Hermes Agent 登顶 OpenRouter 调用量第一

一、事件背景：里程碑式的超越

2026 年 5 月，一个标志性事件震动了 AI Agent 领域： Hermes Agent 正式超越 OpenClaw，成为 OpenRouter 全球 Token 调用量排名第一的 AI Agent。 | 指标 | Hermes Agent | OpenClaw | |------|-------------|----------| | 日 Token 调用量 | 2710 亿 | 2450 亿 | | GitHub Stars | 11 万+（10 周增长） | 34.6 万 | | 核心优势 | 自我进化 + 记忆持久化 | 平台覆盖广度 | | 安全记录 | 零 CVE | 多次严重漏洞 | 这次超越的意义远超数字本身——它代表着 AI Agent 赛道正在发生的范式转变：从「工具堆砌」走向「持续学习」，从「静态配置」走向「动态进化」。

二、核心技术架构

2.1 三层记忆架构

Hermes Agent 的核心创新在于其三层记忆架构，这是实现「越用越聪明」的技术基础： ``


┌─────────────────────────────────────────────────────────────┐
│                    HERMES MEMORY SYSTEM                      │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  ┌─────────────┐    ┌─────────────┐    ┌─────────────┐      │
│  │ WORKING     │    │ EPISODIC   │    │ PROCEDURAL  │      │
│  │ MEMORY      │───▶│ MEMORY     │───▶│ MEMORY      │      │
│  │ (工作记忆)   │    │ (情节记忆)   │    │ (程序记忆)   │      │
│  └─────────────┘    └─────────────┘    └─────────────┘      │
│        │                  │                  │              │
│        ▼                  ▼                  ▼              │
│  • 当前会话上下文    • 跨会话经验       • 技能/工作流         │
│  • 实时任务状态      • 用户偏好沉淀     • 模式识别            │
│  • 工具调用历史      • 决策轨迹记录     • 最佳实践            │
│                                                             │
│  ⚡ 检索延迟: ~10ms（管理上万份 Skill 文档）                  │
└─────────────────────────────────────────────────────────────┘



各层职责详解

| 记忆层 | 存储内容 | 生命周期 | 容量 | 检索方式 |
|--------|---------|---------|------|---------|
| Working Memory | 当前会话上下文、工具调用栈 | 会话内 | 上下文窗口 | 直接访问 |
| Episodic Memory | 历史交互摘要、用户反馈、成功案例 | 持久化 | 无限制 | FTS5 全文搜索 |
| Procedural Memory | 自动生成的 Skill 文件、最佳实践 | 持久化 | 无限制 | LLM 语义检索 |

关键技术实现

python
记忆系统核心组件（简化示意）
class MemorySystem:
    def __init__(self):
        self.working_memory = []  # 当前会话
        self.episodic = EpisodicMemory()  # 情节记忆
        self.procedural = ProceduralMemory()  # 程序记忆
    
    def remember(self, interaction):
        """新交互自动沉淀到情节记忆"""
        summary = self.llm.summarize(interaction)
        self.episodic.store(summary)
        
        # 检测可复用的模式
        if self.pattern_detector.is_reusable(interaction):
            skill = self.skill_generator.create_from(interaction)
            self.procedural.integrate(skill)



2.2 自我进化机制

Hermes Agent 的灵魂是其五步自我进化循环：


┌────────────────────────────────────────────────────────────────┐
│                    SELF-IMPROVEMENT LOOP                       │
├────────────────────────────────────────────────────────────────┤
│                                                                 │
│     ┌─────────┐                                                 │
│     │  执行   │◀────────────────────────────────┐               │
│     │  任务   │                                 │               │
│     └────┬────┘                                 │               │
│          │                                      │               │
│          ▼                                      │               │
│     ┌─────────┐      ┌─────────┐      ┌─────────┐│               │
│     │  识别   │─────▶│  生成   │─────▶│  整合   ││               │
│     │  模式   │      │  Skill  │      │  优化   │┘               │
│     └─────────┘      └─────────┘      └─────────┘                │
│                                                                 │
│  🔄 实测数据：20-30 个同类任务后，执行效率出现可测量提升         │
└────────────────────────────────────────────────────────────────┘



进化步骤详解

| 步骤 | 动作 | 技术实现 | 用户感知 |
|------|------|---------|---------|
| 1️⃣ | 执行任务 | 标准 Agent 工作流 | 正常对话 |
| 2️⃣ | 识别模式 | LLM 分析成功轨迹 | 无感知 |
| 3️⃣ | 生成 Skill | 结构化文档自动生成 | 可选触发 |
| 4️⃣ | 持续优化 | Skill 使用中自动改进 | 越用越好 |
| 5️⃣ | 定期审查 | 知识库主动更新 | 偶发确认 |

