研究时间：2026年4月 | 所属领域：AI Agent 框架 | 研究对象类型：开源软件产品
作者：数字生命卡兹克 | 方法论：横纵分析法（Horizontal-Vertical Analysis）
Hermes Agent 是 Nous Research 开发的开源自进化 AI Agent 框架——它不只是一个工具，而是一个能在使用中不断学习、自主生成技能、跨会话持续积累记忆的"数字员工"，核心差异点在于内置的闭环学习机制（Closed Learning Loop），让 agent 越用越聪明。
Hermes Agent 的故事，要从 Nous Research 讲起。
2022 年到 2023 年间，一群对开源 AI 充满热情的研究者和开发者，在 Discord 和 Reddit 上自发聚集，他们共同的信念是：AI 不应该被少数大公司垄断。这个松散的"草根社区"逐渐凝聚，最终以公司形式正式化——这就是 Nous Research 的诞生背景。
联合创始人团队由四人构成：
- Jeffrey Quesnelle（CEO & CTO）：技术战略主导
- Karan Malhotra（Head of Behavior）：Agent 行为与对齐方向
- Teknium（Head of Post-Training）：模型系列的灵魂人物，长期在 HuggingFace 和 GitHub 上活跃，是 Hermes 模型家族的主要推手
- Shivani Mitra：其他核心方向
这家公司的早期成名作不是 agent，而是Hermes 模型系列：Nous-Hermes、Hermes-2、Hermes-3……这些开源 LLM 以出色的指令跟随能力和 tool-calling 表现在社区中享有极高声誉。Teknium 在 HuggingFace 上的个人账户积累了大量追随者，Nous Research 的 HuggingFace 主页成了开源 AI 爱好者的定期打卡地。
换句话说，在 2026 年 2 月推出 Hermes Agent 之前，Nous Research 已经用模型建立了品牌信任。
2025 年 4 月，Nous Research 完成 5000 万美元 A 轮融资，由 Paradigm 领投，估值达到 10 亿美元，正式晋升独角兽行列。总融资额达 7000 万美元（包含早期种子轮和 a16z 的开源 AI 奖金）。
这笔钱意义深远。Paradigm 是 Web3 赛道的标志性 VC，他们押注 Nous Research，既是押注开源 AI，也是押注 Psyche——Nous Research 的去中心化训练网络（详见后文）。A 轮融资不仅给了 Nous Research 扩张子弹，也让 Hermes Agent 的研发团队得以大幅扩容。
在 Hermes Agent 发布之前，Nous Research 的另一个重要产品线是 Psyche——去中心化 AI 训练网络。
2025 年 1 月宣布，2025 年 5 月正式上线。Psyche 的核心是 DePIN（Decentralized Physical Infrastructure Network） 模式：用户贡献闲置 GPU 算力，以 NOUS 代币作为激励，共同训练大型语言模型。技术底层跑在 Solana 区块链上，保证训练任务的透明性、可追溯性和抗审查性。
Psyche 的核心技术是 DisTrO（Distributed Training Optimizer）——一种极大降低节点间通信带宽需求的分布式训练优化框架，使得通过普通家庭网络参与 GPU 训练成为可能。2025 年 9 月，Psyche 网络完成了 Consilience 40B 的训练——有史以来规模最大的互联网分布式预训练 run。
对于理解 Hermes Agent 的战略意义，Psyche 是关键背景：Nous Research 的终极野心不是做另一个 AI 工具，而是构建一套去中心化、开放的 AI 训练和部署生态。Hermes Agent 是这个生态的"用户侧入口"。
2026 年 2 月 25 日，Hermes Agent v0.1.0 正式开源，GitHub 仓库 NousResearch/hermes-agent 上线，MIT License。
Tagline 只有四个字："The agent that grows with you."
