Hermes 连微信，五分钟轻松搞定

前天刚把 Hermes 的飞书通道调通，第二天就被另一则消息刷屏——

Hermes 竟然原生支持个人微信了！

消息源：雷神

一位 X 大神开发了一款适配器，利用腾讯的 iLink Bot API 直接对接个人微信（注意，不是企业微信）。消息传输采用长轮询机制，无需公网 IP，也不必配置 Webhook，扫码即可完成绑定。

为什么我这么兴奋？

因为用了 Hermes 两天后，我真切地感受到它比龙虾（OpenClaw）强出一大截：

如今再加上微信通道，体验直接拉满，真想大喊一声“真香”。

一、一句话升级

如果你已经部署过 Hermes，升级只需一行命令：

hermes update

具体操作：

1. 在 Ubuntu 终端按 Ctrl + C 停掉当前运行的 Hermes；
2. 输入 hermes update 并回车；
3. 等待更新流程自动完成。

小惊喜：Hermes 在更新时检测到本地冲突，会自动帮你暂存起来，非常省心。而龙虾遇到冲突就会直接报错，只能手动解决。

二、本次更新带来了哪些内容

更新结束后，系统会提示你是否恢复本地更改，请先选择“手动恢复”，等把微信配置好了再说。

像 Claude Code、Cursor 这类 AI 编程工具确实帮我们省去了大量重复劳动。

但用得久了，你很快会发现自己被困在一个极度抓狂的痛点上：排队等待。

每当你敲下一个需求指令，接下来的一段时间，就只能盯着终端里不停闪烁的进度条发呆。

想趁这个空档顺手修一下隔壁模块的 Bug？完全不敢动。因为 AI 正牢牢占着终端，文件也在改写中，这时切出去操作，分分钟就会造成文件冲突。

结果就是，虽然 AI 写得飞快，我们却被迫进入了“单线程”模式，一次只能推进一件事，活脱脱变成了一个盯着流水线运转的操作工。

直到最近，我在 GitHub 上发现了一个名为 Vibe Kanban 的开源项目，它几乎重新定义了这种低效的协作方式。

简单来说，它并不是那种让我们手动拖拽任务的传统看板软件，而是一个真正能指挥 AI 干活的中央调度台。

有了它，你就不再是那个单向输入指令的程序员，而是立刻升级为能同时指挥多位 AI 工程师干活的技术经理。

这个工具最直观的亮点，就是它能让我们手里的 AI 工具实现“多线程并发”。

以前我们修 3 个 Bug，只能老老实实挨个来：修完第一个，验证通过，再开始第二个。

但在 Vibe Kanban 中，你可以在看板上直接创建 3 张任务卡片，把它们全部指派给 Claude Code。

点击开始后，这三个任务会同时跑起来。这边在重构登录页，那边正在修支付接口的报错。

你只需去喝杯水，回头大概率三件事都已经搞定。

这种并行能力，直接把原本被浪费的等待时间，转化成了实实在在的生产力。

除了能多开同一个工具，它还有进阶玩法：支持不同 AI 编程工具的“混合作战”。

你可以根据开发任务的难易程度，灵活地把它们分派给不同的 AI“员工”。

比如，项目核心代码重构这种高难度任务，让聪明但稍贵的 Claude Code 来负责。

而写单元测试、补全文档这类跑量活，则可以直接丢给速度快且便宜很多的 Gemini CLI 去执行。

这种“知人善任”式的调度，能极大地提升开发速度，连 Token 费用都能帮你省下不少。

看到这里，你心里可能会冒出疑问：几个 AI 同时在一个项目里改代码，难道不会互相打架吗？

这就必须说清 Vibe Kanban 底层采用的技术：Git Worktree。

近日，阿里云Coding Plan订阅服务迎来全新升级，正式引入Qwen 3.5-Plus、GLM-4.7、Kimi-K2.5等主流编程模型。用户订阅后即可在这些模型间自由切换，灵活匹配不同开发任务。

