一个会自我进化的开源智能体
2026 年 2 月 25 日，Nous Research 在推特上发了一条看似普通的公告：“Meet Hermes Agent, the open source agent that grows with you.” 六周后，这个项目在 GitHub 上突破了 5 万颗星。一个开源 AI Agent 框架，凭什么跑这么快？
答案藏在那句 slogan 里——“grows with you”。不是"helps you"，不是"works for you"，而是"跟你一起成长"。这三个词，精准地戳中了当下 AI Agent 赛道最大的痛点。
所有 Agent 都有一个致命的缺陷
过去一年，我们见证了 AI Agent 的爆发。从 OpenClaw（原 Clawdbot）的 35 万星神话，到各路创业公司扎堆做"AI 助手"，Agent 似乎无处不在。但用过的人都知道一个残酷的事实：你的 Agent 每次醒来，都是一个失忆的陌生人。
你昨天教它的偏好，今天得再教一遍。你上周让它完成的复杂工作流，这周它一脸茫然。你花三个小时调教出来的完美 prompt，关掉终端就烟消云散。这不是某一家的问题，而是整个行业的通病——Agent 没有持久记忆，不会从经验中学习，每一次对话都是一次性的。
Nous Research 的团队显然被这个问题折磨够了。这家 2022 年从 Discord 社区起步、靠 Hermes 系列开源模型打出名声的纽约 AI 实验室，在拿到 Paradigm 领投的 5000 万美元 A 轮融资后，把枪口对准了这个方向：与其继续卷模型参数，不如从根本上解决 Agent 的"成长"问题。
五层记忆 + 自我进化：一套完整的"成长系统"
Hermes Agent 的技术方案，说白了就是给 AI Agent 装上了一套从短期记忆到长期认知的完整神经系统。
最底层是 MEMORY.md 和 USER.md——两个轻量的 Markdown 文件，前者记录环境事实和经验教训，后者专门存储用户偏好和沟通习惯，每次对话都会注入系统提示词。再往上是技能文档系统：当 Agent 完成一项复杂任务（通常涉及 5 次以上工具调用），它会自动把解决过程提炼成一份持久化的 SKILL.md 文件，下次遇到类似问题直接调用。配合 SQLite FTS5 全文检索的会话历史，Agent 能回溯几周甚至几个月前的对话上下文。可选的 Honcho 用户建模模块，则通过辩证推理持续构建用户的"心智模型"。
但真正让 Hermes Agent 与众不同的，不是记忆，而是自我进化。
Nous Research 在配套仓库（hermes-agent-self-evolution）中实现了一套名为 GEPA（Genetic-Pareto Prompt Evolution） 的算法。它的工作方式接近生物进化：读取执行轨迹，分析失败原因，生成改进候选方案，经过约束门控筛选后，将最优变体以 Pull Request 的形式提交——永远经过人类审核，从不直接修改代码。每次优化成本仅 2-10 美元，不需要 GPU 训练，纯靠 API 调用完成。
更深层的飞轮在于 Atropos。Hermes Agent 运行中产生的工具调用轨迹，会被收集并用于训练下一代 Hermes 模型。模型变强，Agent 更准确，又产生更高质量的训练数据——这是一个自我强化的闭环，也是纯 Agent 创业公司难以复制的结构性优势。
与 OpenClaw 的微妙竞合
说到 Agent 赛道，绕不开那个 35 万星的庞然大物 OpenClaw。两者的核心差异一句话可以概括：OpenClaw 是"生态优先"，Hermes Agent 是"学习闭环优先"。OpenClaw 把网关做成控制平面，追求的是接入一切、编排一切；Hermes Agent 把"做-学-改"的循环放在架构中心，追求的是越用越聪明。
Hermes Agent 内置了一个 hermes claw migrate 命令，在首次安装时自动检测 ~/.openclaw 目录并一键迁移配置。这个细节耐人寻味——它说明 Nous Research 很清楚自己的用户从哪里来，也很清楚两者的差异定位在哪里。Reddit 上已经出现了不少"从 OpenClaw 迁到 Hermes"的帖子，理由高度一致：需要记忆，需要学习，需要稳定。
两者并不是零和关系。OpenClaw 在多 Agent 编排和生态广度上仍然领先，对个人用户来说依然是绝佳选择。但如果你在评估企业级落地，差距就会变得很明显。
为什么这件事值得关注
Nous Research 做 Hermes Agent 的逻辑，本质上是在回答一个行业级问题：开源 AI 模型公司的护城河到底在哪里？
单纯卷模型，你卷不过有万卡集群的大厂。但如果你能构建一个"模型→Agent→数据→更好的模型"的飞轮，局面就完全不同了。Hermes 系列模型在 HuggingFace 上已经累计超过 5000 万次下载，Hermes 4.3 是第一个完全在去中心化网络（Psyche）上完成后训练的生产模型。现在 Hermes Agent 又补上了最后一块拼图——用 Agent 的运行数据反哺模型训练。
六周时间，8 个大版本，242 名贡献者，5 万颗 GitHub 星。这个速度说明一件事：市场对"会成长的 Agent"的需求，远比我们想象的更迫切。
当所有人都在讨论 AGI 何时到来的时候，Nous Research 选择先解决一个更朴素的问题——让 AI 记住昨天学到的东西。这或许才是通往真正智能体的第一步。
一点看法
最近在评测 OpenClaw，亲身踩中了文中那个痛点——Agent 每次醒来，都是一个失忆的陌生人。作为个人助手，这勉强可以接受；但如果你想用 AI 真正改造一个团队或组织的工作流，这就是一道绕不过去的坎。
我一直认为，2026 年将是企业 AI 组织变革真正兴起的一年。但这里有个关键的认知差异需要厘清：AI 应该成为生产力本身，而不只是生产工具。 生产工具是你拿起来用、放下去就没有的东西；生产力是嵌入流程、随着组织一起积累、一起成长的东西。
一把更好的锤子是工具。一个记得你上个月踩过什么坑、懂得你团队协作习惯、会在下次自动优化流程的 Agent，才是生产力。
OpenClaw 火爆，但它目前还是前者。Hermes Agent 在做的，是后者的方向。值得持续关注。