研究时间：2026年4月14日 | 所属领域：AI Agent / 自主智能体 | 研究对象类型：开源AI产品
一句话定义
Hermes Agent 是由 Nous Research 开发的开源自主AI智能体，核心差异是内置「闭合学习循环」——能根据执行经验自主创建、提炼、可视化技能（SOP），越用越强，而非静态执行工具。
二、纵向分析：从 Discord 到 42 天 8 个大版本
2.1 起源：web3 圈子的技术宅
Hermes Agent 的故事，要从它的缔造者 Nous Research 说起。
Nous Research 成立于 2023 年，创始人包括：
这是一个从加密圈子成长起来的 AI 实验室。Jeff Quesnelle 曾在以太坊生态深耕 MEV（矿工可提取价值），这个背景塑造了 Nous Research 的某种基因：对效率、博弈、去中心化的敏感。
2022 年，Nous Research 的雏形是一个匿名 Discord 社区，聚集了超过 15,000 名 AI 研究者和开发者。他们没有选择硅谷的融资路线，而是用一种更互联网原生态的方式——Discord 和 Twitter——先建立社区，再做产品。
2.2 模型积累期：55M 下载的底气
在推出 Hermes Agent 之前，Nous Research 用了近三年时间做模型。
他们的 Hermes 系列模型已经累计下载超过 5,500 万次，为超过 120 个移动应用和产品提供 AI 能力。这些模型被广泛用于 X、Telegram、Discord 等社交平台的 AI 机器人，以及游戏环境中的 AI NPC。
关键里程碑：
2023 年：Hermes 1 发布，LLaMA 13B 微调版本，多项基准测试排名第一 2023 年：发布 YaRN 语言模型方法论，被 Meta 和 DeepSeek 的模型引用，109 篇学术论文引用 2024 年：与 OpenAI 联合创始人 Diedrick P. Kingma 合作发布 DeMo 论文 2025 年：Hermes 4 发布，700 亿参数，混合推理能力 2025 年 4 月：宣布 5000 万由 Paradigm 领投，估值 $10 亿（代币估值） 2025 年 12 月：Hermes 4.3 发布，首个完全在 Psyche 网络上训练完成的模型
一个关键决策：Nous Research 选择将 Psyche 网络构建在 Solana 区块链上，作为去中心化 AI 训练基础设施。这个选择后来深刻影响了 Hermes Agent 的设计哲学——去中心化、社区驱动、开放协作。
2.3 诞生时刻：2026 年 2 月 25 日
2026 年 2 月 25 日，Hermes Agent v0.1.0 正式发布。
这是一个精确的时间节点。在此之前，OpenClaw 已经证明了「个人自托管 AI Agent」这个赛道的可行性——它从 2025 年晚些时候起步，仅用 33 天就在 GitHub 上超越了 React 成为历史星标最多的软件项目。
但 OpenClaw 的问题也开始暴露：
安全漏洞：2026 年前 63 天披露了 138 个 CVE，7 个严重（CVSS 9.0+），包括一个无需用户交互即可远程执行代码的高危漏洞（CVE-2026-25253，CVSS 8.8） 恶意 Skill：ClawHub 上 5,700 个 Skill 中，有 1,467 个被 Snyk 团队识别为恶意，包含凭证窃取、加密货币挖矿、持久后门、提示词注入等 默认安全弱：OpenClaw 默认关闭网关认证，63% 的实例在公网上没有任何认证
Hermes Agent 的诞生，正是在这个信任危机的背景下。但它并没有选择「更安全的闭源路线」，而是选择了与 OpenClaw 截然不同的架构哲学。
2.4 快速迭代期：42 天 8 个大版本
从 v0.1.0 到 v0.8.0，Hermes Agent 只用了 42 天。
关键版本记录：
同期对比：OpenClaw 在 33 天内获得了 346,000 颗星，但同一时期也收到了平均每天 2.2 个安全漏洞披露。
这个对比意味深长：两条增长曲线同时上升，但上升的东西完全不同。OpenClaw 的问题是增长越快，积累的技术债越多。Hermes 的策略是用更快的迭代速度换更快的安全问题发现和修复。
2.5 决策逻辑：为什么 Hermes 选择「学习循环」而非「工具箱」？
回溯 Hermes Agent 的每一个关键节点，你能看到一条清晰的决策脉络：
问题 1：OpenClaw 的 Skill 是谁写的？ 答：用户手写的。OpenClaw 本身不生成 Skill，只负责执行和分发。
问题 2：如果 Agent 能自己写 Skill 呢？ 这是 Hermes 的核心赌注。当 Agent 完成一个超过 5 个工具调用步骤的复杂任务后，它会自动将执行经验提炼为可复用的 Skill 文档。这些 Skill 遵循 agentskills.io 开放标准，存储为结构化 Markdown。下次遇到类似任务时，Agent 会自动调用和优化这些 Skill。
问题 3：如何保证 Skill 的质量？ Hermes 每 15 个任务触发一次反思循环，评估哪些 Skill 有效、哪些需要改进——这是一个闭合的学习回路。
