小龙虾养成记：小龙虾和爱马仕（OpenClaw vs Hermes）源码对比与选型指南

程序员寒山
23 阅读6分钟

适用人群：第一次接触 OpenClaw / Hermes，想快速看懂差异、做选型、不踩坑。

**OpenClaw：**偏本地与可控编排 ｜ **Hermes：**偏在线与持续运营

小龙虾和爱马仕怎么选？是不是很多朋友都有这个疑惑。其实很多朋友第一次看 OpenClaw 和 Hermes，会有同一个感受：
“都能接微信/飞书/Telegram，都能调模型、调工具，那到底差别在哪？又该如何选呢？”

大家好，我是寒山！今天用一张图 + 源码视角，把差异讲清楚，并给你一套可直接照搬的选型方法。

前言

先给结论

  • **更适合选 OpenClaw：**本地个人助手、强控制感、与 OpenClaw 生态深度一致。

  • **更适合选 Hermes：**云端长期在线、越用越聪明、适合持续运营。

一句话类比：

  • OpenClaw 像一台你自己改装得很强的「私人工作站」。

  • Hermes 像一个可以长期驻场、持续学习的「线上智能同事」。

一、先把概念讲白：它们都在做什么？

无论 OpenClaw 还是 Hermes，核心流程都差不多：

  1. 用户在某个平台发消息（比如飞书/Telegram）。

  2. Gateway 收到消息：鉴权、路由、会话绑定。

  3. Agent Loop 组织上下文，调用模型。

  4. 若模型要求调用工具：执行工具 → 结果回填 → 继续推理。

  5. 最后把回复发回用户。

你可以把它理解成“客服系统 + 大脑 + 工具箱”的组合。

二、源码里真正不同的地方

1) 谁在当“总指挥”？

OpenClaw：编排层是主角

在 openclaw-main/src/agents/pi-embedded-runner/run/attempt.ts 里，能看到它把很多能力拆成了可组合模块：
系统提示、技能注入、上下文压缩、MCP 工具接入、沙箱策略、流式输出、超时恢复……

这意味着 OpenClaw 更像“精细化控制中心”：
每一段流程都有明确挂点，适合希望“每个开关都可管”的团队。

Hermes：主循环是主角

在 hermes-agent-main/run_agent.py 里，核心回合逻辑更集中：
多轮 tool_calls、并行/串行执行、失败重试、上下文压缩都在主循环中强驱动。

这意味着 Hermes 更像“强执行中枢”：
想快速做“连续任务推进”，它会更直接。

2) 记忆和技能，谁更“主动学习”？

OpenClaw：技能管理工程化、可控性强

在 openclaw-main/src/agents/skills.ts 及 skills/* 目录可看到：
技能加载、过滤、frontmatter、配置注入、命令映射都比较规范，偏“工程治理”。

简单说：你可以精细控制“什么技能能进来、怎么进来”。

展开：把“工程化注入”讲透（加载 / 过滤 / frontmatter / env 覆盖）

很多同学看到这几个词会懵，这里用一个最小例子解释。

先看 frontmatter 是什么：
就是写在 SKILL.md 顶部的结构化元数据（通常是 YAML），给系统读，不是给人看的正文。

一个简化例子（示意）：

---name: deploy-helperdescription: 帮我执行发布前检查---# 使用说明1. 先检查分支2. 再检查测试

系统会做四步：

1) 加载（load）

  • 从技能目录扫描 SKILL.md（OpenClaw 在 skills/workspace、本地/插件技能目录等来源聚合）。

  • 读取正文 + frontmatter，形成技能条目（名字、描述、来源、元信息）。

2) 过滤（filter）

  • 按配置决定是否启用：例如技能开关、允许列表、agent 级 skills 过滤、平台约束等。

  • 被禁用或不匹配条件的技能，不会进最终 prompt，也不会暴露成可用命令/能力。

3) frontmatter 解析（frontmatter parse）

  • 把结构化字段（如 name、description、命令映射相关字段）解析出来。

  • 这些字段会影响：技能名、展示描述、命令映射、以及后续注入行为。

4) env 覆盖（env override）

  • 不是“随便改系统环境变量”，而是按技能配置与安全规则，注入允许的变量到运行上下文。

  • 在 OpenClaw 里这部分由 skills/env-overrides.ts 处理，并有拦截逻辑，避免危险变量覆盖运行时核心行为。

  • 所以你可以理解成：“可控地给技能补配置”，不是“放开权限任意改环境”。

一句话总结这个链路：
先收集技能 -> 再按规则筛选 -> 再读元数据组织成可调用能力 -> 最后在安全边界内注入必要配置。

Hermes：记忆 + 技能直接嵌入主行为

在 hermes-agent-main/agent/memory_manager.py，记忆管理被抽象为 provider，且限制“内建 + 一个外部”来降低冲突。
在 agent/prompt_builder.py，记忆策略、技能策略、平台提示会被系统化注入每一轮。

简单说：Hermes 更强调“边做边沉淀经验，下次直接复用”。

3) Gateway 的“性格”不同

OpenClaw Gateway：像本地助手中枢

OpenClaw 的 gateway + tools 一体化很强（见 openclaw-main/src/agents/openclaw-tools.ts），
会根据运行模式、沙箱、模型能力动态裁剪工具。

适合：你把它当“自己桌面/设备体系的一部分”来用。

Hermes Gateway：像在线服务守护进程

Hermes 的 gateway/run.py 非常重视运行期治理：
锁、重启接管、状态恢复、多平台连接稳定性、审批通路等。

适合：你把它当“持续在线服务”来运营。

三、给小白的三个真实例子

例子 A：你想做“自己的个人工作助理”

需求：
“我在微信或飞书给它发一句话：‘帮我整理今天待办，顺手去项目目录改个文件，再回我结果。’”

更适合：OpenClaw
原因：

  1. 本地工具链、工作区、权限策略更容易统一管理。

  2. 会话和工具编排颗粒细，遇到“要控权限”的情况好处理。

  3. 对“我就是想在自己机器上稳定跑”的场景更自然。

例子 B：你要做 7x24 在线机器人

需求：
“机器人要一直在线，白天处理群消息，晚上跑日报，还要偶尔切换模型降成本。”

更适合：Hermes
原因：

  1. 网关守护和长跑能力更强。

  2. 云端部署路径更成熟（VPS/容器等）。

  3. 持续运行时的状态管理和恢复链路更完整。

例子 C：你希望它“越用越懂你”

需求：
“我不想每周重复教它同样流程，希望它逐步记住我的偏好和方法。”

更适合：Hermes（优先）
原因：

  1. 记忆管理在主循环里是核心能力，不是旁路。

  2. 技能沉淀和后续复用的设计目标很明确。

  3. 更偏向持续演化的使用方式。

四、怎么选才不踩坑：三步法

你只要按这三步做，很难选错。

  1. 先问自己：主战场是 本地个人效率 还是 在线持续运营？

  2. 再问自己：你更在意 精细控制 还是 持续学习进化？

  3. 最后做测试，看四个指标：
    成功率、平均响应时延、人工介入次数、维护时长。

谁在你的真实任务里更省心，就选谁，不要只看功能清单。

五、最后一句话

OpenClaw 和 Hermes 不是“谁替代谁”，而是“同类问题的两种工程答案”。
看清你的主场景，你就会发现选型并不难。

更多的AI内容，我们下期再分享！

avatar
文章
阅读
粉丝