Hermes Agent的自我进化丨Agent主动性边界：一条正在移动的线

我有个朋友，无意间发现：Hermes帮他处理完一个技术调研任务之后，自己创建了一个Skill文件——把那次任务的执行逻辑固化下来，下次遇到类似的事情直接用。

他说他当时愣了一下。

“我没让它做这件事。”

我问他，那你觉得它做得对吗？

他想了想说，“对，但我不知道它做了。”

这个Agent的自主行为，就是这篇文章想聊的事。

你以为的Agent是什么样的

大多数人对Agent的使用心智，是这样的：我说，它做。

我让它帮我找资料，它找。
我让它发通知，它发。
我让它整理报告，它整理。
整个流程是线性的，指令-执行，我在前面，它在后面。

这个心智模型在聊天机器人时代是准确的。
那时候的AI没有记忆，没有工具，没有跨会话的上下文。
每次对话都是一次性的。你说什么它做什么，做完了这个对话就结束了，下次从零开始。

龙虾等Agent出现之后，这个模型开始失准。
但大多数人还这样用它。

你给它发消息，它干活，它回复你。表面上看，还是那个线性流程。

但在你看不见的地方，Agent已经做了一些不一样的事。

主动性边界：一条正在移动的线

这里有一个概念需要建立起来：主动性边界。

每个Agent都有一条线。 、线这边是你明确授权的行动，线那边是它自己判断该做的行动。

这条线叫主动性边界。

早期的聊天AI，这条线几乎和"你说的话"完全重合——
它只做你明确要求的事，不多也不少。

工具增强型的Agent，比如OpenClaw，这条线向外延伸了一些——
它会在你授权的范围内自主运转，不用你每次都说"去干活"。

Hermes自进化Agent，这条线延伸到了一个新的位置：
它开始自主决定自己应该怎么工作，而不只是工作本身。

这条线不是固定的。它随着Agent能力的增长，在持续向外移动。

问题不是移动本身。问题是：
你知道它移到哪里了吗？

两种"主动"，是不同的物种

在说清楚这件事之前，我需要先处理一个可能的困惑。

我们之前聊过，Agent和普通聊天AI的核心区别之一：

OpenClaw会主动监控频道，有消息自动通知你；
会主动在多个平台之间同步信息；
会主动按照你配置好的节奏推送报告。
这种主动性是它的基本能力，
也是它能真正"干活"而不只是"聊天"的根本原因。

OpenClaw的主动，边界是你给的。
你装了哪些Skill，配置了哪些频道，设定了哪些触发条件，它在这个范围内高效运转。
哪怕它24小时不停地工作，哪怕它同时管理39个角色、接管6个平台的消息，所有的行动都在你划定的框架里。
你是框架的设计者，它是框架的执行者。

OpenClaw的主动，是在你划定的圈里跑得更快。

Hermes的主动，边界是它自己延伸出去的。
它完成了一个任务，自己观察执行过程，判断"这个模式值得固化"，
然后自己写了一个Skill文件。
这个Skill文件你没有写，没有审查，甚至不知道它存在——
直到下次任务跑完你发现速度快了40%，
才意识到有什么东西在背后悄悄发生了变化。

Hermes的主动，是自己在改变那个圈。

OpenClaw的主动，是执行层的主动。
Hermes的主动，是决策层的主动。

这不是功能强弱的差异，是两种完全不同的Agent行为模式。

三个你可能没注意到的位移时刻

我梳理了三类正在发生的位移。

第一类：从执行任务，到优化执行方式。

这是Hermes的典型案例。它完成复杂任务（内部判断标准是涉及5次以上工具调用）之后，
会自动生成一个Skill文档，记录这次任务的执行路径、遇到的边界情况、下次可以更快走完的方法。
下次遇到类似任务，它直接加载这个Skill，不用重新摸索。

你授权它做的，是执行那个任务。
它额外做的，是总结了一套做法，并且决定下次继续用这套做法。

第二类：从等待指令，到主动介入。

龙虾的Cron调度功能，允许它在你没有发指令的情况下，定时运行某些任务。
这本身是你配置的，还在边界之内。

但Hermes在运行过程中，会自己判断某件事"值得通知"，然后主动推送给你。
判断"值不值得通知"这个动作本身，是Agent在行使一种裁量权——
它在决定什么信息重要、什么信息不重要、什么时候打扰你合适。

