4月，Hermes Agent憑借“自進(jìn)化”挑戰(zhàn)了OpenClaw的霸主地位。盡管兩者基礎(chǔ)功能高度重合，但Hermes通過“技能自動(dòng)進(jìn)化”與“主動(dòng)記憶管理”，實(shí)現(xiàn)了從“手動(dòng)配置”到“自主成長”的跨越。

這種將復(fù)雜度隱藏在底層規(guī)則中的設(shè)計(jì)，雖在處理復(fù)雜任務(wù)時(shí)仍有隱患，卻精準(zhǔn)踩中了“干預(yù)遞減”的自動(dòng)化趨勢(shì)，為Agent向“伙伴”進(jìn)化搶占了關(guān)鍵生態(tài)位。

———— / BEGIN / ————

進(jìn)入 2026 年 4 月，才火了兩個(gè)月的 OpenClaw （俗稱“龍蝦”）就迎來了它的挑戰(zhàn)者。Hermes Agent 連續(xù)數(shù)周占據(jù) GitHub Trending 榜首，狂攬 22,000 顆星。

它火到什么程度呢？

連 Anthropic 都要抄它的。

4 月 10 日，Nous Research 的創(chuàng)始人 Teknium 跳出來吐槽，說 Anthropic 正在「復(fù)制」Hermes 自動(dòng)判斷任務(wù)完成、主動(dòng)提醒用戶的功能。

社區(qū)敘事也因此非常統(tǒng)一，認(rèn)為 Hermes 憑借自進(jìn)化 Agent、自動(dòng)記憶管理和用戶建模系統(tǒng)，在技術(shù)上全面超越了前任王者 OpenClaw，重新定義了開源 Agent 的方向。

不過，如果拋開這些宏大敘事，真正把兩邊拆開對(duì)比，你會(huì)發(fā)現(xiàn)它們?cè)诠δ苌弦荒Ｒ粯拥牡胤�，遠(yuǎn)比差異多得多。

比如定時(shí)調(diào)度，兩邊都有。

Hermes 支持人類可讀的格式和標(biāo)準(zhǔn)的 cron 表達(dá)式，每個(gè)任務(wù)都跑在隔離的會(huì)話（session）里。

OpenClaw 也同樣支持 at、every、cron 三種調(diào)度類型，任務(wù)直接持久化寫進(jìn)本地的 JSON 文件，重啟也不會(huì)丟。

再比如子 Agent 委派，兩邊都有。

Hermes 的 delegate_task 支持單任務(wù)和最多 3 個(gè)并行子任務(wù)，子 Agent 環(huán)境完全隔離，干完活只返回一個(gè)摘要。

OpenClaw 的 sub-agent 機(jī)制也支持這種后臺(tái)隔離執(zhí)行和結(jié)果回傳，甚至還能配置嵌套深度。

瀏覽器自動(dòng)化、TTS（語音合成）、Vision 視覺能力、圖像生成、語音交互，兩邊也全都有。

Gateway 方面，Telegram、Discord、Slack、WhatsApp、Signal 等 20 多個(gè)平臺(tái)的消息集成，兩邊也毫無懸念地全都有。

對(duì)著清單一項(xiàng)項(xiàng)打勾就會(huì)發(fā)現(xiàn)，兩者的功能幾乎完全重合。

所謂功能表上的「絕對(duì)碾壓」根本不存在。

那么問題來了，既然功能都一樣，Hermes 憑什么火成這樣？社區(qū)里被吹上天的「自進(jìn)化」「自動(dòng)記憶」「用戶建�！�，到底有多少是真正的底層結(jié)構(gòu)差異？

會(huì)自己長大的 Skill

翻遍兩邊的默認(rèn)配置，你能找到的唯一硬核差異就一個(gè)，即，Hermes 在 Skill（技能）上實(shí)現(xiàn)了自動(dòng)進(jìn)化的閉環(huán)。

Skill 算是 Agent 的工作流知識(shí)單元，說白了就是一個(gè) Markdown 文件，專門告訴 Agent 遇到某類任務(wù)該按什么步驟干、中間調(diào)什么工具、搞砸了怎么救場(chǎng)。

