OpenClaw vs Hermes Agent：构建永不遗忘的 AI 助手之争
用过 AI 编程助手的人大概都有过这种体验：花了一下午时间教会 Claude Code 或 Codex 你代码库的脾性——命名规范、部署流程、没人写过文档的遗留数据库 schema。结果一关会话，这些上下文全没了。
下一次还得从头教起。这种「上下文丢失-重复解释」的循环，已经成为 AI 辅助开发最顽固的痛点之一。两个开源项目正在从截然不同的方向试图解决这个问题。
如果你管理过基础设施，可能会觉得这套叙事很眼熟。把会话型 AI 工具想象成无状态的容器，每次重启都会被清空——快速、可丢弃、无记忆。而给它加上持久卷、长驻进程和能随时间自我改进的学习循环之后，会发生什么？这就是 OpenClaw 和 Hermes Agent 所代表的早期转变——它们正把 AI 助手从一个绑定会话的工具推向持久化的 Agent 运行时。
永驻 Agent 是一个全新的软件品类
我认为 AI Agent 领域正在分化成两个「物种」，大多数开发者还没注意到。
物种一活在终端、IDE 或浏览器标签里。用时打开，不用关闭。Claude Code、Codex、Cursor 在单次会话内很强大，但跨会话的上下文传递能力有限。开发者们只能靠手动 workaround：写 CLAUDE.md 文件、维护 memory 目录、搭建各种基于 markdown 的「大脑」系统。曾有开发者在 26 天内累计做了 59 次上下文压缩，最后干脆自己从头写了一套持久化层。
物种二则永久驻留在你的基础设施上。它在你睡觉时运行，在你通勤时通过 Telegram 联系你，能记住上个月学到的东西，会随时间推移变得更强。OpenClaw 和 Hermes Agent 是这第二物种最典型的代表，但两者对于「永久 Agent 应该如何工作」有着完全不同的哲学。
当然，这不是非此即彼的二选一。会话型工具已经在陆续加入持久化能力——Claude Code 有了跨会话写盘的 auto-memory，Cursor 维持着工作区级别的上下文。但 OpenClaw 和 Hermes Agent 的架构野心远超这些「在会话工具上打补丁」式的功能迭代。它们从设计之初就是为了持续运行、随时间学习、跨消息平台触达用户而构建的。
OpenClaw：生态为王
OpenClaw 诞生于 2025 年底，最初是奥地利开发者 Peter Steinberger 的一个周末项目，原名 Clawdbot。它迅速成为 GitHub 增长最快的开源项目之一，截至 2026 年 4 月初已斩获超过 345,000 颗星。2026 年 2 月，Steinberger 宣布加入 OpenAI，同时 OpenClaw 将迁移至一个独立基金会运营。
这种增长并非偶然。OpenClaw 解决了一个开发者群体苦等已久的实际问题——它提供了一个能连接到你已经在用的消息应用的自托管 AI Agent。支持 WhatsApp、Telegram、Slack、Discord、Signal 等超过 50 种集成；兼容所有主流模型提供商——Anthropic、OpenAI、Google，以及通过 Ollama 接入的本地模型。
生态快速扩张，涌现出 ClawHub 公共技能市场（数千个社区构建的 skills）、多个托管服务提供商，以及 macOS 和 iOS 配套应用。
可以把 OpenClaw 想象成 AI Agent 领域的 Android——有规模、有第三方生态，同时也伴随着这种比较所暗示的碎片化问题。而且正如早期 Android 的情况，安全故事并不乐观。
爆发式增长背后的供应链危机
项目爆炸式增长后数周，一场有组织的供应链攻击浮出水面。Koi Security 对当时 ClawHub 上全部 2,857 个 skills 进行了审计，发现 341 个恶意条目，其中 335 个可追溯至同一个攻击活动（被命名为 ClawHavoc）。SecurityScorecard 报告称互联网上公开暴露了数以万计的 OpenClaw 实例。CVE-2026-25253（CVSS 8.8）涉及不安全的自动 WebSocket 连接行为，可能导致认证令牌泄露，形成多起一键接管事件的基础。
