Hermes的“全自动”是伪需求？这三类真实场景才值得用_服务软件

1. Claude Code 内部复盘的Skills实战经验公开：好 Skill 的 5 个共性

2. 删掉 OpenClaw！Hermes Agent 才是真王炸，一键本地部署 +模型接入全教程（避坑指南） | 零度解说

3. 取代龙虾的是爱马仕？狂揽4万星的Hermes Agent，不只是OpenClaw平替

4. Agent Skill 相关资料、笔记和思考

5. 聊聊最近爆火的Hermes Agent，两个月GitHub 总星标破4.7w，多日持续霸榜全球开源榜单第一，它和🦞到底有什么不一样？Hermes Agent是“会自我进化的 AI Agent”，从“执行任务—自动复盘—生成或更新skill—直接调用”，一整条工作线它会不断复盘进化，是“成长型工作伙伴”。而🦞的核心优势是超强的多平台接入与跨设备协同能力，主打一个全场景打通、多设备联动，是“万能连接器”。选OpenClaw还是Hermes？答案是全都要。要记忆复盘沉淀，用Hermes；要跨设备协同，用OpenClaw，当然二者搭配更香。新工具的出现不是二选一的恶性竞争，不同需求选择不同工具，最终目的还是服务人。#GenJiAI观察室##openclaw##ai工具##Hermes#

6. 「Github一周热点110期」Github历史增长最快的项目？

7. 盘点一周AI大事(1月11日)｜最强人形机器人 OpenAI公布2026研发路线图 DeepSeek被爆2月发布DeepSeek V4 Google推出Veo3驱动的数字人Vids 字节开源换脸视频模型DreamID-V 阿里开源数字人框架HRM2Avatar Lightricks开源顶级视频模型LTX-2 ElevenLabs推出最强语音转录模型Scribe v2 斯坦福开源睡眠分析模型SleepFM 港大发布开源版NotebookLM DeepTutor Razer推出全息AI老婆Project AVA 波士顿动力推出下一代Atlas #抖音知识年终大赏 #前沿科技趋势发布月 #AI新星计划 #AI #机器人

8. Anthropic 发了一份 33 页的官方指南，专门讲怎么给 Claude 构建 Skill。这份文档信息量很大，我来帮你梳理一下核心要点。先说 Skill 是什么。本质上就是一个文件夹，核心是一个叫 SKILL.md 的文件，用 Markdown 写，带个 YAML 头部。它解决的问题是：你不用每次对话都重复解释自己的偏好、流程和专业知识，教一次就够了，以后自动生效。可以把它理解成 Claude 的标准操作手册。以前你得反复 prompt，现在打包好让它自己按流程走。文件夹结构很简单。主文件 SKILL.md 是必须的，另外可以选配脚本目录、参考文档目录和资源目录。这套系统有个精妙的设计叫三层渐进式加载。第一层是 YAML 头部的 name 和 description，这个始终在系统提示词里，用来判断要不要激活这个 Skill。第二层是 SKILL.md 正文的完整指令，只有 Claude 判断当前任务相关时才加载。第三层是 references 目录下的文档，按需读取。这意味着你启用几十个 Skill 也没事，Claude 不会把所有内容都塞进上下文。第一层的 description 就像个触发器，写得好才能在正确时机激活。 Skill 和 MCP 是什么关系？指南用了个比喻特别到位：MCP 是专业厨房，提供工具、食材、设备；Skill 是菜谱，告诉你怎么用这些东西做出一道菜。MCP 解决的是能做什么，Skill 解决的是该怎么做。没有 Skill 的 MCP，用户拿到工具却不知道怎么用；有了 Skill，等于给工具配上说明书和经验沉淀。指南把使用场景分成三类。第一类是文档和素材创作，不依赖外部工具，纯靠 Claude 内置能力，比如生成前端设计、PPT、文档。第二类是工作流自动化，多步骤流程的标准化执行，比如用 skill-creator 引导用户一步步创建新 Skill。第三类是 MCP 增强，给已有的 MCP 连接提供工作流指导，比如 Sentry 那个代码审查 Skill，能自动拉错误数据、分析 PR、给修复建议。技术细节上有些硬性规则要注意。文件名必须精确是 SKILL.md，大小写敏感。文件夹名必须用 kebab-case，比如 my-cool-skill，空格下划线大写都不行。Skill 文件夹里不能放 README.md。禁止用 XML 尖括号，防止提示词注入。名称不能包含 claude 或 anthropic。 description 字段写法直接决定 Skill 能不能被正确触发。好的写法要同时包含三个要素：做什么、什么时候触发、核心能力是什么。指南总结了五种实战模式。顺序工作流编排适合严格按步骤执行的场景，比如客户入驻流程。多 MCP 协调适合跨服务的联合工作流，比如设计到开发交接。迭代精炼适合需要多轮改进的场景，比如报告生成。上下文感知的工具选择适合同一目标根据条件选不同工具的场景，比如智能文件存储。领域专业智能适合需要嵌入专业知识的场景，比如支付合规检查。测试上建议覆盖三个维度。触发测试看 Skill 是否在正确时机激活，直接请求能触发、换种说法也能触发、无关请求不误触发。功能测试看执行结果对不对。性能对比看有无 Skill 的差异，对话轮次、API 失败次数、token 消耗这些指标。一个实用建议：先在单个困难任务上反复迭代直到成功，再把经验提取成 Skill，别一开始就追求广覆盖。分发方面，个人用户可以下载压缩后上传到 Claude.ai 设置，或者放到 Claude Code 的 skills 目录。组织层面管理员可以全工作区部署。API 用户通过 /v1/skills 端点管理。Anthropic 把 Agent Skills 定位成开放标准，希望它能跨平台使用。常见问题排查。Skill 不触发通常是 description 太模糊，要加具体的触发短语。Skill 过度触发是范围太宽，要加负向条件缩小范围。指令不被遵循往往是太长太含糊或关键内容被埋没，要精简并把重要的放最前面。上下文变慢是 SKILL.md 太大或启用太多 Skill，主文件控制在 5000 词以内，详细文档移到 references 目录。最后一个高级技巧值得记住：关键验证步骤用脚本替代自然语言指令。代码是确定性的，语言理解不是。指南下载地址：resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf?hsLang=en #HOW I AI##科技先锋官#