这个定位是刻意的。2026 年初的 AI agent 市场已经很拥挤：OpenClaw 凭借 18.8 万 GitHub stars（2026 年 2 月）成为个人 AI agent 赛道的现象级产品；LangChain、CrewAI 瓜分企业级开发者；AutoGPT 虽然风光不再，但仍有大量用户。
Hermes Agent 不选择正面比拼功能数量，而是押注一个差异化理念：自进化（self-improvement）。其他框架的技能/技巧是人工写死的，Hermes 的技能是 agent 自己生成的，并且会在每次使用中持续打磨。
Hermes Agent 的记忆架构分三层，形成完整的"认知栈"：
第一层：短期上下文（Short-term Context）
- 当前会话的工作记忆
- 上下文压缩和缓存（/compress 命令）
- FTS5 全文搜索 + LLM 摘要实现跨会话召回
第二层：情节记忆（Episodic Memory）
- 过去对话和任务的可搜索数据库
- SQLite 存储，带 Full-Text Search
- LLM 对历史会话的摘要和关键信息提取
第三层：程序记忆（Procedural Memory）
- 技能文档（Skill Documents）：Markdown 格式存储的可复用技巧
- MEMORY.md：环境事实和学到的规律（类似 OpenClaw 的同名文件）
- USER.md：用户偏好、沟通风格、决策模式的持续积累
- Honcho 辩证用户建模：与 Plastic Labs 的 Honcho 集成，构建用户模型
这套三层架构解决了 AI agent 的"失忆症"——大多数 agent 每次对话都从零开始，而 Hermes 记得你是谁、你怎么做事、你喜欢什么风格。
Hermes 的技能系统是其学习循环的核心载体：
SKILL.md 格式）技能文档与 OpenClaw 的 SKILL.md 格式高度相似——这并非巧合，而是刻意的兼容设计，为迁移用户降低心理成本。
核心循环：Observe → Plan → Act → Learn
这个循环是 Hermes Agent 的核心差异点。它让 agent 不仅是执行者，还是学习者。
除了主框架，Nous Research 还发布了独立的 hermes-agent-self-evolution 仓库，使用 DSPy + GEPA（Genetic-Pareto Prompt Evolution）实现更系统性的技能优化：
这相当于一套自动化的 prompt 工程系统，让 Hermes Agent 的技能质量能够脱离人工干预持续提升。Nous Research 把这个命名为 GAPA（Generalized Action and Prompt Adaptation）——比技能更底层的自适应机制。
六种运行后端：
- Local（本地）
- Docker（容器隔离）
- SSH（远程服务器）
- Daytona（serverless 持久化，空闲时休眠）
- Singularity（HPC 环境）
- Modal（serverless，接近零成本）
多平台消息接入（通过单一 gateway 进程）：
- Telegram、Discord、Slack、WhatsApp、Signal、Email、CLI
模型支持：
- 200+ 模型通过 OpenRouter
- 400+ 模型通过 Nous Portal
- 本地端点（Ollama、vLLM、llama.cpp）
- 任意 OpenAI 兼容端点
- 一条命令切换模型，零代码改动
Hermes Agent 的发布节奏令人惊叹。从 2026 年 2 月 25 日 v0.1.0 到 4 月 8 日 v0.8.0，42 天合并了数百个 PR，吸引 242 位贡献者。
关键版本节点：
| 版本 | 日期 | 代号 | 核心内容 |
|---|---|---|---|
| v0.1.0 | 2026-02-25 | 初始版本 | 开源发布，基础学习循环，多平台支持 |
| v0.7.0 | 2026-04-03 | Resilience Release | 可插拔记忆提供商、凭据轮换、Camofox 防检测浏览器、内联 diff、大量稳定性改进 |
| v0.8.0 | 2026-04-08 | The Intelligence Release | 更快技能生成、稳定持久化记忆、实时模型切换、Google AI Studio 集成、后台任务通知、安全加固 |
| v0.9.0 | 2026-04-13 | The Everywhere Release | 暂缺详情 |
v0.8.0 值得单独拿出来说的亮点：
- 修复了一个 O(n²) 正则回溯 bug，大输出处理速度提升 100 倍
- Telegram/Discord 加入交互式模型选择按钮（取代纯命令）
