龙虾打江山，爱马仕守江山
现在 AI Agent 圈的格局，用一句话概括：OpenClaw 负责开疆拓土，Hermes 负责精细耕作。
OpenClaw（开源龙虾）GitHub 上 37 万星，坐稳第一把交椅。Hermes Agent 14 万星，排名第二。
但有意思的是，Hermes 在社区里的讨论热度、二次开发活跃度、甚至中文圈里的传播速度，一点都不输 OpenClaw。
为什么？
名字先赢一半——爱马仕 vs 龙虾
这事儿得从名字说起。
OpenClaw，直译是”开源爪子”，社区给它起了个外号叫”龙虾”。挺好记的，但说白了就是个开源工具的名字。
Hermes 呢？希腊神话里的信使之神，同时也是奢侈品牌爱马仕的同名。中文社区直接叫它”爱马仕”。
名字带来的心理锚定是真实的：
- 龙虾听起来像是个开源极客项目——实用、接地气、但不会有”高级感”
- 爱马仕天然带着”精致、高端、品质”的标签
在中文技术圈，“我用爱马仕”和”我用龙虾”，传播效果完全不在一个量级。这不是说 Hermes 团队故意蹭名牌——而是这个名字恰好踩中了人们对”高质量工具”的心理预期。
定位差异：通用助手 vs 自成长框架
这是两者最根本的区别。
OpenClaw：什么都能干的万能助手
OpenClaw 的口号是”Any OS, Any Platform”——跨平台、通用型个人 AI 助手。
它的设计目标是：一个 Agent 替代你电脑里所有工具。写代码、查资料、发邮件、管文件，一个入口搞定。
优势是覆盖面广，入门门槛低。装好就能用，不需要什么配置。
但问题也很明显：功能大而全，意味着在某个垂直场景下，它很难做到极致。
Hermes：越用越聪明的成长型框架
Hermes Agent 的定位完全不同。它的核心卖点是**“Self-growing”——自成长**。
不是简单的”你问我答”，而是：
- 有记忆：记住你之前的偏好、习惯、决策模式
- 能学习：从每次交互中提取模式，优化自己的行为策略
- 可进化：随着使用时长增加，它会变得越来越懂你
这就好比：
- OpenClaw 是一个全能型瑞士军刀，什么工具都有，但每个都标准化
- Hermes 是一把会自己变锋利的刀，用得越多，越贴合你的手型
为什么 Hermes 在中国社区特别火
1. 技术架构更透明
OpenClaw 虽然开源，但核心逻辑封装得比较深，二次开发门槛不低。很多开发者想加个自定义功能，得花不少时间读源码。
Hermes 的架构设计更模块化——插件系统、记忆模块、工具调用层都是独立的。开发者可以快速插拔，按自己的需求组合。
对喜欢”魔改”的中国开发者来说，Hermes 的架构更友好。
2. “自成长”概念戳中了痛点
国内用户对 AI 助手的最大抱怨是什么？“用了一个月，它还跟第一天一样笨。”
OpenClaw 不会变聪明。你第一天用它，和第 100 天用它，它的表现差不多——因为它是通用型设计，没有持续学习的机制。
Hermes 承诺的是：你用得越多，它越懂你。这在体验上是一个巨大的差异。
3. 社区生态的”二创”活跃度
Hermes 的插件生态发展很快。中文社区里已经有人做出了：
- 微信集成插件
- Notion 知识管理插件
- 股票盯盘插件
- 甚至有人接入了智能家居
OpenClaw 也有插件，但大部分是官方出的，社区贡献的相对少。
这跟架构有关——Hermes 的模块化设计让”写个插件”这件事变得很简单，而 OpenClaw 的插件开发需要更深入地理解它的核心架构。
简要技术拆解
聊完”为什么火”，看看它到底能干什么。Hermes 的核心能力可以归纳为五个层面：
系统交互与沙盒执行
