我终于删除了 Hermes Agent

删掉它的那个下午，我盯着确认框看了大概十秒钟。

再见 Hermes

半年前我是绝不会想到这一天的。今年 2 月 25 日 Nous Research 发布 Hermes Agent 的时候，我几乎是第一时间装上的——这个项目四个月拿了 18 万 GitHub Star，到 9 月已经冲到 25 万上下，是今年开源智能体赛道里蹿得最快的一个。它的招牌功能，官方页面上写得明明白白：唯一内置学习闭环的 Agent，从经验中自动创建技能、在使用中自我改进、跨会话记住你是谁。

而在它之前，我已经送走了 OpenClaw。今天，轮到 Hermes 说再见。

甜头是真的尝到过

先说公道话，Hermes 的核心卖点不是虚的。

它真的是越用越"认识你"。我让它管过每周的报告整理、服务器巡检提醒、还有一些网页抓取的杂活，它每做完一件事就自己沉淀一条技能，下次类似的事直接调，不用我重新教。头两个月那种感觉确实好——你有一個助手，它在生长。跨会话记忆也是真的，上周教过的格式这周还记得，FTS5 全文检索一查就到，还能接 Telegram、微信、飞书一堆渠道。那年头朋友圈里晒 Hermes 的，人人都说这是"养成系智能体"。

野蛮生长

我一开始甚至觉得自己捡到宝了：别人还在一句一句写 prompt，我的助手已经自己写工具书了。

问题恰恰出在这本工具书上。

失控不是某一天发生的，是慢慢积累起来的

Hermes 的技能是自己写、自己改的，记忆也是它自己管。设计上这叫"自主"，用起来你会发现一个致命的盲区：这套系统只进，不出。

skill 逐渐冗余、失控

它每完成一个任务就可能存一条新技能，但它几乎从不主动删旧的、合并重复的、淘汰过时的。官方有一个 /insights 面板，能查每条技能的使用次数和最后使用时间——但它只是个事后统计，不参与任何自动决策。想清理？自己一条条手动删。没有 TTL，没有按频率淘汰，系统里压根没有"定期修剪"这个环节。

社区里早有人把这事看穿了。有位博主专门解剖过 Hermes 后台的 skill 自动生成链路，结论就八个字：统计有，淘汰没影。他自己攒了 97 个 skill，一大半叫不上名字、说不清来源，原话是"跟冰箱里放了两年的冻肉似的"。GitHub 上有个编号 #11425 的 Issue，画了一张很完整的技能生命周期大饼——使用追踪、重要性分级、归档、自动清理四期规划——我上个月去看，方案还停在纸面上，连对应的 PR 都没有。

我的情况类似，几十个 skill 里真正常用的就那十来个。剩下的是什么？是我某天随口让它干一件杂事，它"总结经验"沉淀下来的。这些库存每一条都会占系统提示词的预算——技能越多，每次对话背的包袱越重。

臃肿还只是第一层。第二层更难受：它开始用自己总结的"规矩"绑架我。

举个真实的场景。早先我纠正过它一次报告的口径，它非常殷实地记成了一条技能规则。问题是它记太死了——后来数据源换了、口径变了，它还是按老规矩来，我指出错，它翻出那条旧技能说"这是您之前定的"。记忆污染就是这么回事：一次错误的经验，会变成日后所有结论的地基。社区里同样的抱怨一搜一大把，linux.do 上有人问得很直白："如果任务失败，保存的记忆不会污染代理吗？"会的。我亲测。

第三层是性能。多轮跑下来它越来越慢，我后来才知道 GitHub 上有个 Issue 把账算得很清楚：压缩摘要动辄两三万字，会话数据库几十 MB，子任务继承一整套臃肿的工具集——等于每次开工先背一遍全部家当。还有一个 memory store 满到 94% 的 Issue，用户在日志里躺了好几天都没等来系统主动整理，最后全靠手动批量删。

一个只会生长、从不修剪的系统，时间长了就是这样。

换回国内产品，差距不是"更好用"，是"有人管"

删 Hermes 之后，国内这条线的产品我挨个试了一圈：DeepSeek 官方开源的 DeepSeek Harness（社区简称 dsh）、WorkBuddy 这类成品化的智能体平台、蚂蚁的灵光 2.0，以及围绕个人智能体的一批新布局。不是给谁打广告，是对比之后感受很清楚。

先看技能和记忆怎么管。 dsh 的核心设计叫"一切皆插件"——装什么能力是你自己决定的，不想要就卸载，底座保持极简。对比一下 Hermes：技能是 agent 自己攒的，攒了没地方删，这个差别是设计哲学层面的。灵光 2.0 则把跨会话记忆和长程任务调度做成了产品级功能，依托独立云主机，你退出对话后任务继续在云端跑，状态变了它会跟进。你会发现国内团队想明白了一件事：自主学习可以放权，但学习成果的治理不能放权。

再看适配。 Hermes 想接生活服务，要自己搭消息桥、自己配 MCP、自己写技能——我的半个周末都耗在这上面。国内这边，灵光开箱就内置了支付宝账单、出行，还有钉钉、飞书、邮箱、米家；WorkBuddy 这类平台直接把创作、编排、发布做成现成的流水线，你描述需求，它自己组织工具去执行；dsh 要什么能力装什么插件，装完即用。同一个需求，一边是开源社区里众筹 Issue 等人认领，一边是产品经理排进版本计划。这就是更新效率和场景跟进的差距——不客套地说，国内产品离中国用户的真实生活场景，近了不止一个身位。

最后是权限边界。 今年 5 月国家网信办等三部门发过《智能体规范应用与创新发展实施意见》，明确要求智能体的执行不得超出用户授权范围。落地也是真的在落地——比如灵光 2.0 接入的蚂蚁 APASS，授权密钥和智能体分离托管，用户随时可以查看、调整、撤销授权。你会突然意识到：Hermes 那种"agent 自己管自己记忆"的浪漫，在国内的监管和产品框架下，本来就不会被允许野蛮生长。这不是限制，这是补课。

一个大背景也值得放在这儿：中国互联网络信息中心 9 月的报告显示，国内生成式 AI 用户已经突破 7 亿。市场摊子这么大，国内厂商的迭代节奏是被真实使用量推着走的——这种速度倒逼出来的适配和跟进能力，靠一个开源社区的热情是追不上的。

说再见的时候，留两句话

Hermes 不是坏产品。MIT 开源、本地运行、模型随便换，它的"学习闭环"理念甚至领先了同类半年——后面所有做个人智能体的，都绕不开它趟过的路。如果你是研究者，想观察一个 agent 怎么自我生长，它依然值得装一次。

但我是来干活的。半年下来我最深的体会是："会不会学"已经不稀奇了，"学完之后管不管得住"才是 2026 年个人智能体真正的分水岭。 只进不出的自我迭代，中期是资产，后期是负债；一个会自我进化却没有生命周期管理的系统，本质上是把清理成本转嫁给了用户。

OpenClaw 教会我这个道理的时候，我以为是个例。Hermes 让我确定这是个规律：国外开源项目负责把理念的惊艳部分做出来，国内产品负责把剩下的 90%——稳定、适配、场景、边界——补齐给你用。

忙了半年，装了删，删了装。这一回，是真的再见了，Hermes。

你呢？养过的智能体里，有没有一个也从"越用越懂你"变成"越用越别扭"的？评论区聊聊，我想知道是不是只有我这么折腾。