一句话记住:OpenClaw 是养龙虾(🦞),Hermes 是养马(🐴)。龙虾需要你喂,马会自己找草吃,越骑越顺。
一、Hermes 是什么?5岁小孩也能懂
想象你请了一个数字助手:
普通 AI(如 ChatGPT):每次聊天都是新认识,昨天聊的今天就忘
Hermes:越聊越懂你,第10次比第1次好用得多
官方 Slogan:“The Agent That Grows With You”(和你一起成长的 Agent)
核心配方
最低成本:$5/月的云服务器,就能 24 小时在线
GitHub Stars:27,000+(发布两个月)
内置工具:40+
支持平台:12+(Telegram/Discord/Slack/WhatsApp/Signal/微信/iMessage等)
MCP可接入:6,000+ 应用
二、为什么叫"养马"?和"养虾"有什么区别?
养虾(OpenClaw)
你养了一池龙虾
每只龙虾都听你指挥
数量多、好管理
但每只都不认识你,每次都要重新教
养马(Hermes)
你养了一匹马
刚开始不熟悉,跑得不快
骑多了它懂你的习惯、脾气、偏好
第10次比第1次顺多了
关键区别:OpenClaw 是"你喂养它",Hermes 是"它自己学习"
三、Hermes 是怎么"长脑子"的?
学习循环五部曲
干活 → 复盘 → 写手册 → 优化 → 再用
策划记忆:这次任务哪些值得记住?
创建 Skill:发现新套路,写成操作手册
Skill 自改进:老手册不好用,自动打补丁
FTS5 召回:需要时快速找到相关手册
用户建模:越来越懂你的风格
真实例子:写爬虫
第1次:你说"帮我写个爬虫抓标题"
Hermes 写了一个基础版本
风格可能不符合你的习惯
变量命名、错误处理方式都要调整
第10次:你说"抓这个网站的标题"
Hermes 知道你偏好
httpx而不是requests知道你习惯把错误日志写到文件
知道你的项目结构是
src/目录下按模块分知道你讨厌过长的函数
没人教它这些。它是自己学会的。
四、三层记忆:从金鱼到老友
第一层:情景记忆(发生了什么)
存对话记录
用 SQLite + 全文搜索(FTS5)
按需检索:不是每次都加载全部历史
第二层:语义记忆(你是谁)
你的编码偏好
常用工具链
工作时间规律
第三层:程序性记忆(怎么做事)
Skill 文件(markdown 格式)
可编辑、可复用
会自我进化
五、怎么安装?三种方式
方式一:本地安装(5分钟)
# 一键安装 curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash # 配置 hermes setup # 启动 hermes方式二:Docker(干净隔离)
docker pull nousresearch/hermes-agent:latest docker run -v ~/.hermes:/opt/data nousresearch/hermes-agent:latest方式三:$5 VPS 24/7(推荐)
推荐配置:
配置要求:Ubuntu 22.04 LTS,内存 >500MB
六、v0.9.0 新功能:“无处不在版”
2026年4月13日发布,新增:
Termux/Android:手机上跑完整 Hermes
iMessage:苹果用户系统级集成
微信:通过社区扩展接入
Fast Mode:OpenAI/Anthropic 快速响应
后台监控:看有多少子 Agent 在跑
Web 仪表板:localhost 管理界面
设计理念:不是你来我家,是我在你家等你
七、实战场景:Hermes 能帮你做什么?
场景一:个人知识助手(跨会话记忆的威力)
问题:传统 AI 每次对话都从零开始,调研一个话题需要反复解释背景。
Hermes 方案:
假设你在调研 AI Agent 部署方案,持续三周:
第一周:你问了 Docker 部署内存占用、VPS 价格对比、Daytona 免费额度限制
第二周:你直接说"继续看 Serverless 方案"
Hermes 记得你在调研什么
主动提醒:“上周你提到 Daytona 有免费额度限制,要确认最新政策吗?”