即日起，新用户首次购买即可享受首月两折超值特惠：每月18000次请求额度仅需7.9元，90000次请求额度仅需39.9元，让开发者以极低成本体验强大的AI编程能力。

阿里云Coding Plan订阅服务提供Lite基础版与Pro高级版两种梯度方案。Lite基础版每月最多支持18000次请求，新用户首月仅付7.9元；Pro高级版每月慷慨提供90000次请求，足以支撑数千次复杂编程任务，新用户首月仅需39.9元，显著降低高频编码场景的长期成本。

目前，用户可在Qwen Code、Claude Code、Cline、OpenClaw等广受欢迎的AI工具中直接集成阿里云Coding Plan订阅服务，无缝开启智能编程之旅。

近期，Hermes在网络上迅速蹿红！这款由Nous Research打造的开源AI智能体框架Hermes Agent，发布仅两个月就揽获超5万颗GitHub星标，单日最高暴增6400星，持续霸占全球开源项目榜首位。

项目命名极具巧思，Hermes与奢侈品牌爱马仕同名，团队似乎在用这种方式暗示其高端定位——如果说OpenClaw是“小龙虾”，那Hermes就是龙虾界的“爱马仕”。

你可以把Hermes看作OpenClaw的进化形态，它完整保留了“小龙虾”的经典能力，包括对话式交互、自主执行、技能扩展等，同时在记忆系统和自我学习机制上实现了更先进的突破。

01 从“龙虾”到“爱马仕”：Hermes如何解决OpenClaw的三大痛点？

AI领域迭代飞快，这边“小龙虾”尚未完全成熟，那边的Hermes已经圈粉无数。虽然OpenClaw热度极高、生态活跃，但它的短板也愈发突出，最受诟病的就是Token消耗太过惊人。

小米大模型负责人罗福莉曾指出，OpenClaw的上下文管理存在严重浪费，单次用户查询常常被拆分成多轮低价值的工具调用，导致实际推理成本可能达到订阅价格的数十倍。再加上近来Anthropic对“龙虾套餐”的封禁，使用成本更是水涨船高。

Hermes恰逢其时，承接了一大波“龙虾党”的迁移潮。

简而言之，Hermes同样是一个可运行在服务器甚至笔记本上的个人自动化智能体，通过社交媒体或即时通讯工具进行交互，这一点与OpenClaw完全相同。

而关键差异在于，Hermes内置了一套完整的“学习闭环”。每次执行一项复杂任务后，它会自动复盘整个流程：哪些环节成功、哪些失败、哪些耗时过长，然后生成结构化的技能文件保存在本地。下次遇到同类问题，直接调用积累的经验，效率大幅提升。所有记忆和学习成果均以SQLite数据库形式存储在本地，支持跨会话的知识检索与复用。

Hermes的核心优势可以概括为三点：

第一，真正的永久记忆。OpenClaw的记忆主要依赖memory.md文件，时常发生崩溃或遗忘；而Hermes将所有历史会话存入本地数据库，自主整理和更新，从而逐步形成对你工作方式的深层理解。

第二，自动技能沉淀。每完成一项任务，Hermes就会自动提炼出可复用的Skill，转化为能力资产。根据用户反馈，这种记忆机制使得重复性研究任务的耗时缩短了40%。

第三，越用越强。随着使用时间的增加，Hermes的能力会持续成长，变得越来越精准，越来越贴合你的个人偏好。它通过观察你对哪些回应作出反馈、对哪些忽略，不断校正自己的行为。

哪些场景最适合Hermes？需要长期积累经验的重复性任务，例如市场监控、内容创作优化、个人知识管理等。

如果你还没有用过OpenClaw，不妨直接从Hermes开始。因为Hermes并非另起炉灶，而是站在OpenClaw肩膀上的下一代产品。它支持一行命令完整迁移OpenClaw的所有数据——包括人设、记忆、技能和API密钥，五分钟就能完成切换。

02 三步上手：Hermes的极简部署指南

Hermes的部署门槛非常低。硬件方面，它本质上只是一个调用大模型API的客户端，无需GPU，只要能运行Python即可。macOS和Linux原生支持，Windows用户通过WSL2即可安装，甚至Android手机借助Termux终端模拟器也能顺利运行。

