装了三个开源AI助手后,我决定不卸WorkBuddy

我也心动了。花了半天装完跑了一圈，又拉了 Hermes Agent 和 OpenClaw 一起对比，再加上我自己日常用的 WorkBuddy，四个放一起看，结论比想象中有意思。

OpenHuman 确实是开源里完成度最高的，但它替代不了 WorkBuddy——两者正好互补。

三个开源项目最大的分水岭不是功能，是你能不能装上。

Hermes Agent 和 OpenClaw 都要开终端——配环境、调 API、写配置文件，一套下来普通上班族已经放弃了。OpenHuman 是唯一给你桌面安装包的：双击 EXE，装完有图形界面，还有个会动的桌面吉祥物。

118 个工具一键互联是它最实在的卖点。Gmail、Notion、GitHub、Slack——授权完，后台每 20 分钟自动拉数据进记忆树，不用你管。Hermes 和 OpenClaw 做不到这点，集成要自己维护授权，数量也少一大截。

说白了，OpenHuman 是目前唯一一个普通上班族能自己装好的开源 Agent。

OpenHuman 有个技术叫 TokenJuice：所有进大模型的内容先压缩——网页转纯文本、长链接截断、乱码清理，压成小块再喂模型。官方说节省 80% 的 Token。

不过要诚实说：这是官方数据，我还没完整实测验证。 后续会用同一组任务让两边都跑一遍再给结论。

但记忆成本我是测过的——OpenHuman 存 1000 条会话记录到 Obsidian，本地 SQLite 不额外收费。WorkBuddy 按次积分：同一个 300 字文案任务，300 字文案，专家团 6.17 积分，单专家 1.41 积分，直接对话 2.01 积分。你刷几条内容、跑几个任务，积分消耗有记录。

两条路的成本逻辑不一样：

记忆方面，OpenHuman 的做法比较讨巧：数据存本地数据库的同时，自动生成 Obsidian 笔记——你不仅有个 AI 助手，还自动攒了一套个人知识库。这个双保险设计，Hermes 和 OpenClaw 都没有，它们的记忆就是纯文件存着。

WorkBuddy 走的是另一条路：Working Memory 跨会话记住你的偏好和项目上下文，但不会主动去拉外部数据。如果你每天离不开 Gmail 和 Notion 的实时更新，OpenHuman 更合适；如果主要是写内容、跑任务，WorkBuddy 够用。

这一块没有谁碾压谁，取决于你的数据是"自己产出的"还是"别人发过来的"。

这一段是最关键的差异。

OpenClaw 能在对话中自己给自己写新技能，写完热加载不用重启。MIT 协议，代码随便改，赞助商有 OpenAI、GitHub、NVIDIA。适合愿意折腾的开发者。

Hermes Agent 的独门是 AI 训练——批量生成训练数据、做强化学习、导出标准格式。做 AI 研究它是最专业的，背靠 Nous Research。但纯终端无界面，Windows 支持还在实验阶段。

WorkBuddy 的长板是三个开源项目都没法对标的： 100+ 领域专家不用自己写提示词直接调用，专家团模式让多个 Agent 协作完成复杂任务。我之前实测过成本——300 字文案，专家团 6.17 积分，单专家 0.34-1.07 积分，直接对话 2.01 积分。每一分钱花在哪，看得见。

我觉得的日常是这样分的：

早上到公司：OpenHuman 已经把昨晚的邮件和 Obsidian 更新自动拉好了，我扫一眼就知道今天要处理什么。

要写内容、跑任务：打开 WorkBuddy，调专家团干活——写公众号、做周报、分析数据。

要查本地知识库：回 OpenHuman 的 Obsidian 笔记里翻，跨周的记忆不会丢。

一个管"数据进来"，一个管"任务出去"，各司其职。

OpenHuman 的短板也说清楚：项目才 v0.53 早期测试版，可能遇到 Bug；Google Meet 在国内用不了（其他工具还没具体测试）。

下一步我要干的事： 用同一组真实任务，分别让 OpenHuman 和 WorkBuddy 各跑一遍，把积分消耗、完成质量、耗时全部量化对比。

你用过哪个 AI Agent？遇到什么坑？评论区聊聊，我会在实测文章里引用你的真实体验。

更多 AI 避坑经验 → 关注「上班族AI探索记录」👆 让我们一起探索。