拆解最近爆火的Hermes Agent，到底比龙虾强在哪里？

文章主旨：

Hermes Agent 是一个围绕“长期陪伴”重新设计底层架构的开源 AI 框架，通过记忆持久化、技能自动沉淀和可休眠执行后端，让 Agent 具备自我成长能力，但当前版本存在工程债务和生态成熟度不足的权衡。

关键要点：

• 仓库创建于 2025 年 7 月，首个正式 Release（v0.4.0）在 2026 年 3 月，说明前期有大量工程工作。
• 核心架构是 9200 行单体文件 run_agent.py，分为记忆、技能、工具调度三大子系统，模块化程度低但调试简单。
• 记忆系统采用双层策略：MEMORY.md 和 USER.md 文件（冻结快照注入，修改后下个会话生效）+ FTS5 全文检索 + Honcho 辩证式用户建模，实现可积累记忆。
• 技能系统由 Agent 自动沉淀，采用渐进式披露避免上下文爆炸，并兼容 agentskills.io 开放标准。
• 工具调度支持 4 种 API 模式、48 个内置工具、40 个工具集，执行后端包括 Local、Docker、SSH、Daytona、Singularity 和 Modal（支持 serverless 休眠/唤醒）。

内容结构：

纠正时间误解
仓库创建于 2025 年 7 月，首个 Release 在 2026 年 3 月，2 月的传播是社区预热，8 个月工程积累影响后续设计。

核心架构：三大子系统
run_agent.py 9200 行，三层结构（入口层 → Agent 核心 → 存储/执行层），交互逻辑写在一起，工程权衡：调试简单但第三方定制困难。

子系统一：记忆系统
- 两层静态文件：MEMORY.md（~800 tokens）记录环境事实，USER.md（~500 tokens）记录用户偏好；会话中修改立即落盘但冻结注入，下个会话生效以优化 LLM 前缀缓存。
- 第二层 FTS5 全文检索：会话结束后关键内容被摘要压缩存入 SQLite，下次检索历史经验。
- 第三层 Honcho 用户建模：理解用户动机而非简单记录，实现辩证式建模。

子系统二：技能系统
- 技能由 Agent 自动沉淀：完成复杂任务后主动保存流程，无需人工介入。
- 渐进式披露：Level 0 简介，使用具体技能时加载细节，避免上下文爆炸。
- 兼容 agentskills.io 开放标准，可导出给其他 Agent。

子系统三：工具调度
- 支持 4 种 API 模式：chat_completion、codex_response、anthropic、auxiliary_client。
- 工具注册表包含 48 个内置工具、40 个工具集。
- 6 种执行后端，其中 Modal 支持 serverless 休眠/唤醒，从断点恢复，降低使用成本。

对比：Hermes Agent vs OpenClaw vs 其他框架
表格对比了 Stars、语言、记忆持久化、用户建模、技能系统、工具数量、消息平台、执行后端、Serverless、上下文压缩、学习机制、第三方定制、赞助商等维度。Hermes 核心差异化在于内置学习循环。作者比喻：OpenClaw 是九阴真经（招式齐全、生态成熟），Hermes 是九阳神功（内功深厚、自我成长）。Hermes 内置 OpenClaw 迁移工具，切换成本低。

风险点
- 单体文件 9200 行，工程债务高，第三方定制困难。
- 版本稳定性存疑（v0.4.0 发布不到一个月），API 未经生产验证。
- Windows 不支持原生，需 WSL2。
- 团队规模可能较小，持续性和社区生态有待观察。

底层原理总结
三句话：
- 把记忆从一次性消耗品变为可积累资产（FTS5 + Honcho + 双层文件）；
- 把技能从人维护的静态库变为 Agent 动态资产（自动沉淀）；
- 把运行环境从常驻进程变为可休眠的计算资源（Modal 后端）。
这三者组合构成“会成长的 Agent”。

作者结语
项目选择用工程复杂度换长期积累价值，小团队闷头解决真正问题，而非大厂发布 SDK 抢开发者心智。7.5 万 stars 来自用户对“真正记住自己”的认可。

文章总结：

这是一篇深度技术分析，高度认可 Hermes Agent 在记忆持久化、技能自动化和 serverless 执行方面的创新设计，同时坦诚指出其单体工程债务、版本不成熟和生态局限，适合追求长期陪伴型 Agent 的开发者参考，但生产部署需谨慎。

IPD（集成产品开发）模式下的产品研发流程

了解更多

北洛AI

查看原文：拆解最近爆火的Hermes Agent，到底比龙虾强在哪里？

文章来源：

北洛AI

扫码关注公众号