安装只需在终端执行以下一行命令，就能完成全部安装：

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

该脚本会自动搞定Python、Node.js、ripgrep、ffmpeg等所有依赖，并将hermes命令添加到系统路径中。

安装完成后，运行：

hermes setup

按提示选择模型提供商。Hermes支持超过200种大模型，涵盖OpenRouter、Anthropic、OpenAI，以及国内的DeepSeek、通义千问、智谱GLM、Kimi等。同时也可以接入本地Ollama模型，实现完全离线运行。

配置完毕后，在终端输入：

hermes

即可进入对话界面。值得一提的是，Hermes原生支持微信、钉钉、企业微信、Telegram、Discord、Slack等超过15个平台。

03 实践范例：Hermes的四大杀手级应用场景

1、资讯汇总

可以设置定时任务，让Hermes每天自动抓取行业资讯并生成简报。例如“每天早上8点扫描指定GitHub仓库的最新Release，将摘要发到我的Telegram”，Agent会在后台无人值守地循环执行。这套机制同样适用于AI产业资讯整理、竞品动态追踪、自媒体选题素材收集——只需定义一次规则，它就会持续输出结构化的内容。

2、监控与数据统计

用来监控竞品网站的商品上新、用户留言、销量变化等关键数据，辅助调整自身策略。Hermes支持Cron表达式，可以按小时、按天或任意自定义周期执行监控任务，并将变化趋势自动汇总为报告。

3、搭建智能体团队

对于岗位职责清晰的团队，Hermes的子代理功能可将复杂任务拆解成多个并行的子任务，每个子代理扮演不同的角色，完成后自动汇总。以新媒体团队为例：主编把握选题和方向，编辑负责文案，插画师生成配图，视频剪辑处理后期——这四种职能可以被Hermes“复刻”成一条自动化协作流水线。

再比如电商团队：采购、运营、市场三个角色各司其职，从选品、投放到数据分析，全链路自动化。Hermes不会取代真正的团队成员，但它能将重复性的协调工作压缩到最低限度，让人们把精力投入到更具创造性的部分。

4、研究与优化

Hermes特别适合需要不断调试和持续优化的工作流。例如营销文案，你可以让Hermes反复测试不同版本，跟踪转化数据，自动迭代出最优表达。更进阶的应用是金融领域的投资组合优化——只需设定风险偏好、收益目标和最大回撤线，让Hermes持续监控市场变化，并给出调整建议。随着使用次数的增加，它对策略逻辑的理解会不断深化，输出质量也会逐步提升。

总结与展望

当然，任何新工具都存在一定的学习成本和适应周期。Hermes仍在快速迭代，在生态成熟度与社区文档的完善程度上，目前还无法与OpenClaw同日而语。但作为“小龙虾”最强有力的竞争对手，它的潜力绝对不容小觑。对普通用户来说，如果精力允许，值得上手一试；如果你已有OpenClaw的使用经验，那么Hermes几乎可以实现一键切换，迁移成本几乎为零。

归根结底，技术本身并不产生价值，只有与商业场景相结合，才能释放出巨大的能量。技术是一个放大器，能够低成本复制商业模式、提升团队执行效率。关键在于你是否已经想清楚并跑通了整个商业闭环——无论“小龙虾”还是“爱马仕”，都将成为你麾下的超级赛博员工，为你所用。

快速入门：一分钟概览

仅需一行curl命令即可完成安装。您可以选择一个模型提供商（例如Claude、GPT、GLM、MiniMax等，或本地Ollama实例），然后为其分配一个具体任务——例如“每天上午八点汇总我的GitHub通知”，或者“协助调试这个Python脚本”。

智能体将立即开始运行并持续学习。一周之后，执行相同任务时将产生更加精确的输出结果，因为Hermes一直在后台默默编写skills——这些记录成功操作的小型Markdown文件将在未来被复用。

