大家好，我是 Kate。今天我将分享我从 OpenClaw 迁移到 Hermes Agent 的完整过程。Hermes Agent 是由 Nous Research 开发的开源自进化 AI Agent 框架，和 OpenClaw 的定位非常相似，但在架构理念上走了一条不同的路。这篇文章会涵盖我迁移前的技术调研、实际迁移步骤，以及迁移后的使用体验，希望能为有同样需求的朋友提供参考。
https://github.com/nousresearch/hermes-agent
迁移的契机
我很早就知道 Hermes Agent，但一直没有动力去切换。直到昨天看到 Hermes 官方人员发了一条消息，大意是：如果你最近更新 OpenClaw 遇到了问题，不妨试试 hermes claw migrate。
这句话正好戳中了我的痛点。最近 OpenClaw 更新非常频繁，每次升级后都会遇到一些兼容性问题，尤其是 ACP（Agent Communication Protocol）相关的变动比较大。上周还能灵活调用 Cursor，这周就出了状况。与其不断修补，不如认真考虑一下迁移。
Hermes Agent 是什么
在正式迁移之前，有必要了解一下 Hermes Agent 到底是什么。它是 Nous Research 打造的自进化 AI Agent，也是目前唯一一个内置学习闭环的 Agent 框架——它能从经验中创建技能，在使用过程中持续改进，主动保存知识，搜索自己的历史对话，并在跨会话中不断加深对用户的理解。
它的核心在于真正的记忆系统。Agent 维护着两个精心管理的文件：MEMORY.md 用于记录环境事实、惯例和经验教训，USER.md 用于记录用户偏好和沟通风格。这些文件会在每次会话开始时注入系统提示词。同时，Agent 还具备基于 SQLite 的全文搜索能力，可以回溯数周前的对话。
它内置了 40 多个技能，涵盖 MLOps、GitHub 工作流、研究等领域，并且 Agent 能在使用过程中自动创建新技能，通过开放的 agentskills.io 格式进行分享。在部署灵活性方面，它支持六种终端后端——本地、Docker、SSH、Daytona、Singularity 和 Modal，可以运行在 5 美元的 VPS 上，也可以跑在 GPU 集群或按需休眠的 Serverless 基础设施上。
消息平台方面，Telegram、Discord、Slack、WhatsApp、Signal 和 CLI 都可以通过一个统一的网关进程来连接。模型选择上没有任何锁定，支持 Nous Portal、OpenRouter（200+ 模型）、MiniMax、OpenAI 等，通过 hermes model 随时切换。
Hermes 与 OpenClaw 的架构差异
这两个工具表面上非常相似，但底层设计理念存在关键区别。OpenClaw 是围绕一个中央控制平面（Gateway）来组织的，由一个长期运行的进程负责会话管理、路由、工具执行和状态维护。而 Hermes 则把 Agent 自身的执行循环作为核心——一个可重复的"执行-学习-改进"周期，整个系统围绕这个循环来构建。
最本质的区别在于技能系统。OpenClaw 的技能主要是人工编写的、可复用的工具和工作流指令。而 Hermes 的理念完全不同：Agent 在完成复杂任务后会自主评估哪些方法有效、哪些无效、用户做了哪些修正，然后将成功的方法提取为可复用的技能。换句话说，Hermes 的技能是"长"出来的，而不是写出来的。
这意味着，Hermes 更适合需要长期运行、通过使用不断提升的场景，而 OpenClaw 更适合需要精细手动控制和工作区原生集成的场景。
迁移前的调研过程
我这次没有直接去翻 Hermes 的仓库文档，而是先和 Grok 聊了聊我的需求，让它帮我解读官方帖子的含义、梳理迁移的关键问题。
Grok 告诉我，hermes claw migrate 这行命令可以把 OpenClaw 里的记忆、配置、技能一键导入到 Hermes，基本实现无缝切换。这意味着手动配置的工作量会大大减少。我接着问了几个关键问题：模型配置能不能迁移？API keys 怎么处理？OpenClaw 原有的数据会不会被修改？
根据官方文档的确认，迁移工具会读取 ~/.openclaw/ 目录，默认检查 ~/.openclaw/、~/.clawdbot/、~/.moldbot/ 三个路径。模型配置会映射到 Hermes 的 config.yaml 文件。API keys 默认不迁移（即 user-data 预设），但使用 full 预设可以一并导入。而且整个迁移过程是只读的，不会修改 OpenClaw 的原始文件。
官方还推荐在正式迁移前先运行 hermes claw migrate --dry-run 进行预览，查看哪些内容会被迁移、哪些会被跳过、哪些存在冲突。
我还让 Grok 列出了两者在编程语言、安装难度、消息平台支持、技能系统、记忆体系等方面的详细对比。虽然由于 OpenClaw 更新很快，对比可能有不完全准确的地方，但总体结论是两者非常相似，迁移后现有的大部分工作流都能正常运作。
关于 token 消耗——这也是很多用户关注的问题。社区分享的数据虽然不够严格科学，但大致的共识是 Hermes 长期使用反而更省 token，原因在于技能系统的积累效应减少了重复推理的开销。
正式迁移步骤
调研完成后，我决定动手迁移。以下是我在终端中执行的完整流程。
安装 Hermes Agent。 只需一行命令：
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