Hermes 把技能的生命周期硬生生劈成了兩截。一截是運(yùn)行時(shí)的靜默生成，另一截是離線的硬核進(jìn)化。

先說生成。平時(shí)讓 Agent 干活，只要它在中間調(diào)用了 5 次以上工具，或者出了錯(cuò)又自己把流程救回來了，再或者你作為用戶直接糾正了它的輸出，主倉庫里一套寫死的硬規(guī)則就會(huì)被觸發(fā)。Agent 會(huì)默默把剛才那套跑通的工作流打個(gè)包，存成本地的 SKILL 文件。這一步完全靜默，很多時(shí)候你根本不知道它又給自己寫了個(gè)新技能。

等下次再遇到類似任務(wù)，它會(huì)自動(dòng)去掃索引。這個(gè)加載過程分四層漸進(jìn)，就像去圖書館找資料。它先看目錄卡片（Tier 0），只把名稱和描述塞進(jìn)系統(tǒng)提示詞里，大概占 3,000 個(gè) token。方向?qū)α�，再逐層去書架拿書，把完整�?nèi)容展開。

但真正讓 Hermes 拉開身位的，是第二步的進(jìn)化。

Hermes 內(nèi)置了一套離線批量進(jìn)化算法，還專門拉了一個(gè)獨(dú)立倉庫（hermes-agent-self-evolution）。引擎用的是 DSPy 框架，加上一套叫 GEPA 的核心算法。

GEPA 的全稱是 Genetic-Pareto Prompt Evolution。這套體系并非 Hermes 自創(chuàng)，出自 Lakshya Agrawal 等人的一篇 ICLR 2026 Oral 論文，標(biāo)題就叫《反思性提示詞進(jìn)化可以跑贏強(qiáng)化學(xué)習(xí)》。

現(xiàn)在的學(xué)術(shù)圈搞技能進(jìn)化，大部分都在走 RL（強(qiáng)化學(xué)習(xí)）的路線。像 SkillRL 或者 SAGE 這些框架，連名字都帶著 RL，指望用梯度更新來強(qiáng)化技能庫。但 GEPA 走了一條完全對(duì)立的路，刻意拋棄了強(qiáng)化學(xué)習(xí)。GEPA 論文本身就是在證明一件事，哪怕沒有梯度更新，靠大模型的反思能力加上進(jìn)化算法，不僅能跑贏 RL，樣本利用效率還更高。

它是怎么做的呢？

這套算法有三個(gè)硬核的底座。

首先是反思性變異（Reflective mutation）。它不是瞎猜式的隨機(jī)變異。大模型會(huì)去讀之前的執(zhí)行軌跡（trace），自己反思這次為什么做對(duì)了，為什么做錯(cuò)了，提示詞到底該改哪幾個(gè)字。

其次是帕累托前沿選擇（Pareto frontier selection）。生成了一批變異的候選技能后，它不是一刀切只留全局均分最高的。只要某個(gè)候選在哪怕一個(gè)評(píng)估樣本上表現(xiàn)最強(qiáng)，它就會(huì)被保留下來。這么做是為了保證技能探索的多樣性和魯棒性。

最后是自然語言反饋?zhàn)鳛樽儺愋盘?hào)。傳統(tǒng) RL 靠數(shù)值 reward 引導(dǎo)參數(shù)更新，但數(shù)值信號(hào)顆粒度太粗，跑了一次得 0.6 分，你根本不知道是哪里對(duì)哪里錯(cuò)。

GEPA 的每次變異用的都是具體的自然語言反饋，比如「這一步?jīng)]檢查邊界條件」「應(yīng)該先讀配置再寫緩存」。LLM 讀得懂這種反饋并據(jù)此產(chǎn)生下一輪變體，比解讀一個(gè)浮點(diǎn)數(shù)有效得多。

把它串成工作流就是這樣。系統(tǒng)定期去讀現(xiàn)有的 SKILL 文件，去歷史會(huì)話里抽樣（或者干脆自己合成）搞出一個(gè)評(píng)估集。然后 GEPA 介入，看執(zhí)行軌跡，反思提意見，生成候選變體，跑一輪評(píng)估，最后用帕累托算法挑出贏家。