9. 转译：深度拆解 Hermes Agent 的记忆系统：它如何修正 OpenClaw 的误区作者：Manthan Gupta 如果你读过我之前关于 ChatGPT、Claude 以及 Clawdbot 记忆系统的文章，你就会知道我一直在钻研同一个问题：这些 AI 智能体（AI Agent）到底是怎么记事的？ Hermes Agent 对我来说格外有趣，因为这次我不需要只靠观察它的行为来搞“逆向工程”。Hermes 是开源的，它的代码库和文档都是公开的。所以，我没有通过提示词（Prompt）去盲测这个黑盒，而是直接翻看了它的代码路径——从它如何构建提示词状态、持久化会话，到如何清理记忆和查询历史对话。简而言之：Hermes 拥有的不是一套记忆系统，而是四套。 1. 存储在 MEMORY.md 和 USER.md 中、经过高度浓缩的提示词记忆。 2. 通过 session_search 调用的 SQLite 历史会话存档（可搜索）。 3. 像程序记忆（Procedural Memory）一样运作的智能体技能管理。 4. 可选的 Honcho 层，用于更深层的用户建模（User Modeling）。把这些设计联系在一起的核心逻辑非常简单：保持提示词稳定以便利用缓存（Caching），其他一切繁杂信息都交给工具。让我们深入聊聊。 Hermes 的上下文结构在理解记忆之前，我们先看看 Hermes 到底给模型发送了什么。系统提示词（System Prompt）大致是按以下顺序组装的： ------- [0] 默认智能体身份 [1] 工具使用行为指南 [2] Honcho 集成模块（可选） [3] 可选系统消息 [4] 固化的 MEMORY.md 快照 [5] 固化的 USER.md 快照 [6] 技能索引 [7] 上下文文件（AGENTS.md, SOUL.md 等规则文件） [8] 日期/时间 + 平台信息 [9] 对话历史 [10] 当前用户消息 -------- 这非常关键，因为 Hermes 正在针对大模型供应商的提示词缓存（Prompt Caching）机制进行优化。代码显示，提示词构建器的目标非常明确：让稳定的前缀部分尽可能长时间地保持不变。这一个决定就解释了 Hermes 大部分的记忆架构。如果某条信息每一轮对话都要用到，Hermes 会尽量把它缩得很小并注入进去；如果信息量很大、属于历史旧账或者偶尔才有用，Hermes 就会把它踢出提示词，改用“按需检索”的方式。第一层：固化的提示词记忆其内置的记忆系统小得令人惊讶。 Hermes 将持久记忆存储在 ~/.hermes/memories/ 下的两个文件中： 1). MEMORY.md 智能体笔记：环境、规范、工具怪癖、教训限制：2,200 字符 2). USER.md 用户画像：偏好、沟通风格、身份信息限制：1,375 字符这容量真不大。加起来大约只有 1,300 个 Token（模型理解文本的最小单位）。而这正是刻意为之。在会话开始时，Hermes 加载这两个文件，把它们渲染进提示词区块，然后在整个会话期间固化这个快照。会话中途写入的记忆会立即存入硬盘，但不会改变已经生成的系统提示词。这些改动只有在开启新会话，或者触发了“压缩（Compression）”导致的提示词重建时才会生效。渲染后的格式如下： ------ ═══════════ MEMORY (你的个人笔记) [67% — 1,474/2,200 字符] ═══════════ 用户的项目是一个位于 ~/code/myapi 的 Rust Web 服务，使用 Axum + SQLx § 这台机器运行 Ubuntu 22.04，安装了 Docker 和 Podman § 用户喜欢简洁的回复，讨厌冗长的解释 ------ 这里有几个我非常欣赏的细节设计： 1. 使用字符限制而非 Token 限制：这让记忆逻辑与模型无关。Hermes 不需要调用特定模型的计算工具就能判断记忆是否存满。 2. 简单的分隔符文件格式：条目之间用 § 分隔。没有复杂的向量数据库（Vector DB），没有自定义二进制存储，就是纯文本。 3. 刻意保持极小的系统提示词空间：这是整个设计的重中之重。Hermes 不想把所有历史都塞进提示词，它只想要最有价值的事实。 4. 记忆是“精选状态”，而不是“日记”：这是 Hermes 与 OpenClaw 最大的区别。 OpenClaw 的日志更像是“流水账”。而 Hermes 则反其道而行。