2025年的Agent爆发

2025年下半年，AI Agent 领域出现了两个现象级的开源项目。一个来自 Nous Research——以 Hermes 系列模型闻名于世的 AI 研究实验室；另一个来自独立开发者 Peter Steinberger——他最初只是想在自己的手机上通过 WhatsApp 和 AI 对话，于是写了 ClawdBot，随后演变成了 OpenClaw。

到了 2026 年初，OpenClaw 在 GitHub 上突破了 250K 星标，HermesAgent 也在 Nous Research 的模型生态加持下积累了大量用户。两者的共同点是：自托管、本地优先、让 AI 从”对话工具”蜕变为”自主执行者”。

但它们在设计哲学、技术架构和适用场景上有着截然不同的路线。

HermesAgent：研究驱动的个人智能体

出身

HermesAgent 由 Nous Research 打造——这个实验室以 Hermes、Nomos、Psyche 系列 fine-tuned 模型闻名。因此 HermesAgent 从诞生就带有双重身份：既是日常使用的个人 AI 助手，也是一个用于生成训练数据和运行强化学习实验的研究平台。

项目于 2025 年 7 月启动，完全开源（MIT License），Python 生态，支持通过 curl 一行命令安装。

核心架构

HermesAgent Gateway
  ├── 5 种终端后端（Local / Docker / SSH / Singularity / Modal）
  ├── 多渠道网关（Telegram / Discord / Slack / WhatsApp / CLI）
  ├── 持久记忆系统（FTS5 全文检索 + LLM 摘要 + MEMORY.md/SOUL.md）
  ├── 技能系统（agentskills.io 开放标准，自主创建、自我改进）
  ├── 定时任务调度（自然语言 Cron + 渠道投递）
  └── 子Agent 隔离执行（独立对话上下文 + 独立终端）

最突出的特性

1. 闭环学习

当 HermesAgent 完成一个任务后，它会将执行步骤抽象为”技能”（Skill），存储为可复用的流程文件。下次遇到类似任务时，直接复用已有技能，而不是从头开始规划。这让它越用越聪明。

2. 真正的沙箱隔离

五个终端后端覆盖了从本地到企业无服务器（Modal）的完整部署谱系。每个子 Agent 拥有独立的终端环境和对话上下文，不会互相干扰。

3. 研究就绪

HermesAgent 内置了 Atropos RL 环境和批量轨迹生成能力——你可以让它跑一整天任务，把所有交互过程导出为 RL 训练数据。

4. 语言中立

通过 Nous Portal（订阅制）或 OpenRouter（200+ 模型）接入任何模型，也支持自部署的 vLLM/SGLang 端点。

局限

• 社区生态相对较小（截至 2026 年初约 900+ GitHub 星标）
• Python 生态在某些系统集成场景不如 Node.js 灵活
• 功能偏向个人使用，企业级多租户支持较弱

OpenClaw：病毒式传播的万能 Agent 网关

出身

OpenClaw 的故事本身就是一堂开源增长的教科书。起初是 Peter Steinberger 在周末写的 WhatsApp Relay——让 Claude Code 能通过 WhatsApp 交互。随后更名为 ClawdBot、Moltbot，最终在 2026 年 2 月定名为 OpenClaw。

2026 年 1 月，它在 GitHub 上从 68K 星飙到 120K 星——两周翻了一倍。到了 3 月，NVIDIA 在 GTC 大会上宣布基于 OpenClaw 构建了企业级平台 NemoClaw，Jensen Huang 在主题演讲中公开呼吁每家公司都要有自己的”OpenClaw 战略”。

核心架构

Gateway（Node.js Daemon，单写者架构）
  ├── 渠道适配器（WhatsApp / Telegram / Slack / Discord / Email / Signal 等 20+ 消息渠道）
  ├── 会话管理器（跨渠道上下文持久化 + Lane Queue 串行执行）
  ├── 心跳机制（每30-60分钟读取 HEARTBEAT.md，自主执行定时任务）
  ├── Agent 运行时（Commander-Worker 多 Agent 编排 + A2A 通信）
  ├── 四层记忆（会话上下文 → 日志 → MEMORY.md → 向量检索）
  └── 技能系统（Bundled → Managed → Workspace 三级加载 + ClawHub 社区注册表）