这便是整个产品的核心逻辑：快速安装 → 分配明确任务 → 观察其持续进化。

适用人群：谁需要Hermes Agent？

三类用户群体最能从中受益：

1. 命令行开发者 如果您熟悉终端环境，习惯在编辑器中使用Claude Code编写代码，并且需要一个能够处理“审计代码仓库中的无效代码”这类复杂任务的助手。 推荐初始使用组合：hermes CLI + skills功能

2. 自动化运营人员 不一定需要编写代码，只是希望利用AI处理重复性工作——例如汇总新闻资讯、监控市场动态或生成定期报告。 推荐初始使用组合：cron定时任务 + 消息网关 + 记忆系统

3. Telegram机器人爱好者 期望拥有一个随时可以联系的AI助手，无论身处何地都能发送消息让其处理事务。 推荐初始使用组合：Telegram网关 + 语音功能 + skills技能库

对比分析：Hermes Agent与其他AI工具的差异

核心差异总结：Claude Code专注于仓库内的编程辅助，Cursor侧重于编辑器内的配对编程体验，OpenClaw是配置驱动的任务执行器，而Hermes Agent则是一个能够跨会话学习、并允许您通过多种渠道联系的自主智能体。

此为《认识Hermes》系列连载的首篇文章（共6篇）。

Hermes 是一款 AI Agent 产品，其核心理念在于：让 AI 不再仅仅是一个“工具”，而是能够“认识你并和你共同成长”的伙伴。它旨在解决一个核心痛点：无论使用现有的 AI 工具多久，它依然不认识你——每一次开启新对话，你都需要重新解释一切。

本系列将围绕一条清晰的主线展开——痛点 → 是什么 → 怎么记 → 怎么学 → 带了什么 → 边界在哪。

换言之，我们将从“为何现有AI工具不认识你”开始，深入探讨“Hermes 如何主动认识你、并主动构建关于你的知识”，进而一步步剖析至“Hermes 的能力边界在哪里”，从而帮助你建立对 Hermes 完整的认知图景。

本文属于**「痛点」**环节，将带你深入理解：为何现有的 AI 工具即使用得再久，也始终像一个对你一无所知的陌生人？

————————————————

你是否曾有过这样的感受——

使用某个 AI 助手长达三个月后，当你开启一个全新的会话，它对你的一切仍然一片空白。你不得不重新说明你是谁、你正在进行的项目是什么、你偏好或排斥何种表达方式。而下一次，当你再次新建一个会话时，一切归零，流程重演。

这并非程序漏洞，而是现有 AI 工具普遍做出的设计选择。

本质上，你并非在“使用”一个 AI，而是在每一次互动中“重新介绍”一个 AI。

起初，我以为问题在于 AI 缺乏记忆能力。但后来我逐渐意识到，关键不在于“能否记忆”，而在于“由谁来承担记忆的构建与维护成本”。

以 OpenClaw 为例。许多人认为它的记忆系统是“扁平化”的，实则不然。OpenClaw 拥有一套相当精密的记忆架构：MEMORY.md 用于存储长期事实与个人偏好，每日笔记记录工作上下文，DREAMS.md 自动整理短期记忆，还有 Memory Wiki 可以为记忆打上标签并进行矛盾检测。

它的记忆是“显性化”的——你随时可以打开相关文件，一切记录清晰可见。

然而，这套系统伴随着一个显著代价：需要用户投入时间去维护。你必须主动撰写、主动整理、主动更新。长期使用后，你可能会陷入一个尴尬的境地——

你耗费在“维护 AI 记忆”上的精力，几乎等同于你亲自重新处理那些事务。

最终，许多人选择放弃维护，面对新会话时宁愿重新交代一切，于是 AI 依然不认识你。

这并非 OpenClaw 独有的缺陷，而是“由人来维护记忆”这种模式共同面临的困境——

当记忆的成本完全由人来承担时，记忆的质量便取决于人是否愿意持续投入时间。而现实往往是，人们不愿意。

如果我们把视野放宽，会发现整个 AI 助手行业正在经历三次明显的定位迁移：

第一阶段：工具型 定位核心是“协助你完成单次独立任务”。代表产品如 GitHub Copilot、Midjourney、早期版本的 ChatGPT。其特征是即用即走，实现单次任务闭环，不保留交互痕迹。

