• OpenClaw 使用笔记
  • 介绍
  • 原理
    • Sub Agent 设计模式
  • 应用
  • 进化
    • 【2026-3-10】普林斯顿 OpenClaw-RL
    • 【2026-3-17】CMU+伯克利 MetaClaw
  • 同类框架
  • Hermes
    • Hermes 介绍
    • Hermes 如何发音？
    • GUI
      • (1) Hermes Web-UI
      • (2) hermes-hudui
    • 架构
      • 1. 三层记忆架构：越用越懂你的秘密
      • 2. 五层安全防线：比 OpenClaw 更谨慎
    • 问题
  • Evolver
• 结束

OpenClaw 使用笔记

介绍

详见飞书文档 OpenClaw笔记

原理

详见飞书文档 OpenClaw工作原理

Sub Agent 设计模式

【2026-5-9】subagent 的常用 4 种编排模式

主 agent 之外起 subagent 是搭复杂 AI 系统的常用做法。

按主 agent 对子 agent 生命周期的控制力从弱到强，4 种模式正在成形。

• Pattern 1 Inline Tool 工具模式。subagent 当成普通 tool 调一次拿结果。call_agent 一个工具就够了。
  • Sync 模式 tool 阻塞返回结果，Async 模式立即返回 ID 结果稍后注入。
  • 多数 subagent 用例从这里开始也停在这里 — research 查找、code review、文件分析、test 生成都能搞定。
  • 局限：没法发 follow-up、没法查进度、没法提前 cancel。
  • 任何支持 tool use 的模型都能跑，包括小模型。
• Pattern 2 Fan-Out。spawn_agent 立即返 ID，wait_agent 阻塞收集。模型自己决定何时 wait。好模型在 spawn 后做自己的活到节点再 wait，差模型 spawn 后立刻 wait 等于 Pattern 1 没拿到并发优势。
  • 适合多个独立任务可以并发跑，主 agent 不需要中间结果就能开下一个。仍然 fire-and-forget 没法中途纠偏。
• Pattern 3 Agent Pool。subagent 持久存在保留对话历史。主 agent 通过 spawn / send_message / wait / list / kill 五个工具协调。多回合对话，主 agent 在专家之间路由信息。适合多步工作流，agent 之间需要协作。局限是主 agent 要追踪多个 agent 状态，前沿模型勉强能管 2 至 4 个，更多就跟丢。
• Pattern 4 Teams。agent 之间直接对话，每个成员都有 cross-agent send_message。主 agent 搭好团队后退后只等汇报。适合大任务，协调逻辑超出单个 agent 能 step-by-step 管理。局限严重 — 每个 agent 都需要前沿级模型，还要解决循环检测、冲突解决、shutdown 协调、调试链追踪等基础设施挑战。

工程纪律：从 Pattern 1 起步。多数任务不需要复杂编排。只有真正需要并行 / 多步协作 / 复杂团队协调才往上走。模式越高，模型门槛越严，调试越痛。用便宜模型搭 Pattern 4 是最常见的失败方式。

应用

详见飞书文档 OpenClaw笔记

进化

基于 OpenClaw 改进论文

• 【2026-3-10】普林斯顿 OpenClaw-RL 实时回收利用这两类被浪费的信号，构建从任何交互流中持续学习的统一系统。
  • OpenClaw-RL: Train Any Agent Simply by Talking
• 【2026-3-17】CMU+伯克利 推出持续元学习框架MetaClaw，联合维护基础 LLM 策略和不断演变的、包含可重用行为指令的技能库，实现 agent 自我进化
  • MetaClaw: Just Talk – An Agent That Meta-Learns and Evolves in the Wild
  • Github: MetaClaw

【2026-3-10】普林斯顿 OpenClaw-RL

解决什么问题？

现有 agent 强化学习系统大多依赖于预先收集的批量数据或最终结果奖励，忽视了真实交互中实时产生的、富含信息量的过程信号。

• 评价性信号：隐式地评价前一个动作的好坏。用户再次提问可能意味着不满意，通过的测试意味着成功，错误堆栈则意味着失败。这构成了一个天然的过程奖励，无需额外的人工标注。
• 指导性信号：指明动作应如何改进。用户说“你应该先检查文件”，不仅说明回答错了，更具体指出了改进方向。详细的软件错误追踪也常常暗示了具体的修正路径。

