e2hang/AgentMessage
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
main
AgentMessage/Openclaw-Herems/04-Comparison.md

17 KiB
Raw Permalink Blame History

OpenClaw vs Hermes 架构深度对比分析

资料来源：视频总结、官方文档、技术深度解析 整理时间：2026-05-06

一、核心理念对比

维度 OpenClaw Hermes
定位 企业级多智能体框架 自主进化的个人 AI 伙伴
核心口号 模块化 + 可组合性 The agent that grows with you
设计哲学 你告诉它做什么 它学会你自己想做什么
适用人群 需要精细控制的开发者/企业 想要省心、越用越聪明的个人用户

一句话本质差异：

OpenClaw 是一个可控的 Agent 运行时，Hermes 是一个会自我进化的认知系统。

二、架构对比

2.1 OpenClaw：Gateway 中心化架构

┌─────────────────────────────────────────────────────┐
│                    Gateway                          │
│         (WebSocket + HTTP API + OpenAI兼容)          │
├─────────────────────────────────────────────────────┤
│  ┌──────────┐  ┌──────────┐  ┌──────────┐          │
│  │  Agent 1 │  │  Agent 2 │  │  Agent N │          │
│  │ (main)   │  │          │  │          │          │
│  └────┬─────┘  └────┬─────┘  └────┬─────┘          │
│       │             │             │                 │
│  ┌────┴─────────────┴─────────────┴────┐          │
│  │           Workspace + Sessions        │          │
│  │   AGENTS.md / SOUL.md / USER.md       │          │
│  │   Skills / Memory / Tools              │          │
│  └───────────────────────────────────────┘          │
├─────────────────────────────────────────────────────┤
│              Channels (飞书/Discord/Telegram等)     │
└─────────────────────────────────────────────────────┘

特点：

  • 单一 Gateway 进程常驻运行
  • 多 Agent 通过 Binding 系统路由
  • Workspace 文件驱动人设和行为
  • 工具通过 Skills 系统扩展

2.2 Hermes：AIAgent 核心循环架构

┌────────────────────────────────────────────────────────────┐
│                     ENTRY POINTS                           │
│  CLI / TUI / Gateway (14+平台) / Cron / Batch / ACP       │
└─────────────────────┬──────────────────────────────────────┘
                      │ 每个入口构建一个 AIAgent
                      ▼
┌────────────────────────────────────────────────────────────┐
│              AIAgent (核心循环 ~13,700 行)                   │
│  build_system_prompt → call model → dispatch tools → loop │
└──────┬─────────────┬──────────────┬───────────┬───────────┘
       │             │              │           │
       ▼             ▼              ▼           ▼
┌──────────┐  ┌──────────┐  ┌────────────┐ ┌─────────────┐
│  Tools   │  │  Skills  │  │  Memory    │ │  Providers  │
│ Registry │  │  Loader  │  │  Manager   │ │ (model API) │
└──────────┘  └──────────┘  └────────────┘ └─────────────┘
                                                        │
       ┌────────────────────────────────────────────────┘
       ▼
┌────────────────────────────────────────────────────────────┐
│     Execution Environments: local / Docker / SSH / Modal  │
└────────────────────────────────────────────────────────────┘

特点：

  • 单一 AIAgent 类服务所有入口
  • Harness 工程框架提供控制层
  • 五步学习循环驱动自我进化
  • 平台差异在薄适配层消失

2.3 架构哲学差异

方面 OpenClaw Hermes
核心抽象 Gateway（路由中枢） AIAgent（认知引擎）
控制方式 显式配置 + Binding 路由 Harness 控制层 + 自我学习
多 Agent 支持，通过 Binding 系统 支持，最多 3 个并发子 Agent
平台差异 Channel 适配器 薄适配层，跨平台上下文连续
扩展方式 Skills 系统（手动安装） 自注册 + MCP 即插即用