不会重新推荐你已排除的方案
第三周:方法论已经沉淀为 Skill
“调研类任务:先列维度→逐个深挖→每轮汇总”
第二个调研项目自动复用
场景二:内容创作(从调研到成稿)
问题:用 AI 写文章不稀奇,但每次都要重新说明风格偏好。
Hermes 方案:
系列选题示例:连续写5篇 AI Agent 文章
风格 Skill 自改进示例:
初始 Skill:
# 写作风格 - 别用"综上所述" - 段落保持3-5行 - 多用"我觉得""其实"这类口语词使用一个月后自动积累:
# 写作风格(已进化) - 别用"综上所述"、"值得注意的是" - 段落保持3-5行 - 多用"我觉得""其实"这类口语词 - 避免用"进行+动词"的句式(把"进行优化"改为"优化一下") - 结尾不要强行升华 - 技术概念首次出现要加一句话解释 - 代码示例控制在15行以内子Agent并行调研:
写一篇 AI Agent 对比文章,同时派出三个子 Agent:
时间对比:
- 线性调研:40分钟
- 并行调研:15分钟
场景三:开发自动化(代码审查到部署)
典型早晨:早上9点打开飞书,收到 Hermes 发的消息:
"昨晚23:17,main分支有PR合并,新增387行代码。审查了一下有两个问题:
- auth模块的token过期逻辑没处理边界情况
- 测试覆盖率从82%掉到76% 详细报告已存到项目Skill里。"
“凌晨2:40,CI流水线跑了一轮回归测试,3个用例失败。 2个是昨天那个PR引入的,1个是已知的flaky test。”
“今天的日报初稿已生成,基于昨天的4个commit和2个PR。需要你确认后发送。”
这不是假想场景。这是 cron调度 + GitHub MCP + 记忆系统的组合效果。
代码审查自动化配置
# 1. 接入GitHub MCP mcp_servers: github: command: "npx" args: ["-y", "@modelcontextprotocol/server-github"] env: GITHUB_PERSONAL_ACCESS_TOKEN: "ghp_xxxxx" allowed_tools: - "list_issues" - "create_issue" - "get_pull_request" # 2. 设置cron调度(用自然语言) # "每6小时检查一次main分支的新PR,做代码审查" # 3. 定义审查标准(存为Skill) # - 函数不超过50行 # - 错误处理必须用自定义类型 # - 所有API端点必须有测试关键差异:
- 传统 lint 规则是静态的
- Hermes 的审查标准是活的——你标记了它没发现的问题,下次就会注意同类模式
场景四:多Agent编排(让三匹马同时跑)
适用场景:任务复杂到单 Agent 上下文不够用,或需要并行加速。
实际案例:竞品分析报告
要写一份 AI 编程工具的竞品分析,覆盖 Claude Code、Cursor、Hermes Agent。
传统做法:一个一个调研,然后手动整合(90分钟)
Hermes 做法:
主Agent 主Agent ↓ ↑ 拆分任务+定义模板 → 并行执行 → 汇总+生成报告并行执行展开:
主Agent定义任务模板:
“请按以下维度调研[产品名]:定位、核心功能、技术架构、定价、社区规模、优缺点。结果用markdown表格输出。”
派出三个子Agent:
- 子Agent A:调研 Claude Code
- 子Agent B:调研 Cursor
- 子Agent C:调研 Hermes
- 每个子Agent只分配 web + browser 两个工具
- 主Agent汇总:整合三份调研结果,生成对比报告
关键设计:
- 独立上下文:子Agent互不干扰
- 受限工具集:最小权限原则
- 并发上限3个:防止主Agent汇总质量下降
八、MCP:连接6000+应用
MCP(Model Context Protocol)让 Hermes 接入:
- GitHub
- 数据库
- Slack
- Jira
- …6000多个服务
配置示例:
mcp_servers: github: command: "npx" args: ["-y", "@modelcontextprotocol/server-github"] env: GITHUB_PERSONAL_ACCESS_TOKEN: "ghp_xxxxx" allowed_tools: # 白名单,最小权限 - "list_issues" - "create_issue" - "get_pull_request"Skill vs MCP
最佳实践:MCP + Skill 组合
- MCP 提供读取 PR 的能力
- Skill 定义你的审查标准
- 两者结合 = 按你的标准自动审查代码
九、对比:Claude Code vs OpenClaw vs Hermes
关键洞察:很多场景不是一个工具就能搞定的。长期内容项目里,Hermes负责每天自动搜集信息、积累记忆,Claude Code负责坐下来把东西写出来。各管一*。
十、什么人适合装 Hermes?
