 an agent that grows with you， 它驻留在你的服务器后台，通过持久记忆和技能的自生长，把你的复杂问题固化成可复用的经验，越跑越快。为什么它能火的这么快？除了趁着最近 antripic 接口收紧， 欧本胯遭遇冲击的时机，它靠的是硬实力，跑通了技能自净化的闭环，做到了完全零锁定，两百多个模型随时切换， 并且内置了统一消息网关和真沙箱环境，简直是打造一人公司的神器。提到 agent， 必然要拉出来跟 open core 做个对比，大家看这张表就很清晰了， open core 偏向本地桌面，执行技能靠人工维护，适合小白快速上手。 而 hermes 则是服务器端持续驻留 agent 自动生成和优化技能，跨平台覆盖极广，更适合追求持久自动化流水线的开发者。在我们目前看到的 v 零点八点零版本中，它拥有六大核心能力， 其中最惊艳的就是全平台统一消息网关、一个进城同管纸、飞机、飞书、钉钉等十五个平台，配合他的子 a 阵、 b 型委托和六种间杀相执行后端，相当于你拥有了一个不会互相干扰及其安全的后台处理中心。作为 ai 产品经理，我认为它拉开差距的核心在于这套三层记忆系统，它不是简单的大模型上下文， 而是从短期推理上下文沉淀到 memory d m d 的 情节记忆，最后自动把完成的复杂任务提炼成 c q 文档，变成它的程序记忆，下次遇到类似任务直接调用，大大节省 token， 这就是真正的越用越聪明。 看到这，很多没有服务器基础的小白可能被劝退了，但其实它的安装门槛非常低。不管你是 linux marcos 还是安卓手机的 termax， 只需要复制这一行脚本命令，系统会自动帮你配好拍摄环境，跑一下 hermes setup， 跟着向导走，几分钟就能搞定，日常使用也非常丝滑。 hermes 会在服务器后台自动创建定时任务， 抓取、翻译、推送一气呵成，并且把这个流程保存为专属技能，下次完全无人值守。如果你是 open cloud 的 老用户，舍不得积累的数据怎么办？ hermes 内置了全自动的迁移工具，只需敲一行代码， hermes cloud migrate， 你 的记忆、数据、技能、工作流，甚至 api key 都能一键无痛迁移过来。那么问题来了，到底该选谁？如果你不想折腾，只需要桌面端自动化，选 open cloud。 但如果你有基本的折腾能力， 想要一个真正自主不被模型锁定 ai 员工， hermes 绝对值得你立刻部署。官网和开源地址我已经放在简介里了，别忘了点赞收藏，我们下期见！

爆了！一个 ai agent 居然能自己进化成你的专属超级分身！这就是最近火爆刷屏的 hermes agent， 真正会自己成长的 ai 分 身。一、 hermes agent 到底是什么？ hermes agent 是 news research hermes 模型背后的团队开发的自改进 self improving ai agent， 核心创新在于内置学习闭环 close。 二、 nigma 持久多层记忆使用 scratch 加 f t s 五、全书搜索加 l l m 自动总结 画绘画，永久记住你的偏好、风格和历史，不会健忘。自动技能进化任务完成后自动生成 markdown skill 文件，下次直接调用，还会自我迭代优化 skill 自主执行力，支持终端命令、浏览器文件操作、代码生成、 web 搜索等工具，可在可以获 telegram、 dispatch 等平台运行。 模型超灵活，支持 open air、 amdrop、 no sport、 本地 oliver 等， 几乎零切换成本，完全开眼免费 m i p 协议，可在五美元 v p s 本地 apple model 等环境运行。简单说，普通 ai 式工具，哈密斯是会自己进化的私人 ai 伙伴，用的越久，它就越像你的数字分身二、哈密斯 vs open core 为什么很多人从 open core 转头？