Hermes Agent 两周内从 6 万 Star 冲到 8.9 万，腾讯 QQ 原生接入，阿里云一键部署，社区叙事已经统一成了"爱马仕全面超越龙虾"。
我不打算再写一篇参数对比文。
我从 2026 年初开始深度使用 OpenClaw，用它搭了一套完整的自动化工作流——信息聚合、多源交叉验证、定时任务调度、消息推送——每天 10 点自动执行，已经稳定运行了三个月。
这篇文章从真实使用体感出发，聊几个网上对比文没怎么提的事。
Hermes 火在哪，先说清楚
Hermes Agent 由硅谷 AI 实验室 Nous Research 开发（融资 5000 万美元），2026 年 2 月开源，MIT 协议。
它最大的卖点是一个词：自进化。
具体来说，Hermes 内置了"执行→评估→创建→改进"的闭环学习循环。你给它一个任务，它完成后会自动从经验中提炼可复用的 Skill，存到本地技能库。下次遇到类似任务，直接调用已有 Skill，还能根据新的执行结果自我优化。
三层记忆架构是它另一个标签：会话记忆（SQLite + FTS5 全文索引）、知识记忆（结构化长期存储）、技能记忆（自动生成的 Skill 文件）。渐进式加载，即使技能积累到 200 个，上下文占用几乎不变。
15+ 消息平台接入、模型无关（支持 OpenRouter 200+ 模型）、Docker/SSH/Daytona 多种执行环境。这些能力，和 OpenClaw 高度重合——定时调度、子 Agent 委派、浏览器自动化、TTS、Vision，两边全都有。
翻遍两边的功能清单，唯一的硬核差异，就落在"Skill 能不能自己长大"这一件事上。
但这件事，已经卷入了一场抄袭争议
在聊技术判断之前，有一件事绕不开。
4 月 15 日，中国 AI 团队 EvoMap 公开指控 Hermes Agent 核心自进化架构抄袭其 Evolver 引擎。
EvoMap 不到 20 人的深圳团队，2026 年 2 月 1 日开源了 Evolver（GEP 协议约束进化引擎），GitHub 1800+ Star。核心创新是一套协议驱动的自进化框架：运行时历史分析、基因（Gene）与胶囊（Capsule）匹配、GEP 协议生成进化指令、隔离沙箱安全执行。
EvoMap 给出的证据链条相当扎实：
时间线上，Evolver 2 月 1 日开源并公开 GEP 核心设计，2 月 16 日完整披露进化主循环与三级记忆体系。Hermes Agent 2 月 25 日发布 v0.1.0（基础版本），3 月 9 日创建自进化独立仓库，3 月 12 日 v0.2.0 推出完整自进化功能。从核心架构公开到 Hermes 对应功能上线，时间差仅 24 至 39 天。
架构层面，Evolver 的 10 步进化主循环与 Hermes 的 10 步执行流程一一对应。存在 12 组核心术语的系统性替换：Evolver 的 Gene 对应 Hermes 的 SKILL.md，Capsule 对应技能执行记录，solidify 对应 skill_manage(create)。三层存储结构（事实记忆 + 过程记忆 + 搜索记忆）高度同构。在 Hermes 全部 7 份公开材料中，对 Evolver 与 GEP 协议零引用、零致谢、零归属。
Hermes 方两次回应：第一次，官方账号称仓库 2025 年 7 月已创建，自诩先驱，要求 EvoMap "删除账号"，随后删帖拉黑。第二次，联合创始人 Teknium 表示"我这辈子从来没听说过这个人"，"这是谎言"。
EvoMap 反驳：仓库虽早建立，但长期私有，被质疑的自进化能力直到 Evolver 开源后才完整推出。底层依赖 GEPA（优化算法）与 GEP（进化协议）是两个东西，不能解释上层架构、循环流程、记忆体系的高度重合。
这件事的最终走向还无法判断。但从 EvoMap 公布的 GitHub 时间戳、源码结构、术语对照表来看，"英雄所见略同"这个说法很难成立。
EvoMap 创始人张昊阳最后说："我们把底牌都摆在了桌面上。但现实给我们上了一课。"Evolver 核心模块已改为混淆发布，协议从 MIT 变更为 GPL-3.0。
