从OpenClaw到Hermes：当AI Agent开始学会“复盘”

说实话，今年年初那阵子，OpenClaw（龙虾）几乎承包了整个AI圈的注意力。从GitHub爬到了科技媒体、社交网络，最终登上了普通人的电脑桌面。有人专门买Mac mini部署它，有人把它接入各种软件和硬件。聊天机器人之后，AI Agent第一次大规模闯进了普通人的视野。

不过热度这东西来得快去得也快。到现在，OpenClaw的关注度已经明显降温——安装复杂、权限太大、运行不稳定、成本不好控制……这些老问题还在，更麻烦的是，市场上的竞争对手开始变得更强了。Nous Research开发的Hermes（爱马仕），就是其中最亮眼的一个。

图片来源：Hermes

尤其是对比OpenClaw最新的手机端表现。Android版本上线后，初期体验一度评分只有2.2分，而Hermes Agent的最新版本（v0.18.0）却大受好评。MoA多智能体协作、自我验证……功能上的迭代让Hermes的体验大幅提升，甚至有人喊出：Hermes正在杀死开源Agent比赛。

这自然引出一个问题：Hermes做对了什么，才能在OpenClaw的阴影下走出来？对于国产Agent来说，这波迭代又有哪些值得借鉴的地方？

多智能体协作抢风头，「判断」才是真升级

说起来，这次更新传播最广的还是Mixture-of-Agents（MoA多智能体协作）。用户可以创建一组由Claude、GPT、Gemini、Grok等模型组成的“模型委员会”，让它们分别回答同一个问题，再交给另一个模型汇总。Hermes过去就支持类似能力，v0.18.0算是正式上线，用户可以像切换普通模型一样切换到一个MoA组合，还能看到每个参考模型的独立答案，以及最终聚合出来的结论。

图片来源：@ChatGPT

坦白讲，MoA并不新鲜。只要愿意多花Token，借助工作流工具也能搭出类似系统。它确实能增加信息覆盖面，在复杂研究和决策任务里减少单一模型的盲区——但同时，也会让推理时间和API账单一起膨胀。

所以，真正重要的变化，其实藏在另一个核心更新里——Agent的自我验证。

过去用Agent，大概率都遇到过一种让人哭笑不得的场面：你让它修改一段代码，过了一会儿，它告诉你问题已经解决，但真正运行程序，发现构建都没有通过；又或者，你让它整理一份资料，它说已经完整覆盖所有来源，仔细一看，几条关键事实根本没被验证。

不是模型故意撒谎，它只是在根据已有上下文，生成一句最像任务已经完成的话。问题出在：负责执行任务的是它，负责判断任务有没有完成的，还是它。既当运动员，又当裁判，最后自然容易靠感觉交差。

Hermes v0.18.0在验证机制上做了实质性升级：它开始引入基于证据的验证。处理编程任务时，它可以运行测试、检查构建结果和文件状态，再把这些结果作为完成依据。`/goal`也加入了completion contract，用户可以提前写明任务的退出条件，Agent必须达到条件之后才能停止循环。

用大白话说就是：过去的Agent是“我觉得做完了”，现在的Hermes要补上一句——“这是测试结果，这是生成的文件，这是完成条件，所以这件事可以结束了。”

如果你看过之前的报道《全球Agent都在卷的“Loop工程”：AI自己干活、监工和返工》，大概也会看出来，这正是Loop工程的一种典型实践。

目标驱动 Loop，图片来源：Anthropic

LinkedIn上就有人评价，这次Hermes更新真正吸引他的地方，不是让Agent能做更多事情，而是开始提高可靠性。现实工作中最难的部分，从来不只是让Agent写代码或者执行流程，还包括确认任务是否真的完成、结果是否正确，以及之前学到的方法能不能再次复用。

一言以蔽之，Hermes试图解决的是Agent长期缺失的判断力。

Agent要能干好活，必须要学会「复盘」

除了验证机制，v0.18.0还有两项变化得到了不少用户认可：`/learn`和`/journey`。

Hermes一直把“学习循环”挂在嘴边——可以把完成任务时用到的方法整理成Skill，以后遇到类似任务，不用每次从头摸索。不过以前这套学习过程多少有点黑箱：Agent学到了什么、为什么形成这套方法、错误经验有没有被保存下来，用户很难掌握。

现在，用户可以直接用`/learn`让Hermes从一个网页、文件夹或者刚刚完成的工作流中学习，再通过`/journey`查看、修改和删除这些经验。桌面端还增加了记忆图谱，把Agent长期积累的内容可视化出来。