哈密斯 openklo 主打多平台集成和庞大生态，两者都是本地自托管持久记忆的 a 政策，但设计哲学完全不同。哈密斯真实优势、社区共识，自我进化是最大杀手锏。 openklo 更像万能工具箱，靠你为 skill。 哈密斯自动成长，长期用下来，记忆和能力指数级提 真，记忆深度碾压跨绘画更懂你，不会重复问同样问题更轻更专注，个人部署快，资源占用低，适合研究型长期个性化用户 零痛迁移。官方内置 harry smith cloud migrate， 能直接导入 opencloud 的 记忆 q 配置 apip 等，几乎无缝切换。 如果你追求多渠道自动化加现成 skill， openclaw 人很强。如果你想要一个越来越聪明的专属分身， hermes 是 目前最优选择。很多用户现在两者并用 openclaw 做执行， hermes 做大脑。

各位，龙虾是不是还没养明白？哈哈哈，现在又来了个新的啊，叫爱马仕 aj 这玩意 这个东西呢，它其实是二月份就已经上线了。这东西啊，但是为啥一直没火，然后到最近开始火起来了，就是因为龙虾火了，然后大家养龙虾，最后发现啊，有问题， 龙虾他有啥问题呢？最大的两个点啊，第一个点，第一个点是大家都在养龙虾，都是在企图通过对话，对吧？我去不断的去跟龙虾对话，然后让他学会我的行为习惯，是吧？大家都是这么一个想法，然后就把这个想法行为呢叫养龙虾， 那实际上你真养过你就知道啊，不顶用，对吧？不顶用，因为龙虾他没有那种机制啊，龙虾的记忆机制是全量存储啊， 全量存储就是他的所有的记忆他都会存到相册数据库里面去，然后他不会去主动搜那个相册，所以你给他讲了很多东西啊，他可能最近一段时间还记着，过一段时间他也忘了啊。 然后还有第二个问题，啥呢？就是烧头啃，因为大多数人你们的任务呢，肯定没有那么高的价值，对吧？然后你要买头啃，然后要给龙虾去烧， 然后呢？龙虾子又没有去针对这个就是上下文去做一些优化啥的啊，他有几个比较直接的点吧，给他聊一下，就是 小米那个罗弗利发的那文章也说了，就批了龙虾。第一个就是他会不断的去钓工具，然后有很多就是非常低价值的钓用，然后呢，这些每次钓工具呢，都会带着一个非常大的上下文，我去，然后这都是纯粹浪费头衔的行为啊， 然后呢，还有就是他的记忆机制是一个权量记忆，这意味着你一旦就是说你的任务需要去搜记忆的时候，他可能一下就能搜出来一堆东西，这也会导致他的上下文很大，这所以你用起来你会发现啊，越用越烧头疼，对吧？ 就是因为有这两个问题点，所以这个爱马仕火了啊，这个爱马仕现在慢慢火起来了，他是怎么解决问题呢？看第一个点，他有一个很重要的机制，叫做自学习机制， 长这样这个东西也是一个技能哎，也是一个技能，这个技能是干啥的呢？是管理技能的技能，他会在几种情况下去自发的啊？自发的去创建技能啊，比如说一个复杂任务完成之后 啊，他会去学习这个复杂任务，然后去看能不能把这个复杂任务的流程去把它写成一个技能啊。还有就是他自主的会去对话历史里面发现一些流程性的东西，简单的流程，然后还有一些就是错误点，对吧？比如遇到错误了， 然后呢，然后就自己去想办法把这个错误解决掉了，他有可能会把这个办法啊搞成一个技能记录下来， 这是他会自主的去阅读你的历史记录啊，然后去自发的创建技能。在这种机制下呢，其实就是之前养龙虾那种概念是可以跑的出来了，对吧？你可以不断的去跟他聊天，聊天聊天，他可能会从中就会自动自动的去创建一些系统出来 啊，这是它的第一个很重要的特性，解决了养龙虾啊，养不熟的问题，对吧？然后第二机制也很有意思啊，很有意思是它的记忆系统，它这个记忆系统跟龙虾就完全是设计哲学上的一个区别了，龙虾是全量存储，它 不光不是全量存储，而且它是极端限量存储，它的记忆在两个文件里面，一个叫 mem 点 m d， 然后还有叫 u z 点 m d 这两个文件呢，它都是有一个词量限制。 member 的 md 是 个两千二的字字母啊，它限制两千二个字母，然后 user 的 md 是 一千三百七十五个字母，我也不知道它为什么定了这么个数字啊？