2026年，AI 智能体（Agent）赛道已从概念验证进入白热化竞争。在众多开源框架中，Hermes Agent（Nous Research）和 OpenClaw（前身 Clawdbot / Moltbot）是两颗最耀眼的新星——两者都定位为「自托管个人 AI 助手 + 多平台网关」，却走了截然不同的技术路线。本文从架构、功能、生态和社区四个维度进行深度对比。
📋 速览对比
| 维度 | Hermes Agent | OpenClaw |
|---|---|---|
| 开发者 | Nous Research | Peter Steinberger / OpenClaw Foundation |
| 语言/运行时 | Python | TypeScript (Node.js 22+) |
| 首次发布 | 2025年7月（repo创建） | 2025年11月（WhatsApp Relay） |
| 许可证 | MIT | MIT |
| OpenRouter 排名 | 🏆 #1（271B tokens） | 🥈 #2 |
| 收购状态 | 独立（Nous Research） | 被 OpenAI 收购 |
| 部署方式 | CLI + Gateway 守护进程 | Gateway 守护进程 |
| 配置方式 | YAML 配置文件 + 交互式向导 | JSON 配置文件 + 交互式向导 |
| 消息平台数 | 15+（Telegram, Discord, Slack, WhatsApp, Signal, Matrix 等） | 20+（Telegram, Discord, Slack, WhatsApp, iMessage, Signal, LINE, Teams 等） |
| 模型提供商 | 20+（OpenRouter, Anthropic, OpenAI, DeepSeek, Google, 本地模型等） | 35+（Anthropic, OpenAI, Google, vLLM, Ollama 等） |
| 移动端 | 通过消息平台间接支持 | 原生 iOS / Android 节点 |
| 桌面 UI | CLI + WebChat（API Server） | Web Control UI + macOS 菜单栏 + Windows Hub |
🏛️ 背景与定位
Hermes Agent —「会成长的智能体」
Hermes Agent 由开源 AI 模型公司 Nous Research 打造，继承了其在开源大模型（Hermes 系列）上的基因。项目核心哲学是「智能体应该从经验中学习」——通过 Skills 系统和持久化 Memory，Hermes 在每次成功解决问题后会积累可复用的技能，越用越聪明。
2026年5月，Hermes Agent 在 OpenRouter 全球排行榜上以 2710 亿 token 的消耗量登顶第一，超越所有 AI 应用——不仅是代码智能体，而是整个平台的全部应用。这一里程碑证明了开源自托管智能体路线的爆发力。
OpenClaw —「从周末项目到 OpenAI 收购」
OpenClaw 的故事更具传奇色彩。2025年11月，Peter Steinberger 用周末时间写了一个名叫「WhatsApp Relay」的小工具。两个月后，这个项目已拥有 10万+ GitHub Stars，单周吸引 200 万访问者。经历 Clawdbot → Moltbot → OpenClaw 三次更名后，项目被 OpenAI 收购，进入了新的发展阶段。
OpenClaw 的核心卖点是「你自己的助手，你自己的机器，你自己的规则」——强调数据主权和自托管，同时提供丰富的桌面/移动端应用生态。
⚙️ 架构对比
技术栈
- Hermes Agent：Python 全栈。Agent 循环（run_agent.py）、工具调度（model_tools.py）、CLI（prompt_toolkit）、Gateway（异步消息处理）全部用 Python 实现。对 Python 生态的深度整合使得科学计算、数据分析、ML 工作流开箱即用。
- OpenClaw：TypeScript/Node.js 全栈。Gateway 服务器、Agent Runner、Channel Adapter、Web Control UI 全部基于 TypeScript。Lane-based 命令队列是其架构创新——通过序列化操作避免了异步竞争条件。
网关架构
两者都采用单一 Gateway 进程作为消息中枢：