這套離線的進(jìn)化閉環(huán)跑完，得出優(yōu)化后的 Skill 后，它不會(huì)直接覆蓋原文件，而是老老實(shí)實(shí)生成一個(gè) PR（Pull Request），必須要等你作為人類審核員點(diǎn)頭合并，這個(gè)進(jìn)化的技能才會(huì)真正生效。系統(tǒng)永遠(yuǎn)不會(huì)進(jìn)行直接提交。

這直接戳破了社區(qū)里那套「用戶完全無需介入」的爽文神話。Hermes 的態(tài)度其實(shí)很明確，技能生成可以全自動(dòng)且靜默，但技能進(jìn)化必須過人眼。

回過頭看看 OpenClaw。它也不是沒有 Skill 系統(tǒng)，但要命的是每一步都得靠你主動(dòng)。你需要手動(dòng)建文件、手動(dòng)安裝、再手動(dòng)授權(quán)，三個(gè)條件湊齊了技能才會(huì)生效。搞了個(gè)新 Skill 還得重啟它統(tǒng)一管理的 Gateway 網(wǎng)關(guān)進(jìn)程，系統(tǒng)才能認(rèn)得出。

而且它的加載極其簡單粗暴，根本不做任務(wù)匹配，只要配了就全量塞進(jìn)上下文里，除非你手動(dòng)加個(gè)禁用標(biāo)簽把它踢出去。

兩邊都有 Skill。真正的區(qū)別就在于誰來按下啟動(dòng)鍵。

Hermes 說「放著我來」，OpenClaw 說「你自己搞」。

誰在替誰記事

如果說 Skill 解釋了 Hermes 為什么「越用越快」，那社區(qū)里傳得神乎其神的另一半敘事「它懂我是誰」，就得歸功于記憶系統(tǒng)了。

現(xiàn)在的三大主流 Agent（Claude Code、OpenClaw、Hermes）其實(shí)都有自動(dòng)記憶。但只要稍微深挖就會(huì)發(fā)現(xiàn)，它們服務(wù)的對(duì)象、觸發(fā)機(jī)制和記憶保質(zhì)期完全是兩碼事。

先說 Claude Code。

它的自動(dòng)記憶（auto-memory）是默認(rèn)開著的，平時(shí)干活時(shí)會(huì)自動(dòng)把構(gòu)建命令、調(diào)試經(jīng)驗(yàn)、架構(gòu)筆記甚至代碼風(fēng)格都記下來，而且每 24 小時(shí)就跑一次 Auto Dream 來整理，把過期或者自相矛盾的東西清掉。

聽起來很智能，但這套系統(tǒng)有著極其嚴(yán)格的項(xiàng)目隔離。

它的邊界卡死在 git root（項(xiàng)目根目錄）上，項(xiàng)目 A 里學(xué)到的血淚教訓(xùn)，絕對(duì)帶不到項(xiàng)目 B 里。它不記你的個(gè)人偏好，不關(guān)心坐在屏幕對(duì)面的是誰，腦子里只有「這個(gè)項(xiàng)目該怎么跑」。

再說 OpenClaw，它的記憶系統(tǒng)就更偏長程。每次啟動(dòng)對(duì)話，它都會(huì)把包括 MEMORY.md 和 USER.md 在內(nèi)的 8 個(gè)底層文件強(qiáng)制灌進(jìn)自己的腦子里。這兩個(gè)文件不僅跨項(xiàng)目共享，而且會(huì)自動(dòng)寫入。

那它是怎么寫入的呢？

它的寫入機(jī)制極其被動(dòng)，更像兜底。

在每次對(duì)話的上下文（token）快要撐爆、系統(tǒng)準(zhǔn)備做大壓縮（compaction）之前，Agent 會(huì)悄悄跑一個(gè) silent turn（隱藏輪次）。它會(huì)在這個(gè)輪次里，把當(dāng)前聊過的重點(diǎn)隨手記到當(dāng)天的日記文件里，同時(shí)把關(guān)于你的偏好寫進(jìn)長期掛載的 MEMORY.md 或 USER.md。

