双雄对决:Hermes Agent 与 OpenClaw 的架构哲学之争

当两个 37 万 Star 的 AI 助手项目在 GitHub 上相遇，它们选择了截然不同的道路。

缘起：两个”个人 AI 助手”的诞生

2026 年，AI Agent 领域迎来了一场静悄悄的革命。两个项目几乎同时崛起，它们都宣称要做”你的个人 AI 助手”，都支持 20+ 消息平台，都有工具系统和技能市场，都在 GitHub 上收获了超过 37 万颗星。

它们就是 Hermes Agent 和 OpenClaw。

但当你深入它们的代码，会发现一个惊人的事实：这两个看似相似的项目，在架构哲学上走向了两个极端。

第一眼：惊人的相似

打开两个项目的 README，你会觉得它们是双胞胎：

甚至 OpenClaw 还有官方的 @openclaw/migrate-hermes 扩展，专门帮助用户从 Hermes 迁移。这进一步印证了它们的竞争关系。

但当你读到 OpenClaw 的 VISION.md 文档时，一切都不一样了。

架构分歧：嵌套 vs 扁平

OpenClaw 的宣言

在 OpenClaw 的愿景文档中，有一条醒目的声明：

Agent-hierarchy frameworks (manager-of-managers / nested planner trees)  as a default architecture → WILL NOT MERGE 

翻译过来就是：嵌套规划树架构永远不会合并进主分支。

OpenClaw 团队认为，多层 Agent 嵌套（一个 Manager Agent 管理多个 Worker Agent）会带来：

• 调试地狱（你不知道是哪一层出了问题）
• 状态爆炸（每一层都有自己的上下文）
• 性能损耗（每一层都要过一遍 LLM）

他们选择了扁平架构：一个主循环，所有工具在同一层级，没有嵌套。

Hermes 的选择

Hermes Agent 走了另一条路。它的 delegate_task 工具允许主 Agent 派生出子 Agent，子 Agent 还可以继续派生：

主 Agent (orchestrator)   └─ 子 Agent A (处理子任务)        └─ 孙 Agent A1 (处理更细粒度的任务)   └─ 子 Agent B (处理另一个子任务) 

默认深度限制为 1 层（可配置到 3 层），每个子 Agent 都有：

• 独立的会话上下文（不污染父 Agent）
• 独立的终端会话（文件系统隔离）
• 受限的工具集（不能调用 delegate_task、memory 等敏感工具）

这是分层架构：复杂任务被分解，每一层专注自己的职责。

内存系统：单槽 vs 四层

OpenClaw 的极简主义

OpenClaw 采用单槽内存插件设计。内存就是一个插件槽位，你可以插入不同的实现：

• 简单的键值存储
• 向量数据库
• 文件系统

这种设计的好处是简单可控。坏处是所有记忆都在一个抽象层级，没有区分”短期会话记忆”和”长期知识记忆”。

Hermes 的四层记忆

Hermes 实现了四层混合内存：

┌─────────────────────────────────────┐│  Layer 1: Session (会话层)          │  SQLite + WAL + FTS5│  - 当前对话的上下文                  │  支持中文分词 + 模糊搜索├─────────────────────────────────────┤│  Layer 2: Memory (记忆层)           │  MEMORY.md 文件│  - 跨会话的持久知识                  │  § 分隔符 + 2200 字限制├─────────────────────────────────────┤│  Layer 3: Skill (技能层)            │  SKILL.md 文件│  - 可复用的过程知识                  │  YAML frontmatter + Markdown├─────────────────────────────────────┤│  Layer 4: Episodic (情景层)         │  会话搜索工具│  - 历史会话的情景记忆                │  FTS5 + LLM 摘要└─────────────────────────────────────┘

每一层都有不同的生命周期和访问模式：

• 会话层：随对话结束而归档
• 记忆层：跨会话持久，手动维护
• 技能层：项目级共享，版本控制
• 情景层：历史搜索，按需召回

这种设计更接近人类的记忆系统，但也更复杂。

执行模型：动态规划 vs 工具编排

两个项目的核心循环都是”LLM 驱动的工具调用”，但在细节上有差异。

OpenClaw 的工具编排

OpenClaw 的主循环是：

while True:    response = llm.call(messages, tools)    if response.tool_calls:        for tool in response.tool_calls:            result = execute(tool)            messages.append(result)    else:        return response.content

