年初，一款名为OpenClaw的开源AI Agent工具迅速走红，从GitHub到科技媒体，再到普通用户的电脑桌面，它几乎无处不在。有人为它专门购置Mac mini进行部署，有人将其接入各类软件和硬件，AI Agent的概念由此大规模进入公众视野。然而，随着时间推移，OpenClaw的热度逐渐消退，安装复杂、权限过大、运行不稳定以及成本难以控制等问题逐渐显现。与此同时，竞争对手Nous Research开发的Hermes Agent异军突起，成为开源Agent领域的新焦点。
Hermes的崛起并非偶然。与OpenClaw近期推出的手机端应用初期体验不佳形成鲜明对比，Hermes Agent最新版本（v0.18.0）获得了广泛好评。其多智能体协作（MoA）和自我验证机制成为用户热议的焦点。MoA允许用户创建由Claude、GPT、Gemini、Grok等模型组成的“模型委员会”，这些模型分别回答同一问题，再由另一个模型汇总结果。这一功能并非全新，但Hermes将其正式化，用户可以像切换普通模型一样切换MoA组合，并查看每个模型的独立答案及最终结论。
LinkedIn上有用户评价称，Hermes此次更新最吸引他的地方并非增加了多少新功能，而是提高了Agent的可靠性。在现实工作中，确认任务是否真正完成、结果是否正确，以及之前学到的方法能否复用，往往比让Agent执行任务本身更具挑战性。Hermes通过自我验证机制，试图解决Agent长期缺乏的判断力问题。
除了验证机制，Hermes v0.18.0还引入了`/learn`和`/journey`命令，进一步提升了Agent的学习能力。用户可以通过`/learn`命令让Hermes从网页、文件夹或工作流中学习，并通过`/journey`命令查看、修改和删除这些经验。桌面端还增加了记忆图谱功能，将Agent长期积累的内容可视化展示。这些功能使得Agent能够保存、验证和改进技能，逐渐熟悉用户的工作方式，从而在使用时间越长时，与普通聊天机器人的差距越大。
Hermes v0.18.0还加强了后台子Agent的功能。主Agent可以将多个任务分发给不同子Agent并行执行，主对话无需等待任务完成即可继续其他操作。任务结束后，子Agent会将结果合并回主Agent。桌面端还增加了项目、终端、代码差异审查和工作树管理等功能，使其越来越像一个完整的Agent工作台。
与OpenClaw相比，Hermes的价值不仅在于其功能创新，更在于其构建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，并将有效方法沉淀为技能。这一闭环比接入更多工具更为重要。
OpenClaw和Hermes均属于开源Agent Harness，它们本身并不一定拥有最强模型，而是通过优化工具、记忆、权限、上下文、运行环境和任务循环等方面，让模型能够更稳定地完成工作。OpenClaw年初的爆火展示了Agent的潜力，但未能同时解决如何保证任务每次都能正确完成的问题。而Hermes则通过自我验证、学习循环和后台任务管理等功能，开始解决Agent落地后的一系列实际问题。
在多Agent协作方面，行业应避免盲目追求数量，而应注重成本、链路和出错节点的控制。Hermes的MoA之所以有价值，不仅在于其多模型协作，更在于用户能够查看不同模型的答案及最终汇总过程。可观察、可验证、可干预比Agent数量更为重要。国产Agent需要学习的并非Hermes的某个具体功能，而是其产品重心——如何让Agent在长任务中保持方向，遇到问题及时停下，完成之后拿出证据，并将经验安全地带到下一次任务中。