所以你很久沒用 OpenClaw，隔幾天一打開發(fā)現(xiàn)它「居然還記得你是誰」，靠的就是這張被動(dòng)結(jié)成的長期大網(wǎng)，那些偏好早就被塞進(jìn)了幾個(gè)啟動(dòng)必讀的文件里。

這確實(shí)能讓人產(chǎn)生「這 AI 可以養(yǎng)」的實(shí)感。但本質(zhì)上更像是一種求生本能，眼看腦子裝不下了趕緊存一下檔。

至于那些老舊日記，如果不用外掛的語義向量數(shù)據(jù)庫支持，它只能靠關(guān)鍵詞生搜。

在這個(gè)維度上 Hermes 是另一套邏輯。

在 v0.7 版本之前，Honcho 是 Hermes 里唯一寫死的長期記憶后端，沒有別的選項(xiàng)。

這個(gè)之前是默認(rèn)選項(xiàng)的 Honcho 設(shè)計(jì)得很巧妙。絕大多數(shù) Agent 的記憶系統(tǒng)（包括 Hermes 的默認(rèn)內(nèi)置記憶）本質(zhì)上是一個(gè)被動(dòng)的記錄儀。你聊了什么，它切碎了轉(zhuǎn)成向量塞進(jìn)數(shù)據(jù)庫，下次遇到相似的話題再通過計(jì)算距離（Embedding 余弦相似度）撈出來。

Honcho 不走這條路。它是一個(gè)「AI 原生」的記憶后端，主打的是異步的辯證推理（Dialectic reasoning）和深度實(shí)體建模。

你跟 Agent 聊完天，主會(huì)話結(jié)束了，但 Honcho 的活才剛開始。它會(huì)在后臺(tái)拉起額外的模型調(diào)用，對(duì)剛聊完的歷史進(jìn)行分析，提煉出你話里的概念（Entity），提取底層偏好，甚至把你前后矛盾的話進(jìn)行辯證和對(duì)齊。它把你隨口說出的碎碎念，計(jì)算成結(jié)構(gòu)化的「洞察（Insight）」。

聽著非常先進(jìn)，但它也非常費(fèi) token，容易把關(guān)鍵細(xì)節(jié)給洗掉。設(shè)成插件，更安全。

但就算沒有 Honcho，Hermes 的記憶寫入都比 OpenClaw 主動(dòng)得多。

Hermes 搞了個(gè)微調(diào)（nudge）機(jī)制，根本不等腦子撐爆，大概每聊 15 輪對(duì)話就會(huì)被硬性觸發(fā)一次。這就是系統(tǒng)強(qiáng)制塞給 Agent 的一條反思指令，趕緊回顧一下剛才聊的，看看這人有什么習(xí)慣值得記一筆。

這種高頻的主動(dòng)反思，讓 Hermes 在同等時(shí)間里寫進(jìn)持久文件的信息量大得驚人。

不僅寫入更積極，Hermes 找回記憶的手法也更硬。它在默認(rèn)架構(gòu)里內(nèi)置了 SQLite FTS5 的全文檢索能力。不用再去費(fèi)勁配什么詞向量服務(wù)，Agent 想翻舊賬，直接就能去龐大的過往聊天記錄里掃街。

把這三家擺在一起看，那條進(jìn)化線就清晰了。

OpenClaw 是一套被動(dòng)觸發(fā)的長期記憶體系。Claude Code 做到了主動(dòng)記錄和整理但底線是對(duì)事不對(duì)人。而 Hermes 把觸發(fā)時(shí)機(jī)做得極其主動(dòng)，記憶插件隨意切，全局共享，還默認(rèn)配齊了能翻遍所有歷史的檢索利器。

日常用起來的體感差異也就是這么拉開的。OpenClaw 是在快崩潰前才想起來認(rèn)識(shí)你一下。Hermes 則是每隔一會(huì)兒就在暗中揣摩你的心思，并且能隨時(shí)翻出你們倆說過的話。