✅ 适合的人
想要后台自主运行的Agent — 不是盯着看,是睡觉也干活
对 Harness Engineering 好奇 — 看方法论产品化后的样子
数据隐私敏感 — 自托管,数据不离开自己服务器
内容创作/知识管理 — 需要积累个人风格的助手
❌ 不适合的人
只想快速验证一次性任务 → ChatGPT/Claude Code 够了
不想折腾配置 → Claude Code/Cursor 订阅更省心
企业合规要完全可审计 → OpenClaw 更透明
十一、避坑清单
第一阶段:基础配置与白名单(打通底层网关)
- 初始化配置向导在服务器终端运行配置命令:
Bash
hermes gateway- 按提示输入飞书的
App ID和App Secret。 - 💣 避坑 1:当问到
Home chat ID时,直接按回车跳过(optional),现在不需要填。 - 💣 避坑 2:当问到后台运行方式时,选
System service(系统服务)。由于权限限制,向导无法直接安装,会退出并提示你手动执行sudo命令。此时先不急着执行,咱们先解决配置问题。
- 开放使用白名单(重要)出于安全限制,网关默认拒绝所有人访问。必须配置白名单,否则机器人收到消息也不回。
- 编辑配置文件:
vi ~/.hermes/.env - 添加或取消注释这一行:
GATEWAY_ALLOW_ALL_USERS=true(允许所有人使用,或者填入具体的白名单 ID)。
第二阶段:飞书后台配置(解决“不理人”和“没输入框”问题)
登录飞书开发者后台(开放平台),找到你的应用:
- 添加必要权限(解决日志报黄字警告)进入“权限管理”,必须添加以下权限(以及你需要的其他读写文档、表格等权限):
application:application:self_manage(必须:用于获取机器人自身身份信息)
- 配置事件订阅(解决找不到机器人、没有对话框的问题)机器人如果没开通“收信”通道,飞书会把它当成单向广播号,直接隐藏底部输入框。
- 进入“事件与回调”。
- 接收方式选择“长连接接收事件”。
- 点击“添加事件”,搜索并添加“接收消息”(
im.message.receive_v1)。
- 发布新版本(千万别忘)
- 💣 避坑 3:飞书的规则是,任何权限和事件的修改,必须去左侧菜单栏的“版本管理与发布”里创建一个新版本并发布。只有发布审核通过后,这些改动才会真正在你的手机和电脑端飞书里生效。
第三阶段:解决环境与依赖冲突(核心踩坑区)
我在这个环节卡了最久。原因在于 Hermes 使用了uv作为高级环境管理工具,导致常规的pip安装和系统的路径识别出现了错乱。
- 补齐缺失的依赖包后台启动时可能会报
ModuleNotFoundError: No module named 'yaml'。
先进入你的项目目录并激活环境:
cd ~/.hermes/hermes-agent source venv/bin/activate使用
uv的方式安装缺失的依赖(不要用普通的 pip):uv pip install PyYAML
第四阶段:注册并启动系统后台服务(终极 Boss)
由于咱们借用了sudo(超级管理员)权限,它找不到你个人目录下的命令,且生成的配置文件很容易被uv带偏。请严格按以下步骤操作。
- 使用绝对路径安装系统服务必须用绝对路径指定
hermes的位置来安装服务:
sudo /home/admin/.hermes/hermes-agent/venv/bin/hermes gateway install --system --run-as-user admin- 暴力修正系统配置(究极避坑)
- 💣 避坑 4:上一步生成的系统配置文件中,启动路径很可能被错误地指向了底层的
uv/python环境,导致服务不断崩溃重启。 - 直接使用命令强行修改底层配置文件,把路径拉回正轨:
sudo sed -i 's|ExecStart=.*|ExecStart=/home/admin/.hermes/hermes-agent/venv/bin/hermes gateway run|' /etc/systemd/system/hermes-gateway.service- 重载、清理并启动服务依次执行以下命令,让系统重新认识修改后的配置,并拉起服务:
# 刷新系统管家配置 sudo systemctl daemon-reload # 清除之前频繁崩溃导致的锁定记录 sudo systemctl reset-failed hermes-gateway # 正式启动服务 sudo systemctl restart hermes-gateway # 查看最终运行状态 sudo systemctl status hermes-gateway✅最终验收:当最后一步执行完,看到日志里出现绿色的active (running),且ExecStart=后面的路径是/home/admin/.hermes/...时,说明底层彻底打通!