- Hermes：Gateway 作为 systemd 服务运行，平台适配器（Telegram Bot API、Discord Gateway、Slack RTM 等）以插件形式接入。Gateway 可独立于 CLI 运行，支持后台常驻。
- OpenClaw：Gateway 同样是核心，但额外提供了 Web Control UI（浏览器仪表盘）、macOS 菜单栏应用、Windows Hub 和多平台原生客户端。对非技术用户更友好。
🧠 记忆系统
这是两者最大的差异化领域之一：
Hermes — 结构化持久记忆
- 自动注入：Memory 和 User Profile 在每个会话开始时自动注入系统提示词，无需手动加载。
- 双轨记忆：分为「用户画像」（你是谁）和「记忆笔记」（环境事实、偏好、经验教训）。
- 可插拔后端：支持 built-in、Honcho、Mem0 等多种记忆后端。
- 会话搜索：FTS5 全文本搜索 + 语义检索，可跨会话回溯历史。
- 智能体自主管理：Agent 会在对话中主动识别值得保存的信息并写入记忆。
OpenClaw — Markdown 文件记忆
- 纯文本方案：MEMORY.md（长期记忆）+ memory/YYYY-MM-DD.md（每日笔记）+ DREAMS.md（梦境日记）。
- 透明可审计：所有记忆都是 Plain Markdown 文件，人类可直接阅读和编辑。
- 混合搜索：向量相似度（SQLite） + 关键词匹配（FTS5）。
- Wiki 记忆插件：可选的 memory-wiki 插件提供结构化知识图谱能力。
- Commitments 推断：自动从对话中推断短期承诺（如「明天跟进面试」）并通过心跳提醒。
核心区别：Hermes 的记忆是隐式自动的——Agent 自己判断什么值得记住，无需用户干预。OpenClaw 的记忆是显式透明的——所有记忆都是可读的 Markdown 文件，用户完全掌控。
🔄 切换模型/API 对记忆的影响
这是用户最常问的实际问题之一：换一个模型，之前的记忆还在吗？答案令人安心——
Hermes Agent：记忆与模型完全解耦
- 记忆是磁盘文件：所有记忆存储在
~/.hermes/memories/MEMORY.md和USER.md，与模型零依赖。 - 会话启动时注入：无论使用 DeepSeek、Claude 还是 GPT，系统提示词都会从同一份记忆文件中读取。
- 切换方式：
hermes model交互式选模型，或hermes config set model.default xxx，记忆完全不受影响。 - Credential Pools：多 API Key 自动轮转时，记忆保持不变。你甚至可以在对话中途换 Key，Agent 无缝继续。
- 外部记忆后端同理：Honcho、Mem0 等外部记忆服务也独立于对话模型，切换无感。
- ⚠️ 唯一注意：不同模型的上下文窗口大小不同。如果从 200K 窗口的模型切换到 32K 窗口的模型，长记忆可能被截断——但文件本身不受影响。
OpenClaw：Markdown 文件的天然隔离
- 纯文本记忆：MEMORY.md + memory/YYYY-MM-DD.md 是普通 Markdown 文件，换模型完全不受影响。
- 切换方式：
openclaw models set <provider/model>，记忆文件保持不变。 - ⚠️ 内存搜索需重建索引：如果启用了 memory_search 的向量嵌入功能，更换 embedding 提供商（如从 OpenAI 换到 Gemini）后，向量索引会失效，需要用
openclaw memory index --force重建。但这是搜索索引的问题，不丢数据。 - ⚠️ 上下文预算：与 Hermes 相同，如果 MEMORY.md 很大而新模型的上下文窗口更小，注入的副本会被截断。可通过
/context detail查看截断状态。
结论：在两个框架中，记忆都是以磁盘文件的形式持久化存储的，与 LLM 模型/API 提供商彻底解耦。大胆换模型，记忆不会丢。唯一需要留意的只是不同模型的上下文窗口大小差异可能影响记忆的注入量——文件内容本身永远安全。
🛠️ 技能系统
两者都有 Skills 系统，但设计理念截然不同：
| 特性 | Hermes Agent | OpenClaw |
|---|---|---|
| 技能格式 | SKILL.md（YAML frontmatter + Markdown） | SKILL.md（YAML frontmatter + Markdown） |
| 来源 | 内置 + Skills Hub + 本地 + 插件 | 内置 + ClawHub + 本地 + 工作区 |
