我不太喜欢用OpenClaw。

这话说出来可能有点得罪人，但确实是我的真实状态。

哪怕一堆人跟我说「这个活儿你就该用OpenClaw，它动手能力强」，我大多数时候还是打开Hermes。它确实有点烦——稍微落地一些的操作都要确认，像我妈一样唠叨。但用久了发现，它烦归烦，但安全，而且你交给它的事儿，它会多想几步，而不是上手就干的愣头青。

OpenClaw不是不好，是它跟我脑子转的方式对不上。后来我慢慢琢磨出一个不太精确但很管用的比方：这两种AI，根本就不是一个工种。

一个像总监，一个像工程师。

就是用的时间长了，脑子里慢慢有了这个感觉。也可能是之前刷到过类似的视频、看过几句相关讨论，最后「灵机一动」形成的这个想法。

总监拿到活儿，不会立刻动手。他会先想：这事儿到底要解决什么？分几步走？哪里容易出问题？

工程师相反。你给他一张工单，他埋头就干，执行力拉满，但他不会抬头问你「老板，你是不是搞错需求了」。

所以问题来了——

你把一个需要动脑子、做判断的任务丢给工程师，他就只能瞎猜：你访谈里最犀利的那句话，他删了，因为他觉得那是「冗余」。

你把一个需要去到现场动手搬砖的任务丢给总监，他不但搬的慢，还会不停的问你，你确定要搬这块砖吗（操作确认）？

不是我夸张，我真的遇到过类似的事。当时就是图省事，把需要分析计划的活儿交给了openclaw，结果要具体干啥还没整明白呢，他已经动手了，结果人被整的筋疲力尽。

这个教训之后，我给自己写了一句口诀，每次打开AI前默念三秒：

模糊复杂、需要统筹的 → 找总监

清晰固定、需要执行的 → 找工程师

为什么要这么分？因为它们「记东西」的方式完全不同：

总监的脑子像一本只有一页纸的笔记本，记满了就得擦掉旧的，逼着你只留最重要的。

工程师的脑子像个容量巨大的抽屉，什么都往里塞，从不主动收纳整理。

正是这种底层差异，决定了谁该做决策、谁该执行。

下面我想把这两套记忆机制拆开讲清楚——理解了这一点之后，你再选AI搭子，基本就不会出大错了。

✦

两种大脑，两种记忆

总监的大脑：磨刀不误砍柴工

我印象最深的一次，是让Hermes帮我生成公众号封面图。

具体什么图我忘了，但有一张我改了三四次都不满意。图里的问题很细节：我的提示词里写了「山脚下有一条不明显的小路」，结果生成出来的图，路几乎是看不见的，我把眼镜都摘了，趴在屏幕找了半天，还是没找到。

我正烦躁着准备再改一版，突然发现最后一个版本好像明显了一点。我一看——它自己把生图提示词改了，从「不明显的小路」变成了「一条细细的、蜿蜒的、与草地颜色形成微妙反差的泥土小径」。

那个瞬间我真的愣了一下。

它不是简单的工具。它在我反复修改的过程中，「理解」了我到底想要什么——我要的不是「小路看不见」，我要的是「路在那里，但不抢眼」。它自己调整了策略，换了一种方式去逼近那个效果。

这种感觉怎么说呢，像你跟一个很聪明的同事说「不对不对，你再想想」，他没抱怨，真的想了。

后来我发现，这不是偶然。Hermes做事的习惯就是：先花几秒钟搞清楚你到底想要什么，不急着给你结果。它会追问、会确认、会把你模糊的描述翻译成它觉得你实际想表达的东西。有时候觉得它啰嗦，但大多数时候，它琢磨出来的方向是对的。

说人话就是：它动手慢，但方向很少跑偏。

工程师的大脑：动手比动脑快

OpenClaw完全是另一个路子。

快，是真的快。但你很快就会发现一个问题——它动手比动脑快。

举个具体的例子。我专门做过一个生成微信封面图的skill，图片比例、水印位置、个人logo这些参数都是反复调好的，踩了好几次坑才稳定下来。按理说，每次要生成封面图，直接调用这个skill就行了。

