OpenClaw vs Hermes Agent：两条完全不同的开源 Agent 进化路线

一句话总结

OpenClaw 和 Hermes Agent 都是 MIT 开源的 AI Agent 框架，GitHub 双双破万星，名字听起来像竞品，但设计哲学完全不同——OpenClaw 是多平台消息网关 + 工具编排引擎，Hermes 是自我进化的长期陪伴体。选哪个不取决于谁更强，而取决于你更需要"横向铺渠道"还是"纵向长记忆"。

一、定位：向外铺 vs 向内长

关键差异：OpenClaw 的北极星指标是"覆盖多少平台、能调用多少工具"；Hermes 的北极星指标是"用户用 3 个月后，agent 能省多少重复指令"。

二、Runtime 架构：4 个一等公民 vs 1 个原生闭环

OpenClaw：多 Runtime 并行，Gateway 统一调度

OpenClaw 把 4 个 runtime 当一等公民：

1. PI (Process Intelligence) — 本地进程级工具执行
2. Codex CLI — OpenAI 代码代理委托
3. Claude CLI — Anthropic 代码代理委托
4. ACP (Agent Control Protocol) — 标准化代理通信协议

Gateway 进程（Node.js，默认 127.0.0.1:18789）统一接收所有渠道消息，路由到对应 session，agent loop 调用外部 LLM API，返回后执行 tool call。

特点：

• 每个 session 串行执行（防竞争）
• 支持 multi-agent routing（不同 agent 处理不同渠道）
• 可切换 LLM 不影响其他部分
• 支持 spawn subagent（隔离会话，零上下文成本）

Hermes：单循环 + 自我改进，Codex 只是可选后端

Hermes 的核心是一个原生 agent loop + 内置学习闭环：

用户交互 → 行为记录 → 结果评估 → 策略优化 → 技能固化

• 完成 5+ tool call 的复杂任务后，自动提炼为 Skill（Markdown + YAML frontmatter）
• 技能支持 progressive disclosure（只加载 frontmatter 判断是否触发，不污染上下文）
• 每 15 个任务做一次全局性能评估，自我迭代

关键区别：OpenClaw 的"智能"来自外部 LLM + 人工写的 Skill；Hermes 的"智能"来自使用过程自动沉淀的 procedural memory（程序性记忆）。

三、记忆系统：Markdown 人工策展 vs SQLite 自动剪枝

OpenClaw：文件优先，透明可控

设计哲学：记忆是用户的财产，不是 agent 的黑箱。所有文件都是纯 Markdown，可 Git 版本控制、可人工审计、可手动编辑。

代价：没有自动剪枝，需要用户定期整理 MEMORY.md，否则上下文膨胀。

Hermes：SQLite + FTS5 + 8 个可选 Provider

关键创新：

• Curator 后台自动剪枝：不是简单删除，而是评估、整合、升级
• Procedural memory：记住"怎么做"，而不只是"是什么"
• Cache-aware：冻结系统 prompt 快照，高频调用不重复计费

代价：记忆对用户不透明，存在 SQLite 黑箱中，需要 hermes memory setup 管理。

四、鉴权：集中 Token Sink vs 委托给工具链

OpenClaw：auth-profiles.json 集中管控

所有 API key、OAuth token、平台凭证统一存储在 auth-profiles.json，Gateway 按需读取。优势是统一轮换、统一审计；风险是单点泄露=全部泄露。

安全设计：

• Gateway 默认只绑定 localhost
• Tool sandboxing + Docker isolation
• Prompt injection 防御
• 敏感操作需人工审批

Hermes：Codex 鉴权 Delegate 给 Codex CLI

Hermes 不重复造轮子——用 OpenAI Codex 时，鉴权直接委托给 Codex CLI 自己的 token 管理。其他模型（OpenRouter、Anthropic 等）各自管各自的 key。