三、记忆系统对比

3.1 OpenClaw：文件驱动 + QMD 搜索

存储方式：

  • MEMORY.md：精选长期记忆（手动编辑）
  • memory/YYYY-MM-DD.md：每日记忆日志
  • AGENTS.md/SOUL.md/USER.md：人设和上下文

记忆特点：

  • 用户手动维护，需要主动更新
  • QMD 后端支持跨会话语义搜索
  • 仅主会话加载 MEMORY.md（隐私保护）

记忆流程：

用户编辑文件 → 重启会话 → 记忆生效

3.2 Hermes：三层认知架构 + 自动压缩

三层记忆：

层级 类型 内容 存储 作用
Session Memory 情景记忆 单次对话全内容 SQLite "这次对话发生了什么？"
Persistent Memory 语义记忆 身份、关系、长期知识 MEMORY.md + USER.md "我是谁？用户是谁？"
Skill Memory 程序记忆 如何执行任务的步骤 ~/.hermes/skills/ "我怎么做这件事？"

Honcho 用户画像：

  • 渐进式建立用户偏好
  • 在多次交互中拼凑出风格、专业、偏好
  • 不用每次都重新解释

自动压缩：

  • LLM Summarization 自动压缩历史对话
  • SQLite + FTS5 全文本检索
  • 评估对话，筛选值得保留的信息

3.3 记忆系统对比

维度 OpenClaw Hermes
存储方式 纯 Markdown 文件 SQLite + FTS5 + Markdown
更新方式 手动编辑文件 自动压缩 + LLM 提炼
用户画像 无 Honcho 渐进建模
检索能力 QMD 语义搜索 FTS5 全文本搜索
上下文窗口 依赖模型上下文 渐进式加载（Level 0/1/2）

核心差异：

OpenClaw 的记忆是静态的，需要用户维护。 Hermes 的记忆是动态的，Agent 自己管理。

四、技能系统对比

4.1 OpenClaw：市场驱动

技能来源：

  • ClawHub 市场（数千个技能）
  • Workspace skills（最高优先级）
  • Agent skills
  • Managed skills
  • Bundled skills

使用方式：

{
  agents: {
    defaults: {
      skills: ["skill-a", "skill-b"]  // 手动配置
    }
  }
}

特点：

  • 需要用户手动安装和配置
  • 按优先级覆盖（workspace > agent > managed > bundled）
  • 技能是文件夹 + SK.md 的结构

4.2 Hermes：自动进化

技能来源：

  1. 内置技能（40+）：开箱即用
  2. Agent 自创技能：重复模式 → 自动蒸馏
  3. 社区 Skills Hub：遵循 agentskills.io 标准

自动生成示例：

---
name: article-summarizer
description: 以结构化格式总结文章
triggers:
  - summarize
  - tl;dr
tools:
  - web_search
  - web_scraper
  - file_write
---

# Article Summarizer

你是一个善于提炼文章为清晰结构化摘要的专家。
...

进化机制：

  • 重复任务 → 自动蒸馏为新 Skill
  • 表现好的技能存活并传播
  • 自动更新旧技能让它越跑越顺

4.3 技能系统对比

维度 OpenClaw Hermes
获取方式 手动从市场安装 自动生成 + 市场
维护者 用户/开发者 Agent 自己
数量 数千个（市场） 40+ 内置 + 自动生成
进化能力 无 达尔文压力（优胜劣汰）
格式 SK.md + 工具脚本 SK.md + YAML frontmatter
分享 ClawHub agentskills.io

