Hermes Agent vs OpenClaw
两大领先开源 AI Agent 框架的基于事实的全面对比——覆盖架构、功能、安全和实际权衡。
GitHub Stars
373k
OpenClaw
175k
Hermes
消息渠道
50+
OpenClaw
19
Hermes
执行后端
6
Hermes
1
OpenClaw
用户界面
4
OpenClaw
4
Hermes
Web + CLI + TUI + Desktop (both)
Data as of July 2026. Numbers approximate and subject to change.
概述
Hermes Agent
Nous Research · v0.18.x · Python
Hermes Agent 是由 Nous Research（Hermes、Nomos、Psyche 模型系列的缔造者）构建的开源自主 AI 代理，于 2025 年中发布。其核心设计是"闭环学习"：每次对话后，后台进程会审查交互内容，自主创建或更新技能和记忆。它支持 6 种终端后端、19 个消息平台，并与 Atropos RL 集成用于研究级轨迹收集。
OpenClaw
OpenAI Foundation · TypeScript
OpenClaw（曾用名 Clawdbot/Moltbot）是由 Peter Steinberger（PSPDFKit 创始人）创建的个人 AI 助手框架，于 2025 年 11 月推出，后被 OpenAI 收购。它是一个 TypeScript/Node.js 本地优先的执行网关，将 LLM 连接到 50+ 通信渠道。它拥有 Web 仪表板、原生 macOS/iOS/Android 应用（支持语音）以及用于可视化交互的 Live Canvas。约 247k GitHub Stars 和 65k+ 提交，是自托管 AI 代理中最大的生态系统。
功能逐项对比
| 维度 | Hermes Agent | OpenClaw |
|---|---|---|
| 开发者 | Nous Research (Teknium) | Peter Steinberger / OpenAI |
| 首次发布 | Earlier 2025年7月 | 2025年11月 |
| 编程语言 | Python | TypeScript / Node.js |
| 许可证 | MIT | MIT |
| GitHub Stars | ~175k | Leader ~373k |
| 消息渠道 | 19个（Telegram、Discord、Slack、WhatsApp、Signal、微信、iMessage、Matrix 等） | Leader 50+（WhatsApp、Telegram、Slack、Discord、Google Chat、Signal、iMessage 等） |
| 记忆系统 | Leader FTS5 跨会话召回 + LLM 摘要 + Honcho 辩证用户建模（自主管理） | 会话级上下文 + 技能记忆（显式管理） |
| 技能系统 | Leader 自主创建和自我改进；agentskills.io 开放标准；curator 代理每周整理 | 社区贡献技能；无自主创建；库大但无内置整理机制 |
| 执行后端 | Leader 6种（本地、Docker、SSH、Daytona、Singularity、Modal） | 主要本地/自托管；社区提供 Docker 支持 |
| 内置工具 | 40+（网页搜索、浏览器、视觉、TTS、图片生成、代码执行等） | 取决于技能安装；无固定数量；可通过插件扩展 |
| 用户界面 | CLI/TUI + Web 仪表板 + 原生桌面应用（macOS/Windows/Linux） | Web 仪表板 + macOS/iOS/Android 应用 + Live Canvas + 语音支持 |
| 桌面与移动应用 | 原生桌面应用（macOS/Windows/Linux）；无独立移动应用（可通过消息应用访问） | Leader 原生 iOS/Android 应用（支持语音） |
| RL 训练集成 | Atropos RL — 批量轨迹生成用于模型微调 | 无 |
| MCP 支持 | Native 原生 MCP 客户端（stdio + HTTP） | 通过社区扩展 |
| 社区规模 | 成长中；~175k stars；agentskills.io 中心新兴；贡献者基数较小 | 大规模；~373k stars；3.6k+ 开放 Issue；65k+ 提交；成熟生态 |
Key Takeaways
- Autonomous self-improvement & learning loop
- Memory system (FTS5 + Honcho + LLM summarization)
- Deployment flexibility (6 backends, consumer GPU)
- RL research integration (Atropos)
- Native MCP client + 40+ built-in tools
- Ecosystem size (373k stars, largest OSS project)
- Channel coverage (50+ messaging platforms)
- Mobile apps (native iOS + Android with voice)
- Community maturity (65k+ commits, battle-tested)
- TypeScript/Node.js ecosystem
深度分析
架构与设计理念