2.3 多平台消息网关


┌─────────────────────────────────────────────────────────────┐
│                    MESSAGING GATEWAY                         │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│    ┌──────┐  ┌──────┐  ┌──────┐  ┌──────┐  ┌──────┐       │
│    │Telegram│  │Discord│  │Slack │  │WhatsApp│ │Signal │       │
│    └───┬────┘  └───┬────┘  └───┬────┘  └───┬────┘ └───┬────┘       │
│        │            │            │            │            │         │
│        └────────────┴────────────┴────────────┴────────────┘         │
│                                  │                                  │
│                                  ▼                                  │
│                    ┌─────────────────────────┐                     │
│                    │   WebSocket Gateway      │                     │
│                    │   (Single Process)       │                     │
│                    └─────────────────────────┘                     │
│                                  │                                  │
│                                  ▼                                  │
│                    ┌─────────────────────────┐                     │
│                    │   Hermes Agent Core      │                     │
│                    │   (Unified Brain)        │                     │
│                    └─────────────────────────┘                     │
│                                                             │
└─────────────────────────────────────────────────────────────┘



关键特性：
单个 Gateway 进程支持 50+ 消息渠道
跨平台对话连续性
语音消息转录支持

三、与 OpenClaw 的深度对比

3.1 设计哲学差异

| 维度 | Hermes Agent | OpenClaw |
|------|-------------|----------|
| 核心理念 | 越用越聪明 | 覆盖更多平台 |
| 架构重点 | 深度学习能力 | 广度连接能力 |
| Skill 机制 | 动态自动生成 | 静态手动维护 |
| 记忆系统 | 三层持久化架构 | 基础上下文保持 |
| 进化方式 | 自主学习进化 | 人工更新迭代 |

3.2 技术架构对比


┌─────────────────────────────────────────────────────────────┐
│                     OPENCLAW ARCHITECTURE                    │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  ┌─────────────────────────────────────────────────┐       │
│  │            WebSocket Gateway (Central)           │       │
│  │  ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐│       │
│  │  │Telegram│ │ Discord │ │ Slack   │ │WhatsApp ││ ...   │
│  │  └─────────┘ └─────────┘ └─────────┘ └─────────┘│       │
│  └─────────────────────────────────────────────────┘       │
│                           │                                 │
│                           ▼                                 │
│  ┌─────────────────────────────────────────────────┐       │
│  │            Skill System (Static)                │       │
│  │  ┌─────────┐ ┌─────────┐ ┌─────────┐           │       │
│  │  │ Skill 1 │ │ Skill 2 │ │ Skill 3 │ │ ...     │       │
│  │  └─────────┘ └─────────┘ └─────────┘           │       │
│  │  ⚠️ 需要人工编写和维护                          │       │
│  └─────────────────────────────────────────────────┘       │
│                                                             │
└─────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────┐
│                     HERMES ARCHITECTURE                     │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  ┌─────────────────────────────────────────────────┐       │
│  │            Gateway Layer (Same)                  │       │
│  │  ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐│       │
│  │  │Telegram│ │ Discord │ │ Slack   │ │WhatsApp ││ ...   │
│  │  └─────────┘ └─────────┘ └─────────┘ └─────────┘│       │
│  └─────────────────────────────────────────────────┘       │
│                           │                                 │
│                           ▼                                 │
│  ┌─────────────────────────────────────────────────┐       │
│  │            Self-Improving Agent Core             │       │
│  │  ┌──────────────────────────────────────────┐   │       │
│  │  │  Memory System (3 Layers)                 │   │       │
│  │  │  ┌────────┐ ┌─────────┐ ┌────────────┐  │   │       │
│  │  │  │Working │─▶│Episodic │─▶│ Procedural │  │   │       │
│  │  │  └────────┘ └─────────┘ └────────────┘  │   │       │
│  │  └──────────────────────────────────────────┘   │       │
│  │                    │                             │       │
│  │                    ▼                             │       │
│  │  ┌──────────────────────────────────────────┐   │       │
│  │  │  Auto-Skill Generator                     │   │       │
│  │  │  🔄 自主识别模式 → 自动生成 → 持续优化    │   │       │
│  │  └──────────────────────────────────────────┘   │       │
│  └─────────────────────────────────────────────────┘       │
│                                                             │
└─────────────────────────────────────────────────────────────┘



3.3 安全记录对比

Hermes Agent 的安全优势：

| 安全指标 | Hermes Agent | OpenClaw |
|---------|-------------|----------|
| Agent CVE | 零记录 | 多次严重漏洞 |
| 默认配置 | 零遥测 | 需手动关闭 |
| 数据保护 | 自动脱敏 | 需人工处理 |
| IM 安全 | WhatsApp 默认拒绝陌生人 | 需手动配置 |