把復(fù)雜度藏起來

無論是 Skill 的自生成，還是記憶的高頻主動(dòng)寫入，背后指的其實(shí)都是同一件事，即，Hermes 只是替你把本該你做的決定都做了。

但是系統(tǒng)復(fù)雜度這種東西是守恒的。

你不用動(dòng)手，不代表決策憑空消失了，它只是從你的手動(dòng)操作轉(zhuǎn)移到了底層硬編碼的死規(guī)則里。

在搭這套 harness 的過程里，Hermes 的設(shè)計(jì)者領(lǐng)悟了一個(gè)道理，模型判斷不可信，那就做成死規(guī)則。

這套 harness 遠(yuǎn)比 Anthropic 之類的要死。Agent 干活的時(shí)候并不是一個(gè)純粹的大模型在裸跑思考，大模型外面嚴(yán)嚴(yán)實(shí)實(shí)地包著一層代碼框架，這層框架里寫滿了條件判斷。

工具調(diào)用滿 5 次了嗎？對(duì)話輪數(shù)湊夠 15 輪了嗎？剛才是不是剛死里逃生重試了一次？用戶有沒有明確開口指出錯(cuò)誤？這些問題系統(tǒng)根本不打算交給大模型去模糊判斷，而是用確定性的代碼一條條死盯。條件一滿足，立刻執(zhí)行寫好的動(dòng)作，去生成初始技能，或者硬塞反思指令，再或者把某句話記進(jìn)長期文件里。

這些遍布各處的防御網(wǎng)，就是被轉(zhuǎn)移走的那部分復(fù)雜度。本來該由用戶在使用過程中自我規(guī)范，現(xiàn)在全寫死在 Hermes 的代碼里。

而 Hermes 寫這些規(guī)則依靠的就是設(shè)計(jì)判斷。調(diào)用 5 次工具觸發(fā)技能生成，設(shè)成 3 次太容易誤觸發(fā)，設(shè)成 8 次又可能漏掉有價(jià)值的工作流。每 15 輪反思一次，而不是每輪都反思，因?yàn)槟菚?huì)產(chǎn)生海量垃圾記憶且燒錢。

你坐在屏幕前覺得什么都不用管真爽，背后是 Hermes 的開發(fā)團(tuán)隊(duì)提前把所有判斷邏輯替你寫死了。

自動(dòng)化并沒有消滅決策，它只是把決策藏到了看不見的地方。

為了保證這套硬規(guī)則在沒有人類盯著的時(shí)候不翻車，Hermes 在底層做了一系列防御性設(shè)計(jì)。

首先看上下文管理。

當(dāng)對(duì)話撐到 85% 閾值時(shí)，Hermes 根本不叫大模型來做智能摘要，它的 ContextCompressor 就是一套純粹的字符串替換邏輯，把舊的工具輸出直接換成一個(gè)占位符，粗暴但絕對(duì)安全。

而記憶層面它用的是凍結(jié)快照，開機(jī)時(shí)把記憶一次性倒進(jìn)系統(tǒng)提示詞里，中途不刷新，等下次重啟才生效。這犧牲了實(shí)時(shí)性，但換來了前綴緩存穩(wěn)定的命中率，直接砍掉了大概 75% 的 token 輸入成本。

兩個(gè)選擇的精神一致，session 內(nèi)部不讓 LLM 去做關(guān)于上下文和記憶的動(dòng)態(tài)判斷，用最笨的規(guī)則保住確定性。

再看它的安全審查。

內(nèi)置的 Smart 審批模式同樣不讓大模型當(dāng)裁判去判斷一條命令危不危險(xiǎn)，而是直接拿一套硬編碼的黑名單去正則匹配終端操作。匹配中就必須人類點(diǎn)頭確認(rèn)。

