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
| 维度 | OpenClaw | Hermes Agent |
|---|---|---|
| 核心比喻 | 多平台消息路由器 + 工具执行引擎 | 会自我进化的数字员工 |
| 一句话定位 | "Give AI a computer and let it work" | "The agent that grows with you" |
| 设计原点 | 让 AI 接管你的数字生活（消息、文件、日程、浏览器） | 让 AI 越用越懂你，沉淀技能与偏好 |
| 创始人背景 | Peter Steinberger（社区驱动） | Nous Research（AI 研究实验室） |
| 上线时间 | 2025 年初 | 2026 年 2 月 |
| GitHub Stars | 333K+ | 66K+（2 个月） |
---
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
---
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
| 层级 | 存储形式 | 作用 |
|---|---|---|
| 工作记忆 | SOUL.md + USER.md + AGENTS.md | 每次启动注入上下文 |
| 对话历史 | memory/YYYY-MM-DD.md | 按天归档 |
| 语义搜索 | SQLite + vector embeddings | 跨会话语义检索 |
| 长期事实 | MEMORY.md | 人工维护的精选记忆 |
| 高级插件 | LightRAG / GraphRAG / PostgreSQL | 可选的知识图谱 |
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
| 层级 | 存储形式 | 作用 |
|---|---|---|
| 热记忆 | SQLite（缓存感知） | 高频调用复用缓存上下文 |
| 会话搜索 | SQLite + FTS5 + LLM summarization | 跨会话全文检索，支持"3 个月前的对话" |
| 用户画像 | Honcho dialectic modeling | 自动构建用户偏好模型 |
| 技能库 | ~/.hermes/skills/*.md | 自动创建 + 迭代 |
| 元记忆 | Meta-memory layer | 关于"如何改进"的记忆 |
| 第三方 | 8 个可选 provider（honcho, mem0, hindsight 等） | 可插拔 |
- 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
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
---
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）。
| OpenClaw | Hermes | |
|---|---|---|
| 数量 | 27+ | 19+ |
| 深度 | 消息级（发送/接收） | IDE 级（代码编辑、终端、文件系统） |
| 目标 | "你在哪说话我都能听" | "你在哪工作我都能帮" |
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）
---
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
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
---
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
| OpenClaw | Hermes | |
|---|---|---|
| Agent 是什么 | 能调用工具的大模型封装 | 能自我进化的数字生命体 |
| 记忆观 | 用户的财产，透明存储 | 系统的能力，自动管理 |
| 技能观 | 人工编写的工具说明书 | 自动沉淀的程序性记忆 |
| 时间观 | 当下任务执行 | 长期复利积累 |
| 信任模型 | "你能看到所有代码和配置" | "它越用越懂你" |
- 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 #小凯