这个决策的代价是什么？ Agent 可以修改自己的程序。这意味着你需要更信任这个系统。Nous Research 的回答是：从第一天起就内置安全机制（提示词注入扫描、凭证过滤、容器加固），而不是后期打补丁。
三、横向分析：竞争图谱
3.1 竞品场景判断
AI Agent 这个赛道，已经进入了「多强并存」的时代。按竞品数量，这是一个场景 C：3 个及以上主要竞品。
主要竞品：
OpenClaw：类别创造者，最大生态 Hermes Agent：自改进loop， Nous Research 出品 Claude Code Channels：Anthropic 官方，开发者工作流 IronClaw：企业级安全 NanoClaw：轻量级最低成本 ZeroClaw：隐私优先
我们重点比较 Hermes 和 OpenClaw，因为这是大多数用户面临的核心选择。
3.2 核心差异对比
架构哲学：控制平面 vs. 执行平面
| 核心抽象 | ||
| 语言 | ||
| 状态格式 | ||
| 本地模型 |
OpenClaw 的隐喻是路由器——所有流量都经过它，你来决定谁能访问、什么条件、什么权限。
Hermes 的隐喻是进化系统——它记录每一次成功和失败，然后把自己改得更好。
记忆系统：开放编辑 vs. 自动约束
| 记忆格式 | ||
| 大小限制 | ||
| 搜索方式 | ||
| 特点 |
Hermes 的bounded memory（有限记忆）是设计选择，不是缺陷。它强制 Agent 在记忆满时必须取舍，这防止了记忆通胀和系统提示词膨胀。OpenClaw 的 unbounded 意味着更灵活，但需要人类更主动地管理。
安全架构：默认弱 vs. 默认强
| 默认认证 | ||
| 沙箱隔离 | ||
| CVE记录 |
OpenClaw 的安全模型被安全研究者描述为「弱」，而 Hermes 从第一天起就把安全作为默认值。这不是说 Hermes 更安全——它只是把安全变成了默认状态，而非可选功能。
技能系统：手写 vs. 自动生成
| 技能来源 | ||
| 技能格式 | ||
| 技能数量 | ||
| 自我优化 |
这是两者最核心的差异。OpenClaw 的 Skill 生态是「人来贡献，Agent 执行」。Hermes 是「Agent 贡献，Agent 优化」。
注意：两者Skill格式兼容，意味着你在 OpenClaw 写的 Skill 可以迁移到 Hermes，反之亦然。
部署和执行
| 本地执行 | ||
| Docker | ||
| SSH | ||
| 无服务器 | ||
| 空闲成本 |
Hermes 的无服务器执行后端是一个差异化能力。当 Agent 需要运行脚本、启动容器或执行批处理时，它可以将工作负载路由到按需启动的云环境，休眠时不收费。
3.3 生态位分析
OpenClaw：占据「最大生态位」——22个消息频道、5,700+ Skill、经过最多实际使用验证。但安全危机正在侵蚀信任基础。
Hermes Agent：占据「自改进位」——唯一一个内置学习循环的通用Agent。42天8个大版本的迭代速度证明了社区参与度（1:111 的贡献者/星标比）。
两者关系：不是零和竞争。OpenClaw 和 Hermes 都已支持 OGP（Open Gateway Protocol），一个联邦协议，允许两个不同框架的Agent互相发送加密验证消息、协作项目、跨框架委托任务。
这意味着：你可以同时用两个。用 OpenClaw 做网关控制和多Agent路由，用 Hermes 做它的学习循环，然后让它们互相通信。
3.4 用户口碑
从 OpenClaw 迁移到 Hermes 的用户普遍反馈：
「Hermes 是唯一一个有内置学习循环的 Agent」 「我给 Hermes 的每个技能分配不同的模型——本地 Llama 做简单任务」 「迁移工具（hermes claw migrate）很香，导入一切」 「但切换后有点迷茫——不知道该选什么模型供应商」
核心抱怨：
文档仍然不够完善（v0.8.0还在快速迭代） 某些地区消息平台支持不如 OpenClaw（没有 iMessage、IRC、LINE） 预 1.0 版本，可能有 breaking changes
四、横纵交汇洞察
4.1 历史如何塑造了当下的竞争位置
Hermes 今天的每个特点，都能从它的历史中找到根源：
web3 背景 → 去中心化思维 Jeff Quesnelle 的 Ethereum MEV 背景，让 Nous Research 从一开始就不相信「中心化训练=唯一答案」。他们的 Psyche 网络用 Solana 做协调层，DisTrO 技术让去中心化 GPU 训练成为可能。这解释了为什么 Hermes Agent 天然支持多后端部署（本地、Docker、SSH、无服务器），而不是锁定在某个特定环境。
55M 模型下载 → 内置47个工具的底气 没有模型能力积累，就不会有 Hermes Agent。Hermes 模型系列验证了「开源模型可以做到闭源水平」，这让 Hermes Agent 在工具调用、推理能力上有了扎实的基础。
安全危机 → 安全默认 OpenClaw 的 138 个 CVE 是 Hermes 最好的广告。Nous Research 看着 OpenClaw 的安全问题，决定从第一天起就把安全做成默认值，而不是可选功能。这不是一个技术决策，是一个定位决策——Hermes 要做「企业可用的开源 Agent」。
4.2 OpenClaw 的「好决策」如何变成今天的包袱