最近，Hermes Agent 在GitHub上迅速走红，其星标数量已突破十万，这一现象值得深入探讨。本文将对这一自主成长的AI智能体进行详细解析，帮助读者理解其独特之处。

Hermes Agent 是什么：核心功能概览

简而言之，Hermes Agent 是一款部署在服务器上的AI助手，其与众不同之处在于具备自我进化能力。这种成长体现在多个方面，首先是其持久的记忆系统。与常见聊天工具中临时性的对话记录不同，Hermes Agent的记忆被存储在硬盘中，确保长期保存。无论用户与之讨论过什么内容、执行过哪些任务，或是用户偏好的格式与风格，这些信息在系统重启后依然完整保留。例如，间隔数周后再次处理同一项目时，它能够检索出先前的上下文记录，经实际测试验证了这一功能的可靠性。

此外，该智能体具备自主总结经验的能力。在完成一项任务后，它会将执行过程整理成技能文档保存。当未来遇到类似场景时，便无需从头开始，可直接调用已有的Skill进行处理。使用门槛相对较低，仅需每月五美元的VPS即可运行，无需GPU支持。它支持接入飞书、微信、企业微信等平台，也能通过命令行直接交互。内置四十多种工具，涵盖代码执行、网页搜索、图像生成和文件系统操作等功能。

在模型方面，默认采用自研的Hermes 3（基于Llama 3.1架构），同时兼容OpenAI、Claude及本地Ollama等多种模型，更换模型仅需一行命令即可完成。

Hermes Agent 受欢迎的原因

在GitHub上存在大量Agent框架的背景下，Hermes Agent能够脱颖而出并获得十万星标，可能源于以下几个关键因素。首先，“用完即忘”是许多用户在实际使用中的真实痛点。据开发者反馈，绝大多数人曾抱怨过类似问题。尽管Claude Code通过auto-memory功能将笔记写入磁盘有所改进，但多数Agent框架在关闭窗口后仍会丢失数据。Hermes Agent将记忆功能作为核心架构设计，整个系统围绕“持久记忆”这一理念构建。

其次，其定位与OpenClaw和Claude Code存在本质区别。许多人将它与OpenClaw进行比较，但两者目标不同。OpenClaw是一个多Agent协作系统，专注于协调多个Agent共同完成任务；Claude Code是专注于代码编写的编程工具；而Hermes Agent则更像是个人助理，常驻服务器协助处理日常事务，并通过学习不断优化体验。本质上，这三者并不冲突，甚至可以协同使用。

最后，开源特性、自托管模式及低成本优势共同构成了强大吸引力。用户无需将数据交由第三方处理，也不必支付高昂的月费，完全在自有服务器上掌控一切。这对于注重数据隐私的团队而言具有重要意义。

如何实现自主成长：记忆与技能系统

三层记忆系统详解

Hermes Agent的记忆系统分为三层，每层承担不同职能。第一层由两个Markdown文件构成：MEMORY.md存储环境信息、项目规范及经验总结；USER.md记录用户个人偏好，例如回复风格、常用编程语言或厌恶的格式。这两个文件在每次会话时直接嵌入系统提示词，形成Agent的“角色设定”。此外，SOUL.md文件定义了其人格特征。这些文件均可用文本编辑器直接修改，纯文本格式避免了数据库锁等复杂问题。

第二层基于SQLite的全文检索功能。所有历史对话存储于SQLite数据库中，并通过FTS5引擎建立全文索引。当需要查询数周前讨论过的某个方案时，可直接进行全文搜索。这种方式并非将所有历史记录塞入上下文窗口，而是按需检索，从而有效控制token消耗，避免资源浪费。

第三层是定期自省机制。在会话过程中，Agent会定期接收系统级内部提示，促使它回顾近期活动并判断哪些信息值得保存。这一过程无需用户干预，完全自主进行。系统会自动决定信息应存入MEMORY.md还是保留在SQLite中供检索使用。此设计的巧妙之处在于，记忆增长不会导致token消耗线性增加。

