Hermes Agent 为什么能在 32K Star 之后还在加速：记忆机制拆解与 OpenClaw 深度对比

最近 AI Agent 工具圈有一款新秀正在快速积攒口碑——Hermes Agent，GitHub Stars 已破 32.8K，增速还在加快。

它最大的标签不是「又一个 AI 助手」，而是自主进化：用得越多，它越懂你。这篇文章从架构层拆开 Hermes 的记忆系统，搞清楚它和 OpenClaw 到底哪里不同，以及什么场景该选谁。

Hermes 到底是什么

一句话定位：专为单人服务的个人 AI 助手，会从你的每次对话中自动成长。

跟 OpenClaw 的核心分歧在定位：

  • OpenClaw 是「中央路由器」——对接多个 Agent、多个渠道（微信、飞书、Telegram 等 50+ 集成），适合你要给老板、同事、客户设置不同角色、统一管理的场景，更像一个商业级知识管理中台。
  • Hermes 是「私人助理」——只服务你一个人，但会把你们之间发生的一切都记住，越用越像你的数字影子。

另一个维度：技能（Skill）从哪来。

OpenClaw 需要你主动去装技能，或者自己创建。Hermes 则直接从你的对话里自动提炼——你跟它对话够多，它就自己把你的工作流程固化成 Skill，下次直接调用。

记忆系统：Hermes 的核心差异

这是 Hermes 跟市面上大多数 AI 助手拉开差距的核心。它用了两层记忆结构，不是非此即彼，而是分工协作：

第一层：常驻记忆（MEMORY.md）

每次对话之后，Hermes 会把「值得长期记住的偏好、规则、个性化设定」提炼出来，写入 MEMORY.md 文件。这个文件会被注入到每一次后续对话的上下文里。

类比：这是你们关系的「会议纪要」——记住的是结论、偏好、你的工作习惯。

OpenClaw 也有类似机制，所以在这一层，两者差距不大。

第二层：深记忆（SQLite + FTS5 全文检索）

真正拉开差距的是这里。

Hermes 把你每一条对话记录都存入本地 SQLite 数据库（state.db），并用 FTS5 全文索引（中文走 trigram 分词）让这些历史对话变得可检索。

当你问「上周二我们聊了什么」或「我之前为什么要改成那个方案」的时候，Hermes 会：

  1. 识别出这是需要深回忆的场景
  2. 在 state.db 里全文检索相关对话片段
  3. 对检索结果做摘要，回答你

OpenClaw 没有这一层。 它存的是「会议纪要」，Hermes 存的是「每一句话的录音」。

时间越长，差距越明显：

Hermes 记住的是「发生过什么」，OpenClaw 记住的是「我最后该记住什么」。

第三层：异步 Review Agent（自动进化的引擎）

每次对话结束后，Hermes 会在后台 fork 一个异步 Review Agent，做两件事：

  1. 更新 MEMORY.md：这段对话里有没有新的偏好、规则、结论值得长期保留？
  2. 生成新 Skill：这段对话里有没有可以固化成工作流程的操作序列？

Skill 是 Markdown 文件，存在 ~/.hermes/skills/ 下，下次遇到类似任务直接调用。Review Agent 的目标极其激进——官方 prompt 里明确写了「大多数 session 应该至少产生一次 Skill 更新」。

结果就是：你用的次数越多，Hermes 积累的方法论越多，它就越来越像你。

两种记忆模式的本质区别

用「开会」来打比方：

HermesOpenClaw
存的是什么整场会议的录音（完整对话流程）会议纪要（提炼的结论和行动项）
能回答什么「上周二你为什么要改成这样？」「这件事我该怎么做？」
时间越久…对你越了解、越有陪伴感规则库越清晰、越适合团队管理
适合什么人个人用户，需要 AI 真正陪伴式成长团队/企业，需要多角色、多渠道统一管理

具体场景：假设你告诉 AI「以后开会记录要先列待办再写总结」。

  • 两个系统当下都能记住这个规则（第一层记忆一样）
  • 三个月后，你问「我当时为什么要把顺序改成这样？」
    • Hermes：找到当时对话，告诉你当时的完整背景
    • OpenClaw：无法回答，它只知道「结果是先列待办」

安装：一条命令搞定

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

支持 macOS / Linux / Windows，装完直接 hermes 启动，进入终端聊天界面。

配置模型：

hermes setup

国内模型推荐走「More Providers → 自定义」，手动填 base URL 和 API Key（部分厂商的默认 endpoint 有错，自己填最稳）。支持 Claude、Kimi、MiniMax 等主流模型。

对接飞书：

走 Gateway 模块，hermes gateway setup，选飞书，输入 App ID 和 App Secret 即可。目前稳定性一般，官方建议先用终端自带聊天界面，插件生态还在完善中。

该选 Hermes 还是 OpenClaw？

选 Hermes，如果你要：

  • 长期陪伴感，希望 AI 越用越懂你
  • 能回溯过去的对话细节和决策过程
  • 个人方法论的自动沉淀（写代码、整理纪要、做研究都适合）
  • 一个人用，不需要对接多个客户/角色

选 OpenClaw，如果你要：

  • 管理多个客户、对接多个渠道（50+ 集成）
  • 清晰的规则型知识库，需要结构化记忆
  • 路由多个子 Agent，组建工作流
  • 团队场景，不是个人助手

一个关键判断

Hermes 的「自主进化」不是 slogan，背后有真实的代码机制支撑——后台 Review Agent 是独立的异步 fork，不影响主对话，但每次对话后都在默默积累。

它的价值在时间里。 刚装上可能感觉跟其他 AI 差不多，但用一个月、三个月之后，它对你工作习惯的掌握程度会让你惊讶。

这也解释了它为什么能在 OpenClaw 之后还在快速涨 Stars——解决的是一个更私人、更长期的需求：AI 不只是工具，而是真的跟你建立了「关系」。