但是呢，确实它是这么限制的，而且它这个限制跟 colocode 那 个还不一样， colocode 那 个是直接截断了，但是它这个不是，它这个是啥呢？就是当记忆下来的记的东西呢？ 超出限制了会怎么样？会触发一个整理过程啊，他会去整理这个记忆文件， 就是说他会去让我们先自己再去判断一下啊，这个记忆文件里面这么多东西，哪些东西是不是不重要？我是不是可以删掉，对吧？哪些东西是不是没那么重要了？我，但是我还可能还有用，所以他会怎么样？他会把这些东西压缩一下啊，写一段摘药记下来 啊，所以他这个东西的好处在哪呢？就是他这个记忆每一次在调模型的时候都会把整个文件全部打包啊，然后归类模型。然后呢， 他不会超量啊，他不会超量，就是他除了这个这两个文件之外，他就没有别的记忆文件了啊？没有别的记忆文件，就是龙虾是全量记忆，对吧？他直接不记了啊？他直接不记了，他相当于是尺量模型，不断的去记忆那些最关键的问题，而不是去把所有事情全记下来啊。 这在这种情况下呢，就是他能解决一部分就是头啃爆炸的问题，对吧？烧头啃烧的太厉害的问题，但是这种机制他到底能不能达到像龙虾那样效果啊？那还真不好说，真不好说。 但是呢，根据我在网上看啊，很多人使用反馈，其实对于绝大多数任务来讲，对于绝大多数任务来讲，其实记忆真的可能没有那么重要， 没有那么重要，对吧？你对你可能做一个，可能写一篇文章，写一篇项目，你可能觉得啊，我要把所有内容都记下来，但实际上你在写的时候，你可能真的只需要去记关键的一些点就行了 啊。所以这个东西啊，现在在网上开始慢慢慢慢火起来了。养龙虾如果你养的不太爽啊，可以改下试试这个爱马仕 agent 啊。

昨天四月十号，小米官方宣布，旗下自研的迷魔 v two 系列大模型正式接入全球顶级开源项目 hermes agent。 开发者更新框架到最新的版本后，即可通过 north portal 直接调用该系列三款核心模型。注意哦，整个过程是不需要创建 api 的， 如果创建 api 的 话，需要至少充值十刀，等到两个星期的免费试用到期，届时也可以把 hermes agent 接入其他的模型。跟几个朋友沟通了一下，大家普遍反映 hermes 的 流程设计比 openclo 更加灵活， 感觉更聪明一点。当然， hermesa 整的安装有点小门槛，不过我已经帮大家踩完坑了，并且整理了一份保姆级的文档，有需要的朋友可以在评论区打，需要或者直接后台找我关注我帮你解决进入 ai 的 门槛儿。

体验了一天新 agent 框架，踩了好几个坑。我是清澈君，今天就说说 hermes agent 到底值不值得从 open claw 切过来 飞书。体验这块 hermes 太难配了，要自己建机器人加事件订阅配权限，一堆流程搞不定。 open claw 的 飞书插件，一行命令扫码就行，轻松搞定。聊天体验也差很多。 hermes 是 消息编辑，显示 open claw 是 卡片流逝，一个字一个字往外蹦，根本不是一个感觉， 最硬的一个商不支持微信，官方列表里根本没有，只有一些小众 i m。 微信是打开频率最高的平台，计时性没法替代。 opencloud 一 行扫码就配好微信通道，带娃发消息非常顺手。这个对比太明显了， 还有个很隐蔽的坑要注意，而密斯设计默认跑在沙河里，但你实际部署在 vps 宿主机上，他会反复跟你确认沙河权限，其实你早就给了完整访问权，该做的事情反而被自己限制住。 说说 hermes 真正的亮点， skill 字进化是真的厉害，任务做完自动把流程凝结成 skill， 下次直接复用，不用重新教，记忆分层也做得好。 memory 到 md， 加 state 到 db， 分 开管，避免塞满上下文，长期跑 tog 消耗更稳， 工作认知透明，每步思考都输出出来，不会让你猜他在干嘛。所以我暂时不换。 openclaw 已经跑的很好，没精力再调一个新的 hermes 只支持单 agent， 我 的场景需要多个协助，这是硬伤，生态也还不够成熟，可以晚点再观望。你现在用的哪个评论区？说说，我看到就回。