终端和代码执行是它的基本功。支持前台阻塞调用和后台常驻进程，能捕获标准输出、监控退出码、按特定日志触发回调。内置的 Python 运行环境提供了隔离的代码执行空间，批量替换、跑构建流程、数据清洗都是常规操作。
浏览器自动化
很多工作离不开网页。内置的浏览器控制链路支持从打开页面、填表点击，到提取结构化数据、截图分析，甚至监控控制台报错。配合视觉识别接口，处理复杂动态布局也很顺手。
持久记忆与上下文检索
传统 AI 聊完就忘，Hermes 通过本地键值存储实现了跨会话状态保持。环境配置、用户偏好、历史踩坑记录都会记下来，下次直接注入上下文。配合全文检索，模型能主动回溯过往记录，避免重复排错。
任务拆解与并行
遇到复杂任务，主代理会自动拆解并分配给多个子代理。每个子代理在独立的终端会话、工具集和工作目录中运行，互不干扰。跑完后结果自动汇总。
定时调度与多端推送
通过内置的 cronjob 模块，可以设定定时任务。采集数据、生成报表、同步状态，跑完后自动将结果推送到微信、Telegram、Discord 或本地文件。
技能系统：让 Agent 更稳定
为了让自动化更可靠，Hermes 引入了”技能”机制。开发者可以将常用的工作流——比如 GitHub 发版、数据清洗、部署流程——写成结构化的 Markdown 指南。模型接到任务时会自动匹配并加载对应技能，照着步骤执行，大幅减少上下文推理开销。
更实用的是，技能文件是”活”的。如果执行过程中发现某一步骤过时，或者遇到了指南没写的坑，模型会直接更新对应的技能文件。文档和实际操作始终保持一致。
安全与边界
自动化最怕失控。Hermes 在工程层面做了硬约束：
- 凭证隔离：Token 与环境变量通过本地文件注入，执行过程中严格屏蔽，日志绝不打印敏感字段。
- 操作审批：高危命令（如强制推送、资源删除）会触发强制拦截，模型无法自行绕过。
- 资源限制：所有命令与脚本均设超时与内存上限，后台进程支持生命周期追踪，跑飞了自动掐断。
它的设计原则很明确：不替你冒险，只替你干那些重复、繁琐、需要跨系统协调的脏活累活。
客观对比
| 维度 | OpenClaw (龙虾) | Hermes Agent (爱马仕) |
|---|---|---|
| Stars | 370K+ | 141K+ |
| 定位 | 通用型 AI 助手 | 自成长型 Agent 框架 |
| 上手难度 | 低，开箱即用 | 中，需要简单配置 |
| 可定制性 | 中，核心逻辑封装深 | 高，模块化插件架构 |
| 记忆能力 | 基础会话记忆 | 长期记忆+模式学习 |
| 社区生态 | 官方主导 | 社区二创活跃 |
| 适合谁 | 想要一个全能助手的用户 | 想要一个能进化的 Agent 的开发者 |
我的判断
OpenClaw 和 Hermes 不是竞争关系，而是互补。
- 如果你只是想要一个”帮我干活的 AI 助手”，OpenClaw 是更好的选择——装好就能用，不需要折腾。
- 如果你是开发者，或者想要一个”越用越懂我”的 Agent，Hermes 更值得投入时间配置。
用一个比喻：
- OpenClaw 像是 iPhone——好用、省心、什么都能干
- Hermes 像是 Android——需要折腾，但折腾完之后就是你的专属定制机
在 AI Agent 这个赛道，“通用”和”个性化”会长期并存。OpenClaw 代表了前者的极致，Hermes 代表了后者的方向。
而 Hermes 之所以火，本质上是因为它踩中了一个趋势：人们不再满足于”一个什么都能干但什么都干不好”的通用助手，而是想要一个”专门为我服务、并且越来越懂我”的个性化 Agent。
这个趋势，才刚刚开始。