OpenClaw vs Hermes Agent深度对比以及安装教程

社区模型排名（2026-04）根据 pricepertoken.com 社区投票，当前 OpenClaw 用户评分最高的模型依次为：Kimi K2.5 > GLM 4.7 > Gemini 3Flash Preview，反映了中文用户偏好本地化模型的趋势。

# 一键安装curl -fsSL https://openclaw.ai/install.sh | bash

# 全局安装（推荐）npm install -g openclaw# 使用 pnpmpnpm add -g openclaw#验证安装openclaw --version

openclaw onboard

# 启动后台 Gateway 守护进程openclaw gateway# 进入终端聊天界面openclaw tui# 或直接在命令行发送单条消息openclaw chat "帮我查一下今天的天气"

# 1. 克隆仓库git clone https://github.com/openclaw/openclaw.gitcd openclaw# 2. 安装依赖（推荐 pnpm）pnpm install# 3. 直接运行 TypeScript（开发模式）pnpm openclaw onboard# 4. 或构建后运行pnpm buildnode dist/index.js

# 使用官方 docker-composegit clone https://github.com/openclaw/openclaw.gitcd openclaw# 编辑环境变量cp .env.example .envnano .env# 启动服务docker-compose up -d# 查看日志docker-compose logs -f

{  "model": {    "default": "anthropic/claude-opus-4-5" },  "gateway": {    "port": 18789,    "openai": {      "enabled": true // 开启 OpenAI 兼容 HTTP 接口   } },"models": {  "providers": [     {      "name": "deepseek",      "baseUrl": "https://api.deepseek.com/v1",      "apiKey": "sk-your-deepseek-key"     }   ]  }}

# Linux / macOS / WSL2curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash# Android (Termux) —— 脚本自动检测并切换 Android 安装流程curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

# 重载 Shell 配置source ~/.bashrc # 或 source ~/.zshrc# 验证安装hermes versionhermes doctor# 开始聊天hermes

git clone --recurse-submodules https://github.com/NousResearch/hermes-agent.gitcd hermes-agent# 如果已克隆但未拉取子模块git submodule update --init --recursive

# 安装 uv（快速 Python 包管理器）curl -LsSf https://astral.sh/uv/install.sh | sh# 创建 Python 3.11 虚拟环境（uv 会自动下载 Python，无需 sudo）uv venv venv --python 3.11# 指定虚拟环境路径export VIRTUAL_ENV="$(pwd)/venv"

# 安装全部扩展（推荐）uv pip install -e ".[all]"# 仅核心功能（不含 Telegram/Discord/Cron）uv pip install -e "."# 按需组合安装uv pip install -e ".[messaging,cron,cli,mcp]"# 可选：安装 RL 训练后端uv pip install -e "./tinker-atropos"# 可选：浏览器自动化和 WhatsApp 桥npm install

# 创建目录结构mkdir -p ~/.hermes/{cron,sessions,logs,memories,skills,pairing,hooks,image_cache,audio_cache,whatsapp/# 复制示例配置cp cli-config.yaml.example ~/.hermes/config.yaml# 创建 .env 文件并添加 API Keytouch ~/.hermes/.env

# ~/.hermes/.env 文件内容示例# 至少提供一个 LLM 提供商 KeyOPENROUTER_API_KEY=sk-or-v1-your-key-here# 可选：直接使用各提供商ANTHROPIC_API_KEY=sk-ant-your-keyOPENAI_API_KEY=sk-your-openai-key# 可选：扩展工具FIRECRAWL_API_KEY=fc-your-key # 网页搜索与抓取FAL_KEY=your-fal-key # 图像生成（FLUX）

mkdir -p ~/.local/binln -sf "$(pwd)/venv/bin/hermes" ~/.local/bin/hermes# Bashecho 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc && source ~/.bashrc# Zshecho 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.zshrc && source ~/.zshrc

# 选择 LLM 提供商和模型hermes model# 验证安装hermes versionhermes doctorhermes status# 首次对话测试hermes chat -q "你好，你有哪些工具可用？"

// 1. 连接后 Gateway 主动发送 challengeGateway → Client:{  "type": "hello",  "nonce": "random-challenge-nonce"}// 2. Client 用设备密钥签名后回复Client → Gateway:{  "type": "hello",  "role": "operator",  "device": {    "id": "your-device-id",    "publicKey": "base64-encoded-public-key",    "nonce": "random-challenge-nonce",    "signature": "base64-encoded-signature",    "timestamp": 1744630000000 }}// 3. 认证成功后 Gateway 返回 hello-okGateway → Client:{  "type": "hello-ok",  "features": { "methods": [...] }}

// RPC 调用格式：chat.send{  "id": "req-001", // 幂等性 Key  "method": "chat.send",  "params": {  "message": "帮我总结今天的邮件"  }}// 流式响应事件{ "type": "chat.delta", "id": "req-001", "delta": "今天" }{ "type": "chat.delta", "id": "req-001", "delta": "共有" }{ "type": "chat.done", "id": "req-001" }

const WebSocket = require('ws');const ws = new WebSocket('ws://localhost:18789');ws.on('message', (data) => {  const msg = JSON.parse(data);  if(msg.type === 'hello') {  // TODO: 用设备密钥签名 nonce，此处简化为 trusted-proxy 模式   ws.send(JSON.stringify({     type: 'hello', role: 'operator',     auth: { mode: 'trusted-proxy' } // 本地调试时可用   })); }if(msg.type === 'hello-ok') {// 握手完成，发送聊天消息   ws.send(JSON.stringify({     id: 'req-001',     method: 'chat.send',     params: { message: '你好，今天有什么安排？' }   })); }if(msg.type === 'chat.delta') {   process.stdout.write(msg.delta); // 流式输出 }if(msg.type === 'chat.done') {   console.log('\n[完成]');   ws.close(); }});