就像老师只根据期末考试成绩来评判学生，却完全忽略了日常作业、课堂提问和即时反馈的价值。

普林斯顿大学新研究——OpenClaw-RL，终结这种“数据浪费”，让AI智能体能够简单地通过被使用来学习与进化。无论是个人对话助手，还是执行终端、GUI、软件工程或工具调用任务的通用智能体，都能在同一套框架下，从实时交互信号中持续学习。

OpenClaw-RL 核心创新: 实时回收利用这两类被浪费的信号，构建从任何交互流中持续学习的统一系统。

2026-3-10】普林斯顿 OpenClaw-RL

• OpenClaw-RL: Train Any Agent Simply by Talking
• 代码 OpenClaw-RL
• 解读 OpenClaw-RL：让智能体在对话中自我进化，实现统一的智能体强化学习框架

OpenClaw-RL 框架: 完全解耦的异步架构。

• 下一状态信号是通用的，同一个策略可以同时从所有类型的信号中学习。
• 个人对话、终端执行、GUI交互、软件工程任务和工具调用轨迹，不再是各自独立的训练问题，而是可以用于在同一循环中训练同一策略的交互流。

完全解耦的异步架构

• 策略服务、环境交互、PRM（过程奖励模型）评判和策略训练作为四个独立的循环运行，彼此之间没有阻塞依赖。
• 模型在服务下一个用户请求的同时，PRM正在评判上一个响应，训练器则在应用梯度更新——三者互不等待。
• 正是这种设计，使得从实时、异构的交互流中进行连续训练变得可行。

OpenClaw-RL基础设施概览。

• 交互流来自两种智能体：部署在个人设备上的个人智能体（对话式、单用户），以及托管在云服务上的通用智能体（终端、GUI、SWE和工具调用智能体）。
• 收集的样本流入基于异步slime框架构建的RL服务器，该服务器由四个解耦的组件构成，支持优雅的权重更新，并能与任何智能体框架协同训练。

OpenClaw-RL 标志着智能体训练范式的重要转变。不再将训练和部署视为两个割裂的阶段，而是构建了实时交互中持续学习、自我演进的闭环系统。

【2026-3-17】CMU+伯克利 MetaClaw

解决什么问题？

• 现有agent部署后，保持静态，能力逐步过时

OpenClaw 平台上，单个智能体连接 20 多个消息渠道并处理多样化、不断变化的工作负载，现有方法

• 要么存储原始轨迹而不提炼可迁移的行为知识
• 要么维护与权重优化脱节的静态技能库
• 要么在重新训练期间导致服务中断。

【2026-3-17】CMU+伯克利

• MetaClaw: Just Talk – An Agent That Meta-Learns and Evolves in the Wild
• Github: MetaClaw
• 解读

MetaClaw 持续元学习框架，联合维护基础 LLM 策略和不断演变的、包含可重用行为指令的技能库，并通过两种互补的机制对两者进行改进。

• 技能驱动的快速适应分析失败轨迹，并通过一个 LLM 进化器合成新技能，这些技能立即生效，实现零服务中断。
• 机会性策略优化通过机会性元学习调度器（OMLS）在用户非活动窗口期间被触发，利用带过程奖励模型（PRM）的强化学习（RL）在云端执行基于梯度的 LoRA 微调权重更新。

两种机制相互促进：更好的策略能为技能合成提供更多信息丰富的失败案例，而更丰富的技能则能为策略优化提供更高回报的轨迹。

MetaClaw 基于代理架构构建，无需本地 GPU 即可扩展到生产规模的 LLM。

MetaClaw-Bench（934 个问题，44 个模拟工作日）和 AutoResearchClaw（23 阶段自主研究流水线）上的实验显示出一致的改进：仅技能驱动适应就将准确率相对提升了高达 32%；完整流水线将 Kimi-K2.5 的准确率从 21.4% 提升至 40.6%（对比 GPT-5.2 基线 41.1%），端到端任务完成率提升了 8.25 倍；并且仅技能注入就将 AutoResearchClaw 的综合鲁棒性提升了 18.3%。