- 危险命令引入 Approval 按钮（Slack/Telegram 直接点击，不用再打 /approve）
- MCP 支持 OAuth 2.1 PKCE，并增加 OSV 漏洞数据库的自动恶意软件扫描
- MiniMax M2.7 合作伙伴关系宣布，成为 Hermes Agent 内部最常用模型之一
| 时间点 | Stars 数量 |
|---|---|
| 2026-02-25（发布当日） | 0 |
| 2026-04-10 | 40,000+ |
| 2026-04-11 | 50,400（单周新增近 20,000） |
| 2026-04-12 | 61,000+ |
| 2026-04-16（本报告发布） | 64,200+ |
0 到 64,000 stars，不到两个月。这个速度在开源 AI 框架历史上属于顶级水平。
驱动增长的关键：开发者迁移浪潮（Developer Migration Wave）。Reddit、X（Twitter）、YouTube 上出现了大量"我从 OpenClaw 换到了 Hermes"的帖子和视频——这背后有两股力量：OpenClaw 的安全危机（下文详述），以及 Hermes 真实可感的差异化价值。
在进行横向比较前，先明确战场。AI agent 框架在 2026 年大致分为两类：
Hermes Agent 的主战场在第一类，但因为其多平台和多模型特性，也在向第二类渗透。
OpenClaw（前身 Clawdbot，2025 年 11 月上线，2026 年 1 月改名）是 Hermes Agent 最直接的竞争对手，也是理解 Hermes 定位的最佳参照。
OpenClaw 的规模：截至 2026 年 4 月，拥有 345,000+ GitHub stars——是 Hermes 的 5 倍多。这说明个人 AI agent 这个品类的市场需求是真实的，OpenClaw 验证并培育了这个市场。
OpenClaw 的优势：
- 更成熟的生态系统（ClawHub 插件市场、大量社区技能）
- 强 Slack/Discord 集成
- 企业级功能和更polish的 UI
- 庞大的用户社区和文档
OpenClaw 的安全危机（2026 年 1-3 月）：
OpenClaw 的成功反而带来了大量的安全攻击面。2026 年间，研究人员和黑客发现并利用了一系列严重漏洞：
严重 CVE（选列）：
ClawHavoc 供应链攻击：
- 黑客在 ClawHub（OpenClaw 的插件市场）上传 341-1184 个恶意"技能"包
- 伪装成加密货币交易机器人、YouTube 摘要工具等
- 恶意代码安装 Atomic macOS Stealer（AMOS）、反向 shell 等，窃取 API key、密码、SSH 密钥、加密钱包
- 一名攻击者单独上传 677 个恶意包
- 20% 的 ClawHub 内容被发现含有恶意软件
曝光规模：
- 超过 40,000 个（一说 135,000+）OpenClaw 实例暴露在公网，默认配置不安全
- 多所大学（包括多伦多大学）发布安全公告
这场安全危机是推动开发者向 Hermes Agent 迁移的最重要外部因素之一。Hermes Agent 的自生成技能机制在架构上天然规避了供应链攻击风险（不依赖外部技能包），截至 2026 年 4 月，零 agent 专项 CVE。
Hermes 的迁移工具：
Nous Research 甚至为此提供了官方迁移命令：hermes claw migrate——可以从 OpenClaw 安装导入设置、记忆、技能和 API 密钥，降低切换摩擦。
功能横比（Hermes vs OpenClaw）：
| 维度 | Hermes Agent | OpenClaw |
|---|---|---|
| 技能系统 | 自生成 + 自进化 + 自优化 | 人工编写，静态技能 |
| 持久记忆 | 三层（短期/情节/程序），跨会话 | 基于会话的记忆 |
| 安全性 | 零 agent CVE（2026-04），自生成技能防供应链攻击 | 11+ CVE，ClawHavoc 攻击 |
| 模型支持 | 200+（OpenRouter）/ 400+（Nous Portal） | 较强但范围更窄 |
| 迁移路径 | 提供官方 hermes claw migrate 工具 | — |
| 生态成熟度 | 快速成长中 | 更成熟（社区、文档、插件） |
| 部署灵活性 | 6种后端（含serverless） | 强托管/云选项 |
| 竞争结论 | 技术领先，生态追赶中 | 生态领先，安全告急 |
LangChain 是 AI agent 框架领域最老牌的玩家之一，2026 年以 LangGraph（基于图的编排层）为核心武器。
LangGraph 的核心价值主张：精确控制。图结构的状态机让开发者能精细管理状态转换、人工介入（human-in-the-loop）和确定性执行。LangSmith 提供生产级监控。