安全设计：

• 危险命令审批（command approval）
• 容器隔离
• DM pairing（私聊配对确认）
• 更保守的默认安全姿态

关键差异：OpenClaw 是"集中式 IAM"，Hermes 是"联邦式鉴权"。

五、渠道分布：27+ 横向铺广 vs 19+ 纵向接深

OpenClaw：消息平台全覆盖

WhatsApp、Telegram、Discord、Slack、Signal、Microsoft Teams、Google Chat、Feishu、WeCom、QQ、微博……27+ 平台。

设计目标是：无论用户在哪个平台，agent 都在。

Hermes：消息 + IDE 深度整合

Telegram、Discord、Slack、WhatsApp、Signal、Email、Home Assistant……19+ 平台。

关键差异：ACP 协议接 VS Code / Zed / JetBrains——不是简单的消息推送，而是深度 IDE 集成（类似 Claude Code 的编辑器内体验）。

六、插件生态：ClawHub 社区驱动 vs agentskills.io 标准兼容

OpenClaw：ClawHub + SKILL.md 格式

• 5,700+ skills（ClawHub 社区注册表）
• Skill 是纯 Markdown + YAML frontmatter，无需编程
• 兼容 Claude Code / Cursor 规范
• 人工编写为主，agent 可辅助生成

Hermes：agentskills.io 标准 + 自动生成

• 85 个预装 skills + 520+ 社区 skills
• 兼容 agentskills.io 开放标准（与 OpenClaw 互通）
• 核心差异：复杂任务完成后自动创建 skill
• Skill 可自我改进（每次使用根据结果迭代）

关键洞察：OpenClaw 的 skill 生态赢在数量（社区贡献），Hermes 赢在进化速度（自动沉淀 + 自我迭代）。

七、用户画像：谁该用哪个？

选 OpenClaw 的人

• 需要同时管理多个平台的自动化（WhatsApp + Telegram + Slack + Email）
• 喜欢完全透明、可审计的配置（纯 Markdown 文件）
• 愿意手动管理记忆和技能
• 主要需求是消息处理、日程管理、信息检索
• 技术栈偏好 Node.js / TypeScript

典型场景：自由职业者管理多平台客户沟通、个人生活自动化、小型团队消息机器人。

选 Hermes 的人

• 需要长期陪伴、越用越聪明的 agent
• 有大量重复性工作流需要沉淀（每天/每周的固定任务）
• 愿意前期投入配置，换取后期零维护复利
• 主要需求是代码辅助、研究分析、自动化报告
• 技术栈偏好 Python / 研究型工作流

典型场景：开发者长期项目陪伴、研究人员每日数据收集报告、内容创作者工作流自动化。

八、可以共存的组合用法

视频里提到的最务实的方案：

"OpenClaw 当消息网关，Hermes 当后台大脑"

具体组合：

1. OpenClaw 接管所有渠道消息（Telegram/Slack/WhatsApp）
2. 复杂任务转发给 Hermes 执行（利用其学习闭环和技能沉淀）
3. Hermes 完成后，结果回传给 OpenClaw 分发到对应平台

Hermes 甚至官方提供了 hermes claw migrate 命令，一键导入 OpenClaw 的 SOUL.md、MEMORY.md、Skills 和 API keys。

九、底层哲学：两种对"Agent"的不同定义

这不是技术优劣之争，而是产品形态的选择：

• OpenClaw 是操作系统型——给你一台电脑，你自己决定装什么软件
• Hermes 是生物型——给你一只宠物，它自己会长本领

参考与延伸阅读

• OpenClaw 官方文档：https://docs.openclaw.ai
• Hermes Agent 文档：https://hermes-agent.nousresearch.com/docs
• Nous Research GitHub：https://github.com/NousResearch/hermes-agent
• OpenClaw GitHub：https://github.com/openclaw/openclaw
• 本文基于视频内容 + 官方文档 + 社区资料综合整理

#开源Agent #OpenClaw #HermesAgent #AI架构 #对比分析

#开源Agent #OpenClaw #HermesAgent #AI架构 #对比分析 #小凯