Hermes-Agent：介绍与定位
目录
一句话定义
Hermes-Agent 是 Nous Research 开源的 自托管 AI Agent：以 Python 生态与官方 CLI 为主入口，提供 TUI、消息网关、工具与 MCP 扩展，并围绕记忆与技能构建「可持续演进」的助手体验。权威表述见 README 开篇。
把这句话拆成可执行的理解：
- 自托管：你对进程、密钥、备份与合规负责；Hermes 提供能力，不提供替你承担风险的“托管承诺”。
- CLI + 网关双入口：你可以只在终端用，也可以把 Telegram/Discord 等接进来；两者共享一套能力，但风险面不同（公网消息表面更大）。
- 记忆与技能不是魔法：README 描述的“学习闭环”需要配置、审核与数据治理，否则会变成“越用越乱”。
官方叙事：能力地图（附文档入口）
下列条目来自官方 README 的归纳，用于建立索引；细节以对应文档为准。
| 主题 | 你在评估时看什么 | 原文 |
|---|---|---|
| 终端体验 | 多行编辑、slash、历史、流式工具输出 | CLI Usage |
| 消息网关 | Telegram/Discord/Slack/… 与 CLI 共用能力 | Messaging Gateway |
| 记忆与检索 | 持久记忆、会话搜索、摘要 | Memory |
| Skills | 技能体系与 agentskills.io | Skills |
| MCP | 外接能力边界与风险 | MCP Integration |
| Cron | 定时任务与投递 | Cron |
| 安全 | 配对、审批、隔离 | Security |
为什么 README 会强调「学习闭环」
工程上它通常意味着：系统不只保存对话文本，还会在可控条件下把可复用流程沉淀为技能，并在长期记忆中维护对用户/任务有用的状态。好处是体验越来越好；风险是错误也会被沉淀。因此你必须配套“审核、版本化、回滚”。
用一张图理解「闭环」
下面这张图用于解释「输入 → 工具/MCP → 记忆/技能 → 输出」的闭环，是教学抽象；实现细节见 Architecture。
和 OpenClaw 的相邻关系
两者都覆盖「自托管助手 + 网关 + 多渠道」。工程上常见对比维度：
| 维度 | 常见观察点（不是结论） |
|---|---|
| 技术栈 | OpenClaw 偏 Node/Gateway 生态；Hermes 偏 Python/uv 与官方 CLI |
| 迁移 | Hermes 提供 hermes claw migrate（见 README Migrating from OpenClaw） |
| 记忆/技能叙事 | Hermes README 强调闭环能力；是否匹配你的场景需实测 |
迁移不是“谁更好”的判决：更像是团队工具链、运维习惯、渠道与风险控制综合结果。官方迁移说明：Migrating from OpenClaw。
运行时与生态位
若你的组织已经深度使用 Python、希望在同一仓库内完成工具脚本、评测与扩展，Hermes 的叙事通常更顺；若你已投入 Node 工具链与 OpenClaw 工作区习惯，迁移成本需要以 dry-run 与最小闭环验证为准。
你应该先确认的期望
- 平台：README 写明 原生 Windows 不支持，请用 WSL2；Linux/macOS/Android(Termux) 有对应说明（Termux 见 Termux guide）。
- 智能边界：记忆与技能再强，也不等于合规与隐私自动成立；需要你自己的数据分级、留存与导出策略。