但OpenClaw不。你让它「做一张封面图」，但有时候它不是直接去调用那个现成的skill，而是现场写脚本、现场调生图模型、现场往图上加logo——快是真的快，但你仔细一看，它完全绕过了我已经调试好的那套流程。

它不是在偷懒，它是根本没「想」：之前是不是做过一个专门的skill来处理这个？

不是不听话，是它默认的思考路径就不包含「翻一下以前的方案」。你给指令，它就干。至于干的过程中是不是在重复造轮子、是不是踩了之前已经填平的坑，它不管。

坦白讲，这让我挺头疼的。所以除非量特别大、活儿特别多，我一般不太用OpenClaw。哪怕Hermes的操作要多不少额外的「确认」，我也认了——至少它会多想一想。

为什么同样接到任务，一个先琢磨你要什么，一个直接动手？

因为它们的「记忆方式」从根本上就不一样。

✦

记忆的分水岭：限制倒逼提纯 vs 自由换取效率

前面说的「想好了再动手」和「动手比动脑快」，说到底只是表面现象。骨子里的区别，在于它俩怎么记东西。这是我觉得最本质的一道分水岭。

Hermes：只有一页纸，写满了你要自己想办法

说实话，第一次遇到这种情况的时候我挺崩溃的。我正在全神贯注的优化一个remotion项目的动画，说把这个记下来，以后都这么干，Hermes突然告诉我记忆文件满了！烦是真的烦。但后来我发现，正是这种「逼你做减法」的机制，让它的记忆不会快速腐败。

有句话说得挺对——限制不是枷锁，有时候反而催生创新。

正是这种限制让我学到了一个应对方法：把一些大块内容放到独立的文件里，然后在它的核心记忆文档里只留一行简单的描述，指向那个独立文件。有点像建索引。这样一来，它那张「只有一页的纸」上记的永远是骨架，血肉放在别处，用的时候再调。

其实这就是被Hermes的设计限制逼的。否则我也根本不会去想「哪些值得放，哪些不值得」。

还有一点特别不理解：这轮对话里加到或者更改核心文档的东西，要到下一轮对话才会生效。一开始我觉得这是bug，反应慢。后来才品出来，这其实是故意如此设计：

• 在一个对话内保持不变，会提升token缓存命中率，降低成本，一句话帮你省钱；

• 某种程度上防止你情绪上头，频繁更新核心文档，导致记忆混乱，相当于给了你一个「冷静期」。

后来我发现，正是这种设计限制，反而让我对要存入全局记忆的内容越来越清晰。那些细枝末节的错误尝试、中途废弃的方案、一时兴起的想法全被挡在核心记忆之外。

这个感觉很奇妙。那些你以为「必须记住」的东西，删了之后发现也没那么重要。反而是被逼着保留的那一点主干，让你每次回来接着干活的时候，脑子是清的。

有时候，遗忘才是最高级的清醒。正因为它记不住废话，才守得住主干的质量。

OpenClaw：一个容量巨大的抽屉

OpenClaw记东西完全是另一套逻辑。

今天的对话、昨天的日志、临时生成的中间文件，全留着。短期来看确实爽，自由、灵活，你不用担心它忘了什么。

但问题出在「长期」上。

我用下来的感觉是，它很少让我觉得「越用越好」。按理说，它记了那么多关于我的东西，应该越来越懂我才对。但实际不是。因为它缺乏一个反思和精炼的机制——它记了一百条关于你的信息，但它不判断哪五条是真正重要的，哪九十五条是噪音。它全留着，等你去挑。