最近 ai 圈有个很有意思的现象，技术更强的东西反而没有引起应有的轰动。二零二六年一月，一个奥地利开发者用一个小时做的小工具，在三周内 狂揽二十五万 github stars， 连 jason 黄都亲自站出来说，这是他有史以来见过最重要的软件发布。同一个月，另一个开源 a 阵的项目也悄悄上线了，它支持两百多个模型，有真正的自旋 a 阵的多。结果呢？四个月过去了，它的 stars 还不到前者的六分之一。 这就是 hermes agent 和 openclaw 的 故事。今天这期，我们来好好儿拆解一下，为什么技术更扎实的东西反而没有火。先说 openclaw， 因为它太特殊 了。它的创始人 peter steinberger 是 个传奇人物，花了十三年做出 ps pdf， kate 卖了一亿美元，然后 burnt out 消失了三年。二零二五年底，它回归 ai 领域， 做的第一个项目就是 opencloud。 一 开始它叫 cloud bot， 因为太像 cloud， 被 ansorepic 发了商标投诉改名 modbot， 三天后又改名 opencloud， 然后就爆炸了。它发布的时机特别好。二零二六年一月， 整个 ai 圈都在找一个真正能帮用户做事，而不是只聊天的 agent。 opencloud 刚好填了这个空，而且当时还延伸了 modbook， 一个社交网络只允许 ai agents 发帖， 一条新闻在全球媒体刷屏了。创始人本身呢？ steinberger 卖掉公司 burnout， 回归做出世界最快的开源项目，被 open ai 招聘。这个趋势好到连编剧都编不出来。 然后是 hermes agent， 他 二零二六年二月底发布来自 north research， 一 家融了七千万美元，专注去中心化 ai 的 实验室。技术层面，他几乎在每一个维度都 都比 o p p 可靠强。它有自改进循环，每完成十五个任务会自动复盘，把成功的模式写成可复用的技能，下次遇到类似问题直接调用。它有四层记忆系统，热数据长柱、上下文、冷数据走向量解锁，还能自己保存重要信息。它支持两百多个模型，不绑定任何提供商，而且它是零遥测的，数据永远不会离开你的服。 那为什么没有人那么热烈地讨论它呢？首先，它没有 modbook 等价的引爆事件。 hermes 的 自改进需要几周才能感知到价值。 opencloud 安装后五分钟你就知道它能干什么，而且它缺少故事。 stevenberger 有 卖掉公司 burnout 回归改变世界的完整故事。 north research 只是一个公司背后没有引发共鸣的个人趣事，再加上它推出的时候不太好， openclaw 已经吸走了所有注意力。 hermes 发布时，整个社区已经在讨论下一个 openclaw 是 什么，而不是 openclaw 的 挑战者来了。但我真正想说的是， hermes 的 故事 其实是一个关于技术价值和传播能力的经典案例。技术更强，不等于一定会赢。 openclaw 证明，能在客厅里讲清楚的产品，就是比需要看文档才能理解的产品更容易传播。如果你看过他的原码，就会发现 peter 没说错，他 从来不亲自 review 代码。 hermes 证明了在特定场景下真正有价值的技术创新可以安静地存在，不需要 viral。 对 于真正需要他的人来说，在乎隐私的开发者，需 要本地运行的团队，想要 agent 真正学会自己工作流的人， hermes 可能才是答案。但是如果你已经不是一个新手，并且工作流也稳定了，或许并不需要再安装一个 hermes 来消耗你的 token。 这期的本质上是一个选择题， 你是要一个五分钟内让你惊叹的工具，还是一个六个月后让你离不开的系统？没有标准答案取决于你要什么。千万别没需求，创造需求。