Nous Research推出的开源 AI 框架 Hermes Agent，把不少用户对 Openclaw 的核心抱怨直接摆上台面：跨会话记忆需要手动配置，代理常在新一轮任务开始时“忘记”此前上下文。Hermes 试图解决的正是这个缺口。项目采用 MIT 许可，于 2026 年 2 月发布，数周内拿到 2.2 万个 GitHub 星标和 242 名贡献者。
闭环学习是Hermes的核心设计
Hermes Agent 的运行逻辑围绕 Nous Research 所说的“闭环学习”展开。代理完成任务后，会把流程写成可复用的 Markdown 技能文件，把结果存入持久记忆，并为下次遇到类似问题调整处理方式。整个过程不依赖 YAML，也不需要用户手动配置；系统内部使用 SQLite 全文检索和 大语言模型摘要来管理记忆与调用。
这套机制让 Hermes 能在不同会话、平台和设备之间保留上下文。它还能扫描提示注入风险，逐步构建用户画像。一次研究任务完成后，系统不仅保存结果，还会把执行过程转成技能，后续再碰到相近任务时，执行速度会更快。
与Openclaw的分工并非替代关系
素材提到，Openclaw 在 2026 年初走红，凭借对 Whatsapp、Telegram、Slack、Signal、Discord 和 iMessage等聊天应用的连接能力，以及邮件管理、浏览器自动化、Shell 命令和定时任务执行能力，吸引了大量开发者。它的 Clawhub 技能市场也较大，社区活跃。
但公开讨论中，用户反复提到的限制在于：会话之间的记忆延续并非默认可用，往往需要手动搭建。Hermes 就是在这个位置切入。Reddit、YouTube 和 X 上的社区观点并不把 Hermes 看作 Openclaw 的替代品，更多人将两者视为互补：Openclaw偏向多渠道编排、团队工作流和生态深度，Hermes则负责持久记忆、自生成技能、模型推理和长周期任务。常见的使用方式，是让 Hermes 作为高层规划器，调用 Openclaw 的工具层。
支持200多种模型，迁移成本被压低
Hermes 的安装方式被描述为单条命令完成。对于已经在使用 Openclaw 的用户，内置迁移路径可通过 hermes claw migrate 导入已有技能、记忆和设置，切换成本较低。文章称，已有不少用户采用这种方式迁移。
在模型和工具支持方面，Hermes 可通过 Nous Portal、Openrouter、兼容 OpenAI 的端点以及本地 Ollama接入 200 多种模型；内置 40 多个工具，覆盖终端访问、文件操作、浏览器自动化、代码执行、图像生成和自然语言日程安排。部署环境也比较宽，支持 5 美元 VPS、本地设备、Docker 和 SSH。
安全加固集中出现在v0.5版本
Nous Research 在 v0.5中把安全作为重点，并将其称为一次“加固版”更新。该版本合并了 200 多个 pull request，修复了 LiteLLM 凭证暴露问题，加入路径遍历修复，并改进容器安全。内置防护包括命令审批流程、危险模式拦截，以及对记忆内容的注入扫描。素材同时提到，公开记录中暂无大范围安全事故报告。
项目仍在持续更新。由联合创始人兼 CEO Jeffrey Quesnelle领导的 Nous Research，长期聚焦开源模型开发和强化学习。Quesnelle 曾展示 Hermes 在多轮迭代会话中自主完成一部 7.9 万字小说。到 2026 年 3 月下旬，Hermes v0.6.0已上线，新增 MCP 支持和类型化 SDK 工作流，代码仓库更新节奏依旧很快。