技能系统：从执行到复用的完整流程

这是Hermes Agent与其他Agent框架最显著的区别。普通Agent的工作流程通常是：接收任务→执行→结束。而Hermes Agent在完成后增加了一个关键步骤：评估执行过程，提取有用部分，并将其编写为结构化的技能文档。该文档包含操作步骤、常见问题及验证方法。

例如，当用户要求将Python项目部署到特定服务器时，Agent可能需要调用五六个工具才能完成。任务结束后，它会回顾整个流程，将“部署Python项目到此类服务器”抽象为技能保存。下次处理类似部署任务时，可直接调用该技能，无需重复试错。技能文档并非静态不变；如果后续发现更优方案，系统会自动更新内容。这正体现了“自主成长”的含义——能力库持续扩展和优化。

技能来源不仅限于自动生成，用户也可以手动编写或从Skill Hub安装他人分享的技能。

安装与使用指南

安装过程仅需一行命令即可完成：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、ripgrep等依赖项，克隆仓库，创建虚拟环境，并配置全局命令。完成后，运行hermes doctor检查环境是否正常。

接入飞书需要在飞书开放平台创建应用，获取app_id和app_secret，并配置到Hermes的gateway中。微信通过iLink Bot API接入个人微信，采用长轮询方式拉取消息，无需公网地址。企业微信支持通过回调Webhook模式接入。值得注意的是，所有平台共享同一记忆系统。在飞书上的对话内容，在微信中也能被识别，无需重复交代背景信息。

更换模型同样简便，通过hermes model命令即可选择不同模型，无论是本地Ollama模型还是Claude API，都无需修改代码。

Hermes Agent的设计思路具有重要参考价值，尽管部分用户可能更习惯使用Claude Code，但这并非因为Hermes Agent存在不足，而是个人偏好差异。如果Claude Code能够融入Hermes Agent的记忆系统和自进化等优点，用户体验将进一步提升。未来已来，让我们共同享受AI技术带来的便利。

在短短七周时间内，Hermes Agent便在GitHub上斩获了四万个星标，这一成绩令众多明星项目相形见绌。用户们戏称它为"爱马仕"，其火爆的秘诀在于独有的自进化能力：随着使用次数的增加，智能水平持续攀升。

与OpenClaw的对比分析

OpenClaw的技能依赖于人工编写，一旦完成便固定不变。而Hermes的技能能够自主生成，并且越用越智能。具体来说，例如：当它整理过一次周报模板后，下次遇到类似任务时，便会调用先前积累的经验。这与大多数AI不同，后者每次对话都需从零开始。官方将这一功能称为"自进化技能系统"。虽然实际进化效果仍需验证，但这一方向无疑是正确的。

核心功能介绍

自进化技能：在完成任务后，系统自动提炼工作流程，生成可重复使用的技能库。

持久记忆：能够跨会话保存用户偏好、项目详细信息以及历史经验，即使重启也不会丢失数据。

多模型兼容：支持超过两百种模型，包括智谱、阿里、MiniMax等国内主流模型。

微信接入：原生集成个人微信，通过扫码即可连接，私聊和群聊场景均能处理。

定时任务：内置cron调度机制，允许用户设置自动化执行的任务计划。

部署指南

提供三种部署方式，难度逐步递增：

阿里云一键部署：登录阿里云控制台，搜索"Hermes Agent社区版"，填写相应参数后点击创建。整个过程采用图形化界面，无需输入命令。建议配置为2核CPU和4GB内存以上。

官方脚本安装：适用于Linux或macOS系统，在终端中执行以下命令：

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

安装完成后，运行 hermes setup 以配置模型参数。

Docker部署：适合具备运维经验的用户，便于环境迁移和功能扩展。

模型方面推荐智谱GLM-5.1、阿里云百炼qwen3.5 plus以及MiniMax m2.7。这些国产模型配置简便，无需跨境网络，免费额度足以满足个人使用需求。

