两个都是 AI 助手，都宣称能「自己变强」——用过的经验会沉淀成技能，下次不用重新教。这里不堆代码，用人话讲它们各自是怎么做到的。
像一个靠自己复盘上进的学神。每聊 10 轮就偷偷分身出自己，回放刚才的对话，问：「该记住用户什么？该改哪些技能？」然后直接动手改，不需要任何人批准。
它靠什么不乱来？靠写好的行为规矩自我约束——比如不许把「今天工具坏了」这种临时倒霉事记成永久技能。
像一个管理规范的公司。学习要走「提案流程」：发现经验 → 写成提案 → 安检员扫描（危险内容直接毙掉）→ 自动批准（默认配置）→ 存档留底，随时可撤回。
而且有三条学习通道：当场修、事后学、每周大扫除，见下。
两个团队各自独立写出的「该学什么、不该学什么」，逐条对上：
| 📚 该学 | 🚫 不该学 |
|---|---|
| 你纠正它的说话方式 / 工作流程 | 「XX 工具坏了」这类临时环境故障（会把「坏」记成永久印象，以后不敢用） |
| 反复摸索才搞定的小技巧、排错路径 | 试了半天没成功的事（不许把失败包装成经验） |
| 防止再次踩坑的隐性规则 | 没证据的瞎抱怨 / 一次性任务流水账 |
| 稳定的多步骤工作流 | 你的个人隐私信息、密码密钥 |
这说明「如何让 AI 越用越好用、又不自我设限」，业界已形成共识——两家是独立走到同一答案的。
| Hermes | OpenClaw | |
|---|---|---|
| 什么时候学 | 每约 10 轮对话后必复盘 | 干完大活后 + 当场发现问题当场修 + 每周整理 |
| 谁批准 | 不需要，自己直接改 | 默认自动批准（有安检）；你手写的技能必须你同意 |
| 靠什么防乱来 | 写死的行为规矩（靠自觉） | 安全扫描 + 大小上限 + 留底可撤回（靠制度） |
| 能改你的东西吗 | 不能（你写的/固定的技能被保护） | 不能（你的技能永远等你点头） |
| 学坏了能恢复吗 | 只能归档，可找回 | 完整提案档案 + 备份，一键回滚 |
| 一句话 | 靠自觉的「自律型」 | 靠制度的「受控型」 |
喜欢「越用越懂你、进化激进」的 → Hermes。它会把你的每次纠正立刻变成自己的本能。
喜欢「每一步看得见、能随时刹车」的 → OpenClaw。嫌它太自主？把模式从 auto 改成 propose，每次应用前都会先问你要不要。