核心差异：

OpenClaw 技能是资源，需要管理和维护。 Hermes 技能是能力，会自动生长和进化。

五、学习循环对比

5.1 OpenClaw：无自动学习

当前状态：

  • 无内置的自我改进机制
  • 实验性功能，未生产就绪
  • 依赖用户手动更新 MEMORY.md

用户流程：

发现问题 → 思考解决方案 → 编辑文件 → 重启会话

5.2 Hermes：五步学习飞轮

┌─────────────┐
│ 1. 记忆管理  │ ── 评估对话，筛选值得保留的信息
└──────┬──────┘
       ▼
┌─────────────┐
│ 2. 技能创建  │ ── 重复模式 → 自动蒸馏为新 Skill
└──────┬──────┘
       ▼
┌─────────────┐
│ 3. 技能自改进│ ── 达尔文压力：表现好的技能存活并传播
└──────┬──────┘
       ▼
┌─────────────┐
│ 4. FTS5 召回│ ── 全量历史语义检索，不只依赖当前上下文
└──────┬──────┘
       ▼
┌─────────────┐
│ 5. 用户建模  │ ── 通过 Honcho 构建用户画像
└─────────────┘

飞轮闭环：

更好记忆 → 更好技能 → 更好结果 → 更丰富反馈 → 更精确用户模型 → 更相关记忆

关键创新：

  • Agent 通过 skill_manage 工具自己编写 Skills
  • Agent 自己编辑 MEMORY.md
  • 不是人类在改代码，而是 Agent 在自我进化

5.3 学习能力对比

维度 OpenClaw Hermes
自动学习 ❌ 无 ✅ 五步学习飞轮
技能进化 ❌ 无 ✅ 达尔文压力
用户建模 ❌ 无 ✅ Honcho 画像
反馈闭环 ❌ 无 ✅ 闭合循环
进化曲线 静态 第一周→一个月→三个月

六、安全模型对比

6.1 OpenClaw：多层防护

认证方式：

  • Token/Password：共享密钥认证
  • Trusted-Proxy：反向代理信任模式
  • OAuth：第三方登录

安全特性：

  1. 默认 loopback 绑定（不允许外部访问）
  2. Tool Policy（每个 agent 独立 allow/deny）
  3. DM Ping 验证
  4. 显示 allow list，每条消息验证
  5. 敏感操作审批

工具策略示例：

{
  agents: [{
    id: "family",
    tools: {
      allow: ["exec", "read", "sessions_list"],
      deny: ["write", "edit", "browser"]
    }
  }]
}

6.2 Hermes：四层防护

第1层：Tirith（Rust 外部扫描器）
  └─ 同形异义词 URL、终端注入（ANSI 转义隐藏命令）

第2层：Regex 危险命令检测
  └─ 归一化后检测（忽略大小写/空格），防止 RM -RF 绕过

第3层：Smart Approval（LLM 风险评级）
  └─ 低风险自动批准，中/高风险需人工确认

第4层：Approval Scopes（信任累积）
  └─ Once / Session / Permanent 三级，逐步建立信任

额外特性：

  • 沙盒隔离容器执行（Docker/SSH/Modal）
  • 零遥测：不收集、不上传数据
  • 四层防护可独立工作

6.3 安全模型对比

维度 OpenClaw Hermes
隔离方式 Workspace 沙盒 + Tool Policy 容器级隔离（Docker/SSH）
危险检测 Tool Policy + DM Ping 四层防护（Tirith/Regex/LLM/Scopes）
数据收集 未明确 零遥测
审批粒度 显示 allow list Once/Session/Permanent 三级
默认安全 loopback 绑定 沙盒隔离

七、平台支持对比

7.1 OpenClaw

支持的渠道：

  • 飞书（Feishu）
  • Discord
  • Telegram
  • 其他主流消息平台

跨平台能力：

  • 支持多渠道接入
  • 通过 Binding 系统路由
  • 但跨平台连续性较弱

7.2 Hermes

支持的渠道（14+）：

  • CLI / TUI
  • Telegram / Discord / Slack / WhatsApp
  • 飞书 / WeChat
  • VS Code / Zed / JetBrains（ACP）
  • Web UI / REST API

跨平台连续性：

  • 单个 AIAgent 服务所有入口
  • 用户可以在 Telegram 开始，Discord 继续
  • 全程共享同一上下文

7.3 平台支持对比

维度 OpenClaw Hermes
渠道数量 多个主流渠道 14+ 平台
IDE 集成 无 VS Code / Zed / JetBrains
跨平台连续性 较弱 强（共享上下文）
定时任务 Cron/Heartbeat Cron（JSON 配置 + 技能绑定）

