今年年初，OpenClaw（龙虾）几乎承包了整个 AI 圈的注意力，从 GitHub 一路爬到科技媒体、社交网络和普通人的电脑桌面上，有人专门买 Mac mini 部署 OpenClaw，有人把它接入各种软件和硬件。

聊天机器人之后，AI Agent 开始大规模闯进普通人的视野。

不过到了今天，OpenClaw 关注度已经淡了不少，不仅是安装复杂、权限太大、运行不稳定、成本不好控制等老问题，更麻烦的是竞争对手更出色，Nous Research 开发的 Hermes（爱马仕）就是其中最强的竞品。

图片来源：Hermes

尤其对比 OpenClaw 最近推出的官方手机端初期体验有点糟糕，Android 版本上线后一度评分只有 2.2 分，Hermes Agent 最新版本（v0.18.0）却可以说是大受好评，MoA 多智能体协作、自我验证……都让 Hermes 的体验更上一层楼，甚至有人喊出了：

Hermes 正在杀死开源 Agent 比赛。

所以 Hermes 做对了什么才能在 OpenClaw 的阴影下走出？对于国产 Agent 又有哪些可以借鉴的地方？

多智能体协作抢风头，「判断」才是真升级

事实上，这次更新传播最广的还是 Mixture-of-Agents（MoA 多智能体协作），用户可以创建一组由 Claude、GPT、Gemini、Grok 等模型组成的「模型委员会」，让它们分别回答同一个问题，再交给另一个模型汇总。

Hermes 过去已经支持了类似能力，v0.18.0 算是正式版，可以像切换普通模型一样切换到一个 MoA 组合，还能看到每个参考模型的独立答案，以及最终聚合起来生成的结论。

图片来源：雷科技@ChatGPT

但坦白讲，MoA 并不新鲜。只要愿意多花 Token，借助工作流工具也能搭出类似系统。它确实能增加信息覆盖面，在复杂研究和决策任务里减少单一模型的盲区，但同时也会让推理时间和 API 账单一起膨胀。

真正重要的变化，其实在于 Hermes 这次更新的另一个核心—— Agent 自我验证。

过去用 Agent，可能都会遇到一种让人哭笑不得的情况：你让它修改一段代码，过了一会儿，它告诉你问题已经解决，但真正运行程序，发现构建都没有通过；又或者你让它整理一份资料，它说已经完整覆盖所有来源，仔细一看，几条关键事实根本没有验证。

模型并非故意撒谎，它只是在根据已有上下文，生成一句最像任务已经完成的话。问题是，负责执行任务的是它，负责判断任务有没有完成的还是它。既当运动员，又当裁判，最后自然容易靠感觉交差。

Hermes v0.18.0 增加了基于证据的验证机制。处理编程任务时，它可以运行测试、检查构建结果和文件状态，再把这些结果作为完成依据。`/goal` 也加入了 completion contract，用户可以提前写明任务的退出条件，Agent 达到条件之后才能停止循环。

通俗点讲，过去的 Agent 是说「我觉得做完了」，现在的 Hermes 要补上一句：「这是测试结果，这是生成的文件，这是完成条件，所以这件事可以结束了。」

如果你看过雷科技之前写的报道《全球Agent都在卷的「Loop工程」：AI自己干活、监工和返工》，大概也会看出来这就是 Loop 工程的一种。

目标驱动 Loop，图片来源：Anthropic

LinkedIn 上就有人评价，这次 Hermes 更新吸引他的地方，并非让 Agent 能做更多事情，而是开始提高可靠性。现实工作最难的部分，从来不只是让 Agent 写代码或者执行流程，还包括确认任务是否真的完成、结果是否正确，以及之前学到的方法能不能再次复用。

一言以蔽之，Hermes 试图解决的正是 Agent 长期以来缺少的判断力。

Agent 要能干好活，必须要学会「复盘」

除了验证机制，v0.18.0 还有两项变化得到了不少用户认可：`/learn` 和 `/journey`。

Hermes 一直强调自己拥有学习循环，可以把完成任务时用到的方法整理成 Skill，以后遇到类似任务，不用每次从头摸索。不过以前这套学习过程多少有点黑箱—— Agent 学到了什么、为什么形成这套方法、错误经验有没有被保存下来，用户很难掌握。

现在，用户可以直接用 `/learn` 让 Hermes 从一个网页、文件夹或者刚刚完成的工作流中学习，再通过 `/journey` 查看、修改和删除这些经验。桌面端还增加了记忆图谱，把 Agent 长期积累的内容可视化出来。

这类能力听起来很像厂商最爱讲的「自我进化」，不过实际没那么玄乎。

第一次让 Agent 完成一项复杂任务，你需要告诉它文件在哪里、使用什么工具、按照什么格式输出，还要不断纠正中间的错误。第二次遇到相似工作，它如果能直接复用之前验证过的流程，才算真正省下时间。

