Hermes Agent 爆火 9 万星：自进化智能体崛起，Agent 架构从“工具编排”走向“技能自生成”

2026 年的 AI Agent 赛道，正在从“能不能用”转向“能否持续进化”。在这一背景下，由 推出的 快速走红，在 GitHub 上拿下 9 万+ Star，成为开发者社区近期最受关注的开源智能体项目之一。

与此前以连接能力见长的 不同，Hermes Agent 并没有把重点放在“接入更多工具”，而是押注一个更底层的问题：如何让 Agent 自己积累能力，而不是每次从零开始调用工具。

导语：Agent 的分水岭，从“调用工具”到“沉淀技能”

过去一年，主流 Agent 框架的核心范式可以概括为：

• LLM 作为 planner
• 工具（tools / APIs）作为执行器
• Memory 作为上下文补充

这类架构本质上是“即时决策系统”：每次任务都依赖当前上下文 + prompt 进行推理。

Hermes Agent 的创新点在于，它引入了一个更接近“经验系统”的机制：Skill（技能）自动生成与持续演化。这让 Agent 不再只是“调用工具”，而是逐步形成可复用的能力库。

技术核心：让 Agent 自己“写规则”的 Skill System

Hermes Agent 的关键设计，是在任务执行完成后，自动生成结构化的 Skill 文档，并以 Markdown 形式持久化存储。

这一机制可以拆解为三个步骤：

1. 任务抽象（Task Abstraction）

在完成复杂任务后，Agent 会对执行过程进行总结，将其抽象为：

• 任务目标（goal）
• 执行步骤（steps）
• 调用工具链（toolchain）
• 关键决策点（decision nodes）

这一步类似于从“运行日志”中提取“可复用模式”。

2. Skill 结构化存储

抽象后的内容会被整理为标准化 Skill 文档，例如：

• 使用 Markdown 格式（便于人类与机器共读）
• 遵循统一 schema（方便检索与匹配）
• 支持版本迭代（skill versioning）

这本质上构建了一个“轻量级知识库 + 行为模板库”。

3. 运行时检索与进化

在后续任务中，Hermes 会：

• 基于语义匹配检索已有 Skill
• 优先复用历史成功路径
• 在执行后对 Skill 进行更新（self-refinement）

这一闭环，使 Agent 从“stateless 推理”转向“stateful 进化”。

对比 OpenClaw：两种 Agent 路径的分化

Hermes 的走红，很大程度上源于它与 OpenClaw 所代表的两种路线形成了鲜明对比：

OpenClaw：连接优先（Integration-first）

• 强调 API 与 SaaS 工具接入
• 覆盖飞书、钉钉、Slack 等办公系统
• 作为“AI 操作系统网关”存在

本质是：让 Agent 成为工作流编排层（orchestration layer）

Hermes：能力优先（Capability-first）

• 强调 Skill 沉淀与复用
• 构建长期记忆与经验系统
• 优先优化单体 Agent 的执行能力

本质是：让 Agent 成为“可成长的软件实体”

这两种路径并不冲突，但在工程复杂度与产品定位上，指向不同的终局。

多模型支持：从“绑定模型”到“调度模型”

Hermes Agent 支持 400+ 模型的接入，这一点在当前生态中具有现实意义。

随着 、以及开源模型（如 Llama 系列）并行发展，单一模型绑定正在成为限制：

• 不同任务需要不同模型（coding / reasoning / retrieval）
• 成本与延迟需要动态权衡
• 私有部署与云 API 混用成为常态

Hermes 的做法更接近“模型调度层”：

• 根据任务类型选择最优模型
• 在 Skill 中记录模型选择策略
• 支持 fallback 与多模型协同

这让 Agent 更像一个“runtime”，而不是单一模型的封装。

成本结构：为什么“低成本”成为关键卖点

Hermes 的另一个亮点是“运行成本极低”。这背后并不是简单的工程优化，而是架构选择的结果：

• Skill 复用降低重复推理成本
• 长期记忆减少上下文长度需求（降低 token 消耗）
• 多模型调度避免过度使用高价模型

从工程角度看，这是一种“用存储换计算”的策略。

在 Agent 逐步走向生产环境时，成本问题将不再是次要因素，而是决定是否可规模化的关键变量。

为什么 Hermes 能在社区爆发？

Hermes 在短时间内获得 9 万+ Star，并非偶然，而是踩中了几个关键节点：

1. Agent 从 Demo 走向实用的临界点

开发者开始真正用 Agent 处理：

• 自动化运营
• 技术任务执行（如部署、调试）
• 行业研究与分析

对“稳定性与可复用性”的需求快速上升。

2. 开源生态对“自进化能力”的渴求

传统 Agent 框架更多依赖：

• Prompt engineering
• 手动编排 workflow

而 Hermes 提供了一种“自动沉淀经验”的路径。

3. Hacker 社区对“极简部署”的偏好

Hermes 支持一行命令启动，并兼容 Linux、MacOS、Windows 甚至 Android，这种“低门槛 + 高能力”的组合极具传播性。

更深层的意义：Agent 正在变成“长期运行的软件体”

Hermes Agent 的出现，实际上标志着一个架构层面的转变：

Agent 不再是一次性执行的脚本，而是持续运行、不断学习的软件实体。

这带来几个值得关注的方向：

• Skill 是否会演化为标准（类似 package / library）
• Agent 之间是否可以共享 Skill（形成生态网络）
• Memory 与 Skill 如何融合（知识 vs 行为）
• 是否会出现“Agent OS”级别的调度系统

结语：从“调用模型”到“训练 Agent”，开发范式正在改变

在大模型浪潮中，开发者的核心工作一直是“如何更好地调用模型”。而随着 Hermes 这类系统出现，一个新的问题正在浮现：

我们是否需要开始“训练 Agent”，而不仅仅是训练模型？

当 Agent 能够自己积累经验、优化策略并持续进化时，软件工程的边界也在被重新定义。

Hermes Agent 的爆火，或许只是这个转变的开始。