AI Agent · 深度对比

当团队需要自己的 AI AgentQM、OpenClaw 与 Hermes 的三种思路

从单人到团队，AI Agent 的选型从来不是技术问题，而是组织问题

如果你一个人用 AI Agent，选择很多。CC/Codex写代码做前端，Work Buddy跑办公任务，各类 ChatBot 做日常问答，各有各的好。但当需求从"我一个人用"变成"整个团队要用"的时候，问题就完全不同了。谁来管 API Key？不同成员的聊天记录怎么隔离？Agent 要访问公司内部系统的凭据，发给每个人自己填吗？谁让 Agent 做了什么，能追溯吗？

这些问题在单人场景下不存在，但在团队场景下是必须回答的。最近我研究了三个开源 AI Agent 项目，它们恰好代表了三种截然不同的思路：QM 做团队 Agent 协作平台，OpenClaw 做企业自动化引擎，Hermes 做个人 AI 管家。这篇文章以 QM 为主线展开，用另外两个做参照，帮你理清"我到底需要什么"。

QM：把 Agent 变成团队基础设施

QM的定位是"Multiplayer agent harness for work"——工作场景的多人 Agent 平台。翻译成大白话：一套部署在团队内部的私有 AI Agent 系统，每个成员用邮箱登录，拥有独立工作空间，可以共享项目和凭据，所有操作有审计、有权限控制、有数据隔离。

它的对标对象不是 Cursor 或 Claude Code（那些是单机工具），更接近 ChatGPT Team 的私有部署替代方案——但不绑定任何模型厂商，架构上灵活得多。

六个组件，一件事

QM 的架构拆开看有六个组件，但目的只有一个：让团队安全地共享 Agent 能力。Portal 是系统唯一对浏览器开放的入口，负责登录流程和反向代理，所有用户先经过 Portal 的身份验证，再被分发到对应界面。Core 承担身份认证、权限判断、Agent 调度、Memory 管理和 Keychain 加密等核心逻辑，是整个系统的大脑。Web UI 是普通成员使用的聊天、文件、Memory 和 Skills 界面。Admin Dashboard 供管理员处理用户、权限、审计和配置。Auth 是 QM 内置的 OIDC 身份提供商，通过邮件发送一次性登录链接，不需要密码。PostgreSQL 持久化所有状态——会话记录、运行日志、Memory、权限关系、登录凭据密文，全部在这里。

这个架构的关键设计在于：浏览器只接触 Portal 一个入口，其余五个组件全部不直接暴露。所有请求经过 Portal 验证身份后，才能访问内部服务。这种"单入口 + 内部隔离"的模式，和大多数企业级 SaaS 的安全模型一致。

邮箱登录：没有注册表单

QM 没有注册表单、没有用户名、没有密码。用户身份的建立方式是：管理员先把邮箱加入白名单，用户访问 Portal 时输入工作邮箱，系统通过 Resend 邮件服务发送一次性登录链接，用户点击链接完成验证。链接默认 15 分钟有效、只能使用一次、使用后即作废，数据库会记录防重放声明，重启服务也不会让旧链接复活。

第一次验证成功后，该邮箱就成为用户的稳定身份标识，系统自动创建独立的 personal scope（个人工作空间），包括私人聊天、Memory、文件存储、Keychain 和 Docker Sandbox，全部按用户隔离。这套方案牺牲了"随便注册"的便利性，换来严格的身份控制和零密码泄露风险。在团队协作场景下，管理员精确控制"谁能进"比"开放注册"重要得多。

四层权限：不混为一谈

QM 的权限分了四层，远比"管理员/普通用户"的二元结构精细。白名单决定谁可以登录，不在白名单里的邮箱根本收不到登录邮件。Admin Grants 决定谁可以治理组织，这个权限存储在数据库里，通过 Admin Dashboard 管理，系统会保护最后一个管理员不被误删。Scope Membership 决定谁可以访问共享项目，用户除了自己的 personal scope，还可以被邀请加入共享 scope，类似 Slack 的频道——不在频道里就看不到内容。Keychain Grant 决定 Agent 在什么上下文可以使用谁的凭据，用户 A 可以保存一个 API Key 并授权给某个共享 scope，scope 内的 Agent 就能用这个 Key 调用外部服务，但用户 B 看不到 Key 的明文。

一个新用户登录后，默认只是普通身份：能用自己的 Agent，但看不到别人的聊天、Memory、文件和凭据，也进不了管理后台。权限的提升需要管理员显式操作，每一步都有审计记录。这种设计在企业场景下是硬需求。锦上添花的东西可以没有，但权限隔离没有就是不能上线。

Docker Sandbox：Agent 在容器里干活

AI Agent 最让人头疼的安全问题是：当 Agent 需要执行代码、读写文件、调用命令行工具时，怎么防止它搞坏机器？QM 的方案是 Docker Sandbox。Agent 的所有命令、文件操作和工具调用都运行在独立容器中，和宿主机隔离，Agent 在里面执行 rm -rf 也不会影响真实文件系统。每个用户的 Sandbox 按身份隔离，A 的 Agent 看不到 B 的文件。这意味着你可以相对放心地让 Agent 执行脚本、处理文件、调用工具，而不用担心越权访问系统资源。