这种能力听起来很像厂商最爱讲的“自我进化”，但实际没那么玄乎。第一次让Agent完成一项复杂任务，你需要告诉它文件在哪里、使用什么工具、按照什么格式输出，还要不断纠正中间的错误。第二次遇到相似工作，它如果能直接复用之前验证过的流程，才算真正省下时间。

相比之下，只会调用工具的Agent更像一个临时工，每次打开都要重新交代背景。能够保存、验证和改进Skill的Agent，才有机会逐渐熟悉用户和工作方式。使用时间越长，它和一个普通聊天机器人的差别就越大。

Hermes 更新记录，图片来源：Github

v0.18.0还加强了后台子Agent。Hermes可以把多个任务分发给不同子Agent并行执行，主对话不必一直卡在那里等待，等任务结束之后，再把结果合并回来。桌面端则增加了项目、终端、代码差异审查和工作树管理，越来越像一个完整的Agent工作台。

这些功能单独拿出来都算不上革命性。Hermes做对的地方，是把它们放进了一个相对完整的工作循环：用户提出目标，Agent拆解和执行任务，后台子Agent分头工作，系统根据证据验证结果，再把有效方法沉淀成Skill。这条闭环，比再接入几十个工具可能都重要。

「龙虾」打开想象力，「爱马仕」解决真问题

OpenClaw和Hermes都属于开源Agent Harness。模型负责思考和生成，Harness则负责工具、记忆、权限、上下文、运行环境和任务循环。换句话说，它们自己并不一定拥有最强模型，价值主要来自如何让模型稳定地完成工作。

OpenClaw年初爆火，抓住的是Agent最有冲击力的一面：它可以常驻在一台电脑上，接入聊天软件、邮件、日历和各种外部服务。用户在微信、飞书、Telegram里发一句话，它就能在另一台机器上打开程序、处理文件或者执行脚本。这种体验很容易让人兴奋——过去只能回答问题的AI，终于伸出了手。

但OpenClaw展示了Agent能做到什么，却没有同时回答另一半问题：怎样保证它每次都做对？

图片来源：@Gemini

当Agent获得文件系统、Shell、浏览器和账户权限，一次错误不再只是生成了一段废话。它可能删错文件、发送错误邮件、执行不安全命令，甚至把来自网页和消息中的恶意指令保存进长期状态。当然，这不是OpenClaw独有的问题。只要一个Agent拥有长期记忆和系统权限，就逃不开安全、验证和控制。Hermes同样如此——`/learn`可以学习正确经验，也可能把过时方法和错误操作沉淀下来；MoA可以提高答案覆盖，也可能只是让几个模型一起犯错。

关键在于，完成条件、验证证据、可编辑的学习记录、后台任务管理、代码差异审查……这些功能看起来没有“让AI自动控制电脑”那么性感，但却能决定一款Agent日常好不好用。

OpenClaw依然挺活跃，新版本也在持续修复插件、配置、消息通道、内存和运行时问题。两者的境遇并不能简单理解成一个赢了、一个输了。更准确的说法是：OpenClaw提前把Agent的想象力推到了所有人面前，而Hermes则开始收拾Agent落地之后留下的那一系列实际问题。

从卷功能到卷质量，这波值得国产Agent学

过去半年，国产Agent的进步很快。但一个明显的趋势是，大家最喜欢比谁做得更多、跑得更远。Hermes v0.18.0向所有人提醒了一件事：Agent的交付质量同样重要。

产品不能只展示任务过程有多复杂，还要让用户看到它调用了哪些来源、执行了哪些验证、为什么判断任务已经完成。失败也不该被藏在一句模糊的总结里，而应该明确告诉用户，卡在哪里、哪些部分没有完成，以及是否需要人工接管。

学习和记忆也需要同样的透明度。不少国产Agent都在宣传“越用越懂你”，但用户很少能够查看它记住了什么，更谈不上修改和删除。长期记忆一旦不可见，它带来的不一定都是便利，也可能是持续累积的误解。

还有多Agent。目前行业很容易把多个Agent同时运行包装成先进生产力，仿佛开得越多，结果就越好。事实上，多Agent首先意味着更高成本、更长链路和更多出错节点。Hermes的MoA有价值，原因不只在于多模型，还在于用户可以看到不同模型的答案和最终汇总过程。可观察、可验证、可干预，比Agent数量更重要。

说到底，国产Agent需要学习的并不是Hermes的某几个命令，更不是赶紧照搬一个MoA入口。真正值得学习的，可能还是产品重心。今天模型已经越来越强，工具也越来越丰富。接下来真正拉开差距的，是谁能让Agent在长任务里保持方向，遇到问题及时停下，完成之后拿出证据，并把这次经验安全地带到下一次任务中。