这在实际使用中挺要命的。而且它最大的问题是「手比脑快」——有时候你本来想先跟它探讨一下方案，讨论明白了再动手，结果一不留神它就直接开始执行了，问都不问你一声。

所以我前面说一般不咋用OpenClaw，就是这个原因。不是它不好，是我感觉它有点冲动，稍不留神缰绳拉不住就很烦。

不是谁对谁错，是设计偏好不同

Hermes逼你做减法，换来的是长期越用越精准，会有得心应手的感觉。代价是有时的确有点儿麻烦、有摩擦感、特别是涉及到权限的操作你还得不停的确认。

OpenClaw给你自由，换来的是短期爽、什么都快。但是你不会有越用越爽的感觉。

这是一个设计选择的问题。就像有人喜欢把所有文件整齐分好类，有人喜欢全堆桌面上，需要用的时候靠搜索——两种人都能工作，但你得知道自己更适合哪一种。

不过说实话，我自己明显是站在Hermes这边的。下一块我要讲一个翻车现场，看完你可能就理解我为什么这么选了。

✦

它把她的收件箱，当成了它的草稿箱

我一直觉得自己对AI的毛病已经见怪不怪了。但看到Summer Yue这件事的时候，我还是心里一沉。

她是Meta的AI安全总监。不是什么小白用户，是专门搞AI安全的人。她给AI的指令也很明确：「我批准前，别删任何东西。」这条规矩清清楚楚写在提示词里，相当于给AI戴了一个紧箍咒。

刚开始一切正常。AI乖乖干活，等她确认再删。信任就这么建立起来了。

然后出事了。

问题的起因听起来很技术，但理解起来并不复杂：大模型的上下文窗口是有限的，就像你跟一个人聊天，他的短期记忆只能记住最近说的话。当对话越来越长，AI必须做一次「压缩」——把早期对话缩成简短摘要，腾出空间处理新内容。

问题就出在这个压缩过程里。压缩算法判断「什么是重要的」时，它优先保留了「清理邮件」这个业务目标，而把「执行前必须确认」这条刹车指令——丢了。

对AI来说，不在上下文里的规则，等于从来不存在。

于是它回归了自己的默认逻辑：你是要我清理邮件对吧？那我把那些看起来「冗余」的都清掉。两百多封邮件，批量删除。

这不是AI背叛了人类。它就是忘了。在最高负载的时候，忘了最重要的一句话。

我之所以特别在意这个案例，是因为它暴露的不是一个bug，而是一整个设计的底层缺陷。OpenClaw这类工具，安全约束靠什么？本质上就是靠你把规则写在提示词里。但提示词是会丢的。

上下文窗口一满，压缩一触发，安全规则就可能被当成「非核心内容」扔掉。再加上它没有底层硬权限的熔断机制——一旦规则丢失，权限全开，它就能做任何它「认为」你让它做的事。

而Hermes在这方面是完全另一套逻辑。它的安全规则不是写在聊天里的，是独立代码层的东西，不受上下文压缩影响。那些你觉得烦得要死的确认弹窗、权限分级、高风险操作强制审批——说白了，就是把你骂归骂、但不能没有的那道安全气囊焊死在系统底层了。哪怕上下文全丢了，这道闸门依然在。

我之前一直吐槽Hermes每次操作都要我点确认，烦得我想砸键盘。但说实话，看完Summer Yue这个案例，我突然觉得那几下点击没那么难忍了。

AI的安全从来不来自它能「理解你的意图」，而是来自你没把钥匙交出去的时候，它够不着你真正重要的东西。

✦

谁的手能伸进你的系统？同样的工具，不同的约束

先说一个很多人搞混的点：Hermes和OpenClaw都有「手」。不是谁有手谁没手，是手铐戴得紧不紧。

Hermes：出厂即上锁

Hermes 的安全不是天生的，是配置出来的。

你选了隔离环境、只读挂载、写操作需确认，它确实碰不到你没明确授权给它的东西。

但一旦你把外层隔离拆了——本地直连、跳过确认、用管理员权限跑——它理论上就能碰到和你一样多的东西。

不过 Hermes 底下还有一层「硬性黑名单」永远焊死：格式化整块硬盘（rm -rf /）、瞬间耗尽系统资源的死循环攻击（fork bomb）、直接写盘这些毁灭性命令，哪怕开了 「裸奔模式」（YOLO）也会被拦住。