OpenClaw：另一种团队思路

如果说 QM 解决的是"团队怎么安全地共享 Agent"，那 OpenClaw 解决的是另一个问题："团队怎么用 Agent 自动化业务流程"。OpenClaw（github.com/openclaw/openclaw）是 2026 年最火的开源 AI Agent 项目，GitHub 210K+ stars，Sam Altman 公开点赞，创始人后来加入了 OpenAI 但项目已交给独立基金会治理。

OpenClaw 的核心在连接器生态。它内置了 50 多个应用连接器，覆盖 Slack、Discord、Salesforce、HubSpot、Gmail、Jira、Notion、Airtable 等主流工具。你用自然语言描述任务（比如"检查 Slack 客服频道里标了紧急的消息，给每条创建一个 Jira 工单"），Agent 运行时自动选择连接器、编排调用顺序、处理异常恢复。整个栈跑在 Docker 里，支持 Ollama 本地模型或任何 OpenAI 兼容的商业模型，数据可以完全不离开你的网络。

和 QM 比起来，OpenClaw 的优势在于连接器广度和部署简单（一个 docker-compose 就能跑起来），劣势在于多用户权限模型不如 QM 精细。OpenClaw 的社区版主要面向单团队使用，企业级多用户功能在 NemoClaw 版本中才有。换一种说法：如果你要的是"让 Agent 自动连接各种 SaaS 做事"，OpenClaw 更强；如果你要的是"精确控制十个人谁能用什么 Agent、看什么数据、用什么凭据"，QM 的四层权限模型更到位。

Hermes：个人视角的参照

在研究这两个团队级项目的过程中，我也在想一个参照系：如果我根本不需要团队级的多用户和权限控制，只是想要一个强大的个人 AI 助手呢？这恰好是 Hermes 的位置。Hermes 是一个个人 AI Agent 助理，设计哲学是"一个人的长期在线管家"。

Hermes 的核心能力在三个方向。第一是多平台消息接入：你可以通过 Telegram、Discord、CLI、WebUI 和它对话，它像一个始终在线的助手，在不同渠道保持同一个身份和记忆。第二是工具链深度：它能直接操作文件系统、执行终端命令、浏览网页、管理 Cron 定时任务，配合 Skills 系统（类似可安装的能力插件），覆盖从写代码到监控 A 股舆情的各种场景。第三是持久记忆：跨会话的记忆系统让它记住你的偏好、项目状态、环境配置，不用每次重新解释。

Hermes 和 QM 的根本差异在于"为谁设计"。Hermes 是单用户的，不存在权限隔离、Scope 管理、Keychain Grant 这些概念——它假设使用者就是主人，Agent 拥有主人全部的信任和权限。这种假设带来了极高的使用效率（没有权限摩擦，Agent 可以直接做任何事），但也意味着它不适合多人共享场景。QM 恰好相反：它的每一个设计决策（OIDC 认证、Scope 隔离、Admin 审计）都在回答"多人场景下怎么保证安全"，代价是单个用户的使用体验会更重。

有趣的是，这两者在某些维度是互补的。一个可能的场景是：管理者用 Hermes 做个人助理（处理日常、监控信息、管理项目），同时部署 QM 给团队共享 Agent 能力和合规审计，两者各司其职。

三者对比一览

怎么选？

选型逻辑其实很简单，取决于你回答这个问题的答案："你到底是给谁用的？"

如果你的答案是"我自己"——想要一个 7×24 在线的个人 AI 助手，能帮你管文件、跑脚本、监控信息、跨平台对话，不需要考虑多个人之间的权限问题，Hermes 这类个人 Agent 是最直接的选择。部署简单，没有权限摩擦，Agent 就是你自己的延伸。

如果你的答案是"我的团队/公司"——需要让很多人安全地使用 AI Agent，对数据隔离、权限控制、操作审计有硬性要求，QM 是目前开源生态里在这条路上走得最深的项目。它的架构专业度可以媲美商业 SaaS，代价是部署和运维门槛较高。

如果你的答案是"我的业务流程"——你想让 Agent 自动连接各种系统干活，OpenClaw 的 50+ 连接器和自然语言驱动的工作流编排更对路。它本质上是一个 AI 增强版的自动化平台，替代的是 Zapier/n8n 这类工具，而不是 ChatGPT Team。

这三者之间不是非此即彼的竞争关系。一个完整的 AI 工作体系完全可以是：管理者用 Hermes 做个人助理，团队用 QM 做共享 Agent 平台，业务流程用 OpenClaw 做自动化编排。选型的关键在于搞清楚你当前最需要解决的是哪个层面的问题，而不是纠结哪个项目"最好"。

AI Agent 正在从"个人工具"走向"组织基础设施"。这条路上，QM 选择了最难走的方向：权限和安全架构，这条路回报慢，但做扎实了对真正需要它的团队来说不可替代。