八、执行环境对比

8.1 OpenClaw

执行方式：

  • 直接 shell 执行
  • Workspace 沙盒隔离（可选）

8.2 Hermes

多种执行环境：

环境 用途 隔离级别
local 开发笔记本，最快 无
docker 共享开发机 容器级
ssh 远程 VM VM 级
daytona / modal Serverless 沙箱 强隔离
singularity HPC 集群 集群级

特点：同一工具可在不同执行环境中运行，Agent 本身无感知。

九、技术规格对比

指标 OpenClaw Hermes
GitHub Stars 未披露 47K+（42天内）
核心代码 模块化设计 ~13,700 行 AIAgent
内置工具 数十个 61 个
工具集 MCP 集成 52 个工具集
技能数量 数千个市场 40+ 内置 + 自动生成
消息平台 多个主流 14+ 平台
模型支持 自定义 + OpenAI 兼容 18+ Provider
记忆存储 Markdown + QMD SQLite（WAL+FTS5）
并发子 Agent 多 Agent 模式 最多 3 个
最低部署成本 本地运行 $5 VPS

十、选择指南

10.1 选 OpenClaw 如果：

  • ✅ 企业级部署，需要完整审计和合规
  • ✅ 需要精细控制每一条指令
  • ✅ 需要多 Agent 协作和复杂路由
  • ✅ 追求模块化定制
  • ✅ 需要飞书/Discord 等渠道集成
  • ✅ 开发者，有能力维护配置文件

10.2 选 Hermes 如果：

  • ✅ 需要"长气的 AI 朋友"，记忆力超棒
  • ✅ 预算敏感，想要低成本部署（几十块 ECS）
  • ✅ 不想折腾配置，希望 Agent 自己学会事情
  • ✅ 需要跨平台连续性（Telegram→Discord→WeChat）
  • ✅ 追求自动进化，不想手动维护
  • ✅ 个人使用，想要越用越聪明

10.3 一句话总结

OpenClaw 是你告诉他做什么，Hermes 是它学会你自己想做什么。

十一、架构启示

11.1 Harness 工程范式

Hermes 提出的 Harness Engineering 代表了 AI 工程的第三范式：

范式 核心 特点
Prompt Engineering 优化提示词 手工调试，易出错
Context Engineering 管理上下文 复杂，仍是被动的
Harness Engineering 自我进化的控制基础设施 主动学习，持续改进

核心洞察：

模型提供智能，Harness 提供控制。没有 Harness 的 LLM 生产部署就像"把喷气发动机直接连到方向盘上"——有动力但无控制系统。

11.2 OpenClaw 的优势

尽管 Hermes 在学习能力上领先，OpenClaw 仍有独特价值：

  1. Gateway 中心化：更适合企业级部署和审计
  2. 多 Agent 路由：Binding 系统支持复杂场景
  3. 飞书深度集成：原生支持飞书渠道
  4. 工具策略：细粒度的权限控制
  5. OpenAI 兼容：便于集成现有生态

11.3 融合可能

两者可以互补：

  • OpenClaw 作为控制平面（路由、渠道、多 Agent）
  • Hermes 作为认知引擎（记忆、技能、学习）

这可能是未来 Agent 框架的方向。

十二、结论

OpenClaw 和 Hermes 代表了两种截然不同的 Agent 设计哲学：

哲学 OpenClaw Hermes
控制 人类控制 Agent Agent 自我进化
记忆 静态文件 动态三层认知
技能 资源管理 能力生长
安全 规则驱动 沙箱 + 零信任
适用 企业/开发者 个人用户

没有绝对的好坏，只有场景的匹配。选择哪个，取决于你想要 AI 以什么方式陪伴你。

整理自：视频总结、OpenClaw 官方文档、Hermes Agent 架构文档等多个来源 总结时间: 2026-05-06

Reference in New Issue View Git Blame Copy Permalink