它的工具架构和测试逻辑强调： • 保存用户偏好。 • 保存环境事实。 • 保存反复出现的错误修正。 • 保存稳定的规范。 • 不保存任务进度。 • 不保存会话结果。 • 不保存临时的待办事项（TODO）。真相是：Hermes 希望 MEMORY.md 和 USER.md 保持精简、高频且对缓存友好。 memory 工具 Hermes 通过一个拥有三种操作的 memory 工具来管理这些文件：add（添加）、replace（替换）、remove（移除）。一个好用的细节是：replace 和 remove 使用子字符串匹配。你不需要记住条目的内部 ID，只需要传入现有条目中一段唯一的文字即可。此外，系统会拒绝完全重复的内容，并拦截危险信息。源代码会扫描记忆条目，防止提示词注入（Prompt Injection，即通过输入恶意指令误导 AI）、凭证泄露或隐藏的 Unicode 字符。第二层：用于情景回溯的 session_search 如果说 MEMORY.md 是 Hermes 的“短期热记忆”，那么 session_search 就是它的“长尾回溯系统”。所有过去的会话都存储在 SQLite 数据库中，拥有完整的索引和搜索功能。当模型需要想起以前聊过的内容时，它不去翻 MEMORY.md，而是搜索这个会话数据库。其工作流程是： 1. 在过去的消息中进行全文搜索。 2. 按会话分组结果。 3. 加载匹配度最高的会话。 4. 使用一个便宜的辅助模型对这些会话进行摘要总结。 5. 将精炼后的回顾内容返回给主模型。这是一种非常务实的设计。它比盲目地把长篇累牍的历史塞进每一个提示词要便宜且高效得多。第三层：压缩与记忆冲刷（Memory Flush） Hermes 另一个聪明之处在于它处理长对话“压缩”的方式。当会话变得太长，Hermes 会压缩对话中间的部分以节省空间。但摘要是有损的，重要事实可能会丢失。于是，Hermes 会先进行一次“记忆冲刷”。在压缩之前，它会发送一条指令告诉模型： > “会话即将压缩，请保存任何值得记住的东西。优先保存用户偏好、修正建议和重复模式，而非具体的任务细节。” 然后它运行一次额外的模型调用，只开启 memory 工具。如果模型觉得有什么东西该留下来，就会在对话被“洗掉”之前把它写入 MEMORY.md。第四层：作为程序记忆的技能（Skills） Hermes 不仅能记住事实，还能记住技能。技能（Skills）存储在 ~/.hermes/skills/ 下。当 Hermes 发现了一个复杂的流程、修复了一个棘手的问题或学会了更好的方法时，它可以将其保存为“技能”。大多数记忆系统只关注“语义回溯”（名字、偏好、事实），但智能体还需要记住如何做事。为了效率，Hermes 不会把所有技能都塞进提示词，而是只放一个技能索引，只有在需要时才加载具体的技能内容。第五层：用于深层建模的 Honcho 最后是可选的 Honcho 层。如果说本地记忆是 Hermes 的笔记本，Honcho 就是它尝试构建的复杂用户模型。它能实现跨设备、跨平台的记忆连续性。最精妙的是它如何在不破坏提示词缓存的前提下实现集成： • 在会话的第一轮，Honcho 的上下文会被织入系统提示词。 • 在之后的对话中，为了保持提示词稳定，Honcho 的回溯内容会附加在当前用户的提问后面，而不是修改系统提示词。这确保了缓存依然有效，同时 AI 依然能读到最新的背景信息。 Hermes 与 OpenClaw 的区别 • OpenClaw：记忆更接近“以 Markdown 为中心的存储”，日志和长效文件是主要事实来源。 • Hermes：提示词记忆被严格限制，历史记录存在 SQLite 里，只有需要时才搜索。 Hermes 更加关注缓存效率。它认为：不是所有东西都配住在“系统提示词”这个黄金地段。总结：Hermes 做对了什么？ 1. 冷热分离：小规模提示词记忆负责常驻信息，搜索负责偶尔用到的信息。 2. 缓存优先：它意识到频繁改动提示词会导致延迟增加和成本上升。 3. 记忆的多样性：它承认记忆是分层的——包括个人画像、情景回溯、操作技能和深层建模。 Hermes 的核心设计原则最令我折服：记忆应该让智能体变得更好用，而不是通过摧毁提示词的稳定性来换取博闻强识。真正的诀窍不是记住更多，而是在正确的层级、以正确的成本，记住正确的事情。原文：x.com/manthanguptaa/status/2034849672985288957