与 Hermes 的本质差异：LangChain 是给开发者用的框架，Hermes 是给用户用的 agent。LangChain 需要大量代码，Hermes 开箱即用。LangChain 适合需要合规性和审计追踪的企业场景，Hermes 适合需要长期自主运行的个人/小团队场景。
开发者选择 LangGraph 的真实理由：
- 生产环境的调试需要精细控制流
- 合规要求需要人工审批节点
- 复杂工作流的状态管理已经用 LangGraph 解决了
- 有成熟的企业支持和文档
开发者不选 LangGraph 的理由：
- 学习曲线陡峭
- 样板代码多
- 不适合"我想要一个能自己学习的助手"这类需求
CrewAI 建立在 LangChain 之上，专注于角色分工的多 agent 协作。核心抽象：把任务分配给有特定角色（Researcher、Writer、Reviewer 等）的 agent 团队。
优势：上手极快，用"组建团队"的直觉来描述工作流，非常符合非技术用户的思维模型。
与 Hermes 的差异：
- CrewAI 更适合"一次性项目"：我需要一个研究员 + 一个撰稿人 + 一个审稿人完成这个报告
- Hermes 更适合"长期助手"：我需要一个持续学习我的工作习惯、越来越懂我的助手
- CrewAI 几乎不关心持久化；Hermes 把持久化放在架构核心
AutoGPT 是自主 agent 的鼻祖，2023 年爆红时曾短暂登上 GitHub 全球趋势榜第一。但到 2026 年，AutoGPT 已经从"开创者"变成了"参照物"。
问题所在：
- 自主任务执行能力强，但没有持久记忆系统
- 多 agent 协作支持有限
- 社区活跃度下滑，更新频率减慢
- 微软 AutoGen 在多 agent 对话场景抢占了它的位置
历史贡献：AutoGPT 证明了"让 AI 自主分解和执行复杂任务"是可行的。Hermes Agent 等后来者站在它的肩膀上。
| 框架 | 核心差异点 | 适合谁 | 最大弱点 |
|---|---|---|---|
| Hermes Agent | 自进化学习循环 + 三层持久记忆 | 个人开发者、研究者、需要长期自主运行的用户 | 生态还在追赶中，初始设置较复杂 |
| OpenClaw | 成熟生态系统 + 大社区 | 需要即插即用、广泛集成的用户 | 严重安全漏洞、供应链风险 |
| LangChain/LangGraph | 精细控制 + 企业级监控 | 需要合规、精确控制复杂流程的企业 | 样板代码多，学习曲线陡 |
| CrewAI | 角色分工 + 快速原型 | 需要快速搭建多 agent 流程的团队 | 不关注持久化和长期学习 |
| AutoGPT | 通用自主任务执行 | 简单自动化实验 | 功能停滞，竞争激烈 |
如果只看时间线：OpenClaw 安全事件（2026 年 1-3 月）→ Hermes Agent 发布（2026 年 2 月）→ 开发者迁移浪潮（2026 年 3-4 月），容易得出"Hermes 是安全恐慌下的受益者"的结论。
但这个判断只对了一半。
真正有意思的是：开发者不是因为 OpenClaw 不好用才离开的，而是因为 Hermes 提供了真正不一样的东西。许多迁移帖子的核心论点是"Hermes 真的会学习，OpenClaw 的技能是人工写的"——这是功能上的差异，不只是安全上的差异。
这意味着 Hermes Agent 的增长具有内生性。安全危机是催化剂，但不是根本原因。即使没有 ClawHavoc，Hermes 的闭环学习机制也会吸引相当规模的开发者——只是速度会慢一些。
结构性判断：Hermes Agent 解决了 AI agent 领域一个真实存在的痛点——"agent 不成长"问题。这个痛点不会因为竞争对手安全了就消失。
从战略视角看 Nous Research 的产品矩阵：
Hermes 模型系列（基础模型，开源）
↕
Psyche 网络（去中心化训练，NOUS 代币激励）
↕
Hermes Agent（应用层，用户入口）
这三层形成了一个自洽的闭环：
1. Psyche 网络训练出更好的开源模型
2. 更好的模型改善 Hermes Agent 的能力
3. Hermes Agent 的大规模使用产生训练数据（batch trajectory generation）
4. 这些数据反哺 Psyche 网络训练下一代模型
Hermes Agent GitHub 页面的技术文档里有一段耐人寻味的描述："Research-ready: Batch trajectory generation, Atropos RL environments, trajectory compression for training the next generation of tool-calling models."