| 自创建 | ✅ Agent 完成任务后可自行创建 Skill | ✅ 通过 Skill Workshop 审核后创建 |
| 技能管理 | Curator 后台自动维护（归档、清理） | 手动管理 + Skill Workshop |
| 加载优先级 | 技能名匹配即加载 | 6级优先级（工作区 > 项目 > 个人 > 本地 > 内置 > 额外目录） |
| 技能安全 | 内置安全措施 | NVIDIA + VirusTotal 安全合作 |
📱 平台与生态系统
消息平台覆盖
两者都支持主流消息平台，OpenClaw 在数量上略占优势（20+ vs 15+），特别是对 iMessage、LINE、Microsoft Teams、QQ Bot 等的原生支持。Hermes 则在 钉钉、飞书、企业微信 以及 Home Assistant 智能家居集成上有独特覆盖。
用户界面
- Hermes：以 CLI 为核心体验。TUI 交互式聊天、斜杠命令系统、tmux 多智能体编排。适合终端重度用户和开发者。
- OpenClaw：Web Control UI（浏览器仪表盘）+ macOS 菜单栏 + Windows Hub + iOS/Android 原生节点。对非终端用户更加友好，手机端可以打电话、发语音、共享屏幕。
🔌 可扩展性
Hermes Agent
- MCP 支持：原生 MCP 客户端，可连接任何 MCP 服务器扩展工具。
- 插件系统：Python 插件生态，可自定义工具和功能。
- Profiles：多配置文件隔离，不同场景使用独立配置、技能和记忆。
- Cron 调度：内置定时任务系统，支持链式任务和脚本预处理。
- Webhook：HTTP 触发智能体运行。
- Credential Pools：多 API Key 轮转，自动切换防止限流。
- Filesystem Checkpoints：支持 /rollback 回滚文件修改。
OpenClaw
- 插件通道：Matrix、Nostr、Twitch、Zalo 等通过插件扩展。
- Lobster 工作流管道：Skills + Plugins + Workflow Pipelines 三级扩展。
- 沙盒：支持 per-session 独立工作区隔离。
- Peekaboo：macOS 桌面自动化工具，让 Agent 通过截图和结构化 UI 地图控制桌面应用。
- Mobile Nodes：iOS/Android 原生设备集成，包括相机、位置、语音、屏幕录制。
🎯 适用场景
选 Hermes Agent 如果你…
- 是 Python 开发者，希望深度定制和扩展
- 需要持久化记忆自动积累——让 Agent 越用越了解你
- 经常做数据分析、ML 实验、科学计算等 Python 生态任务
- 需要多配置文件隔离工作与个人场景
- 偏好终端优先的工作流
- 看重完全独立开源（未被大公司收购）
- 需要定时任务和自动化工作流
选 OpenClaw 如果你…
- 是 TypeScript/Node.js 开发者
- 需要桌面/移动端原生应用（特别是 iPhone/Mac 用户）
- 需要 iMessage、LINE、Teams 等特定平台支持
- 偏好图形化 Web 控制面板而非纯 CLI
- 需要桌面自动化（Peekaboo 控制 macOS GUI）
- 重视记忆透明性——希望所有记忆都是可读的 Markdown 文件
- 不介意被OpenAI 收购的商业背景
🔮 总结
Hermes Agent 和 OpenClaw 代表了开源 AI 智能体的两条不同路线：
- Hermes Agent 是「深度智能体」——Python 原生、记忆自生长、Skills 自积累。它更像一个会思考、会学习的助手，在终端中与你协作。适合追求深度定制和长期积累的技术用户。
- OpenClaw 是「广度平台」——TypeScript 全栈、桌面+移动端全覆盖、丰富的视觉界面。它更像一个无处不在的个人助理，在任何设备和平台上都能触达。适合追求开箱即用体验的广泛用户。
两者都是 MIT 开源、自托管、多平台的优秀框架。无论选择哪一个，你都站在了 AI 智能体革命的最前沿。而最好的消息是——它们都不是 SaaS，你的数据永远属于你自己。
数据来源：Hermes Agent 官方文档（hermes-agent.nousresearch.com）、OpenClaw 官方文档（docs.openclaw.ai）、OpenRouter 排行榜、GitHub 仓库。更新于 2026 年 6 月。
0 条评论