10. 在 Ubuntu 上从 0 到 1 搭建 Hermes Agent 实战指南

11. OpenClaw、Hermes合用？来自500+社区互动的真实看法

12. 创业者必看：Claude Code、Hermes Agent、OpenClaw三大AI编程神器，选错=烧钱！

13. 今天，我决定把「卡兹克风格创作.skill」开源了。

14. 现在已经彻底放弃openclaw了，目前的Hermes就是飞书功能支持的太少了（飞书的开发人员快点的吧）。今天把GPT Image 2的能力接入，调试好了，团队已经可以一句话来生成合适的封面。以后不用自己手搓了，效率再提升一步

15. Hermes 这次能抢走 OpenClaw 的风头，关键可能还真不在“功能更多”，而在于它更像一个会自己长本事、也更会记住你的 Agent。如果只看表面功能，Hermes 和 OpenClaw 其实差得没那么大。定时调度、子 Agent 委派、浏览器自动化、语音、视觉、图像生成、消息平台接入，这些两边基本都有，根本不是那种一眼看上去的“代差碾压”。真正拉开差距的，是 Skill 和 Memory 两套底层机制。 Hermes 的 Skill 不是让你手动一条条配，而是会在任务执行过程中，自动把跑通的工作流沉淀成技能；后面还会通过一套离线进化机制去优化这些技能，但最终又保留人工审核这道闸门。说白了，它不是单纯“能干活”，而是更像会复盘、会积累、还会慢慢把自己调顺。相比之下，OpenClaw 也有 Skill，但整体更偏手动：你得自己建、自己装、自己授权，加载方式也更粗放。两边都有技能系统，但一个是“我自己来长”，一个更像“你自己去配”。这就决定了为什么社区更容易把 Hermes 理解成一个“越用越顺手”的 Agent。记忆系统也是一样。文章提到，Hermes 被热捧的另一层原因，是它不只是记任务，还更强调对用户和长期关系的建模；而 OpenClaw 的长期记忆更像一种被动存档，能记住你，但那种感觉更偏“留档”，不是“真正懂你”。这也是为什么很多人会觉得，Hermes 身上那种“像在养一个 Agent”的感觉更强。并不是“Hermes 比 OpenClaw 多了几个功能”这么简单。它更像是在解释：当两个 Agent 功能表已经差不多时，真正决定谁更火的，往往不是功能数量，而是谁更像一个会成长、会记事、会越来越贴近你的系统。一句话总结： Hermes 抢风头，不是因为它会的比 OpenClaw 多太多，而是因为它更像一个会自我进化、也更像“在和你一起变熟”的 Agent。