你没有告诉它这套判断标准，但它在用。

第三类：从单点执行，到改变自己的记忆。

Hermes有一套用户建模机制，叫Honcho辩证法。
它不只是记录你说过什么，它在持续推断你是什么样的人——你的工作习惯、偏好的信息密度、对不同类型任务的处理方式。
这个模型随时间加深，会反过来影响它处理每一个新任务的方式。

你没有填写过任何用户画像表格。
但它已经有了一份关于你的持续更新的内部模型，并且在用这个模型指导它的行为。

这三类位移，都不是Agent在"出错"。
它们是设计好的功能，是Agent"越来越好用"的具体体现。
但它们都在同一个方向上移动：
Agent自主决定的事情在变多，你明确授权的那个边界在相对收窄。

工具论在这里失效了

“工具论”——把Agent当工具用的心智——不是错的。
在很长一段时间里，它是最准确的描述。

一把锤子不会自己决定敲哪里。
一台计算器不会自己判断用什么公式。
工具的特点是：它的行为边界完全由使用者定义，工具本身不行使判断。

但一个自己创建Skill、自己修改用户模型、自己决定什么时候通知你的Agent，
已经在某些维度上不只是工具了。

它在对你的工作方式做出判断，并且基于这些判断采取行动。

继续用工具论管理这样的Agent，会有一个具体的风险：
你会漏掉一些它正在做的事。
不是因为它在隐藏，而是因为工具论的假设里，工具不会做"你没要求的事"。
一旦接受这个假设，你就不会去检查那些你没有要求的地方。

而那些地方，恰恰是主动性边界正在延伸的方向。

那条线，该由谁来定

判断工程的一个核心命题是：裁定权如果没有显式设计，就会形成真空。

主动性边界也一样。你不划，不等于它没有。不等于它不在移动。只是你不知道它在哪里。

有三个问题，可以帮你做一次快速校准：

它最近做了哪些你没有明确要求的事？ 不是在问它做错了什么，是在问你是否知道它的行动范围。
如果你说不上来，主动性边界对你来说是不可见的。

你知道，你同意吗？ 有些事知道了之后你会说"对，这很好，继续"。
有些事知道了你会说"等等，这个不应该由它决定"。

如果它做错了，你发现得了吗？ 一个自我改进的Agent，如果在某个错误方向上强化了自己的Skill，修正成本比重写一个静态配置要高得多。
它越"进化"，错误方向上积累的惯性就越重。
你的反馈机制，跟得上它的自我更新速度吗？

这三个问题没有标准答案。
它们的价值是让你开始想这件事，而不是等到某天发现它做了什么你完全不知道的事，才意识到那条线已经在你不知情的情况下挪了很远。

写在最后

Agent越来越好用，这是真的。

Hermes那种"越用越好"的复利感，一旦体验过确实很难回头。
它让你觉得你在培养一个真正属于自己的AI，而不是在反复调教一个每次都忘事的工具。
这种积累是真实的，值得拥抱。

但好用和清醒，不是对立的。

你和Agent之间，有一条主动性边界。
这条线正在随着Agent能力的增长向外移动。
移动本身没有问题——它移动，说明你的Agent在进化。

问题是你是否知道它在哪里。

你说，它做——这个时代正在过去。 你说，它做，它还顺手决定了一些你没说的——这个时代已经来了。

不是要你恐惧它，是要你知道它。

主动性边界不会自动设置好。那条线在哪里，得由你来定。

我是「AioGeoLab」主理人塔迪Tardi，AioGeoLab是深度洞察AI第一性原理和应用实践的前瞻性研究实验室，目前有两个主要研究方向：

「塔迪GEO判断工程」是基于GEO的价值SEO化，在AI从“说”到“做”的重要跃迁阶段，试图回答，如何让AI敢于行动、不因为责任问题而畏手畏脚，而做的一个前沿研究项目。

「塔迪硅基禅心」是传统东方智慧、未来AI前沿、当下应用实践，深层共鸣的探索。不是用AI解读经典，也不是用经典指导AI。 这是一场跨越2500年的对话，在算法与古老智慧之间，照见意识、智能与存在的本质。
塔迪的微信 - tardyai2025。