迁移的契机
我很早就知道 Hermes Agent,但一直没有动力去切换。直到昨天看到 Hermes 官方人员发了一条消息,大意是:如果你最近更新 OpenClaw 遇到了问题,不妨试试 hermes claw migrate。
这句话正好戳中了我的痛点。最近 OpenClaw 更新非常频繁,每次升级后都会遇到一些兼容性问题,尤其是 ACP(Agent Communication Protocol)相关的变动比较大。上周还能灵活调用 Cursor,这周就出了状况。与其不断修补,不如认真考虑一下迁移。
Hermes Agent 是什么
在正式迁移之前,有必要了解一下 Hermes Agent 到底是什么。它是 Nous Research 打造的自进化 AI Agent,也是目前唯一一个内置学习闭环的 Agent 框架——它能从经验中创建技能,在使用过程中持续改进,主动保存知识,搜索自己的历史对话,并在跨会话中不断加深对用户的理解。
它的核心在于真正的记忆系统。Agent 维护着两个精心管理的文件:MEMORY.md 用于记录环境事实、惯例和经验教训,USER.md 用于记录用户偏好和沟通风格。这些文件会在每次会话开始时注入系统提示词。同时,Agent 还具备基于 SQLite 的全文搜索能力,可以回溯数周前的对话。
它内置了 40 多个技能,涵盖 MLOps、GitHub 工作流、研究等领域,并且 Agent 能在使用过程中自动创建新技能,通过开放的 agentskills.io 格式进行分享。在部署灵活性方面,它支持六种终端后端——本地、Docker、SSH、Daytona、Singularity 和 Modal,可以运行在 5 美元的 VPS 上,也可以跑在 GPU 集群或按需休眠的 Serverless 基础设施上。
消息平台方面,Telegram、Discord、Slack、WhatsApp、Signal 和 CLI 都可以通过一个统一的网关进程来连接。模型选择上没有任何锁定,支持 Nous Portal、OpenRouter(200+ 模型)、MiniMax、OpenAI 等,通过 hermes model 随时切换。
Hermes 与 OpenClaw 的架构差异
这两个工具表面上非常相似,但底层设计理念存在关键区别。OpenClaw 是围绕一个中央控制平面(Gateway)来组织的,由一个长期运行的进程负责会话管理、路由、工具执行和状态维护。而 Hermes 则把 Agent 自身的执行循环作为核心——一个可重复的"执行-学习-改进"周期,整个系统围绕这个循环来构建。
最本质的区别在于技能系统。OpenClaw 的技能主要是人工编写的、可复用的工具和工作流指令。而 Hermes 的理念完全不同:Agent 在完成复杂任务后会自主评估哪些方法有效、哪些无效、用户做了哪些修正,然后将成功的方法提取为可复用的技能。换句话说,Hermes 的技能是"长"出来的,而不是写出来的。
这意味着,Hermes 更适合需要长期运行、通过使用不断提升的场景,而 OpenClaw 更适合需要精细手动控制和工作区原生集成的场景。
迁移前的调研过程
我这次没有直接去翻 Hermes 的仓库文档,而是先和 Grok 聊了聊我的需求,让它帮我解读官方帖子的含义、梳理迁移的关键问题。
Grok 告诉我,hermes claw migrate 这行命令可以把 OpenClaw 里的记忆、配置、技能一键导入到 Hermes,基本实现无缝切换。这意味着手动配置的工作量会大大减少。我接着问了几个关键问题:模型配置能不能迁移?API keys 怎么处理?OpenClaw 原有的数据会不会被修改?
根据官方文档的确认,迁移工具会读取 ~/.openclaw/ 目录,默认检查 ~/.openclaw/、~/.clawdbot/、~/.moldbot/ 三个路径。模型配置会映射到 Hermes 的 config.yaml 文件。API keys 默认不迁移(即 user-data 预设),但使用 full 预设可以一并导入。而且整个迁移过程是只读的,不会修改 OpenClaw 的原始文件。
官方还推荐在正式迁移前先运行 hermes claw migrate --dry-run 进行预览,查看哪些内容会被迁移…