16. 【AI前沿】Agent 届的 Hermès？Hermes Agent 爆火之后，真能取代 OpenClaw 吗？

17. Hermes Agent 势头很猛，这几天推荐的人很多，可以关注一下。我自己安装试用了还可以。Hermes Agent 是由 Nous Research 在今年 2 月底开源的 AI 智能体框架，上线不到两个月，GitHub 星标已经接近三万。这个项目被社区认为是 OpenClaw（龙虾）上线以来，第一个真正意义上的竞争对手。两者都是自托管的开源智能体，都能接入 Telegram、Discord、Slack、WhatsApp 等聊天平台，都支持多模型切换，都走 MIT 协议。但设计哲学完全不同。【1】龙虾是网关，Hermes 是引擎OpenClaw 的核心是一个 Gateway（网关守护进程），负责统一管理会话、路由和渠道连接，像一个调度中心，把你的各种聊天应用连接到 AI agent。你可以理解为它是一个“多渠道个人助理操作系统”。Hermes Agent 的核心则是 agent 自身的执行循环。它不是围绕“怎么把消息送到 agent”来设计的，而是围绕“agent 怎么变得越来越强”来设计的。官方管这叫 closed learning loop（闭环学习循环）。【2】会自己写技能的 agent这是 Hermes 最有意思的地方。当它完成一个复杂任务（通常涉及五次以上工具调用）后，会把整个过程沉淀成一份结构化的技能文档，存成 Markdown 文件。下次遇到类似任务，直接加载这份技能，不用从头解决。更关键的是，这些技能在使用过程中会自我迭代。如果 agent 在执行技能时发现了更好的方法，它会自动更新技能文档。有 Reddit 用户反馈，agent 在两小时内自动生成了三份技能文档后，重复性研究任务的速度提升了 40%。OpenClaw 也有技能系统，但主要依赖人工编写和社区贡献的技能市场 ClawHub。Hermes 这边等于把“写技能”这件事也交给了 agent 自己。【3】记忆体系的差异两者都声称有跨会话记忆能力，但实现方式不同。Hermes 用 SQLite 配合 FTS5 全文检索，把所有历史对话存下来，需要时通过搜索加 LLM 摘要召回。它把记忆分成两层：一层是常驻的关键信息（写在 MEMORY.md 里，每次对话都注入上下文），另一层是全量历史检索（容量无限，按需调用）。OpenClaw 同样用 Markdown 文件存储记忆，也支持 SQLite、QMD 等多种检索后端，通过 memory_search 工具做语义或混合检索。它的特色是在上下文压缩前会执行一次静默记忆写入，防止压缩丢信息。官方的设计原则是"无隐藏状态"，记忆就是工作区里可读可编辑的文件。两者的核心差异在于：Hermes 更强调对全量历史对话的检索和总结能力，像给 agent 装了一个搜索引擎；OpenClaw 更强调记忆的透明性和可编辑性，用户能直接看到和修改 agent 记住了什么。【4】安全思路也不一样Hermes 搞了一套五层纵深防御：用户授权、危险命令审批、容器隔离、凭据过滤、上下文注入扫描。默认对高风险操作（比如执行终端命令、写文件）要人工审批，超时未批准就自动拒绝。OpenClaw 这边则更强调信任模型和配置审计。它提供了 openclaw security audit 命令，可以一键扫描网关配置的安全隐患。但 OpenClaw 在安全方面的历史记录不太好看，今年 2 月被曝出多个高危漏洞，13.5 万个实例暴露在公网上，技能市场也有超过 300 个恶意技能被发现。【5】要不要换或者选哪一个如果你日常用的 Agent 已经顺手，没必要。如果你之前的龙虾主要是 claude code 的授权现在用不了可以试试这个，但不能保证继续用多久。如果喜欢折腾想试试不同的选择，也可以试试。如果你想要一个“多渠道助理平台”，接入各种聊天工具，用社区现成的技能市场，OpenClaw 的生态更成熟，34.6 万星标不是白来的。如果你更关心 agent 的长期进化能力，想让它用得越久越聪明，或者你是做 AI 研究的，需要生成训练轨迹、跑强化学习实验，Hermes 的架构更对口。它还内建了一个兼容 OpenAI API 的服务端，可以直接作为后端接入 Open WebUI 等第三方界面。Hermes 跑在 5 美元一个月的 VPS 上就够用，也支持 Docker、SSH 远程、Modal 等 serverless 方案。安装只需要一行 curl 命令。安装不复杂，参考官方文档即可：网页链接爱马仕的英文也是 Hermes。宝玉xp的微博视频

18. HermesAgent 超越 OpenClaw 成为全球 Token 消耗第一，这意味着什么？

19. 换掉小龙虾！Hermes全网爆火狂揽四万星，Anthropic重锤暴击OpenClaw

20. B站爆了！Hermes首度直播回应「抄袭」，MiniMax提前杀入Harness赛点

21. 最近 Hermes 的风评越来越好，OpenClaw会被新出大火的 Hermes agent 击败吗？

22. 告别WSL！Hermes Agent原生Windows安装实战

23. OpenClaw「App」榜单，国产Skill下载量冲上第一：能给龙虾接入现实世界

24. AI大模型现在的一个趋势就是从训练全面走向推理。走向推理后，AI真正的赋能生产生活就铺开了。AI这条链上的相关需求都会有新一轮变化目前可以肯定的是，最直接受益的第一梯队：算力芯片 / ASIC + HBM / 高带宽内存 + 高速网络光互联第二梯队：企业级 SSD / NAND、DDR5、服务器、PCB、液冷、电源第三梯队：IDC、储能、电网、边缘AI芯片、端侧设备光模块，光连接件需求会更大，因为推理阶段需要更低延迟，更快连接存储的需求也会不断增大，HBM，DDR5，企业级的SSD，NAND，因为推理不光吃算力，还需要更多的内存来做数据读写训练的本质是用海量算力把模型做出来，推理阶段，每天有海量用户，海量应用，海量API请求，Token消耗巨大。还怎么操作，买哪些题材，懂得都懂图是我的Hermes做的，用的GPT Image 2