{  "gateway": {    "openai": { "enabled": true }  }}

curl -X POST http://localhost:18789/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer local-token" \ -d '{ "model": "openclaw/default", "messages": [ {"role": "user", "content": "帮我写一份会议总结"} ], "stream": true }'

from openai import OpenAI# 将 base_url 指向本地 OpenClaw Gatewayclient = OpenAI(    base_url="http://localhost:18789/v1",    api_key="local-token" # 任意字符串，本地认证)# 列出可用模型（列出所有 Agent）models = client.models.list()for m in models.data:    print(m.id)# 聊天请求response = client.chat.completions.create(   model="openclaw/default",   messages=[       {"role": "user", "content": "今天北京天气怎么样？"}   ],   stream=True)for chunk in response:    content = chunk.choices[0].delta.content    if content:      print(content, end="", flush=True)

# Open WebUI 配置OPENAI_API_BASE_URL=http://localhost:18789/v1OPENAI_API_KEY=local-token# 或通过 Docker 环境变量docker run -d \ -e OPENAI_API_BASE_URL=http://host.docker.internal:18789/v1 \ -e OPENAI_API_KEY=local-token \ -p 3000:8080 \ ghcr.io/open-webui/open-webui:main

# 发送单条消息（非交互模式）openclaw chat "帮我整理一下最近的 GitHub PR"# 带管道输入echo "总结以下文本：$(cat report.txt)" | openclaw chat# 指定技能openclaw chat --skill agent-browser "抓取 https://example.com 的标题"

# 从 PyPI 安装pip install hermes-agent# 或用 uvuv pip install hermes-agent# 也可固定在 requirements.txthermes-agent>=0.1.0

import osfrom hermes_agent import AIAgentos.environ["OPENROUTER_API_KEY"] = "sk-or-v1-your-key"# 创建智能体实例agent = AIAgent(   model="anthropic/claude-opus-4.6", # OpenRouter 格式   quiet_mode=True # 嵌入程序时必须设为 True)# chat() 自动处理工具调用，直接返回最终文本response = agent.chat("帮我搜索 Python 异步编程最佳实践")print(response)

result = agent.run_conversation(   user_message="分析这段代码的时间复杂度",   ephemeral_system_prompt="你是一个专业的算法分析助手，请给出详细的复杂度分析。")# 返回字典包含：print(result["response"]) # 最终文本回复print(result["messages"]) # 完整对话历史print(result["tool_calls_made"]) # 工具调用次数print(result["iterations"]) # 执行迭代次数

agent = AIAgent(model="anthropic/claude-3.5-sonnet", quiet_mode=True)# 第一轮result1 = agent.run_conversation("我叫李明，是一名后端工程师")history = result1["messages"]# 第二轮：传入上轮历史result2 = agent.run_conversation(   user_message="帮我写一个 Python FastAPI 路由模板",   conversation_history=history # 自动复制，不会修改原列表)print(result2["response"])

# 白名单模式：只允许 web 搜索工具research_agent = AIAgent(   model="anthropic/claude-3.5-sonnet",   quiet_mode=True,   enabled_toolsets=["web", "files"] # 仅启用 web 和文件工具)# 黑名单模式：禁用终端工具（共享环境安全）safe_agent = AIAgent(   model="anthropic/claude-3.5-sonnet",   quiet_mode=True,   disabled_toolsets=["terminal"] # 禁止执行系统命令)

agent = AIAgent(   model="anthropic/claude-3.5-sonnet",   quiet_mode=True,   save_trajectories=True, # 开启轨迹保存   ephemeral_system_prompt="你是代码审查专家" # 不会被保存到训练数据)result = agent.chat("审查这段 Go 代码")# 对话以 ShareGPT 格式追加到 JSONL 文件，供模型微调使用

from fastapi import FastAPIfrom pydantic import BaseModelfrom hermes_agent import AIAgentapp = FastAPI()class ChatRequest(BaseModel):   message: str   model: str = "anthropic/claude-3.5-sonnet"@app.post("/chat")async def chat(req: ChatRequest):    # 每次请求创建独立实例（非线程安全，不能共享）   agent = AIAgent(model=req.model, quiet_mode=True)   response = agent.chat(req.message)   return {"response": response}

from hermes_agent.batch_runner import BatchRunnerprompts = [      "总结论文《Attention is All You Need》",      "分析 Python GIL 的优缺点",        "写一个 Redis 缓存中间件示例",]runner = BatchRunner(   model="anthropic/claude-3.5-sonnet",   max_workers=3, # 最多 3 个并发实例   save_trajectories=True)results = runner.run(prompts)for r in results:    print(f"[{r['task_id']}] {r['response'][:100]}...")

# 启动 Hermes 内置 API Serverhermes server --port 8080# 也可在配置文件中开启hermes config set api_server.enabled truehermes config set api_server.port 8080

# 使用标准 openai 库调用from openai import OpenAIclient = OpenAI(   base_url="http://localhost:8080/v1",   api_key="not-needed")response = client.chat.completions.create(   model="hermes",   messages=[{"role": "user", "content": "你好！"}])print(response.choices[0].message.content)

# 交互式对话hermes# 静默单条消息（适合脚本调用）hermes chat -q "总结 README.md 的内容"# 指定模型hermes chat --model "openai/gpt-4o" -q "写一段 SQL 查询"# 使用 @ 引用文件内容hermes chat -q "分析 @./src/main.py 的代码质量"# 查询技能列表hermes skills list# 安装技能hermes skills install pdf-processing