Hermes Agent vs OpenClaw：两个路线完全不同的 AI Agent，到底该选哪个
· 2 min read ·
AI工具 OpenClaw 工具对比
4月初花了两时间折腾了 Hermes Agent，顺手和手头一直在用的 OpenClaw 做了个系统对比。网上这两天的讨论已经很多了，但大多数要么是新闻通稿，要么是安装教程，真正从实际使用出发做横向对比的还不多见。这篇文章就把这两天的感受整理一下，供正在纠结选型的朋友参考。
先说结论
这两个工具虽然看起来做的事情差不多——都是让 AI 在你的机器上干活——但背后的设计哲学完全不同，选哪个取决于你想要什么。
Hermes Agent 是研究型产品，核心解决的是”AI 能不能越用越聪明”这个问题。
OpenClaw 是工程型产品，核心解决的是”怎么把 AI 接进你现有的工作流”这个问题。
方向不同，没有绝对的好坏。
Tip
两个产品不是非此即彼的关系。实际上，已经有开发者开始探索让它们协同工作：OpenClaw 负责多渠道接入和快速执行，Hermes Agent 负责深度分析和长期规划。
哲学差异：网关模式 vs 引擎模式
Pros
- • 广度优先，覆盖场景多
- • 一个入口管理所有渠道
- • 插件生态成熟
Cons
- • 每次对话都是新的
- • 不会主动积累经验
- • 上下文管理有隐患
OpenClaw 走的是网关模式。
它本质上是一个连接层，负责把你的 AI 和各种渠道（Telegram、Discord、Signal、WhatsApp）、各种工具（浏览器、文件系统、Shell 命令）接在一起。设计思路是”广度优先”：尽可能多地覆盖场景，让你能在一个入口管理所有事情。
Pros
- • 深度优先，做深做精
- • 会自己复盘和总结规律
- • 四层记忆体系
Cons
- • 生态还在早期
- • 插件没有 OpenClaw 丰富
- • 需要时间培养
Hermes Agent 走的是引擎模式。
它更像一个独立的工作单元，核心精力放在让这个单元本身变得越来越好用。设计思路是”深度优先”：不是接更多东西，而是把已有的事情做得更好、更聪明。
一个很直观的比喻：
- OpenClaw 像一个全能助理，你让它做什么它就做什么，每次来都是新的，不会主动积累经验
- Hermes Agent 像一个专业员工，你交代一个项目，它会自己复盘、自己总结规律，下次遇到类似的事情直接就能上手
记忆系统：一个从零开始，一个自带积累
这是两个工具差异最明显的地方。
OpenClaw 的记忆机制
OpenClaw 的记忆靠的是 Markdown 文件。每次对话结束后，AI 会把值得记住的内容写入当天的 memory 文件。你可以定期整理这些文件，形成长期记忆。
这个机制是有效的，但有一个前提：你得自己判断什么值得记，以及自己动手整理。
Hermes Agent 的四层记忆体系
Hermes Agent 的记忆系统复杂得多，它实际上构建了四层体系：
第一层：常量提示记忆
存在 MEMORY.md 和 USER.md 里，分别记录环境事实和用户偏好，加起来限制在 1300 tokens 左右，防止上下文无限膨胀。
第二层：SQLite 会话历史
通过 FTS5 做全文检索，随时可以翻回去查之前的对话，不用担心被覆盖。
第三层：自动生成的技能文件
当 Agent 完成一个复杂任务（涉及 5 个以上工具调用），它会自动复盘这次任务，把有效的步骤提炼成一个可复用的 Skill 存到 skills 目录里。
第四层：Honcho 用户建模引擎
理解你是谁、喜欢怎么做、讨厌什么。
最关键的是第三层
这个过程是自动的，不需要你提醒，也不需要你事后手动整理。Agent 在使用过程中会持续优化这些技能，效果不好的地方自己会改。