25. Hermes Agent v0.14 发布：AI 智能体的新基建

26. Hermes Agent跟龙虾差别不大？那是这8个项目你还没试过。

27. 别再当韭菜！600块组装Mac mini平替，跑AI Agent比白苹果还香？

28. 开源版的 GPT Image 2，信息图、连续图文、本地部署全拿下｜商汤SenseNova U1实测

29. Hermes Agent 的记忆系统：为什么它修正了 OpenClaw 的错误网页链接"Hermes Agent 之所以特别有意思，是因为这一次，我不需要只靠行为去逆向推理。Hermes 是开源的，仓库和文档都公开。所以我不必拿 prompt 去试探一个黑箱，而是直接查看那些负责构建 prompt 状态、持久化会话、刷新记忆、查询历史对话的代码路径。简短来说：Hermes 不是只有一个记忆系统，它有四个。一个非常小、经过筛选的 prompt 记忆，存放在 MEMORY.md 和 USER.md 一个可搜索的 SQLite 历史会话归档，通过 session_search 暴露由 agent 管理的 skills，充当程序性记忆一个可选的 Honcho 层，用于更深层的用户建模把它们串起来的关键设计很简单：保持 prompt 稳定以便缓存，把其他一切交给工具。"#AI创造营#

30. 双Agent合体！Hermes + OpenClaw 协同部署实战指南

31. 开发AI Agent常常需要切换多个框架和工具，记忆系统难管理，技能创建繁琐，自学习循环还得从零搭建，效率低下。《Hermes Agent 从入门到精通》橙皮书，提供Nous Research开源AI Agent框架的完整实战指南。全书17章5部分，详解自学习循环、三层记忆系统、自动技能创建与演化，还包括安装、多平台部署和真实场景应用。GitHub：github.com/alchaincyf/hermes-agent-orange-book主要内容：- 从Harness工程到Hermes Agent核心概念；- 学习循环、记忆系统、Skills与工具生态；- 动手安装、首次对话、多平台运行与自定义；- 知识助手、开发自动化、内容创作、多Agent实战；- 自学习Agent边界与三方对比深度思考。免费PDF下载，支持开发者与AI爱好者快速上手，基于Hermes Agent v0.7.0。#AI橙皮书##HermesAgent##人工智能#

32. hermes能否替代openclaw？

33. 小米大模型接入全球顶级框架，Xiaomi MiMo-V2系列大模型完成与全球顶级开源Agent框架Hermes Agent的官方集成，从大模型的持续迭代到Agent生态的深度融合，我米的AI以后只会越来越强！而且小米还推出了两周限免，可以让更多开发者能低成本体验前沿技术！

34. Hermes Agent 这个项目已经 32.9k stars 了。简单跟 OpenClaw 做一个对比。先说 OpenClaw 在干嘛。你手上可能同时有 ChatGPT、Claude、还有本地跑的模型，OpenClaw 就是把它们全接到一个地方，统一调度统一管理，相当于一个 AI 的总控台。好用是好用，但本质上还是你来安排，你来配，你来调。Hermes 玩的是另一套逻辑。它的 agent 自己会学。你交给它一个任务，它干完之后会自己琢磨哪里没做好，下次碰到类似的事情就自动改进。不需要你重新写 prompt，不需要你手动调流程，它自己进化。所以区别就一句话：OpenClaw 是你指挥它干活，Hermes 是它自己越干越聪明。最绝的是 Hermes 还内置了一行迁移命令，终端敲 hermes claw migrate，你在 OpenClaw 里攒的配置直接就搬过来了。传送门：github.com/NousResearch/hermes-agent#科技先锋官##How I AI#

35. Nous Research 开源了一个 AI Agent 框架：Hermes Agent。「The agent that grows with you」——会自我生长的 Agent。核心亮点是一个闭环学习系统，Agent 可以从使用经验里自动创建技能、改进技能，跨会话记住你是谁。大多数 AI Agent 框架的记忆是静态的，你教它什么它记什么，不会自己演化。Hermes 的设计不同： 1. 自动创建技能：完成复杂任务后，Agent 会主动把这次经验总结成可复用的技能，下次遇到类似任务直接调用。 2. 技能自我改进：已有的技能在使用过程中会持续迭代，而不是一次写好永不更新。 3. 用户建模：基于 Honcho 的对话记忆，Agent 会跨会话持续深化对你这个人的理解——你的偏好、工作方式、决策模式。 4. FTS5 全文搜索 + LLM 摘要：可以搜索所有历史会话，用语义召回过去的上下文。访问：github.com/NousResearch/hermes-agent #HOW I AI# #程序员#