真正决定破坏范围的，是容器隔离这道外墙，而不是审批按钮。

我照着配的时候，其实就四条：执行环境走容器隔离，生产环境别裸跑。文件夹挂载只给必要目录，敏感目录一律只读。危险操作的确认机制，打死别关。密钥和系统配置，绝对不透过环境变量透进去。

多花了十来分钟，配完就踏实了——它只能在那个限定目录里折腾，硬盘上其他位置的原始文件、凭证、密钥，它压根看不见。

不是它天生安全，是你没把钥匙交出去。

OpenClaw：自由，但有代价

OpenClaw的哲学刚好反过来：默认给你最大的自由度，摩擦越少越好。

文件读写、脚本运行、终端操作，全部原生内置，开箱就能用。大部分场景下你不需要手动中转，用起来确实顺滑。

但这自由的代价是，护栏是「可拆解」的。它底层不是真的没有审批机制，而是把审批做成了可选档位——你可以调成「拒绝」「白名单」「完全放开」，每档再叠加「始终提示」「漏了才提示」「永不提示」。默认配置下这些摩擦轻到几乎感觉不到。

Hermes是默认锁死，你自己决定开多少。

OpenClaw是默认全开，你自己决定锁多少。

两种设计理念本身没有对错。但问题是——大部分人在出事之前，根本不会主动去锁。

我配Hermes的时候，每次确认弹窗跳出来我都烦得不行。但说实话，正是这些让我烦的东西，在关键时刻替我踩了刹车。Summer Yue那个案例里，缺的就是这么一道不依赖提示词的底层闸门。

Openclaw和Hermes这两种工具是为了完全不同的任务做的设计选择。

把Summer Yue需要的那种「刹车」交给一个靠提示词做安全约束的工具，出事只是时间问题。反过来，让一个每一步都要确认的总监去执行批量文件重命名，你也得急死。

下面这份清单，是我的个人经验，肯定不权威，但至少能给你一个思考的起点。

✦

什么时候找谁：一份不严谨但好用的清单

前面分析了一堆，落到实操上其实就一句话：

Hermes用来想，OpenClaw用来做。

我知道这个说法肯定不严谨。但经过这么长时间的折腾，我确实形成了下面这套判断习惯。它可能不适用于所有人，但对我管用。

该找「总监」（Hermes）的时候

• 脑子里只有方向，没有路线。比如你想做竞品分析，但具体分析谁、从哪几个维度、输出什么格式，你自己都没想清楚。这时候找Hermes。

• 事情不止一步，而且步与步之间互相掐着。比如从零搭建一套自媒体的内容生产流程，选题、写稿、配图、发布、数据复盘，每步都依赖上一步的结果。中间哪个环节卡住了，后面的全得调。这种任务交给Hermes。

• 没有标准答案，得边走边看。比如舆情监控——今天这个热点出来了你要不要跟、明天评论区风向变了你要不要调整口径，没有一个固定剧本。

该找OpenClaw（工程师）的时候

• 流程写死了，每天照做就行。每天早上九点自动抓取前一天的销售数据、生成报表、发到指定群。这种活儿，每个步骤都标准化了，没有意外、不需要判断。OpenClaw最适合干这个——快、稳。

• 跟文件系统打交道，批量操作。几百张图片要统一加水印、改尺寸、归档，或者批量爬取网页内容。这种体力活，OpenClaw对本地环境的掌控力最强，不需要你中间插手转发，链路短、效率高。

• 挂后台长期跑，不需要人盯。服务器日志监控、价格波动巡检、定时备份——7×24小时跑着，只有出异常了才需要通知你。OpenClaw轻量、省资源，适合当这个默默干活的值班员。

一个我自己的判断偏好

如果你看完了还是拿不准该用谁，我的默认选择是：先用Hermes。

哪怕是那种理论上该找OpenClaw的批量任务，只要量没大到让我崩溃，我通常还是开Hermes。它烦归烦，但至少不会在我没想清楚的时候瞎动。等框架清晰了、需求固化了，再切OpenClaw去执行也不迟。

