当前位置: 首页 > news >正文

Hermes Agent火了,AI智能体开始「会自我进化」

两只「龙虾」的较量

今年2月底,AI研究实验室Nous Research悄悄开源了一个项目。

叫 Hermes Agent。

短短不到两个月,GitHub 星标数已经逼近4万。成为 OpenClaw 上线以来,第一个真正意义上的竞争对手。

OpenClaw 大家都熟了。这只被开发者亲切叫作「龙虾」的开源 AI 助手,GitHub 星标35万,是当前最受欢迎的个人AI智能体项目之一。

现在又来了一只新的「龙虾」。

Hermes Agent 的 Slogan 很有意思——「The agent that grows with you」。

翻译过来就是:一个会随使用而成长的AI Agent。

坦率的讲,这个定位让我愣了一下。

之前的 AI 助手,都是你调用它、它干活。干完了就完了,下次你再调用,它又是从头开始。

但 Hermes 说,它会成长。

会成长是什么意思

翻了翻源码和文档,这个「成长」具体指几件事。

第一,它能从经验中创建技能。

你让它帮你做一件事,它做完之后,可以把这次的经验打包成一个技能文件。下次遇到类似的事,它可以直接调用这个技能,不用重新学习。

第二,它有记忆系统。

不只是记住你说了什么,还能记住你偏好什么、习惯什么。这些记忆会持久化,不会因为你关掉对话就消失。

第三,它会搜索自己的历史会话。

遇到新问题时,它会先看看以前有没有处理过类似的事。如果有,就不用从头想办法。

我一直在想,这三件事加在一起,意味着什么?

说真的,这意味着AI智能体正在从「工具」变成「同事」。

工具是你用完就放回去的东西。同事是你越用越熟的搭档。

和 OpenClaw 的区别在哪

Hermes Agent 和 OpenClaw 的对比,最近讨论很多。

从架构上看,两者走了不同的路。

OpenClaw 更擅长本地化执行和灵活定制。你可以在自己的电脑上跑,想怎么改就怎么改,掌控感很强。

Hermes Agent 则更强调云端运行和自我进化。它可以在5美元的VPS上跑,也可以跑在GPU集群上。重点是它会自己积累能力,不需要你手动配置太多。

从记忆系统看,OpenClaw 的记忆更多是用户自己管理。你想记住什么,手动写进 MEMORY.md。Hermes Agent 的记忆是自动的。它会判断什么值得记,自己写入。接近上限时,它还得学会删掉不重要的,保留重要的。

坦率的讲,这两种设计没有谁更好。

OpenClaw 适合那些想精细控制的人。你知道自己要什么,你愿意花时间调教。

Hermes Agent 适合那些想让 AI 自主积累的人。你不想管太多细节,希望它越用越懂你。

普通人能用它做什么

这两个项目都开源,普通人能跑起来吗?

