把OpenClaw、Hermes和Claude Code都跑了一遍,Harness这么弱鸡啊!

初衷很简单——想找个趁手的工具。但用了没多久就发现一个奇怪的事：这三个东西明明都在帮你写代码、改文件、跑命令，可用起来的感觉完全不一样。

Claude Code 像个沉默但靠谱的高级工程师，你让它干嘛它干嘛，但你不问它绝对不多说一个字。Hermes 像个有强迫症的实习生——做完每个任务都要写个总结，过两天再问你”上次那个方案要不要优化一下”。OpenClaw 最离谱，一装上就问你”要不要连你手机？要不要接 Telegram？要不要搞个定时任务？”

我当时觉得这就是三种产品风格。直到后来慢慢琢磨，看了些关于 Agent Harness 的分析，才意识到问题出在哪——它们虽然都叫 “AI Agent”，但底层的 Harness 设计哲学完全不同。

不是模型的问题，是 Harness 的问题

业界有个共识公式：Agent = model + harness。

什么意思？你给 Claude、GPT 套上一个能调用工具、记录过程、评判结果的”外壳”，它才从”模型”变成了”Agent”。这个外壳就是 Harness。

一个最简版的 Harness 只需要五样东西：

• Task：你要 Agent 干什么

• Environment：它能操作什么文件、代码仓库

• Tools：它能用哪些工具（读文件、跑命令）

• Trace：每一步调了什么、返回了什么，全部记下来

• Grader：任务做完了，判断成功还是失败

听起来很简单对吧？但正是这五个模块的取舍，决定了 OpenClaw、Hermes 和 Claude Code 走上了三条完全不同的路。

三个框架，三种 Harness 哲学

Claude Code：脚手架型——越轻越好

Claude Code 的设计有个核心原则：信任模型，管好边界。

它不会教模型该怎么做——模型自己想调什么工具、什么顺序、什么时候停，它全听模型的。Harness 只在两处卡住你：权限检查和上下文溢出。

你细看它的源码会发现，最庞大的代码模块不是主循环，而是权限系统——六种权限模式、八个权限来源、自动审批分类器。主循环反而薄得可怜，就是把每轮消息历史完整甩给模型，工具跑完立刻流式返回。

记忆也是极简路线：一个 CLAUDE.md 文件，再加一个 Auto Memory——模型自己往目录里写 Markdown。没有向量检索，没有 embedding，没有外部数据库。它相信模型够聪明，让它看到就够了。

我在用 Claude Code 时最直观的感受就是：它永远不会主动帮你记东西。你说”帮我记住这个”，它才会写一行。你不说，它就当没发生。但也正因如此，它的上下文一直很干净，不会被一堆”可能有用”的记忆撑爆。

Hermes Agent：学习系统型——越用越聪明

Hermes 的思路和 Claude Code 完全相反：光让模型看到不够，得帮它积累。

它的记忆系统分三层：

• 第一层：MEMORY.md 文件，会话开始时注入 prompt

• 第二层：SQLite + 全文搜索，所有历史会话可检索

• 第三层：8 个外部 memory provider 插件，可以做跨会话的推理和用户建模

最让我惊讶的是它的程序性记忆——Agent 完成任务后，会自己把方法总结成技能文件存下来。下次遇到同类任务，直接加载技能。用了一段时间，它自己积累了 20 多个技能，同类任务完成速度快了接近一半。

这感觉就像带了一个会自己写 SOP 的助理。第一次做某事磕磕绊绊，第二次就利索了，第三次直接秒出。

但代价是什么？上下文膨胀。Hermes 默认会加载历史记忆摘要和技能清单，对于一个复杂任务，光是 system prompt 就占了小半窗口。

OpenClaw：基础设施型——先建管道

OpenClaw 不跟你谈记忆、不跟你谈学习。它上来就是一个问题：你的 Agent 跑在哪？谁来连它？

它的核心是 Gateway——一个长期运行的控制平面。无论是 CLI、macOS App、Web UI 还是 Telegram 机器人，全部通过 WebSocket 连到同一个 Gateway。你的手机、Mac、远程设备统一声明为 node，暴露摄像头、屏幕、Canvas 这些能力。

OpenClaw 的设计哲学是：先做神经系统，再做大脑。

它不在乎模型是 Claude 还是 GPT，先把你所有设备的连接管道铺好。记忆系统也别急着定——搞了个 Context Engine 可插拔架构，四个生命周期点（消息进来时、构建上下文时、压缩时、一轮结束后）全部开放成插件接口。

能力扩展也走生态路线：59,000+ 社区 Skill 挂在 ClawHub 上，一条命令安装。这种”把能力管理交给社区”的思路，让它成了三个框架里最不像产品的那个——更像一个Agent 操作系统。

模型一直在进步，Harness 呢？

这个问题三个框架都想过，答案完全不一样。

Claude Code 做减法。它认为 Harness 里编码的都是对模型能力边界的假设。模型变强了，这些假设就过期了。所以它设了大量功能开关，每个组件都要能被安全移除。Sonnet 4.5 时有上下文焦虑，加了重置机制——Opus 4.5 出来后行为自己消失了，重置机制直接变死代码。

Hermes 做加法。它认为有些东西永远不会过期：你的历史任务记录、你沉淀下来的技能、你对用户的建模。模型再强，也需要知道”上次这个用户让我做过什么”。所以它花大力气做技能自动优化——用 DSPy 跑评估任务，持续优化沉淀下来的能力。

OpenClaw 建管道。它说模型再强也替代不了”管谁能在什么时候通过什么入口让 Agent 做什么事”这一层。Gateway、多入口路由、设备节点、会话隔离——这些是连接现实世界的管道，不会因为模型升级而过时。

我怎么选的

坦白说，我现在三个都在用，场景不一样。

日常写代码、改 bug 这些零碎活，我用 Claude Code。它最安静，不废话，不拦我，也不往上下文里塞一堆我不需要的东西。唯一的代价是——你用完就完了，它不会帮你记住任何东西。

但遇到那种需要反复琢磨的大项目，比如搭一个从零到一的系统、写一个系列文章，我就切到 Hermes。它那个”做完自动存技能”的机制是真香——上周调好的 prompt 模板，这周直接加载，不用重新来一遍。当然，上下文确实会涨，但对我来说值。

OpenClaw 我用得最少，但不是因为它不好。是我目前的需求还没到那个量级——什么时候我需要让 Agent 定时跑任务、手机远程触发、多设备协同，它就是我唯一的选项。它的 Gateway 架构决定了它能撑很久，这是 Claude Code 和 Hermes 目前都给不了的。

说到底，你得先搞清楚自己缺什么。缺安静就上 Claude Code，缺积累就上 Hermes，缺连接就上 OpenClaw。三个都缺的话——恭喜你，跟我一样，三个都得装。

说点实在的

写这篇文章的时候我其实在想一件事：我们花了太多时间纠结选哪个模型。Claude 还是 GPT？Opus 还是 Sonnet？

但跑完这三个框架之后我发现，真正拉开差距的不是模型，是你怎么用它。

你用 Claude Code 的方式决定了它是个听话的工具还是一个能自主决策的 Agent。你给 Hermes 喂了多少任务决定了它的技能库能不能真正帮到你。你给 OpenClaw 接了哪些设备决定了它到底是个聊天窗口还是你的数字分身。

回到那个公式——Agent = model + harness。往深了想，模型是别人造的，Harness 是你自己搭的。

别人造的东西会趋同，你自己搭的东西才是你独有的。