先想清楚，再动手。

但真正的威力，还在于让「总监」和「工程师」组队。

✦

让总监和工程师组队：一种进阶玩法

前面一直在讲怎么二选一。

但其实还有一种打开方式——让它俩搭配干活。

有一次我要处理一批数据，量大、步骤固定、不需要什么判断。我顺手就打开了Hermes，但发现它好多操作都要确认权限，烦的不行。

那次我把OpenClaw拉进来让他两个分工合作，效果意外地好。核心法则就是：总监不拿螺丝刀，工程师不改项目计划。

具体说就是：Hermes管目标、流程和质量标准，OpenClaw管执行和工具操作。信息由总监传给工程师，工程师只管接工单干活，不反过来质疑决策。

组队流程

• 第一步，立项。 Hermes接收模糊需求，把它拆成清晰的任务结构，定好验收标准。

• 第二步，派工。 把拆好的「工单」下发给OpenClaw。每张工单只写清楚：做什么、输入什么、输出什么、什么时候交。

• 第三步，执行。 OpenClaw埋头干活，做完回传结果。这期间Hermes不插手。

• 第四步，验收。 Hermes对照最初的目标审核。不合格打回去重做，合格就整合进最终交付物。

这个流程不适合所有场景。它更适合那种一次性的大活——深度报告、全案策划、新品开发方案——变数多、需要创意、中间可能随时调方向，而且具体落地需要调用各种工具。这种活，最适合总监+工程师这种组合。

说实话，实际工作中，我大部分时候没这么干。日常工作中顺手就开Hermes了，懒得折腾。

这套「组队」方案更像是一条后路——你知道有这么个方法，万一遇到单打独斗搞不定的情况，知道怎么摇人。日常的小活儿就别折腾了，别为了协作而协作。

✦

打通协作通道：MCP 搭桥实操

决策做好了，蓝图也有了，现在需要修一座桥，让「总监」的指令能顺畅传到「工程师」的耳边。

前提：Hermes 和 OpenClaw 在同一台电脑上。前者是规划总监，后者是执行服务。

在 Hermes 的对话框中输入以下配置指令，让它去完成建桥工作：

目标：让 Hermes（项目总监）能通过 MCP 调用 OpenClaw（执行工程师）的能力，实现「总监分配任务、工程师独立执行、结果自动返回」的协作模式。

第一步：搭通道桥

OpenClaw 自带 openclaw mcp serve 命令，可以包装成 MCP 服务暴露出来。写一个自动读取 token 的脚本注册到 Hermes 的 mcp_servers 配置中，每次启动时自动拉起通道桥。

第二步：搭任务桥

再写一个 Python MCP 服务，暴露一个 run_task 工具：

收到任务后，调用 openclaw agent 让 OpenClaw 独立执行

执行完成后结果自动返回

对话测试（验收）：

重启 Hermes 让新配置生效，在对话框里直接问：

查一下你现在的运行状态

如果能收到 OpenClaw 的成功回答，就通了。

✦

最后几句

写这篇的初衷，其实不是要出一个什么AI智能体选型指南。

就是我发现自己用了这么久，兜了一圈，最后天天打开的其实就那一个。

现在外面永远在追「更强」的模型，跑分一个比一个高。但说实话，我越来越觉得，合适比强重要。

所以下次你打开AI之前，试试问自己一句：

这个活儿，是需要判断，还是需要执行？

模糊的找总监，清晰的找工程师。

最后留一个我自己的偏好：我是站在Hermes这边的。

有人觉得AI就该记住一切，遗忘是缺陷。但我用了这么久反而觉得，像Hermes这种逼着你做减法、甚至会「忘掉」不重要东西的能力，才是真正的高级——因为它不替你堆砌，它逼你思考。

你是哪一派？评论区聊聊。

文章里提到的搭桥提示词，我放评论区了。