能,但门槛不同。

OpenClaw 的安装对开发者来说不算复杂,但对非技术人员可能有点挑战。需要配置环境、理解各种参数。

Hermes Agent 官方说可以在5美元的VPS上运行。这意味着你不需要高配置电脑。但 VPS 是什么、怎么买、怎么连,对普通人还是有点距离。

我自己的判断是,这两类项目目前更适合有技术背景的人。

普通用户想用,可能得等更上层的封装产品出现。比如有人帮你把部署做好,你只负责对话。

但这个趋势值得关注。

AI 智能体正在从「你调用它」变成「它自己干活」。这个转变,比单纯的技术进步更重要。

为什么现在值得关注

两个原因。

第一,AI 智能体正在从演示走向工作流。

之前大家聊 AI 智能体,多是炫酷的 demo。能帮你订咖啡、能帮你查天气、能帮你写代码片段。

但现在,这些智能体开始能干更长、更复杂的事了。

比如 Hermes Agent 可以记住你上个月让它做的一个任务,这次遇到类似任务时直接复用经验。

这不是演示了,这是工作流。

第二,开源社区在推动这件事。

OpenClaw 和 Hermes Agent 都是开源项目。这意味着它们的代码、架构、设计思路都在公开讨论。

你不用等某个大公司发布产品,可以直接看源码理解它是怎么工作的。

这种透明度,对普通人理解 AI 智能体很有帮助。

智能体的下一步

我一直在想,AI 智能体接下来会变成什么样子。

目前的形态,还像是「会说话的脚本」。你给它指令,它执行。执行完了,你给下一个指令。

但 Hermes Agent 提示了一个方向:智能体可以积累经验、形成习惯、甚至有自己的「记忆边界」。

它不再是每次都从零开始,而是带着历史来跟你对话。

这会让它更像一个「长期搭档」,而不是一个「临时工具」。

说真的,这个变化挺大的。

你想想看,一个越用越懂你的 AI,和一个每次都从头猜你意图的 AI,体验差得远了。

智能体竞争的本质

Hermes Agent 和 OpenClaw 的竞争,不是谁赢谁输的问题。

它们代表了两条不同的设计路径。一条强调用户控制,一条强调自主进化。

你想想看,这两条路其实都不错。

有人喜欢精细控制,觉得自己知道要什么,不想让AI自己做太多决定。OpenClaw 的设计就是给这样的人用的。

有人不想管细节,希望AI自己慢慢变得好用。Hermes Agent 的设计就是给这样的人用的。

说真的,这两种需求都真实存在。不是谁好谁坏,是适合不同的用户。

对普通人来说,真正值得关注的是这个趋势——AI 智能体正在从工具变成搭档。

它会记住你,它会积累经验,它会越来越懂你。

坦率的讲,这个变化比单纯的模型升级更重要。

模型升级是能力变强,智能体进化是关系变深。

一个更强的模型,你可以今天用明天不用。但一个越用越懂你的智能体,你会慢慢依赖它,信任它。

这不是简单的工具升级,是使用体验的根本变化。

我自己的感受是,未来几年,我们会看到更多这样的智能体出现。

它们不只是「能干活的AI」,是「能跟你一起成长的AI」。

这比单纯的模型升级,更值得期待。

http://www.jsqmd.com/news/637181/

相关文章:

  • 《JAVA面经实录》- Java 科学学习顺序(看这篇就够了)
  • 关于MCU锁死使用仿真器的几种解决方法
  • Open Claw 一键安装教程|汉化版,全流程无代码、无需输任何命令
  • HarmonyOS在语文教学中的应用-4. 红井记忆卡片
  • AIAgent环境漂移灾难预警:基于GitOps+Policy-as-Code的12小时自动检测与修复闭环
  • STM32G474开发板(一)硬件架构深度解析与选型思考
  • 网络安全实战:熊猫烧香病毒行为分析与手工清除指南
  • 从零到一:双足机器人全身控制(WBC)核心算法与工程实践解析
  • 鸿蒙应用开发实战:从零配置DevEco Studio到真机运行的全流程避坑指南
  • 4G模块串口通讯实战:从AT指令到远程控制
  • 毕业设计救星:用STM32+OneNet平台快速搭建智能环境监测系统(含避坑指南)
  • **发散创新:基于Python构建高保真虚拟原型的实战指南**在软件工程与嵌入式开发中,**虚拟原型(Virtual Prototype
  • DS:具体详细介绍常见的DDR性能瓶颈和解决方案
  • SITS2026闭门报告首次公开(仅限本届参会者验证的6项硬指标+2套评估矩阵)
  • 新手也能懂:用Carsim和Simulink复现斯坦利(Stanley)轨迹跟踪算法(附避坑指南)
  • 从汇编指令到电压读数:51单片机驱动ADC0808的数码管电压表实战解析
  • 如何用STM32CubeMX快速验证你的硬件设计:以UART通信为例
  • 基于深度学习技术,爱毕业aibiye智能平台能自动优化论文重复率超过30%的内容,有效提升学术文本的独特性。
  • 2026届毕业生推荐的五大AI辅助写作助手实际效果
  • 小鹏GX联合福耀玻璃打造并量产交付首块AI调光隐私玻璃
  • FPGA新手必看:手把手教你实现SDRAM接口(附完整Verilog代码)
  • 011、生成式AI入门:扩散模型与Stable Diffusion基础原理
  • 告别手写脚本!用Frida-Trace自动Hook Android App的Java方法(附实战Demo)
  • 从U2F到FIDO2:你的旧YubiKey还能用吗?一文讲清CTAP协议兼容性与升级指南
  • 【选型对比】4G/5G通信模组怎么选?芯讯通 vs 移远 vs 广和通 深度分析(附存储方案)
  • 基于深度学习的YOLO系列(v8-yolo26)垃圾溢出检测:垃圾溢出识别 垃圾检测
  • hashset
  • FPGA开发者的福音:用VS Code替代QuartusII_18.1默认编辑器的完整指南
  • VB.NET与BarTender.NET SDK集成:解决程序集加载失败与框架版本兼容性问题
  • SystemVerilog Assertions(SVA)用法以及帕拉丁emulation对SVA的支持情况总结