它甚至連搞生態(tài)擴(kuò)展的插件系統(tǒng)，都把開發(fā)者當(dāng)成了潛在敵人。Event Hooks 系統(tǒng)里有 6 種鉤子，其中 5 種全都是觸發(fā)即忘（fire-and-forget）的看客，系統(tǒng)根本不管它們的返回值。想修改 Agent 的運(yùn)行上下文只有一個(gè)唯一的注入點(diǎn)。官方死死卡住一條底線，就算插件代碼跑崩了也絕不拖垮 Agent 的主循環(huán)。

這幾個(gè)看似保守的選擇，底層邏輯高度一致。

今年初 Chroma 團(tuán)隊(duì)做過多輪對(duì)話壓測(cè)，單輪變多輪后，模型平均性能直接掉 39%，最慘能掉 85%。同一時(shí)期的記憶綜述論文也指出，在超長上下文施壓下，死板的規(guī)則化跑分愣是碾壓了讓大模型全權(quán)統(tǒng)管的方案。

說白了，當(dāng)大模型駕馭超長上下文的底子還虛的時(shí)候，那些聽起來越智能的統(tǒng)管方案越容易原地爆炸。反倒是越笨的死規(guī)則越靠得住。在平時(shí)跑任務(wù)的環(huán)境里，不翻車才是最高優(yōu)先級(jí)。這是一個(gè)誠實(shí)的工程判斷。

一條「干預(yù)遞減」的光譜

把這幾家串起來看，不管是自動(dòng)寫技能、主動(dòng)存記憶，還是故意退一步的技術(shù)棧選擇，最終落點(diǎn)都是同一個(gè)產(chǎn)品判斷，到底該讓用戶管多少事？

從 Claude Code 和 Codex，到 OpenClaw，再到 Hermes，市面上的開源 Agent 其實(shí)鋪成了一段清晰的光譜。一端是「所有決定都由人來做」的生產(chǎn)工具，必須讓開發(fā)者看 diff、批命令、盯每一步。

在真實(shí)業(yè)務(wù)里精確控制永遠(yuǎn)是第一順位，這不是技術(shù)不到位，是產(chǎn)品定位決定的。另一端是「全都交給 Agent 包辦」的自動(dòng)化工具。

Hermes 直接站在了最遠(yuǎn)那頭。

它押注的是大部分用戶既不想弄懂、也不屑于弄懂 Agent 怎么跑起來。你只管張嘴提需求，技能匹配、記憶分類、上下文壓縮，全都在陰影里完成。它的野心不是讓你覺得它好用，而是讓它在不知不覺中自己越變?cè)胶谩?/p>

扛不住硬活，但方向?qū)α?/strong>

盡管 Hermes 已經(jīng)很克制，用各種技術(shù)保守的規(guī)則系統(tǒng)剝奪了模型的自由判定權(quán)，以使這個(gè)更自動(dòng)化的系統(tǒng)能夠穩(wěn)定。就放了這么點(diǎn)非規(guī)則的權(quán)限，模型就開始拉垮。

重災(zāi)區(qū)就是那套引以為傲的技能系統(tǒng)。不止一個(gè)高階玩家抱怨，自己花好幾個(gè)小時(shí)手動(dòng)精調(diào)出來的技能，被全自動(dòng)的進(jìn)化流程直接覆蓋掉，這完全是沒法接受的災(zāi)難。

自動(dòng)記憶微調(diào)的機(jī)制同樣經(jīng)不起細(xì)看。nudge 的本質(zhì)是讓 Agent 自己判斷這輪有沒有值得記的，但社區(qū)發(fā)現(xiàn) Hermes 判斷自己「是否完成了任務(wù)」時(shí)幾乎總覺得自己成功了。所以反思出來的記憶，非常薄弱。

如果是拿去擬一份核心合同、過一遍底層代碼、或者搭復(fù)雜的財(cái)務(wù)模型，全自動(dòng)模式本身就是一個(gè)巨大的隱患。這也是那些老牌專業(yè)工具不敢直接上全自動(dòng)的原因，專業(yè)人士是會(huì)為 Agent 的腦抽付出真金白銀代價(jià)的。

但在寫寫周報(bào)、翻翻天氣、或者理一理本地文件這種容錯(cuò)率極高的日常重復(fù)任務(wù)里，Hermes 現(xiàn)在確實(shí)能站得住。只要你給它二十幾次迭代的機(jī)會(huì)，那些慢慢攢起來的技能和記憶，確實(shí)能讓它跑得又穩(wěn)又快。

