OpenClaw 与 Hermes: 开源 Agent 框架对比

OpenClaw 和 Hermes Agent 看起来都是开源 AI Agent 框架,License 也都是 MIT,但两者的方向并不一样:OpenClaw 更像一个跨平台 AI 助手网关,重点是把 Agent 接入 Telegram、Slack、微信、iMessage 等各种消息渠道;Hermes Agent 更像一个自我进化型个人 Agent,重点是长期运行、自动学习、自动生成和管理 Skill,让系统越用越懂你。

核心差异主要在架构和记忆机制。OpenClaw 把 Runtime 当成一等公民,内置 PI、Codex、Claude CLI、外部 ACP Agent 等多种运行时,每个模型可以明确指定由哪个 Runtime 执行,找不到就报错,不会静默回退。它更像一个调度多个 Agent Runtime 的窗口管理器。Hermes 则以自己的 Sync Agent Loop 为核心,Codex Runtime 只是可选扩展,更像是在原生 Agent 里接入一个 Codex 插件。

记忆系统上,OpenClaw 更透明,长期记忆、每日工作记忆都落在 Markdown 文件里,用户可以直接查看、编辑和审查;它会把日常观察整理成候选内容,但是否升级为长期记忆由人决定。Hermes 更自动化,基础是 Memory.md、User.md,再叠加 SQLite + FTS 检索和多个外部 Memory Provider;它的 curator 机制会自动给 Skill 打分、降权、归档,尽量减少人工参与。

权限和插件生态也体现了两种哲学。OpenClaw 倾向集中管理认证信息,通过 TokenSync 统一管理 ChatGPT OAuth、OpenAI Key、Anthropic Key、本地 CLI Auth 等,方便审计,但安全责任也更集中。Hermes 倾向委托,把 Codex 相关认证交给 Codex CLI 自己维护,攻击面更小,但登录态需要分别管理。插件上,OpenClaw 有 ClawHub,支持 Skills、Code Plugins、Bundle Plugins、Souls,也兼容 Codex、Claude、Cursor 的部分格式;Hermes 则通过 Python Entry Points 和

agentskills.io

标准做扩展,更强调开放互通和自我改写 Skill 的能力。

怎么选很明确:如果你要的是一个接入渠道广、跨平台消息入口强、本地配置透明、适合手动掌控的个人 AI 助手网关,OpenClaw 更合适;如果你要的是一个长期运行、自我学习、自动维护 Skill、深度接入 IDE 和开发者工作流的 Agent,Hermes Agent 更合适。两者可以都装来测试,但主入口最好只选一个,因为 Session、记忆和 Skill 系统各自独立,长期混用容易导致上下文分裂。

#OpenClaw#HermesAgent#开源#AIAgent#记忆系统#Runtime#框架对比

关联工程母题系统与实测说明:

本篇「OpenClaw 与 Hermes: 开源 Agent 框架对比」由 整理收录于 qilaidav 工程知识库,围绕 电报运营与高度拟人中枢 的生产环境架构设计、链路排障与确定性验证展开沉淀。完整系统模块、部署边界与技术规格请查阅方案主页:→ 查看 电报运营与高度拟人中枢 详情(架构诊断与定制交流:Telegram @BD8888 · hello@qilaidav.com · GitHub @qilaidev)。

免责声明与评测方法:本文所涉开源工具、模型基准与工程配置均基于实测环境与公开技术资料整理,仅供系统架构研发参考,不构成任何商业背书或投资建议。

— qilai · 摘自 Telegram 频道 @AIKB8