OpenClaw 的 skill 生态是它最大的优势，也是它最大的问题。
当 ClawHub 上的 skill 数量突破 5,700 时，平台不得不面对一个现实：没有足够的审核能力来保证质量。1,467 个恶意 skill 被 Snyk 发现，其中 91% 混合了提示词注入和传统恶意软件技术。这是一个「先增长，后治理」模式的失败。
OpenClaw 的另一个历史包袱：创始人 Peter Steinberger 在 2026 年 2 月宣布加入 OpenAI，OpenClaw 移交给开源基金会。这个时间点恰好是 Hermes Agent v0.1.0 发布的前后。领导力过渡带来的不确定性，是 Hermes 加速渗透的真实背景。
4.3 未来推演
最可能的剧本：Hermes 和 OpenClaw 长期共存，分别占据「自改进」和「最大生态」两个生态位。OGP 协议让两者的互通成为常态，用户根据场景选择工具，框架选择变得透明。
最危险的剧本：Hermes 的预 1.0 状态和高迭代速度带来频繁的 breaking changes，社区在等待 1.0 的过程中转向更稳定的替代品，错过了增长窗口期。
最乐观的剧本：Hermes 的学习循环证明了「会成长的 Agent」比「静态 Agent」价值高一个数量级，1.0 发布后企业大规模采用， Nous Research 成为开源 AI Agent 基础设施的标准制定者。
五、信息来源
RootData - "Starting from the cryptocurrency world, what makes Hermes Agent the biggest challenger to OpenClaw?" (https://www.rootdata.com/news/604117) The Block - "Paradigm leads $50 million Series A round for decentralized AI project Nous Research" (https://www.theblock.co/post/352000) Radical Data Science - "Open-source AI Lab Raises $65M; Launches Decentralized Training Network" (https://radicaldatascience.wordpress.com/2025/04/25/) Turing Post - "AI 101: Hermes Agent – OpenClaw's Rival? Differences and Best Use Cases" (https://turingpost.substack.com/p/ai-101-hermes-agent-openclaws-rival) Trilogy AI - "Technical Deep Dive: Hermes vs. OpenClaw" (https://trilogyai.substack.com/p/technical-deep-dive-hermes-vs-openclaw) Lushbinary - "Best Self-Hosted AI Agents 2026: Full Comparison Guide" (https://lushbinary.com/blog/best-self-hosted-ai-agents-hermes-openclaw-ironclaw-compared/) Nous Research Official - Hermes Agent Documentation (https://hermes-agent.nousresearch.com/docs/) Laika Labs - "NousResearch Hermes Agent Self-Improving AI Deep Research 2026" (https://laikalabs.ai/news/) LinkedIn - Craig Hewitt "I've been using the Hermes Agent for a month" (https://www.linkedin.com/posts/craig-hewitt-78386a66) DataCamp - "Nous Research Hermes Agent: Setup and Tutorial Guide" (https://www.datacamp.com/tutorial/hermes-agent)
本报告使用横纵分析法（Horizontal-Vertical Analysis）生成，方法论由数字生命卡兹克（Khazix）提出，融合索绪尔的历时-共时分析、社会科学纵向-横截面研究设计、商学院案例研究法与竞争战略分析的核心思想。
特别声明?：
? 本文内容乃是依据公开信息悉心整理而成?，纯粹属于知识分享?，绝然不构成投资建议抑或任何承诺❌！
? 文中所提及的个股、基金、项目仅作案例剖析之用?，绝无推荐买入或卖出之意?！
? 市场蕴含风险?，投资务必谨慎?。在作出决策之前，务必结合自身风险承受能力进行审慎判断?！
? 过往业绩无法代表未来表现?，产品运作极有可能受到政策、市场等诸多因素的影响?！
? 倘若需要专业投资顾问服务，必须通过官方渠道预约持牌机构进行咨询?！