這實(shí)打?qū)嵉捏w感，足夠它圈住第一波忠實(shí)用戶了。

更重要的是，它踩在了一個(gè)基本確定的方向上。

梳理這兩個(gè)月的發(fā)展，你會(huì)看到一條非常有意思的演進(jìn)弧線。

2026 年2月25日 Hermes 首發(fā)，打出的旗號(hào)是「與你共同成長的 Agent」。它靠著主動(dòng)記憶、自動(dòng)進(jìn)化和強(qiáng)行替用戶做決定的激進(jìn)路線，一口氣沖到了 57,200 顆星。

但到了4月3日發(fā)布的 v0.7 韌性更新里，它其實(shí)悄悄往回撤了半步。Hermes 引入了抽象接口，把原本寫死在系統(tǒng)里的唯一高級(jí)記憶后端 Honcho，降級(jí)成了和新接入的 MEM0、ByteRover 等 6 個(gè)第三方服務(wù)平起平坐。反而把最原始的純文件加全文檢索頂成了默認(rèn)兜底方案。

一個(gè)自稱替你決定一切的系統(tǒng)，主動(dòng)把復(fù)雜的方案剝離，把記憶的選擇權(quán)交還給了用戶。這是先行者在撞上社區(qū)真實(shí)投訴后的一種戰(zhàn)略讓步。

Hermes撤回一點(diǎn)，覺得現(xiàn)在的規(guī)則系統(tǒng)還吃不透所有復(fù)雜場(chǎng)景，有些選擇不必強(qiáng)行替用戶做。

而另一邊的 OpenClaw，動(dòng)作卻是截然相反的補(bǔ)課式加強(qiáng)。過去短短幾天里它連跑兩步。

4月5日放出了類似 Claude Auto Dream 一樣的 Dreaming 做離線記憶整理，把已有的短期流水文檔在離線時(shí)段提煉、評(píng)分、晉升為持久的 MEMORY.md 條目。

4月10日的更新里，它又砸出 Active Memory，直接在主回復(fù)前跑一個(gè)專門的記憶子 Agent。這套大模型做裁判的主動(dòng)派打法，粒度比 Hermes 固定 15 輪一次的微調(diào)還要細(xì)、還要聰明。

這說明，不管是 Anthropic 還是 OpenClaw，大家全都在往「替你做決定」這條路上靠。

Hermes 只不過是下注下得最早，也最狠。

它用兩個(gè)月的時(shí)間死死卡住了全自動(dòng) Agent 的敘事高地和用戶心智。當(dāng) OpenClaw 在后面拼命追趕、用更高級(jí)的子 Agent 補(bǔ)齊主動(dòng)記憶機(jī)制的時(shí)候，心智已立的 Hermes 反而有了謹(jǐn)慎和退讓的余裕。

它賭的不是今天的系統(tǒng)能有多完美，而是在提前做一場(chǎng)局。

它算準(zhǔn)了只要底層模型的上下文能跨過那條及格線，今天這些硬湊出來的規(guī)則安全線就能跟著往上漲，快照可以實(shí)時(shí)刷新，硬編碼條件也能放心交給大模型去判斷。那些看似保守的默認(rèn)層，遲早有一天會(huì)徹底吃掉今天顯得高大上的接口層。

先占生態(tài)位，再等技術(shù)升級(jí)。等到質(zhì)變那天，Hermes 早已經(jīng)攥著真實(shí)用戶、技能生態(tài)和記憶底座站在終點(diǎn)了。

Agent 這片修羅場(chǎng)里，誰先在技術(shù)將將夠用的時(shí)候用兜底工程卡住位置、讓產(chǎn)品能用起來，往往比單純的技術(shù)領(lǐng)先管用得多。

Manus 是這樣，OpenClaw 是這樣，如今的 Hermes 也是這樣。

本文來自公眾號(hào)：騰訊科技 作者：博陽 編輯：徐青陽