相比只会调用工具的 Agent，更像一个临时工，每次打开都要重新交代背景。能够保存、验证和改进 Skill 的 Agent，才有机会逐渐熟悉用户和工作方式。使用时间越长，它和一个普通聊天机器人的差别就越大。

Hermes 更新记录，图片来源：Github

v0.18.0 还加强了后台子 Agent。Hermes 可以把多个任务分发给不同子 Agent 并行执行，主对话不必一直卡在那里等待，等任务结束之后，再把结果合并回来。

此外，桌面端则增加了项目、终端、代码差异审查和工作树管理，越来越像一个完整的 Agent 工作台。

这些功能单独拿出来都算不上革命性，Hermes 做对的地方，是把它们放进了一个相对完整的工作循环：用户提出目标，Agent 拆解和执行任务，后台子 Agent 分头工作，系统根据证据验证结果，再把有效方法沉淀成 Skill。

这条闭环，比再接入几十个工具可能都重要。

「龙虾」打开想象力，「爱马仕」解决真问题

OpenClaw 和 Hermes 都属于开源 Agent Harness。模型负责思考和生成，Harness 则负责工具、记忆、权限、上下文、运行环境和任务循环。换句话说，它们自己并不一定拥有最强模型，价值主要来自如何让模型稳定地完成工作。

OpenClaw 年初爆火，抓住的是 Agent 最有冲击力的一面。它可以常驻在一台电脑上，接入聊天软件、邮件、日历和各种外部服务。用户在微信、飞书、Telegram 里发一句话，它就能在另一台机器上打开程序、处理文件或者执行脚本。

这种体验很容易让人兴奋，因为过去只能回答问题的 AI，终于伸出了手。但 OpenClaw 展示了 Agent 能做到什么，却没有同时回答另一半问题：怎样保证它每次都做对？

图片来源：雷科技@Gemini

当 Agent 获得文件系统、Shell、浏览器和账户权限，一次错误不再只是生成了一段废话。它可能删错文件、发送错误邮件、执行不安全命令，甚至把来自网页和消息中的恶意指令保存进长期状态。

当然，这不是 OpenClaw 独有的问题。只要一个 Agent 拥有长期记忆和系统权限，就逃不开安全、验证和控制。Hermes 同样如此。`/learn` 可以学习正确经验，也可能把过时方法和错误操作沉淀下来；MoA 可以提高答案覆盖，也可能只是让几个模型一起犯错。

更重要的是完成条件、验证证据、可编辑的学习记录、后台任务管理、代码差异审查，这些功能看起来没有「让 AI 自动控制电脑」那么性感，但却能决定了一款 Agent 日常好不好用。

OpenClaw 依然挺活跃，新版本也在持续修复插件、配置、消息通道、内存和运行时问题，所以两者的境遇并不能简单理解成一个赢了、一个输了。更准确地说，OpenClaw 提前把 Agent 的想象力推到了所有人面前，Hermes 则开始收拾 Agent 落地之后留下的一系列问题。

从卷功能到卷质量，这波值得国产 Agent 学

过去半年，国产 Agent 的进步很快。但国产 Agent 现在最喜欢比谁做得更多、跑得更远。Hermes v0.18.0 则提醒所有人：Agent 的交付质量很重要。

产品不能只展示任务过程有多复杂，还要让用户看到它调用了哪些来源、执行了哪些验证、为什么判断任务已经完成。失败也不该被藏在一句模糊的总结里，而应该明确告诉用户，卡在哪里、哪些部分没有完成，以及是否需要人工接管。

学习和记忆也需要同样的透明度。不少国产 Agent 都在宣传「越用越懂你」，但用户很少能够查看它记住了什么，更谈不上修改和删除。长期记忆一旦不可见，它带来的不一定都是便利，也可能是持续累积的误解。

还有多 Agent。目前行业很容易把多个 Agent 同时运行包装成先进生产力，仿佛开得越多，结果就越好。事实上，多 Agent 首先意味着更高成本、更长链路和更多出错节点。Hermes 的 MoA 有价值，原因不只在于多模型，还在于用户可以看到不同模型的答案和最终汇总过程。

可观察、可验证、可干预，比 Agent 数量更重要。

说到底，国产 Agent 需要学习的并不是 Hermes 的某几个命令，更不是赶紧照搬一个 MoA 入口，真正值得学习的可能还是产品重心。

今天模型已经越来越强，工具也越来越丰富。接下来真正拉开差距的，是谁能让 Agent 在长任务里保持方向，遇到问题及时停下，完成之后拿出证据，并把这次经验安全地带到下一次任务里。