常用操作命令

/model 用于切换不同的AI模型。

/cron 用于设置定时执行的任务。

/background 允许任务在后台运行。

/skills 查看已生成的自进化技能列表。

/snapshot 保存当前系统状态以备后续恢复。

微信集成方案

原生支持个人微信账号，通过扫码即可完成连接。无论是私聊对话还是群组消息，均能有效处理，且全面支持图片、视频、文件及语音消息格式。

接入方案依赖于第三方工具（如hermes-wechat、CowAgent等），具体配置细节需参考官方文档。官方提示：若担心账号安全风险，建议使用备用账号进行测试。

适用场景分析

个人用户：适用于日程规划、信息归纳整理以及文档处理等日常任务。

开发者群体：可用于代码部署、服务器状态监控和日志文件分析。

团队协作：辅助项目管理、任务分配与进度同步工作。

数据分析师：实现数据爬取、清洗加工、可视化展示及报表自动生成。

当前已知问题

官方文档尚不够完善，部分功能需要查阅GitHub Issues寻找解决方案。微信集成方案由第三方提供，其稳定性取决于维护情况。自进化机制仍在迭代优化中，有时可能产生偏差，需要手动干预纠正。

项目开源仅七周，以目前的迭代速度，预计问题将逐步得到解决。

AI终于实现了自我进化，从一次性工具转变为经验积累型伙伴，这正是智能体应有的形态。项目地址：github.com/NousResearch/hermes-agent

1. 快速启动：5分钟内打造你的首个Skill

💡 动手实践优先，理论理解跟进 —— 实际操作一遍，后续概念更容易掌握

1.1 准备工作阶段

确保你的系统已经成功安装OpenClaw。如果尚未安装，请首先执行以下指令：

npm install -g openclaw@latestopenclaw onboard --install-daemon

1.2 构建Skill基础框架

我们将创建一个简易的“天气查询”Skill。执行以下命令行操作：

# 定位init_skill.py脚本的准确路径python $(npm root -g)/openclaw/skills/skill-creator/scripts/init_skill.py \  weather \  --path ~/.openclaw/workspace-main/skills

