养虾群里最近有点躁动。好几个老用户突然开始讨论一个叫 Hermes Agent 的东西，有人说「用了就回不去了」，有人直接甩出迁移命令截图。
GitHub 上线才两个月，Stars 已经冲到 3 万多，讨论热度把不少小龙虾老用户都卷进去了。
这事儿和每个用 AI 助手的人都有关：你有没有经历过那种崩溃——明明上周刚告诉过它你的项目结构、代码规范、偏好设置，这周打开对话，它又像第一次见面一样问你「请问你想做什么？
」传统 AI 助手最大的问题不是不够聪明，而是它永远活在「当下」，没有「上次」的概念。Hermes Agent 之所以能让一群老用户「叛逃」，核心就在两个字：记忆。
今天这篇文章，我们来拆解它的三层记忆架构和自学习闭环，看看一个 AI 助手到底怎么做到「记住你」。
一、根因：为什么传统 AI 助手总是「失忆」？
传统 AI 的记忆困境
绝大多数 AI 助手的设计逻辑，本质上还是一个「大号对话窗口」。每次对话开始，模型拿到的是系统提示词 + 当前对话历史，上下文窗口塞满就截断。你上周告诉它的东西，这周它根本看不到。
这不是模型不够聪明，是架构就没打算让它记住。
小龙虾的 MEMORY.md 试图解决这个问题，思路很朴素：让模型在对话过程中自己判断哪些信息「值得存」，然后写入一个 Markdown 文件。但问题在于，模型经常「忘存」。
你随口提了一句「我们项目用 TypeScript，后端是 Go」，模型觉得这是闲聊，没存。下周你再问，它又不知道了。
社区为此搞出了 Mem0、Hindsight 等一堆补丁插件，本质上都是在给这个「漏存」问题打补丁。
Hermes 的三层记忆架构
Hermes 换了个思路。它不依赖模型「想起来要存」，而是把记忆拆成三层，每层有明确的职责边界和自动注入机制。
第一层是 MEMORY.md，存环境和项目信息，上限 2200 字符。你的项目结构、技术栈、代码规范，都往这里放。每次对话开始，这个文件自动注入上下文，模型不需要「想起来」，它本来就在那儿。
第二层是 USER.md，存用户偏好和习惯，上限 1375 字符。你喜欢简洁的回答还是详细解释，你习惯用中文还是英文，你常用的工具链是什么。同样，每次对话自动注入。
第三层是 Session Search，所有历史对话存在 SQLite 里。当你问「上周我们讨论的那个 API 怎么调来着」，系统会用全文检索加大模型摘要，从几周前的对话里精准找回来。
这个设计的关键在于：记忆写入不再依赖模型的「自觉」，而是通过结构化的存储和自动注入，让「记住」成为默认行为。你告诉它一次，它就真的记住了。
二、自学习闭环：AI 怎么「自己学会干活」？
程序性记忆：从任务中提炼 Skill
记忆只是第一步。Hermes 更激进的地方在于，它能把「怎么干活」也记住。
传统 AI 助手的 Skills（技能）都是人写的。小龙虾社区贡献了 5700 多个 Skills，每个都是一份 Markdown 文件，定义了「如何完成某个任务」。
你装什么，它就会什么。但如果你有一个独特的任务流程，没人写过对应的 Skill，你就得自己写。
Hermes 引入了「程序性记忆」的概念。
当你完成一个复杂任务——比如「从数据库导出数据、清洗格式、生成报告、发送邮件」——系统会检测到这是一个超过 5 次工具调用的复杂流程，然后自动提炼成一个 Skill。
下次你再说「帮我做上周那个报告」，它会直接调用这个 Skill，而不是从头推理一遍。
更关键的是，这个 Skill 会「进化」。如果后续使用中，模型发现了一条更优路径——比如用一个新的 API 替代了手动清洗——它会自动更新这个 Skill。你不需要手动维护，它自己在变好。
Atropos 强化学习：成功强化、失败学习
这套自学习机制的底层，是 Nous Research 的 Atropos 强化学习框架。
传统 AI 助手的「学习」只发生在训练阶段。模型训练完了，能力就锁死了。Hermes 的思路是：让学习发生在使用过程中。
当它成功完成一个任务，这个交互模式会被「强化」；当它失败了，它会学习「哪里出了问题」。
这听起来有点抽象，但实际体验就是：你用得越多，它越懂你。它不是在「执行指令」，而是在「积累经验」。这个区别，用久了才能感受到。
三、安全设计：框架级防护 vs 模型级判断
小龙虾 CVE-2026-25253 的教训
AI 助手能操作你的电脑，这事儿本身就有点吓人。小龙虾的安全机制主要依赖模型的判断力：模型觉得这个操作安全，就执行；觉得危险，就拒绝。
问题在于，模型不是永远聪明的。它可能被提示词注入欺骗，可能在上下文混乱时做出错误判断。CVE-2026-25253 漏洞就是一个例子：恶意构造的输入可以绕过安全检查，执行任意命令。