同类框架

【2026-4-11】OpenClaw、Hermes、Superagent：Agent 时代的三条路线，该怎么选？

三条完全不同的路线

• OpenClaw：怎么让 AI 真正变成常驻个人助手。
• Hermes：怎么让 Agent 在更低成本下持续学习、越用越顺手。
• Superagent：当 Agent 真要进生产环境时，怎么别把公司数据和合规底线一起送走。

这不是简单的“三个框架谁更强”。而是 Agent 时代分叉：有人抢生态，有人抢效率，有人抢安全入口。

Agent 下半场面临的工程问题：

• 要不要 24 小时常驻
• 要不要跨平台接入
• 成本会不会失控
• 技能怎么沉淀
• 上下文怎么管理
• 权限怎么收口
• 安全事故出了谁负责

大家争夺的不是“谁更像一个聪明聊天机器人”，而是：谁能成为下一代 AI 工作流里的基础设施。

产品	导向	特点	适合谁
OpenClaw	生态优先	通用助手中控层; 生态厚/产品强/扩展强； 但太重/成本高/上下文管理厚/安全问题	尽快跑起来
Hermes	学习效率优先	会进化的轻量agent	重视效率和积累
Superagent	安全治理优先	安全与治理闸门	生产环境

更多比较

Claude Code / OpenClaw / Hermes Agent 对比表

维度	Claude Code	OpenClaw	Hermes Agent
核心隐喻	工匠 (Craftsman)	宠物 (Pet)	管家 (Manager)
交互模式	实时结对编程	配置即行为	自主后台运行，跨平台汇报
擅长场景	写代码、重构、Debug	个人助理、轻量任务	长周期任务、巡检、日报
模型支持	仅 Claude	多模型	200+ 模型（含 Claude）
部署形态	本地终端绑定	特定生态绑定	Anywhere（VPS/Serverless）

Hermes

【2026-4-15】资讯 Hermes Agent被实锤架构级抄袭中国团队 EvoMap 的开源项目 Evolver：10步主循环一一对应、12组术语系统性替换、7份材料零归属。

• EvoMap 开源 Evolver 36天后，融资过亿的硅谷团队 Nous Research“重新发明”了整套自进化架构。
• 被锤后官方回应仅一句“Delete your account”，随后删帖拉黑。

Hermes 介绍

Hermes 官网

• 教程：第三方教程 Hermes Agent

Hermes 如何发音？

两种读法，Hermès（法国品牌，带重音）与 Hermes（希腊神名，无重音）发音完全不同，核心区别：法语 h 不发音，英语 h 发音。

类型	音标	近似读音	注意
国际音标	/ɛʁˈmɛs/	艾尔 - 梅斯	H不发音
赫尔墨斯希腊神名：赫尔墨斯	/ˈhɝːmiːz/	赫-儿-米兹	H清晰发音, s浊化为z

总结

• ❌ 误读：“赫尔 - 梅斯”（混英法）
• ✅ 品牌：“爱马仕” ≈ 艾尔梅斯
• ✅ 神话：“赫尔墨斯” ≈ 赫米兹

GUI

官方 Web UI

第三方 Web UI

• 【2026-4-11】Hermes-HUDUI 开源项目，为本地AI代理 Hermes 提供了可视化控制面板，解决了”黑盒”问题，可实时查看AI记忆、当前目标与会话历史。
• hermes-webui

(1) Hermes Web-UI

git clone https://github.com/nesquena/hermes-webui.git hermes-webui
cd hermes-webui
python3 bootstrap.py
# 或
./start.sh

(2) hermes-hudui

项目地址：hermes-hudui

安装方法

git clone https://github.com/joeynyc/hermes-hudui.git
cd hermes-hudui
./install.sh
hermes-hudui # 不一定管用
source venv/bin/activate && hermes-hudui