此时打开飞书,搜索你的机器人,输入框已经出现,发一句“你好”,它就能正常工作了
上面看是否很复杂:其实不懂也不难,我也是把问题抛给AI一步步解决的
假如你有装过小龙虾也可以从 OpenClaw 迁移
hermes claw migrate可将你的 OpenClaw(或旧版 Clawdbot/Moldbot)配置导入 Hermes。本指南详细介绍迁移内容、配置键的映射关系以及迁移后的验证步骤。
# 预览将执行的操作(不修改任何文件) hermes claw migrate --dry-run # 执行迁移(默认不包含密钥) hermes claw migrate # 完整迁移,包含 API 密钥 hermes claw migrate --preset full 迁移默认从 ~/.openclaw/ 读取配置。如果你仍有旧版 ~/.clawdbot/ 或 ~/.moldbot/ 目录,系统会自动检测。旧版配置文件名(clawdbot.json、moldbot.json)同样支持自动识别。十二、决策框架(截图保存)
□ 只是想快速写代码 → Claude Code
□ 给团队定制Agent,要可审计 → OpenClaw
□ 想要24/7在线的私人助手 → Hermes Agent
□ 长期内容项目,要积累风格 → Hermes + Claude Code
□ 数据不能离开自己服务器 → Hermes(MIT自托管)
□ 企业合规,SOC2/HIPAA → OpenClaw
安装路径(Hermes):
$5/月 VPS(Hetzner/DigitalOcean/Vultr)
curl 一键脚本安装
config.yaml 填 OpenRouter API Key
配 Telegram Bot token
定期审查
~/.hermes/skills/和 persistent memory
说真的,这两年看着身边一个个搞Java、C++、前端、数据、架构的开始卷大模型,挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis,稳稳当当过日子。
结果GPT、DeepSeek火了之后,整条线上的人都开始有点慌了,大家都在想:“我是不是要学大模型,不然这饭碗还能保多久?”
我先给出最直接的答案:一定要把现有的技术和大模型结合起来,而不是抛弃你们现有技术!掌握AI能力的Java工程师比纯Java岗要吃香的多。
即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地!大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇!
这绝非空谈。数据说话
2025年的最后一个月,脉脉高聘发布了《2025年度人才迁徙报告》,披露了2025年前10个月的招聘市场现状。
AI领域的人才需求呈现出极为迫切的“井喷”态势
2025年前10个月,新发AI岗位量同比增长543%,9月单月同比增幅超11倍。同时,在薪资方面,AI领域也显著领先。其中,月薪排名前20的高薪岗位平均月薪均超过6万元,而这些席位大部分被AI研发岗占据。
与此相对应,市场为AI人才支付了显著的溢价:算法工程师中,专攻AIGC方向的岗位平均薪资较普通算法工程师高出近18%;产品经理岗位中,AI方向的产品经理薪资也领先约20%。
当你意识到“技术+AI”是个人突围的最佳路径时,整个就业市场的数据也印证了同一个事实:AI大模型正成为高薪机会的最大源头。
最后
我在一线科技企业深耕十二载,见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事,早已在效率与薪资上形成代际优势,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。
我整理出这套 AI 大模型突围资料包【允许白嫖】:
- ✅从入门到精通的全套视频教程
- ✅AI大模型学习路线图(0基础到项目实战仅需90天)
- ✅大模型书籍与技术文档PDF
- ✅各大厂大模型面试题目详解
- ✅640套AI大模型报告合集
- ✅大模型入门实战训练
这份完整版的大模型 AI 学习和面试资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
①从入门到精通的全套视频教程
包含提示词工程、RAG、Agent等技术点
② AI大模型学习路线图(0基础到项目实战仅需90天)
全过程AI大模型学习路线
③学习电子书籍和技术文档
市面上的大模型书籍确实太多了,这些是我精选出来的
④各大厂大模型面试题目详解
⑤640套AI大模型报告合集
⑥大模型入门实战训练
👉获取方式:
有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