一个深度用户的真实体感
争议归争议，技术判断要分开谈。以下是我用 OpenClaw 三个月后，对"自进化"这个概念的真实看法。
1. "自进化"解决的不是大多数人的核心问题
我用 OpenClaw 搭建了多套自动化工作流，每天执行的任务是固定的：抓取信息源 → 分类整理 → 交叉验证 → 格式化输出 → 定时推送。这些流程跑了三个月，稳定可靠。
我需要它"进化"吗？不需要。我需要的是它每天稳定执行，不出错、不跑偏、不死循环。所谓"越用越聪明"，在我的场景里，远不如"越用越稳定"有价值。
大多数 Agent 的实际使用场景都是执行导向的：定时任务、邮件处理、文件整理、数据同步、内容生成。这些场景的共同特征是——流程确定、标准清晰、追求的是可靠执行而非渐进优化。
Hermes 的自进化更像是一个"加分项"，而非"必需品"。它能锦上添花，但不是核心卖点。
2. 自动生成的 Skill，不如人工定制的精确
Hermes 的闭环学习会在任务执行后自动生成 Skill 文件。这个思路有启发性，但有一个现实问题：自动生成的 Skill 质量不可控。
OpenClaw 的 Skill 是开发者（或用户）基于具体场景精心设计的。以我自己为例，我定制的信息聚合 Skill，经过了多轮调优——多源去重、关键词匹配、优先级排序、格式化输出。每一项都是根据实际需求反复调出来的。
让 Agent 自己"总结"出这样的 Skill？至少在当前 LLM 的能力下，自动生成的深度和精确度远不如人工打磨。
3. "越用越聪明"需要高质量交互密度
自进化的前提，是 Agent 有足够多的高质量交互作为学习素材。冷启动阶段，你没有历史经验、没有积累的 Skill，Hermes 和一个普通 Agent 没什么区别。
而 OpenClaw 的 Skill 生态有 3000+ 第三方插件（ClawHub 市场），开箱即用。一个新用户第一天上手，就能装一堆现成的 Skill 开始干活。这个冷启动体验，Hermes 目前比不了。
AI Agent 的两条路：工具 vs 员工
说到底，Hermes 和 OpenClaw 的根本差异不在功能列表，在于设计哲学。
OpenClaw 是工具：你定义规则、安装 Skill、配置流程，它按你的设定忠实执行。你完全掌控。像一把瑞士军刀，你负责选择刀头，它负责干活。
Hermes 是员工：你给它任务，它执行后会自己复盘、总结经验、沉淀 Skill。理论上，它应该越干越好。像一个实习生，需要磨合期，但磨合过后能独当一面。
短期来看，"员工"的概念更性感，能讲更好的融资故事。8.9 万 Star 的增速说明市场买单了这个叙事。
长期来看，"工具"的生态护城河更深。354k Star 不是白来的——50+ 消息平台接入、3000+ Skill 插件、完整的开发者工具链，这些都是时间沉淀出来的。Hermes 目前只有一个核心差异化（自进化），而 OpenClaw 的护城河是厚度。
我的判断：这两个项目大概率不是替代关系，而是互补关系。OpenClaw 做调度和生态层（像操作系统），自进化能力作为可选模块嵌入（像 AI 加速引擎）。最终形态可能是融合而非对立。
一个冷启动期运营者的真心话
回到现实。我运营着一个 AI 赛道的公众号，日常工作中有大量信息需要跟踪和整理，OpenClaw 帮我扛下了这部分工作量。它不完美——上下文膨胀、Skill 维护成本、模型调优的琐碎——但它能干活，而且稳定。
Hermes 我还没深度用过，所以不做全面评价。但仅从"自进化"这个卖点来看，我觉得它被过度营销了。
如果你是一个 AI 从业者，正在考虑选哪个 Agent 框架，我的建议很简单：
重复性流程、确定性的自动化任务 → OpenClaw。 生态成熟、稳定可靠、即装即用。
个性化长期陪伴、需要 Agent 逐步理解你的场景 → 值得关注 Hermes。 但目前还在早期，建议观望。
不要因为谁 Star 多就选谁。要看谁更符合你的实际场景。
这也是这篇文章想说的：工具好不好用，不是看概念有多性感，而是看你自己的场景有多具体。