Hermes 围绕同步代理循环（AIAgent 类，约 12,000 行）构建，使用 ThreadPoolExecutor 进行并发工具调用。网关层位于上层，每个平台适配器负责消息转换。"审查分叉"是架构亮点：每次对话后，后台分叉按规范评估交互，自主写入技能/记忆。用户可通过 CLI、TUI、内置 Web 仪表板（端口 9119）或原生桌面应用（基于 Electron，支持 macOS/Windows/Linux，v0.16.0 发布）进行交互。设计优先考虑随时间累积的智能。
OpenClaw 采用微服务架构，以中央 Gateway 作为控制面。它运行规划器/代理循环：请求 → 分析 → 规划 → 工具选择 → 带守卫的执行。系统通过技能和插件实现可扩展性，强调多渠道存在和精致用户体验。架构更偏向产品导向，专注于作为开箱即用的助手而非研究平台。
记忆与学习
Hermes 采用独特的双层记忆架构。短期：FTS5 索引对话历史，配合混合检索（词汇搜索 + LLM 摘要）。长期：代理策划的事实、程序化技能以及 Honcho 辩证用户模型——一个主动推理系统，形成关于用户偏好的假设并随时间更新。定期的"记忆提醒"提示代理自主审查并编码重要信息。结果是系统真正累积知识，无需用户手动管理记忆。
OpenClaw 维护会话级上下文和技能知识。记忆主要是显式的——代理记住存储在技能和配置中的内容。跨会话连续性依赖技能文件和配置持久化，而非自主记忆整理。这提供更可预测、可审计的行为，但随时间累积的智能较少。
部署与基础设施
Hermes 支持最广泛的执行后端：本地（直接执行）、Docker（容器化）、SSH（远程）、Daytona（云开发环境）、Singularity（HPC 集群）和 Modal（可降至零的无服务器 GPU）。这使其从 $5 VPS 到企业 GPU 集群都可行。消费级 GPU 本地部署实用——已在 RTX 3060 上用 Qwen 3.5 9B Q4 演示 50 tok/s。安装仅需一条 curl 命令。
OpenClaw 设计为本地优先、自托管部署。它以守护进程方式运行，通过 YAML/JSON 文件配置。部署简单但更手动——没有类似于 Hermes 的一键安装器。社区提供 Docker 镜像。架构假设单个长期运行进程而非分布式后端。适合个人服务器、家庭实验室和单机部署。
安全与风险概况
Hermes 尚未在大规模部署中受到攻击，因其尚未大规模部署。较小的用户基础（相对于 OpenClaw）意味着报告的安全事件较少，但也意味着较少的实战检验。技能是自主生成的，意味着代理可以不经人类审查创建新能力——强大但有风险。自主学习循环是一个"黑箱"，需要信任代理关于记忆什么和如何演进的判断。容器加固和命名空间隔离可用于沙箱执行。
OpenClaw 经历过真实大规模安全事件。ClawHavoc 供应链攻击分发了 341 个恶意技能。Cisco 扫描 31,000 个社区技能发现 26% 的漏洞率。21,000+ 实例在公共互联网上暴露。这些事件促使了安全实践的改进，但也突显了社区贡献技能未经正式审查的固有风险。OpenClaw 更大的攻击面（更多集成、更多用户、更多社区代码）意味着更多已发现的漏洞——但也有更坚固的防御。
优缺点总结
Hermes Agent 优势
- 真正自我改进——自主创建和完善技能，随时间累积智能
- 卓越的记忆——FTS5 + LLM 摘要 + Honcho 辩证用户模型，无需手动管理即可跨会话记忆上下文
- 研究级别——Atropos RL 集成用于轨迹收集和模型微调；任何竞品中无对应功能
- 最大部署灵活性——6 种后端从 $5 VPS 到 GPU 集群到无服务器；消费级 GPU 可行（RTX 3060）
- Python 生态——与 ML/AI 工具深度集成；数据科学家和 ML 工程师的自然选择
Hermes Agent 劣势
- 较小生态——社区技能较少、贡献者较少、文档较少；网络效应有利于 OpenClaw
- 无独立移动应用（iOS/Android）——有桌面应用但无手机原生体验；移动优先用户不够便捷
- 年轻项目——不到 1 年；自主学习循环是难以审计的"黑箱"；快速发布节奏偶有破坏性变更
- 仅 Python——TypeScript/Node.js 开发者面临语言障碍
OpenClaw 优势
- 庞大生态——247k stars、50+ 渠道、数千社区技能、成熟的贡献者基础
- 精致用户体验——Web 仪表板、原生移动应用、语音支持、Live Canvas；非开发者也可用
- 产品成熟度——通过真实安全事件考验；65k+ 提交；活跃开发快速迭代
- TypeScript/Node.js——Web 开发者和 JavaScript 生态的自然选择
- 50+ 渠道集成——自托管代理中最广泛的消息平台覆盖
OpenClaw 劣势
- 无自主学习——不创建或改进自身技能；所有智能均需显式配置
- 安全事件——ClawHavoc 供应链攻击、26% 社区技能漏洞率；社区技能缺乏正式审查
- 无 RL 集成——不能用于研究级轨迹收集或模型微调
- 部署灵活性较低——主要单机；无无服务器或 HPC 后端选项
你应该选哪个？
两者都是优秀的开源 AI Agent 框架，但服务于不同的优先级。你的选择取决于你最看重什么。
选择 Hermes Agent，如果你想要一个真正随时间改进的代理，需要研究级工具（RL 训练、轨迹收集），要求最大部署灵活性（VPS 到 HPC 到无服务器），或生活在终端和 Python 生态中。它是 ML 工程师、研究人员和追求累积智能而非即时精致度的开发者的更好选择。
选择 OpenClaw，如果你想要一个精致、经过实战检验的个人助手，拥有最广泛的渠道覆盖，需要原生移动应用和 Web UI，重视生态成熟度和社区规模，或工作在 JavaScript/TypeScript 生态中。它是希望在所有设备和平台上获得开箱即用产品的用户的更好选择。