从 OpenClaw 到 Hermes:我在服务器上部署了两个 AI Agent,然后发现了这些差异

最近，我把 Nous Research 出品的 Hermes Agent 部署到了服务器上，和已经跑了两个多月的 OpenClaw 并肩运行。这篇文章记录了完整的部署过程，以及两款 AI Agent 框架的深度对比。

AI Agent 这个赛道，2025 年开始就卷得不行。OpenClaw 是目前最成熟的开源 Agent 框架之一，支持飞书、QQ、Telegram 等十几个平台，我日常用它管理任务、写文章、分析数据，已经跑了两个多月。

而 Hermes Agent 是 Nous Research（就是做 Hermes 大模型的那个团队）出品的新框架，主打"自我进化"——能从经验中自动创建技能，使用过程中自我改进，还能跨会话搜索历史对话。

两者的定位有交集但不完全重叠，所以我决定把 Hermes 也部署上，看看它到底能玩出什么花样。

Hermes 的安装方式非常直接，一条命令搞定：

它会自动安装 Python 3.11（通过 uv）、Node.js 依赖、Playwright 浏览器引擎，整个过程大概 3-5 分钟。我用的是自定义安装到 ~/.hermes/hermes-agent，加 --skip-setup 跳过交互向导，然后手动改配置文件。

核心配置有两处：

1. ~/.hermes/config.yaml — 模型配置、工具集、消息平台
2. ~/.hermes/.env — API Key、平台 Token

我用的是小米 MiMo V2 Pro 作为主力模型，生图用 Google Gemini 2.5 Flash。配置写好后，hermes doctor 跑一遍诊断，确认各项都 OK。

Hermes 对飞书的支持相当完整——WebSocket 长连接、图片/文件收发、群聊 @ 门控、卡片按钮交互，这些功能都是原生实现的，不需要额外装插件。

配置飞书只需要在 .env 里加几行：

然后重启 gateway，飞书 WebSocket 就自动连上了。整个过程不到 30 秒。

不过要注意，Hermes 目前不支持 QQ，这是和 OpenClaw 的一个关键差异。如果你的用户主要在 QQ 上，那 Hermes 就不太适合了。

下面是我根据两个月 OpenClaw 使用经验和这次 Hermes 部署，整理的详细对比：

模型支持

OpenClaw 支持 Anthropic、OpenAI、Google、MiniMax、xAI 等多个提供商，可以同时配置多个模型并按需切换。Hermes 也支持 OpenRouter、Anthropic、Google、MiniMax、GLM、Kimi 等，还支持本地模型（Ollama、vLLM）。两者在模型丰富度上不相上下。

消息平台

这是最大的差异。OpenClaw 支持 QQ、飞书、Telegram、Discord、WhatsApp、Signal、微信、钉钉、企业微信等，覆盖面非常广。Hermes 支持 Telegram、Discord、Slack、WhatsApp、Signal、飞书、钉钉、企业微信、Email、Matrix 等，但不支持 QQ 和微信。

记忆系统

OpenClaw 用 MEMORY.md 文件 + 文件系统存储，简单直接但搜索能力有限。Hermes 内置了 SQLite FTS5 全文搜索、Honcho 用户建模、Mem0 三层记忆系统，跨会话搜索能力更强。

技能系统

OpenClaw 用 AgentSkills 格式，配合 ClawHub 技能市场。Hermes 的技能系统更底层——它能从经验中自动创建技能，还能在使用过程中自我改进。这是一个很大的卖点。

子 Agent

OpenClaw 支持子 Agent 生成和管理，Hermes 也支持隔离子 Agent 并行执行。两者都有能力，但实现方式不同。

定时任务

两者都支持 cron 定时任务，Hermes 还额外支持 serverless 休眠模式（Modal/Daytona 后端），空闲时成本接近零。

终端界面

OpenClaw 没有终端 UI，靠命令行交互。Hermes 有一个完整的 TUI（终端用户界面），支持多行编辑、斜杠命令自动补全、对话历史、流式输出，体验接近现代 IDE。

从 OpenClaw 迁移

Hermes 内置了 hermes claw migrate 命令，可以一键从 OpenClaw 迁移记忆、技能、配置和 API Key。这意味着你可以两个都试试，不满意随时切换。

部署过程中踩了几个小坑，分享一下：

模型响应格式问题：MiMo 模型在某些 prompt 下会返回空的 content 字段，内容全跑到 reasoning_content 里了。解决方法是给 prompt 加点温度参数（temperature=0.5），或者让 prompt 更具体一些。

CLI 管道模式的 TTY 问题：用管道模式（echo "xxx" | hermes chat）测试时，输出可能为空。这不是模型问题，是 TTY 检测的限制。实际交互式使用不受影响。

飞书 WebSocket 的 reconnect：Hermes 的飞书适配器有自动重连机制，默认 120 秒重连间隔。如果网络波动导致断连，它会自动恢复，不需要手动干预。

如果你已经在用 OpenClaw，Hermes 值得试试，但不建议立刻替换。两者各有优势：

• 需要 QQ/微信支持 → 选 OpenClaw
• 需要更强的记忆系统和自我进化 → 选 Hermes
• 需要终端 UI 和 CLI 交互体验 → 选 Hermes
• 需要飞书 + QQ 多平台同时使用 → 选 OpenClaw

最理想的状态可能是像我现在这样——两个都跑着，用各自擅长的场景。Hermes 的 hermes claw migrate 命令让迁移变得很轻松，不用担心数据丢失。

技术栈总结：

• 服务器：2核 4GB 腾讯云轻量
• Hermes Agent v0.7.0
• 模型：小米 MiMo V2 Pro + Google Gemini 2.5 Flash
• 消息通道：飞书（WebSocket）
• Gateway：systemd user service，开机自启

整个部署过程从拉代码到飞书连通，大概花了 40 分钟。如果你也想在自己的服务器上跑一个 AI Agent，Hermes 的上手门槛确实很低。