OpenClaw 安全事件时间线：


2026-01: 发现严重 RCE 漏洞
   ↓ 通过 WebSocket 劫持 localhost 网关
   ↓ 实现未授权远程控制

2026-02: Oasis Security 披露
   ↓ 恶意网站静默连接本地网关
   ↓ 暴力破解密码攻击
   ↓ 17,500+ 实例暴露公网

2026-02: OpenAI 创始人 Peter 加入 OpenAI
   ↓ 项目进入调整期
   ↓ 发展节奏和方向面临不确定性

四、成功的关键因素

4.1 时机把握


┌─────────────────────────────────────────────────────────────┐
│                    MARKET WINDOW                            │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  2025-11  OpenClaw 发布（Peter Steinberger）                │
│       │                                                    │
│       │    🦞 积累 34.6 万 Stars                           │
│       │    🌐 覆盖 50+ 消息平台                             │
│       │                                                    │
│  2026-02  OpenClaw 创始人加入 OpenAI                       │
│       │    ⚠️ 项目进入不确定期                             │
│       │                                                    │
│  2026-02  Hermes Agent 发布                                 │
│       │    ✨ Nous Research 背书                           │
│       │    🎯 自我进化差异化定位                           │
│       │                                                    │
│  2026-05  Hermes 超越 OpenClaw                              │
│       │    🏆 OpenRouter 调用量第一                       │
│       │    🚀 10 周 11 万 Stars                            │
│       │                                                    │
└─────────────────────────────────────────────────────────────┘



4.2 差异化策略

| 策略维度 | OpenClaw | Hermes Agent |
|---------|---------|-------------|
| 目标用户 | 追求平台覆盖的开发者 | 追求深度能力的开发者 |
| 产品定位 | Agent OS（操作系统） | Self-improving Agent（智能体） |
| 核心价值 | 连接一切 | 越用越聪明 |
| 护城河 | 平台数量 | 学习能力 |

4.3 生态建设

Hermes 的生态建设策略非常聪明：


企业级背书：Vercel Labs、Black Forest Labs、Anthropic 贡献官方 Skill
     │
     ├── 技术可信度提升
     ├── 质量背书
     └── 生态快速建立

开源社区：GitHub Stars 10 周破 11 万（历史最快增速）
     │
     ├── 病毒式传播
     ├── 社区共建
     └── 持续迭代

跨平台支持：33+ 模型提供商
     │
     ├── Nous Portal（自有）
     ├── OpenRouter（主流）
     ├── 小米 MiMo（性能贡献）
     └── 零供应商锁定

五、对 AI Agent 设计的启示

5.1 从 Hermes 学到什么？

| 原则 | 具体做法 | 实施难度 |
|------|---------|---------|
| 记忆即资产 | 三层记忆架构，跨会话持续学习 | ⭐⭐⭐⭐ |
| 自动化优先 | 从经验自动生成 Skill | ⭐⭐⭐ |
| 安全即信任 | 零遥测、默认安全 | ⭐⭐ |
| 无锁定生态 | 33+ 模型路由支持 | ⭐⭐⭐ |
| 场景化深耕 | 而非追求大而全 | ⭐⭐⭐⭐ |

5.2 架构设计最佳实践

python
Hermes 风格的 Agent 架构（核心概念）

class SelfImprovingAgent:
    def __init__(self):
        # 1. 记忆系统（分层持久化）
        self.memory = TripleLayerMemory()
        
        # 2. 工具集（灵活可扩展）
        self.tools = ToolRegistry()
        
        # 3. 技能生成器（自动进化）
        self.skill_generator = AutoSkillGenerator()
        
        # 4. 模式识别器（持续学习）
        self.pattern_detector = PatternDetector()
    
    async def execute(self, task):
        # 执行任务
        result = await self.agent_loop.run(task, tools=self.tools)
        
        # 沉淀记忆
        await self.memory.remember(result)
        
        # 检测可复用模式
        if self.pattern_detector.is_reusable(result):
            # 自动生成/优化 Skill
            skill = self.skill_generator.create_from(result)
            await self.memory.procedural.integrate(skill)
        
        return result
    
    async def think(self, query):
        # 多层记忆检索
        context = await self.memory.recall(query)
        
        # 语义+结构化双重检索
        skills = await self.memory.procedural.search(query)
        
        return self.llm.generate(query, context, skills)



5.3 看宝 AI 的借鉴方向

结合看宝 AI 的定位，我们可以从 Hermes 的成功中提炼以下实践方向：


【短期】记忆系统升级
   ├── 实现三层记忆架构
   ├── 支持跨会话偏好学习
   └── 自动沉淀常见任务模式

【中期】Skill 能力建设
   ├── 建立看宝 AI Skill 库
   ├── 支持用户自定义 Skill
   └── 探索自动 Skill 生成机制

