Hermes Agent 是由美国开源 AI 研究机构 Nous Research 于 2026 年 2 月发布的开源 AI 智能体产品，采用 MIT 开源协议。截至 2026 年 4 月，Hermes Agent 的 GitHub Stars 已突破 11.40 万，两个月增速约 418%，当前最新版本为 v0.11.0。
Hermes Agent 的核心创新在于其内置的自进化闭环系统，围绕"执行—提炼—沉淀—复用—自省"五阶段构建，使智能体能够从任务执行中自动创建可复用技能、在使用中持续自我改进，并通过三层记忆架构（MEMORY.md + USER.md + FTS5 全文检索）实现跨会话的知识持久化。在工程层面，Hermes 支持 接入逾 200 种大语言模型、内置 47 种工具、集成 6 大消息平台与 6 种沙盒执行后端（本地/Docker/SSH/Daytona/Singularity/Modal），具备完整的通用化部署基础。
在金融投研应用实测中，本文基于阿里云无影云电脑部署的 Hermes Agent 与 OpenClaw 环境（底层模型均为 MiniMax M2.5，数据源为研报数据库与 Tushare Pro 金融数据接口），通过两个对比案例验证两者在实际投研任务中的能力差异与互补空间。
卖方研报观点总结能力对比：要求两者从研报数据库检索一周内 26 篇红利相关报告并输出结构化市场观点总结，Hermes 在 1 轮交互内自动发现数据库工具并完成全流程，自主将报告归为 4 个类别后提炼出 4 项共识与 3 项分歧；OpenClaw 经 5—6 轮交互完成数据获取，但在分析深度上表现更优——归纳出 4 项共识与 4 项分歧，综合研判包含 4 条可操作的配置建议。
个股投研分析与技能沉淀能力对比：要求两者对宁德时代（300750.SZ）进行五维度投资价值分析、将流程封装为可复用技能、再对中信证券（600030.SH）复用技能执行同样分析。Hermes 完成"分析—创建—复用"三阶段闭环累计 3 轮交互，技能复用后两只股票的报告格式完全一致；OpenClaw 累计 10—11 轮交互，技能创建需用户推动落盘，但最终生成的技能文件包含标准化命令行接口，工程规范性较强。
从实测结果看，Hermes Agent 与 OpenClaw 并非简单替代关系，而是在执行效率与分析深度两个维度上形成互补：Hermes 以闭环学习与自主技能创建为核心，在执行效率、环境适应与技能自动沉淀层面具有优势，适配需要高频产出与持续迭代的专业场景；OpenClaw 依托 ClawHub 社区技能生态实现能力的快速扩展，其优势集中体现在分析颗粒度与研究深度，Hermes 官方提供的一键迁移工具支持将 OpenClaw 已有的技能文件、记忆数据与 API 密钥等统一迁移至 Hermes 环境。
风险提示：AI 大模型回答结果存在不确定性，生成结论可能存在错误；Hermes Agent 及 OpenClaw 均具备较高的系统权限，可能对本地文件和系统造成影响，且存在一定的网络安全风险，不建议在办公网络中部署；本报告中的案例仅供测试使用，不构成投资建议；以上结果基于历史数据与当前版本测试，未来版本更新可能导致功能变化。