所有工具在同一层级，LLM 决定调用哪个。没有子 Agent，没有嵌套规划。

Hermes 的动态规划

Hermes 的主循环类似，但加入了预算控制和中断机制：

while api_call_count < max_iterations and budget.remaining > 0:if interrupt_requested: break    response = llm.call(messages, tools)if response.tool_calls:for tool in response.tool_calls:# 特殊处理：delegate_task 会派生子 Agent            result = handle_function_call(tool)            messages.append(result)        api_call_count += 1else:return response.content

关键区别在于 handle_function_call 内部：如果工具是 delegate_task，它会创建一个新的 AIAgent 实例，递归执行上述循环。

语言栈的影响：Python vs TypeScript

OpenClaw 的 TypeScript 优势

• 类型安全
  
  ：工具接口、消息格式、配置结构都有编译期检查
• 异步原生
  
  ：Node.js 的事件循环天然适合并发处理多个消息平台
• 生态丰富
  
  ：npm 生态的工具库、SDK 数量庞大

Hermes 的 Python 优势

• AI 生态
  
  ：PyTorch、Transformers、LangChain 等 AI 库都是 Python 优先
• 脚本友好
  
  ：工具函数可以直接用 Python 写，无需编译
• 调试方便
  
  ：pdb、print 大法、Jupyter 都可以直接用

这是一个经典的工程权衡：运行时安全 vs 开发效率。

适用场景：如何选择？

选择 OpenClaw，如果你：

1. 追求简单可控
   
   ：扁平架构更容易理解和调试
2. 前端背景
   
   ：熟悉 TypeScript 和 Node.js 生态
3. 多租户场景
   
   ：OpenClaw 的插件边界更适合多用户隔离
4. 快速原型
   
   ：单槽内存 + 扁平工具，上手更快

选择 Hermes，如果你：

1. 处理复杂任务
   
   ：分层架构更适合多步骤、多角色的任务
2. 需要深度记忆
   
   ：四层记忆系统更适合长期运行的 Agent
3. Python 技术栈
   
   ：团队熟悉 Python，或有现成的 AI 代码库
4. 需要子 Agent 协作
   
   ：不同子 Agent 可以用不同模型、不同工具集

技术细节对比

工具注册机制

OpenClaw：插件在 plugins/ 目录下，每个插件声明自己的工具：

# plugin.yamlname:my-plugintools:-my_tool

Hermes：工具在 tools/*.py 中自注册：

# tools/my_tool.pyfrom tools.registry import registry@registry.register()defmy_tool(args):    ...

Hermes 的方式更灵活（运行时发现），OpenClaw 的方式更结构化（声明式配置）。

消息平台集成

两者都采用网关模式：一个统一的 Gateway 服务，通过适配器连接各平台。

架构相似，但 Hermes 的网关还支持钩子机制：可以在消息进入/离开时注入自定义逻辑。

配置管理

OpenClaw：单一配置文件 claw.yaml，所有设置集中管理。

Hermes：分层配置：

• ~/.hermes/config.yaml
  
  ：用户级配置
• ~/.hermes/.env
  
  ：API 密钥（敏感信息分离）
• AGENTS.md
  
  ：项目级 Agent 指令
• SKILL.md
  
  ：技能级配置

Hermes 的分层更灵活，但也更复杂。

社区与生态

OpenClaw

• Star 数
  
  ：372k
• 核心团队
  
  ：商业公司运作，有明确的路线图
• 扩展生态
  
  ：ClawHub 市场，官方迁移工具
• 文档质量
  
  ：完善，有中英文档

Hermes

• Star 数
  
  ：增长迅速（具体数据待查）
• 核心团队
  
  ：开源社区驱动
• 技能生态
  
  ：Skills 目录，用户可自建
• 文档质量
  
  ：AGENTS.md + 技能文档，开发者友好

总结：没有银弹

Hermes Agent 和 OpenClaw 的对比，本质上是两种架构哲学的对比：

OpenClaw 是”少即是多”的践行者：通过拒绝嵌套，换取简单和可控。

Hermes 是”分层治之”的信徒：通过引入层次，换取灵活和强大。

两者没有绝对的高下，只有适合不适合。如果你的任务简单明确，OpenClaw 的扁平架构会让你如鱼得水。如果你的任务复杂多变，需要不同角色的 Agent 协作，Hermes 的分层架构会让你游刃有余。

最后，一个有趣的细节：OpenClaw 有官方的 Hermes 迁移工具，但 Hermes 没有 OpenClaw 迁移工具。这或许说明了一些问题——从简单到复杂容易，从复杂到简单难。