36. 小龙虾（OpenClaw）最大对手？两种方案，教你在NAS上部署Hermes

37. 快速蹿红的 HermesAgent，它具备哪些成为下一个 OpenClaw 的潜质？

38. Agent自己长技能？我用Hermes干了一周活，它自己学会了5个新本事

39. Hermes Agent使用技巧与避坑指南

40. Hermes Agent 值不值得用？先看这 79 个内置 Skill

41. 17万星开源神器一套Skill赋能Hermes与Claude Code

42. 使用Hermes必备的5个skill

43. 流程管理工程师怎么用AI，OpenClaw和Hermes选用，以及skill推荐

44. Hermes官方skill仓库有哪些看点

45. 75 套 Skill 模板！刚开源的新项目让 Hermes 把发布前脏活全干了

46. Hermes-agent 最值得推荐的10个Skill（实战版）

47. OpenClaw最新平替Hermes火了

48. 让 AI 学会"成长"

49. 17万星开源神器

50. GitHub 57K星开源Agent遭疯抢！自进化Skill Tree让AI越用越强，附保Hermes-Agent保姆级部署避坑指南

51. 秒懂速报丨爆火 39K Star！Hermes Agent 彻底封神

52. Hermes Agent 实战

53. Hermes Skills Hub 生产精选

54. 我给Hermes 装了一堆 Skill，这次到底该用哪个？教你一个技巧

55. Hermes会自我进化的技能

56. 深度解析 OpenClaw 与 Hermes

57. 手把手教你这么用好 Hermes 自带的skill，别再把它当聊天机器人了

58. 聊一聊 Hermes agent的skill 生态

59. 手把手教你开发AI智能体技能

60. 2026全网Top20 GitHub AI技能，OpenClaw/Hermes直接照搬

61. 装上这个技能，Hermes交付速度提升3倍

62. Hermes Agent 真正创新的地方

63. 别只拿它当聊天框！解锁爱马仕，Hermes这15个“隐藏开关”

64. Hermes Agent v0.9.0 深度评测

65. 深度拆解 Hermes Agent

66. Hermes Agent 深度评测8.5万Star、会自我进化——2026年最炸裂的开源AI智能体到底强在哪？

67. Hermes 好用吗？我实测后的结论，能打，但不是谁都适合

68. 用Hermes一周，它自动生成了4个直接运行的Skill

69. Hermes 发布新功能

70. 装完Hermes别急着装Skill

71. 我给 Hermes 装了两个"调研大脑"