此命令将生成以下目录结构：

weather/└── SKILL.md    # 包含预设模板内容

1.3 修改SKILL.md文件内容

使用你惯用的文本编辑器打开SKILL.md文件，将其中的内容整体替换为以下文本：

---name: weatherdescription: 通过wttr.in服务获取实时天气信息和天气预报。当用户提出天气、温度、降水情况或出行天气相关询问时自动启用。---  
# 天气信息查询  
## 即时响应指令  
获取当前天气状况：  
```bashcurl "wttr.in/Beijing?format=3"  
获取详细天气预报信息：curl "wttr.in/Beijing"  
## 常用格式代码说明  
- `%c` — 天气状态表情符号（例如☀️🌧️❄️）- `%t` — 当前温度数值- `%w` — 风力强度描述- `%h` — 空气湿度百分比

1.4 验证你的Skill功能

1. 启动OpenClaw控制面板（或任何已连接的聊天渠道界面）
2. 发送测试消息：“北京今天天气怎么样？”
3. 如果Skill被正确激活，你将立即接收到天气数据反馈

祝贺！你已经成功创建了首个Skill！ 🎉

2. 背景知识：OpenClaw核心概念解析

📘 如果你已经了解OpenClaw基本原理，可以跳过本章节

2.1 OpenClaw平台简介

OpenClaw本质上是一个可自主托管的人工智能网关，它在你的聊天应用程序（例如微信、Telegram、Discord等）和AI智能体之间建立连接桥梁。

OpenClaw（其前身为Moltbot、Clawdbot）自2025年底迅速走红以来，已然确立了其在个人AI智能体领域的事实标准地位。

根据Bitsight于2026年2月发布的安全分析报告，OpenClaw被形象地描述为“将王国钥匙交给你的人工智能管家”——这一比喻精准地概括了它的核心价值。其强大能力的关键基石之一，便是其Skills（技能）系统。

PANews在2026年2月的一项深度研究统计显示，当时OpenClaw社区已累积了3002个社区技能。而到了同年4月19日，Gonzo ML的分析数据表明，ClawHub平台上的技能数量已激增至47,094个。

短短两个月内实现近15倍的增长——这便是OpenClaw生态爆发式发展的直观体现。

然而，这也引出了一个现实问题：技能如此繁多，应当去哪里寻找？哪些技能值得信赖？国内用户又如何能够快速访问？

本文将系统性地梳理当前市面上所有可寻获的OpenClaw技能集合渠道，助您一次性解决所有困惑。

一、官方首选：ClawHub技能市场

由OpenClaw官方维护的ClawHub技能交易平台，是最为权威和完整的技能来源。

平台定位

ClawHub是内置于OpenClaw环境中的官方技能商店，用户可通过该平台实现以下功能：

• 浏览与检索：探索社区开发者提交的各类技能。 • 便捷安装：一键将选中的技能安装至本地OpenClaw实例。 • 技能发布：上传并分享自己开发的技能，供全球开发者使用。 • 数据参考：查看技能的社区评分、使用统计等关键信息。

关键信息一览

• 官方域名：clawhub.com（OpenClaw官方技能市场入口）。 • 技能规模：截至2026年4月，平台上收录的技能已超过47,000个。 • 访问方式：可通过OpenClaw内置命令 clawhub search 进行搜索，或直接访问其官方网站。

使用建议

ClawHub无疑是寻找技能的首选渠道。但国内用户在访问时可能会受到网络环境的影响。若出现访问不畅的情况，可参考下文提供的国内镜像解决方案。

二、本土化支持：字节跳动火山引擎中国镜像

2026年4月2日，多家国际科技媒体披露了一则重要合作：字节跳动已正式成为OpenClaw中国区的官方合作伙伴，并为其ClawHub技能市场提供了中国镜像服务。

合作背景

根据The Information的报道，字节跳动协助OpenClaw推出了针对中国市场的软件分发平台。这一消息也得到了Tech in Asia的确认。

Caixin Global（财新国际）的报道进一步指出，字节跳动旗下的火山引擎（Volcengine）为OpenClaw在中国区的业务增长提供了关键的基础设施支持。

合作意义

此项合作有效解决了中国开发者和用户面临的几个核心痛点：

• 提升访问速度：国内镜像服务器显著降低了访问延迟。 • 保障网络稳定：避免了因跨境网络波动带来的不稳定影响。 • 丰富本地内容：有助于吸引更多中文技能和中国开发者的贡献。

访问指引

目前，字节跳动提供的中国镜像具体访问地址可能会随着合作的深入而调整，建议密切关注OpenClaw官方公告以及火山引擎官网发布的最新信息。

三、并行生态：腾讯SkillHub中国专属社区

如果说字节跳动扮演的是OpenClaw的“基础设施合作伙伴”角色，那么腾讯则选择了另一条路径——在赞助OpenClaw的同时，构建属于自己的技能社区。

上线时间

2026年3月12日，据财联社报道，腾讯正式推出名为“SkillHub”的平台，其定位是面向中国市场的“专供版”AI技能社区。

背后故事

这一举措背后有一段插曲。根据South China Morning Post（南华早报）2026年3月16日的报道，OpenClaw的创作者曾公开表达对国内平台“借鉴”其模式的担忧。随后，腾讯采取了一种更为巧妙的策略：不仅没有继续潜在的竞争态势，反而选择赞助OpenClaw项目，并同步推出了自家的SkillHub社区。

SkillHub的核心特点

• 深度本地化运营：完全面向中国开发者和用户的需求进行设计。 • 中文技能优先：汇集了大量更贴合中国实际应用场景的AI智能体技能。 • 融合微信生态：充分利用了腾讯在社交与生态整合方面的天然优势。

与ClawHub的关系

SkillHub并非意在取代ClawHub，而是构建了一个并行的技能生态。两者各有侧重：

• ClawHub：面向全球的技能市场，以英文内容为主导。 • SkillHub：聚焦中国市场的专属社区，优先展示和推广中文技能。