这句话揭示了 Hermes Agent 的隐藏角色：数据飞轮的数据收集端。Hermes Agent 的用户在使用中产生的 agent trajectory，是 Nous Research 训练下一代 tool-calling 模型的原材料。
这让 Hermes Agent 的"免费开源"有了更深的商业逻辑——不是慈善，而是数据采集。这个战略与 Web3/DePIN 的代币激励机制结合，构成了一个极其精密的闭环增长引擎。
Paradigm 领投这笔钱，押注的正是这个完整的飞轮，而不仅仅是 agent 框架本身。
回顾过去两年 AI agent 框架的演进：
Hermes Agent 押注的是第三个维度的竞争。如果一个 agent 框架能真正积累"对这个用户的深度理解"——他们的工作方式、偏好、决策模式——那这个积累本身就构成护城河：用户换框架的成本随时间增加，因为要损失积累的用户模型。
这是 Hermes Agent 的 USER.md + MEMORY.md 架构背后真正的战略意图。
但这个逻辑也有风险：它依赖用户真的长期使用同一个 agent。如果 AI 模型迭代速度超过了用户积累记忆的速度，用户可能每隔半年就换一套"更聪明"的框架，历史记忆的价值就会被稀释。
最重要的不确定性：用户对 AI agent 的粘性是否能达到"换掉它等于失去一个老朋友"的水平？如果能，Hermes Agent（以及采用类似记忆架构的框架）将建立真正难以复制的护城河。如果不能，竞争将持续回到功能比拼。
这是 2026-2027 年 AI agent 赛道最值得观察的问题。
| 维度 | 评分（5分制） | 说明 |
|---|---|---|
| 技术创新性 | ⭐⭐⭐⭐⭐ | 闭环学习机制是真正的结构性创新 |
| 生态成熟度 | ⭐⭐⭐ | 快速增长中，但与 OpenClaw 仍有差距 |
| 安全性 | ⭐⭐⭐⭐⭐ | 架构设计天然防御供应链攻击 |
| 战略深度 | ⭐⭐⭐⭐⭐ | Psyche + Agent + 模型三层飞轮设计精密 |
| 用户体验 | ⭐⭐⭐⭐ | 多平台支持好，初始配置有门槛 |
| 综合 | ⭐⭐⭐⭐ | 技术和战略上的强竞争者，生态尚在建设 |
研究局限性说明：本报告研究时间为 2026 年 4 月，部分信息来自第三方分析和新闻报道，非 Nous Research 官方数据。GitHub stars 数量、版本信息等以搜索时点为准，可能随时更新。Hermes Agent 仍处于快速迭代阶段，部分技术细节（尤其 v0.9.0 相关内容）暂缺详情，已标注。数字生命卡兹克对 Hermes Agent 无任何商业利益关系。
数字生命卡兹克 | 横纵分析法 | 2026年4月16日