打开地址 ocalhost:3001

架构

Hermes Agent 核心架构

架构拆解：三层记忆 + 五层防线

Hermes 核心创新概括：像人类一样记忆，像银行一样安全。

1. 三层记忆架构：越用越懂你的秘密
2. 五层安全防线：比 OpenClaw 更谨慎

1. 三层记忆架构：越用越懂你的秘密

传统 AI 助手最大的痛点是”失忆”——每次对话从零开始。Hermes 通过三层记忆系统解决这个问题：

Agent 三层记忆架构表

层级	名称	存储内容	实际例子
第一层	持久事实层	用户偏好、项目习惯、长期工作上下文	“你习惯用 4 空格缩进，讨厌驼峰命名”
第二层	程序性记忆层	Skill（技能）及对应的优化迭代历史	“写周报时先读取 Git 提交记录，再自动生成内容总结”
第三层	历史搜索层	全量对话上下文、完整任务执行流水记录	“上周三你让查询的竞品数据在这里”

1. 第一层（长期静态记忆）：几乎永久保存，不随单次对话过期，塑造 Agent 固定工作风格与个人习惯
2. 第二层（流程技能记忆）：固化标准化工作流程，持续迭代优化任务执行步骤，形成可复用自动化能力
3. 第三层（时序上下文记忆）：短期对话回溯，支持历史问答溯源、跨时间任务关联查询

为什么分层？

• 想象一下：如果你每次聊天都要从幼儿园回忆开始，效率有多低。Hermes 默认只加载第一层（几百字摘要），需要时才检索深层记忆，既省 Token 又防幻觉。

Skill 自生长机制：完成任务后，Hermes 会自动复盘——”这次哪里做得好？哪里可以优化？”然后将经验固化为新的 Skill（一个 Markdown 文件）。下次遇到类似任务，直接调用 Skill，无需重新推理。

实际效果：第一次写周报需要 10 分钟，第二次可能只需 30 秒。

2. 五层安全防线：比 OpenClaw 更谨慎

Hermes 在安全性上做了大量工作，特别适合企业场景

AI Agent 安全五层防护体系

防线	机制	示例
用户授权	敏感高危操作强制要求用户手动确认	删除文件前弹窗二次确认
危险命令审批	rm -rf 等高风险系统指令拦截+二次校验	严防误删线上生产环境数据
容器隔离	Agent 任务全程在独立沙箱容器内运行	异常代码崩溃、恶意行为不会影响宿主主机
上下文扫描	前置检测对话与指令里的注入类风险	自动识别拦截 SQL 注入、系统命令注入攻击
权限最小化	默认只读权限，所有写入/修改操作必须显式授权	从根源杜绝越权访问、非法篡改文件

问题

【2026-5-9】Hermes Agent 被忽视的 4 个坑，DTClaw 如何填平？

4 个关键问题几乎没人提：

• 部署体验简化了，认知鸿沟还在
• 自进化是最大亮点，也藏着最大隐患
• 记忆设计精巧，但适用面有限
• 安全纵深做得扎实，但规则总有尽头

蚂蚁数科 DTClaw 的实践

坑	DTClaw 填平方式
认知门槛高	专业虾模板 + 密态技能，开箱即专业
自进化不可控	模型提案 + 确定性决策 + 回滚机制
记忆场景单一	插件化记忆后端，场景自选策略
静态规则有尽头	CARLI 五维模型，允许犯错但损害可控

DTClaw 不是另一个 Hermes，而是更成熟的“数字合伙人”

DTClaw 还具备：

• PinchBench 87.93% 综合得分，超越官方基准 7%~22%
• 上下文优化插件：智能压缩冗余，节省 50% Token
• 存算分离架构：热切换实例无中断，零数据丢失
• 支付宝 AI 付：让 Agent 从“能执行”进化为“能交易”

Evolver

EvoMap 十几人的中国年轻团队从零搭建了一整套AI Agent自进化引擎 Evolver，给AI智能体装上「基因系统」，让能力可以像生物基因一样遗传、变异、进化。

EvoMap 开源 Evolver 36天后，融资过亿的硅谷团队 Nous Research“重新发明”了整套自进化架构。

• GitHub Evolver

结束