Microsoft 建议将运行时视为「可能受到不可信输入影响」的环境，不推荐在标准个人或企业工作站上运行。Cisco 则直接了当地称个人 AI Agent（如 OpenClaw）「是一个安全噩梦」。
ClawHub 市场的运作模式很像早期的 npm——发布一个 skill 只需要一个注册满一周的 GitHub 账号即可，无需自动化静态分析、无代码审查、无签名要求。OpenClaw 随后与 VirusTotal 建立了合作，对上传的 skills 进行扫描，并增加了面向运营者的安全指南，但信任模型仍处于完善过程中。
模型无关的灵活性
OpenClaw 采用模型无关架构，这也是其核心优势之一。用户可以自由切换不同的模型提供商，甚至在同一会话中混用不同模型。这种灵活性意味着组织不会被单一供应商绑定，同时也使得在同一基础设施上实验和比较不同模型成为可能。
但这种开放性也带来了复杂度。没有统一的行为标准意味着某个 skill 在一个模型配置下运行良好，换一个模型可能表现迥异。这对追求一致性的企业来说是一个不可忽视的挑战。
Hermes Agent：专注持续学习
与 OpenClaw 的生态扩张思路不同，Hermes Agent 来自 Nous Research，其核心哲学是让 Agent 真正从每次交互中学习，而不是仅仅连接更多平台。
Hermes Agent 的设计目标是成为一个能够随着时间推移越来越了解你、你的代码库、你的偏好和工作流程的伴侣 Agent。它不仅仅是响应命令，而是主动记忆、主动推理、主动建议——这些能力都建立在持久化的记忆层之上。
记忆架构的深度差异
Hermes Agent 的记忆系统不仅仅是简单的键值存储。它实现了一个分层记忆架构，包括：
- 瞬时记忆：当前会话中的活跃上下文
- 情景记忆：跨会话保留的重要交互片段
- 长期记忆：关于用户偏好、项目结构和领域知识的持久化知识
这种分层设计使得 Hermes Agent 能够在不同时间尺度上保持上下文连贯性。当你在一个新会话中询问「我们上次讨论的那个性能问题后来怎么解决的」，Hermes Agent 能够从情景记忆中检索并给出回答。
不同的安全模型
Hermes Agent 采取了与 OpenClaw 不同的安全立场。由于其专注于深度学习和持久记忆，Hermes Agent 在数据保留和隐私方面面临不同的挑战——记忆越持久，可能泄露的敏感信息就越多。其安全模型更侧重于对记忆的访问控制和选择性遗忘机制。
技术架构对比
两者在架构上的根本差异：
| 维度 | OpenClaw | Hermes Agent |
|---|---|---|
| 核心定位 | 消息驱动的永驻 Agent | 持续学习的记忆型 Agent |
| 记忆方式 | 通过外部工具/文件 | 内置分层记忆架构 |
| 生态策略 | 广泛集成，平台众多 | 深度绑定，专注学习 |
| 安全模型 | 运行时隔离+供应链审查 | 记忆访问控制+隐私保护 |
| 适用场景 | 需要跨平台触达的个人助手 | 需要长期上下文理解的项目 |
两种哲学，一个方向
OpenClaw 和 Hermes Agent 代表了通向「永驻 AI 助手」这一新范式的两条不同路径。
OpenClaw 押注的是广度——尽可能多地触达用户，连接更多平台和模型，让开发者在他们已经使用的工具中与 AI 协作。它的风险在于生态膨胀带来的安全和管理复杂性。
Hermes Agent 押注的是深度——让 AI 真正理解并记住用户的工作方式和项目上下文，随时间变得更加智能。它的挑战在于记忆系统的复杂性和隐私边界。
对于普通开发者而言，这两种思路并非互斥。OpenClaw 可能更适合那些需要在多个平台间保持连贯工作流的重度消息用户；Hermes Agent 则更适合那些希望 AI 能够深入理解代码库、形成长期项目理解的开发者。
无论选择哪条路，有一个趋势是确定的：AI 助手正在从「用时打开、不用关闭」的工具，向「永驻运行、持续学习」的伴侣转变。这场竞赛才刚开始。