安全设计：两个完全不同的思路
OpenClaw 的安全策略
OpenClaw 的安全靠的是插件市场的审核机制和自己配置权限边界。它给了用户很大的自由度，但也意味着你得自己判断一个插件是否可信、自己把控操作的边界。
Hermes Agent 的安全策略
Hermes Agent 的安全是内置在框架层面的。它的命令执行有审批流程，敏感操作会弹窗让你确认，支持容器隔离，默认配备上下文扫描。这套机制不是可选插件，而是框架自带的安全基底。
两种思路各有利弊。OpenClaw 的开放策略灵活性更高，适合有能力自己做判断的用户。Hermes Agent 的内置安全降低了出错的概率，但也意味着你改动空间有限。
生态与工具链
OpenClaw：生态成熟
ClawHub 插件市场已经有相当数量的现成工具，覆盖浏览器自动化、GitHub 管理、日历邮件、本地文件等常见场景。如果你的需求比较标准，大概率能找到现成的解决方案，不需要自己写。
Hermes Agent：生态早期
工具链主要面向命令行和 IDE 集成，没有那么丰富的现成插件。但是它的工具注册机制设计得很干净——新增工具只需要写一个文件加装饰器，不需要改动核心逻辑。
对于愿意动手优化的开发者来说，这个框架的扩展成本其实更低。
模型支持
两者都支持多模型切换，不锁定单一供应商。
| 特性 | OpenClaw | Hermes Agent |
|---|---|---|
| 模型路由 | 网关层动态切换 | 命令行随时切换 |
| 支持商 | 多种 | OpenRouter(200+)、阿里云、DeepSeek、Kimi、智谱、MiniMax、Ollama |
| 本地模型 | 支持 | 支持 |
Warning
有一点值得注意的是，有用户反映 OpenClaw 在某些模型额度（比如 Claude）上出现了问题，而 Hermes Agent 目前还没有这方面的限制。
实际选型建议
选 OpenClaw 更合适的情况
- 日常工作需要跨平台处理各种杂事（同时管理 Telegram、企业微信、邮件等多个渠道）
- 愿意花时间配置和维护插件生态
- 动手能力强，能够自己判断插件质量、自己处理边界情况
选 Hermes Agent 更合适的情况
- 任务周期长，需要 AI 记住项目背景和决策过程
- 希望 AI 能主动总结经验，减少重复指令
- 团队有安全合规要求，内置的审批和隔离机制是刚需
- 预算敏感，希望在低成本机器（比如 5 美元 VPS）上运行
可以两者一起用
OpenClaw 负责多渠道接入和快速执行，Hermes Agent 负责深度分析和长期规划。两者在 Discord 或者其他平台上互补使用，各司其职。
用下来的一些感受
这两天的实际体验中：
OpenClaw 最让我满意的地方是它的工具丰富度和渠道覆盖。装好浏览器自动化插件之后，几乎不需要配置就能让 AI 操作网页。这种”接上就能用”的体验确实成熟。
Hermes Agent 最让我惊讶的是它的成长速度。用了两天之后，它已经开始在 skills 目录里自动生成几个小技能，虽然还很粗糙，但能明显感觉到它在学习。整个过程不需要我做任何事情，就是正常用它干活，它自己就在记录和优化。
Note
要说问题的话，OpenClaw 的上下文管理是个长期隐患。时间久了 memory 目录里的内容越来越多，AI 需要读取的历史也越来越长，推理成本会逐渐增加。
Hermes Agent 的问题则是生态不够丰富，有些想要的插件暂时找不到，需要自己写。
总的来说，这两条路线没有对错之分：
- OpenClaw 是一个更完整的日常入口，适合拿来快速搭建一个可用的 AI 工作流
- Hermes Agent 是一个更有潜力的长期搭档，适合愿意投入时间、追求 AI 越来越好用的人
两个都值得亲自试试，实际用过才有发言权。