还有用户报告过邮件被误删的事故——模型「觉得」这是清理垃圾邮件，结果把重要邮件全清了。
模型犯浑的时候，你连锅都找不到
这些事故的根因是：安全边界模糊，责任落在模型身上。模型今天状态好，就安全；状态不好，就出事。
Hermes 的多层安全机制
Hermes 把安全从「模型级判断」升级到了「框架级防护」。
首先是命令授权审批。任何敏感操作——删除文件、发送邮件、调用外部 API——都会弹出确认界面。你可以选择单次允许、本次会话允许、永久允许或直接拒绝。这个决定权在你手里，不在模型手里。
其次是第三方 Skills 的安全扫描。当你安装一个社区贡献的 Skill 时，Hermes 会自动检查是否存在数据泄露、提示词注入等威胁。
发现危险的不是弹个警告让你自己判断，而是直接拒绝安装，除非你明确用 --force 参数。
此外还有容器隔离、凭证泄露拦截、受保护目录禁止访问、路径穿越防护。记忆文件注入系统提示词之前，也要过安全扫描。这套机制的核心逻辑是：不赌模型今天心情好不好，而是在框架层面把危险操作锁死。
这不是说 Hermes 绝对安全——任何能操作你电脑的工具都有风险。但它的设计思路更符合工程实践：安全不能靠「智能」，要靠「约束」。
四、实战：怎么装、怎么用、该不该换？
极简安装流程
Hermes 的安装比小龙虾简单得多。唯一前置条件是 Git，其他依赖——Python 3.11、Node.js、ripgrep、ffmpeg——安装器全部自动搞定。
最简单的方式是 Docker：
docker pull nousresearch/hermes-agent
docker run -it --rm \
-e ANTHROPIC_API_KEY=your_key \
-v hermes_data:/app/data \
nousresearch/hermes-agent
如果你习惯源码安装，也只需要几步：
git clone https://github.com/NousResearch/hermes-agent.git
cd hermes-agent
pip install -r requirements.txt
python -m hermes
云端部署也很方便。腾讯云轻量服务器选择 Hermes 镜像，2 核 4G 配置就能跑起来，支持飞书、Telegram 等 15+ 消息平台接入。
与小龙虾的迁移对比
如果你已经是小龙虾用户，Hermes 提供了一键迁移命令：
hermes claw migrate --dry-run # 先预览
hermes claw migrate # 正式迁移
这会把小龙虾里的记忆、技能和 API Key 都导过来。--dry-run 参数让你先验货，不满意可以不搬。
还有一个关键差异：Hermes 原生支持 Claude 凭证登录。小龙虾用户都知道，Claude 已经封杀了小龙虾的订阅套餐登录，只能走 API 计费。
Hermes 目前还能直接用 Claude 的原生登录，这对重度 Claude 用户来说是个不小的诱惑。
适用人群判断
说了这么多，该不该换？我给一个简单的判断框架：
如果你已经养了虾、养得挺舒服的，别急着搬家。两只虾不冲突，迁移也就一条命令的事，可以先装一个试试水。
如果你还没入坑，我反而建议先试 Hermes。上手更简单，文档更友好，自学习是真实的，还能用 Claude 额度。唯一门槛是目前中文资料几乎为零。
如果你喜欢 Claude Code 的交互风格，强烈建议入坑。
Hermes 的 slash 命令体验几乎一模一样，/tools、/model、/skills、/personality 一应俱全，上手零学习成本，但多了记忆、自学习和多平台聊天这些 Claude Code 没有的东西。
如果你技术底子好，两个都装，各取所长。这两只虾不是替代关系，是两种信仰。
五、写在最后：两条路，两种信仰
小龙虾和 Hermes 的分歧，表面上是功能对比，实际上是设计哲学的根本差异。
小龙虾的信仰是：人来指挥，AI 来执行。给用户最大的控制权，所有 Skills 都是人写的，所有记忆都是人确认的。它的假设是：人比 AI 更知道该干什么。
Hermes 的信仰是：让 AI 自己学会怎么干活，人只需要说一次。程序性记忆自动提炼，Skills 自动进化，安全边界框架锁定。它的假设是：AI 可以积累经验，越用越懂你。
两条路，两种信仰，你选哪条？
这不是替代关系，是两种路径。这个分歧，可能决定 AI 助手这个品类最终长成什么样。你选哪条路？
