OpenClaw + Hermes 双 Agent 架构：入口执行 + 经验沉淀的联动方案 ​

OpenClaw 做前端入口 + 执行者，Hermes 技能 API 做后台经验存储。两者分工合作，让 AI 不仅能执行任务，还能记住"怎么做"，越用越聪明。本文详解双 Agent 联动架构、HTTP API 调用示例、执行效果数据。

最近又出了个现象级 AI Agent：Hermes Agent。核心是"自主进化"，可以自主生成技能，优化记忆。

网上关于它们的讨论很多：要么比谁更强、要么说各有优劣。对于真正想用好工具的人来说，更想知道的是：

• 分别擅长什么？
• 怎么选？
• 为什么要结合？
• 什么场景使用？

我的答案：OpenClaw 是前端交互入口 + 执行者，Hermes 技能 API 是后台记经验的存储服务。

两者不是替代关系，而是分工合作。干活的是 OpenClaw，Hermes 只负责记录和检索执行经验。两者结合，让 AI 不仅能执行任务，还能记住"怎么做"，越用越聪明。

一、OpenClaw 和 Hermes 各自的定位 ​

OpenClaw：作为前端交互入口 ​

OpenClaw 本质上是一个消息网关：

它解决的是"入口统一"问题：不管你从哪个平台发消息，都经过 OpenClaw 处理。

核心能力：

GitHub: https://github.com/OpenClawAI/openclaw

Hermes Agent：作为技能 API，提供后台记经验的存储服务 ​

Hermes 本质上是一个会学习的执行 Agent。

核心能力：

重要说明：Hermes 目前仍属实验性框架，自进化逻辑可用，但复杂任务执行稳定性有限，更适合轻量、单步执行类任务。

GitHub: https://github.com/NiceneNerd/Hermes-Agent

二、为什么 OpenClaw + Hermes 值得一起玩？ ​

因为 OpenClaw 擅长编排，Hermes Agent 擅长沉淀。

现在的问题：OpenClaw 每次执行同类任务都要重新规划 ​

比如"分析项目代码结构"：

这不是 bug，是 AI Agent 的本质局限：它们没有长时记忆。

Hermes 能学习，但它没有多渠道入口 ​

结合后：OpenClaw 做入口和执行，Hermes 技能 API 负责记经验 ​

用户 → OpenClaw（入口 + 执行）→ Hermes 技能 API（记录经验）
                 ↑                        ↓
                 └──── 查询历史经验 ←──────┘

三、为什么不使用 ACP？ ​

网上有些文章说"OpenClaw 可以通过 ACP 操作 Hermes"，听起来很美好，但实际查一下 Hermes 的 ACP 文档会发现：

Hermes 的 ACP 是给 IDE 用的（VS Code、Zed、JetBrains），不是给 Agent 之间通信用的。

ACP 全称 Agent Client Protocol，设计目的是让 Hermes 作为编码助手嵌入 IDE，而不是让 OpenClaw 调用 Hermes 执行任务。

如果要通过 ACP 让 OpenClaw 协作 Hermes，实际上要解决：

收益有限，复杂度高。

我们只需要"记录技能"和"查询技能"，用简单的 HTTP + JSON 就能实现。够用就行，不追求复杂。

四、为什么不直接让 Hermes 执行任务？ ​

既然 Hermes 是"会学习的执行 Agent"，为什么不直接让它执行任务？

原因一：Hermes 不够稳定 ​

Hermes 本身是实验性框架，复杂任务、长任务容易断。我们需要的是它的学习能力，不是它的执行能力。

原因二：OpenClaw 执行能力已经够用 ​

OpenClaw 有完整的工具生态（exec、file、browser 等），有多渠道接入、有调度能力。没有必要再引入一个不稳定的执行者。

原因三：复杂度爆炸 ​

如果 Hermes 执行任务，就要处理：

ACP 协议是给 IDE 用的，不是给任务分派用的。

我们真正需要的是 Hermes 的学习能力。

结论 ​

当前阶段，OpenClaw 执行 + Hermes 记经验，是收益/复杂度比最高的方案。

五、具体落地方案 ​

实际架构 ​

┌─────────────────────────────────────────────────────┐
│                    用户消息                          │
│              （微信/飞书/钉钉/Telegram...）           │
└─────────────────────┬───────────────────────────────┘
                      ▼
┌─────────────────────────────────────────────────────┐
│              OpenClaw（入口 + 执行）                  │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐ │
│  │ 解析意图    │  │ 执行任务    │  │ 返回结果    │ │
│  └─────────────┘  └─────────────┘  └─────────────┘ │
└────────┬───────────────────────┬───────────────────┘
         │                       │
         ▼                       ▼
┌─────────────────┐     ┌─────────────────┐
│ 查询历史经验    │     │ 记录新经验      │
│ GET /skill/search│     │ POST /skill/learn│
└────────┬────────┘     └────────┬────────┘
         │                       │
         └───────────┬───────────┘
                     ▼
┌─────────────────────────────────────────────────────┐
│          Hermes 技能 API（存储服务）                  │
│     ~/.hermes/skills/openclaw-evolution/            │
└─────────────────────────────────────────────────────┘

关键说明：

• 直接用轻量 HTTP 通信，够用就行
• OpenClaw 是执行者，Hermes 技能 API 只是存储服务
• 技能存在 ~/.hermes/skills/openclaw-evolution/

API 调用示例 ​

任务前查询技能：

curl "http://127.0.0.1:52012/skill/search?q=分析项目代码结构"

任务后记录技能：

curl -X POST "http://127.0.0.1:52012/skill/learn" \
  -H "Content-Type: application/json" \
  -d '{
    "task": "分析项目代码结构",
    "skill": "使用 tree 命令查看目录结构，使用 grep 搜索关键文件",
    "steps": ["tree -L 2", "grep -r 'main' src/"],
    "result": "成功识别项目为 Node.js 项目"
  }'

六、执行效果数据 ​

关键收益：

• 步数减少 50%：从 30 步降到 15 步
• 时间节省 44%：从 45 秒降到 25 秒
• Token 节省 47%：从 15K 降到 8K

七、使用约束 ​

八、快速上手 ​

步骤 1：启动 Hermes ​

# 安装 Hermes
pip install hermes-agent

# 启动 Hermes（后台模式）
hermes start --api-port 52012

步骤 2：配置 OpenClaw 技能 ​

在 OpenClaw 的 skills 目录创建 hermes-bridge 技能：

# Hermes Bridge Skill

## 功能
- 任务前查询历史经验
- 任务后记录新经验

## API 端点
- 查询: GET http://127.0.0.1:52012/skill/search?q={task}
- 记录: POST http://127.0.0.1:52012/skill/learn

步骤 3：测试联动 ​

用户: 帮我分析这个项目的代码结构
OpenClaw: [查询 Hermes 历史经验] → [执行任务] → [记录新经验]

总结 ​

核心观点：分工合作，各司其职。OpenClaw 负责执行，Hermes 负责学习。简单方案解决复杂问题。