安装脚本会自动处理 Python、Node.js、依赖以及 hermes 命令的配置，除了 git 之外不需要任何前置条件。Hermes 的安装界面做得非常美观，它会自动检测操作系统、检查 UV 包管理器，然后依次安装所需依赖。
配置文件结构。 Hermes 的核心配置放在 ~/.hermes/config.yaml 中，对应 OpenClaw 的 openclaw.json。API keys 则存储在 ~/.hermes/.env 文件里。
健康检查。 安装完成后运行 hermes doctor，它会检查环境配置、文件结构、外部工具依赖等，并报告发现的问题。
执行迁移。 先用 dry run 模式预览：
hermes claw migrate --dry-run
确认无误后正式迁移：
hermes claw migrate
迁移支持多种预设：full 表示完整迁移包括密钥，user-data 表示仅迁移用户数据不含密钥。技能冲突可以通过 --skill-conflict 参数控制处理方式：skip 保留已有的 Hermes 技能，overwrite 覆盖，rename 创建带 -imported 后缀的副本。
配置模型和参数。 运行 hermes setup 进入配置向导。在这个过程中我遇到了一个小问题——可能是因为之前在 OpenClaw 里做过较大改动，导致 hermes model 提示找不到对应的模型名。后来用 Opus 4.6 帮忙排查，很快就解决了。
配置向导中有几个值得注意的设置：单次对话中工具调用迭代的最大次数；工具调用行为的展示详情级别（建议选择 "all" 以获得最完整的信息）；TTS 模型（我配置了 MiniMax TTS）。
因为是从 OpenClaw 迁移过来的，聊天平台等配置可以直接沿用，比如我原来配好的 Telegram 渠道就不需要重新设置。
迁移后的文件变化
有几个重要的细节需要说明。迁移命令执行后，原来的 OpenClaw 文件夹会被重命名为 .openclaw.pre-migration，所有原始内容都完好保留。如果对 Hermes 不满意，可以随时切换回去。
Hermes 在兼容性上也做了细致的考虑。即使原来的 workspace 位于 OpenClaw 文件夹下，迁移后 Hermes 在工作时会自动新建一个 .openclaw 目录并在其中创建 workspace。
不过有一点需要注意：定时任务（Cron Jobs）在我的迁移中没有被自动带过来，需要手动重新配置。
实际使用体验
迁移完成后，我用几个实际任务测试了 Hermes 的表现。
音乐生成。 我让 Hermes 生成一首轻音乐，它调用了之前在 OpenClaw 中创建的 MiniMax Music skill。尽管 skill 内部的路径仍然指向 OpenClaw 的目录结构，Hermes 依然能正确识别和调用，兼容性令人印象深刻。整个过程中，它清晰地展示了调用的 skill 名称和终端执行的每一条命令。当需要运行 Python 脚本时，会弹出确认框让我选择是否永久允许。
LLM Wiki 知识库。 通过输入 /llm-wiki 指令，Hermes 帮我创建了一份大语言模型发展史的知识库，存放在 Wiki 文件夹中。值得一提的是，它在回复中还自然地引用了之前对话中的上下文。
Manim 动画制作。 这是最能体现 Hermes 工作流透明度的一个任务。我输入 /manim-video，让它演示勾股定理的完整证明过程。Manim video 是 Hermes 的内置 skill，无需额外安装。整个执行过程中，每一步操作都会实时显示在界面上——调用了哪些工具、执行了哪些命令、当前进度如何，全部一目了然。这种逐步递进的展示方式比 OpenClaw 目前的实现要好不少。
十几分钟后，它交付了一个包含四个场景、时长 51 秒的动画视频。Manim 本身依赖复杂、安装麻烦，能一次性生成已经相当不错。之后我还给它提供了一份设计风格指导文档，让它按照指定风格重新生成动画，再配合 MiniMax Speech skill 生成解说配音，最终合成了一个完整的视频。虽然成品还有不少改进空间，但整个工作流的可行性已经得到验证。
Remotion 视频制作。 我还尝试让 Hermes 制作 Remotion 视频。过程中它一开始抓取了错误的页面，我输入 "stop" 试图让它停下来但没有反应，改成 /stop 才生效。纠正链接后它重新工作，最终的排版效果可以接受。
定时任务配置。 最后，我重新配置了从 Hacker News 定时抓取 AI 新闻的任务。Hermes 会先调用相关 skill，然后设置 Cron 定时任务，最后生成新闻摘要并推送。
常用命令速查
迁移和日常使用中会频繁用到以下命令：
hermes # 启动交互式 CLI 对话
hermes setup # 运行完整配置向导
hermes model # 选择 LLM 提供商和模型
hermes tools # 配置启用的工具
hermes gateway # 启动消息网关（Telegram、Discord 等）
hermes claw migrate # 从 OpenClaw 迁移
hermes update # 更新到最新版本
hermes doctor # 诊断问题
总结
从 OpenClaw 迁移到 Hermes Agent 的过程比预期顺利。技能、记忆、消息渠道等核心资产都能通过一条命令完成导入，兼容性表现出色。Hermes 在工具调用的透明度和实时进度展示方面明显优于 OpenClaw，而自进化的技能系统也让它在长期使用中越来越顺手。
粤ICP备14082021号
免费POC，
零成本试错
