AI 领域有个熟悉的模式：一个项目定义了品类，下一波开始探索不同的权衡和方向。

OpenClaw 让"个人自托管 Agent"这个想法变得实用——短时间内就征服了这个空间。现在，轮到被挑战了。Hermes Agent，来自 Nous Research，正在成为第一个真正有力的替代品。

Hermes 核心问题：如何让 Agent 通过使用改进自己？

今天大多数 Agent 有记忆，但没有一个内置机制能把经验自动转化为可复用流程。Hermes Agent 问的是：如果一个本地 Agent 能通过使用改进，而不只是执行任务和存储记忆，会发生什么？

这需要一套相当复杂的技术栈来捕获经验、组织它、并把它转化为 Agent 可复用的行为。

与 OpenClaw 的架构差异

OpenClaw：Gateway 是控制平面——一个拥有 session、路由、工具执行和状态的长驻进程。所有流量都经过它。

Hermes：把 AIAgent loop 本身定义为核心理同步编排引擎，围绕它构建 gateway、cron 调度器、工具运行时、ACP（Agent Communication Protocol）集成、SQLite 持久化 session 和强化学习环境。

换句话说：OpenClaw 围绕中央控制器组织一切；Hermes 把重心放在 Agent 自己的执行循环上——一个可重复的"做-学习-改进"循环，围绕它构建系统。

关键特性

运行不受平台限制：可以在本地终端、VPS、Docker、SSH、serverless 或更大的 GPU 机器上运行。通过 Telegram、Discord、Slack、WhatsApp、Signal 等消息应用交互，或通过 CLI。计算发生在远程，界面保持轻量。

模型无关：可接入 OpenAI、OpenRouter、Kimi Moonshot、MiniMax、GLM、Nous Portal 或自定义端点。模型切换通过配置而非代码完成（hermes model 命令）。

内置 TUI：多行编辑、命令自动补全、对话历史、打断运行中任务、mid-process 重定向、流式工具输出。

核心差异：技能系统

OpenClaw 的 Skills 是可复用的、由人类编写的工作流指令，从 workspace、个人、共享或插件作用域加载。

Hermes 走了不同的路——围绕 self-evaluation 和 self-improvement 构建，技能不只是被调用，而是在使用中积累和自改进。

结论

Hermes 不是没有局限，但它代表了第一代真正挑战 OpenClaw 的本地 Agent 架构——尤其在自改进能力和围绕"做-学习-改进"循环的设计上。如果你在找 OpenClaw 之外的选项，Hermes 值得关注。