最突出的特性

1. 心跳机制

这是 OpenClaw 最具标志性的设计——代理不是等人来对话，而是每隔 30-60 分钟主动读取 HEARTBEAT.md 文件，检查是否有待处理的任务。如果需要，它可以自主发起一次完整的任务执行循环。这让它成为了真正意义上的 7×24 小时 AI 代理人。

2. Commander-Worker 模式

对于复杂任务，OpenClaw 采用 Commander-Worker 架构：Commander Agent（使用最强大的模型，如 Claude Opus）负责任务分解和调度，多个 Worker Agent（使用更便宜的模型）并行执行子任务。这兼顾了推理质量和运行成本。

3. 20+ 渠道统一管理

所有消息渠道通过统一的消息格式（Normalized Message Format）汇入 Gateway，用户可以在 Telegram 上发起任务、在 Discord 上检查进度、在 Email 里收到最终报告——完全无缝。

4. ClawHub 技能生态

到 2026 年 3 月，ClawHub 上已经有 13,000+ 个社区贡献的技能——从网页抓取到 PDF 报表生成到 Docker 容器管理，几乎任何自动化需求都能找到现成的技能文件。

局限

• Node.js 依赖和 npm install 生态在某些生产环境中不够精简
• 25 万星的爆炸性增长带来了安全问题——Hudson Rock 等安全公司检测到了针对 OpenClaw 配置文件的窃取攻击
• 默认的广泛系统访问权限是安全审计的重灾区

对比总览

维度	HermesAgent	OpenClaw
开发者	Nous Research（AI 研究实验室）	Peter Steinberger 社区
发布时间	2025年7月	2025年11月
语言/生态	Python	Node.js (TypeScript)
GitHub 星标	~900	250K+
终端后端	5 种（Local/Docker/SSH/Singularity/Modal）	2 种（Local/Docker）
消息渠道	5 种	20+ 种
多 Agent 协作	子 Agent 并行	Commander-Worker 编排
记忆系统	FTS5 检索 + LLM 摘要	四层架构（会话→日志→记忆→向量）
技能系统	agentskills.io 标准	ClawHub（13,000+ 技能）
心跳/自主运行	Cron 自然语言调度	HEARTBEAT.md 30-60min 循环
沙箱隔离	5后端真隔离	Docker + Node 进程隔离
研究能力	RL 环境 + 轨迹生成	无内置研究工具
独特卖点	越用越聪明，研究级	万能网关，病毒式生态

怎么选？

选 HermesAgent 如果：

• 你是 Python 生态的开发者，想要干净简约的体验
• 你需要生成 Agent 训练数据来做进一步研究
• 你追求”越用越聪明”的渐进式个性化（技能自动创建和自我改进）

选 OpenClaw 如果：

• 你需要连接 10+ 个消息渠道，在各平台上无缝切换
• 你想要 7×24 小时自主运行的心跳系统
• 你需要 Commander-Worker 的多 Agent 分工协作
• 你想利用社区现成的 13,000+ 个技能，而不是从头写

对我自己的启发

我当时正在构思一个多智能体协作系统，HermesAgent 和 OpenClaw 各自贡献了宝贵的参考：

• 从 HermesAgent 学到的：技能的自主创建和自我改进机制——让十个角色在长期协作中不断沉淀各自的专业技能
• 从 OpenClaw 学到的：心跳驱动的自主执行和 Commander-Worker 的多模型路由——用协调者角色调度其他九个角色的具体执行

两个框架都证明了同一个趋势：AI 的未来不是更大的模型参数，而是让模型拥有在真实世界中自主行动的能力。