72. 【牧马人日记-20260418】Hermes 到底是什么？Hermes 不是一个聊天机器人

73. 用了3个月OpenClaw，我果断换到了Hermes Agent！

74. Hermes Agent 核心能力全解析

75. 【Hermes教程第四章】工具集入门

76. Hermes Agent 实战指南⑤

77. 为什么同样的模型在 Hermes 上比在 OpenClaw 上更聪明？

78. 深度拆解Hermes

79. Hermes Agent 保姆级教程

80. 5 个封神级配套工具，让 Hermes 读懂项目、记住对话、管好任务

81. 六个发版三个无法运行，Hermes真的能超越OpenClaw吗？

82. Hermes Agent VS OpenClaw（小龙虾）的区别

83. Hermes登顶全球第一开源Agent首次超越OpenClaw

84. 开源 AI Agent 格局重塑

85. 改个文件内容要2小时？这5个配置让 Hermes 原地起飞

86. Hermes Agent 性能优化指南

87. 这两天让 AI 助手 Hermes 帮我优化了一遍网站，顺便分享一下经验

88. Hermes 爆火背后

89. 裸装 Hermes 的朋友，你用的根本不是 Hermes！7 步满配教程，能力直接翻几倍！

90. 别人的 Hermes 有记忆会画图还省钱，你的只会聊天——差在这五步

91. Hermes 玩家都在卷的五件套

92. 一路狂飙到74k Star的Hermes Agent，我部署了3天

93. Hermes 更新了

94. 别着急聊天！Hermes安装后必做4条核心配置，少一步都白装

95. Hermes Agent装上实时双眼，开源智能体彻底迎来爆发时代

96. 我如何把 MiniMax m2.7 接入 Hermes

97. Hermes 最值得安装的10大使用技巧

98. Hermes Agent终于有开源桌面客户端了

99. 免费开源！Hermes 爱马仕 AI 智能体，个人到底能不能本地部署？

100. Hermes全平台部署教程三系统一键安装超简单

101. [译] 别再交冤枉钱了

102. AI助手token账单失控？6招实操优化，让我的周消耗从$11降到$4。Hermes Agent 深度优化实录 · 所有命令可直接复制使用

103. 一台电脑，零成本，跑 HermesAgent

104. 我用两个月告诉你

105. Hermes 自主学习黑科技！AI 再也不 “失忆”，越用越懂你｜实测拆解

106. 别再只盯着 OpenClaw 了

107. K2干货｜Hermes Agent 深度解析与工程避坑指南

108. Windows用户安装Hermes记录，为了一碟醋包了一顿饺子，我真服了···

109. Hermes Agent安装避坑指南

110. OpenClaw、Hermes合用？来自500+社区互动的真实看法

111. Hermes Agent 研究（九）

112. Hermes Agent 又来了？究竟用哪个 AI 助理更合适

113. 两个月，5万Star，这个Hermes Agent凭什么让所有人说"用了就回不去了"

114. 深度 | 一周52k Stars的Hermes来袭，这都啥背景啊

115. 爆火的Hermes Agent来了，今天原生支持个人微信！

116. 【混沌新课】Hermes vs OpenClaw

117. 5.5-沉迷Hermes，无法自拔

118. 别到处找Skill！Hermes Agent官方89个内置技能暴力拆解：让你生产力直接起飞100倍！

119. 深度解析 Hermes Agent 架构：双驱“自进化”机制与 Harness 工程实践

120. 深度调校Hermes，全天高强度不间断稳定运行

121. Hermes Skill完整手册：从入门到精通

122. Hermes Agent 研究（六）：技能系统与工具集成

123. 用 Hermes 两天，差点把我系统送走：7个踩坑玩儿法实践

124. Hermes官方Skills周报 20260509

125. Openclaw vs Hermes：两大 AI 助手巅峰对决，谁才是你的最佳拍档？

126. 10 分钟编写你的第一个 Hermes Skill：从概念到跑通

127. Hermes新增设计神级Skill！零基础一键变身专业AI美工

128. Hermes-Agent 深度实测：一款能自我进化的开源 AI Agent 框架

129. 用Hermes封装开源skill：从飞书文档一键发布到微信公众号

130. 这个 Skill，让 Hermes 像超级专业的设计师，附代码一键安装使用

131. Hermes Agent支持接入微信了，直接上教程！

132. Hermes Skill 开发实战教程：从零到部署

133. Hermes 默认装了哪些技能

134. Hermes Agent 实用教程系列八：对比选型 + 安全边界与未来

135. 安装Hermes Agent最新版：75个技能一键拥有，AI超能力直接上手！

136. Hermes Agent 入门指南：安装 HeartMuLa 音乐生成技能系统

137. HermesAgent技能太多？Curator自动整理工具全流程解析 | BoxminingAI (Superbash)

138. 实测！用Hermes搭私人投研系统｜第1篇·试了5个数据源，跑通了

139. 试完200个Hermes Skill，真正好用的就这些。

140. 5 招让你的 Hermes 脱胎换骨｜进阶指南下篇

141. 为什么你的Hermes Agent 长对话后总是失忆？

142. 刚刚！Hermes v0.14发布：1M上下文、Claude Pro被第三方工具调用、冷启动-19秒

143. Hermes × DeerFlow 2.0：AI能力双引擎，深度研究与日常助手合二为一

144. 让 Hermes 有记性、也省 Token：我的七步配置清单

145. 跑一个 AI Agent，每月成本从50块降到5块：Hermes 的部署指南

146. Ollama 0.21 原生支持 Hermes Agent 了！一行命令部署完整教程

147. 突破微信限制，我把家人的微信号全部接入了一匹“爱马仕” Hermes

148. HermesAgent三件事分别解决「架构能力 + 技能量产 + 自动自愈」

149. 你的HermesAgent没装这8个项目啥也不是

150. Hermes(爱马仕)：如何增加微信读书技能(Skill)

151. 实测 Hermes v0.14.0：冷启动时间减少 19 秒！CDP 调用效率暴涨 180 倍

152. 放弃OpenClaw？Hermes Agent从0到1部署+接入飞书教程

153. Hermes 这个高级功能很多人没用过：给 Agent 装上刹车和自动触发器

154. 养虾还是养马？OpenClaw VS Hermes 对比评测

155. 从零搭设 Hermes + OpenClaw：血泪避坑全记录

156. 6 个技能模块 + 总控 Prompt，用 Hermes 搭建学生学习助手全流程

157. Hermes 本地部署实战（WSL2 版）：60 秒安装，5 分钟配置

158. Gemma 4 31B 基于 Hermes Agent 实测：31B 稠密模型在有限资源下到底能干什么

Hermes的“全自动”是伪需求？这三类真实场景才值得用

精选参考来源