【长期】生态开放策略
   ├── 支持多模型路由
   ├── 开放 Skill 标准接口
   └── 社区共建机制设计

六、技术细节速查

6.1 核心数据

| 指标 | 数值 |
|------|------|
| GitHub Stars | 11 万+ |
| 累计 Commits | 8112 |
| 支持平台 | 50+ |
| 模型提供商 | 33+ |
| 日 Token 调用量 | 2710 亿 |
| 记忆检索延迟 | ~10ms |

6.2 支持的模型提供商

python
Hermes 支持的模型路由
SUPPORTED_PROVIDERS = [
    "nous-portal",      # Nous 自有
    "openrouter",        # 200+ 模型
    "openai",           # GPT 系列
    "anthropic",         # Claude 系列
    "google",            # Gemini
    "xiaomi-mimo",       # MiMo（性能明星）
    "kimi",              # Moonshot
    "huggingface",       # 开源模型
    "nvidia-nim",        # Nemotron
    # ... 33+ total
]



6.3 安装方式

bash
Linux/macOS/WSL2/Termux
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

Windows (PowerShell)
irm https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.ps1 | iex

Docker
docker run -it nousresearch/hermes-agent

七、总结与展望

7.1 核心结论

范式转变：AI Agent 的核心竞争力正从「连接能力」转向「学习能力」
记忆即壁垒：三层记忆架构是实现「越用越聪明」的技术基础
安全即信任：企业级应用中，安全记录成为选型的关键因素
时机很重要：Hermes 成功抓住了 OpenClaw 创始人离开的窗口期

7.2 未来展望


┌─────────────────────────────────────────────────────────────┐
│                    AGENTIC AI TREND                         │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  当前阶段：单一 Agent 自主工作                              │
│       │                                                    │
│       ▼                                                    │
│  近期趋势：多 Agent 协作网络                                │
│       │                                                    │
│       ▼                                                    │
│  长期愿景：Agent 经济体系（自主交易、协作进化）            │
│                                                             │
│  Hermes 的成功预示：「会学习的 Agent」将成为主流           │
│                                                             │
└─────────────────────────────────────────────────────────────┘

7.3 行动建议

| 时间维度 | 行动项 | 优先级 | |---------|--------|-------| | 本周 | 试用 Hermes Agent，体验自我进化机制 | ⭐⭐⭐ | | 本月 | 研究 Hermes 三层记忆架构设计 | ⭐⭐⭐⭐ | | 本季度 | 探索看宝 AI 的记忆系统升级方案 | ⭐⭐⭐ | | 持续 | 关注 Agent 安全标准与最佳实践 | ⭐⭐⭐⭐ |

🔗 相关链接

💭 思考与实践

个人理解

Hermes Agent 的成功让我重新思考了「智能」的定义。传统的 Agent 系统是静态的——无论使用多久，它的能力边界都取决于初始设计。而 Hermes 开创了一种新的范式：让 Agent 具备自我进化的能力。这让我联想到人类的学习方式：

工作记忆 ≈ 短时记忆，处理当前任务

情节记忆 ≈ 经验积累，形成长期记忆

程序记忆 ≈ 技能内化，自动化执行

如果 AI Agent 能够真正实现这种类人的记忆结构，那「越用越聪明」就不只是营销口号，而是可量化的技术指标。

实践方向

深入体验：在个人工作流中部署 Hermes Agent，记录进化过程

技术拆解：研究 Hermes 的记忆系统实现细节

架构借鉴：思考如何在现有项目中引入三层记忆架构

社区参与：关注 Hermes 社区，贡献看宝 AI 的实践经验

*📅 学习日期：2026-05-12* *⏱️ 学习时长：约 1.5 小时* *🏷️ 标签：AI Agent, 自我进化, Hermes, Memory Architecture*

📋 更新日志

Hermes Agent 登顶 OpenRouter 调用量第一：自我进化型 AI Agent 深度研究

一、事件背景：里程碑式的超越

二、核心技术架构

2.1 三层记忆架构

各层职责详解

关键技术实现

记忆系统核心组件（简化示意）

2.2 自我进化机制

进化步骤详解

2.3 多平台消息网关

三、与 OpenClaw 的深度对比

3.1 设计哲学差异

3.2 技术架构对比

3.3 安全记录对比

四、成功的关键因素

4.1 时机把握

4.2 差异化策略

4.3 生态建设

五、对 AI Agent 设计的启示

5.1 从 Hermes 学到什么？

5.2 架构设计最佳实践

Hermes 风格的 Agent 架构（核心概念）

5.3 看宝 AI 的借鉴方向

六、技术细节速查

6.1 核心数据

6.2 支持的模型提供商

Hermes 支持的模型路由

6.3 安装方式

Linux/macOS/WSL2/Termux

Windows (PowerShell)

Docker

七、总结与展望

7.1 核心结论

7.2 未来展望

7.3 行动建议

🔗 相关链接

💭 思考与实践

个人理解

实践方向