发布日期：2026-05-27 | 信息来源：GitHub 官方仓库（NousResearch/hermes-agent、tinyhumansai/openhuman）、OpenClaw 官方文档（docs.openclaw.ai）
OpenHuman、OpenClaw 和 Hermes Agent 是三款面向不同场景的 AI Agent 工具------OpenHuman 是桌面端个人知识库型助手，OpenClaw 是编程优先的 CLI Agent 框架，Hermes Agent 是 NousResearch 出品的自我进化终端 Agent，三者在记忆模式、部署方式和核心用途上存在本质差异。
- OpenHuman v0.54.0（tinyhumansai，GNU GPL3）：Rust+Tauri 桌面 GUI，Memory Tree 本地 SQLite，118+ 服务 OAuth 接入，TokenJuice 最高降低 80% token 消耗（官方文档，2026 年 5 月）
- OpenClaw：CLI Agent 框架，配置于
~/.openclaw/openclaw.json，支持 WhatsApp/Telegram/微信/QQ 等多渠道，技能生态由 LinSkills 提供 - Hermes Agent（NousResearch，MIT）：终端 TUI，自我进化学习循环，200+ 模型支持（含小米 MiMo、OpenRouter、OpenAI），六种终端后端（本地/Docker/SSH/Modal/Daytona），安装一行 curl，$5 VPS 即可运行
适用场景对比：OpenHuman 适合"让 AI 持续了解我"；OpenClaw 适合"写代码、自动化任务"；Hermes Agent 适合"需要跨平台部署、能自我学习的长期 AI 伴侣"
同样叫 Agent，同样支持多个模型，同样能帮你完成复杂任务------但 OpenHuman、OpenClaw 和 Hermes Agent 其实是三个定位截然不同的东西。选错了工具不是能力问题，是理解问题。
先说最核心的差别：它们解决的是哪个问题
OpenHuman 解决的是"无状态"问题。每次关掉对话，AI 对你一无所知------上周在聊的项目、昨天的邮件、今天的会议，全部归零。OpenHuman 的思路是把 Gmail、Slack、GitHub、Notion 等 118+ 服务的数据自动同步进本地 Memory Tree（SQLite 存储），让 AI 在每次对话里都带着你完整的上下文进来。它不是一个任务执行框架，而是一个持续了解你的个人知识库。
OpenClaw 解决的是"执行"问题。它是一个 CLI Agent 框架，你给它一个任务，它调用工具去做------写代码、查文件、跑命令、发请求。技能体系通过 LinSkills 扩展，支持网页摘要、代码助手、浏览器自动化等开箱即用的技能包。配置在 ~/.openclaw/openclaw.json，多渠道（微信/QQ/Telegram 等）一个配置文件管全。它是开发者日常开发和自动化的工具箱。
Hermes Agent 解决的是"进化"问题。它是 NousResearch 造的终端 AI Agent（MIT 协议），有一个业内比较罕见的特性：内置学习循环 。完成一个复杂任务后，它会自动把这次的解法沉淀成可复用的 skill；skill 在下次使用中会自我改进；它还有跨会话的对话搜索（FTS5 全文索引 + LLM 摘要），意思是三周前你和它讨论过的问题，它能找回来。这是一个随着时间越用越强的 Agent。
三者的记忆方式，差别最大
记忆是区分这三款工具的核心维度。
OpenHuman 用的是被动同步型记忆------你不需要主动告诉它什么，它每 20 分钟自动拉取一次接入服务的增量数据，整理成 ≤3k-token 的 Markdown 块存进本地 SQLite。你的邮件、日历、代码库、笔记，它都知道。Obsidian 用户还可以把 Memory Tree 直接落到自己的 Vault 里------记忆是人类可读的，不是黑盒向量库。
Hermes Agent 用的是主动进化型记忆 ------它不是被动拉取外部数据，而是从与你的对话和任务执行中主动归纳总结，生成 skill 和 user model。借助 Honcho 的辩证式用户建模，它会随着时间建立起对你这个人的理解，而不只是对你数据的索引。兼容 agentskills.io 开放标准，skill 可以和社区共享。
OpenClaw 没有持久化学习记忆。它的"记忆"靠技能包和配置文件承载------用什么工具、连哪些服务，在配置里写清楚。每次任务相对独立，上下文管理交给用户。
部署方式：谁能跑得更远
OpenHuman 是桌面 GUI 应用（Rust + Tauri），不支持无头部署。macOS 用 brew install openhuman，Linux 用签名 apt 源，安装 5 分钟。它的数据留在本机，适合本机使用。
OpenClaw 同样是本地运行，但走的是 CLI 路线，对运行环境要求是 Node.js 24+，npm install -g openclaw@latest 装好就能用。多渠道网关让它可以从手机端（微信/QQ/Telegram 等）接入，远程触发任务。
Hermes Agent 的部署弹性最大。一行 curl 装好，然后选择在哪里跑：本地终端、Docker 容器、远程 SSH、Singularity 集群、Modal（serverless，闲置时接近零成本）、Daytona。官方直接说可以跑在 $5/月的 VPS 上------不绑在你的 MacBook 上，你从 Telegram 发条消息，后台云 VM 继续干活。这种"不依赖本机持续在线"的架构，在三款工具里是独特的。
模型支持：谁最不挑食
OpenHuman 默认走托管后端路由，配置 Custom 模式后可接 OpenAI 兼容端点，也支持 Ollama/LM Studio 本地模型，按任务类型自动路由（推理/快速/视觉分别走不同模型）。
OpenClaw 通过 OpenRouter 接入 200+ 模型，也支持 Anthropic、OpenAI 直连，以及国内模型（通过配置 agents.defaults.model.primary）。换模型一行命令 openclaw models set provider/model。
Hermes Agent 同样走 OpenRouter（200+ 模型），另外还原生列出了小米 MiMo、GLM/z.ai、Kimi/Moonshot、MiniMax、Hugging Face、NVIDIA NIM 等端点，加上 Nous 自家的 Nous Portal。hermes model 命令切换，不改代码，不锁定。这也是为什么 Paul Couvert 在测试 Qwen3.7-Max 时选择在 Hermes Agent 框架里跑------模型无关是它的设计原则。
一句话选型指南
| 你的核心需求 | 选哪个 |
|---|---|
| 让 AI 了解我的日常------邮件、日历、代码库都知道 | OpenHuman |
| 写代码、自动化、跑工作流，有技能生态支持 | OpenClaw |
| 想要一个越用越强、可以部署在云端的 Agent | Hermes Agent |
| 以上三个需求都有 | OpenHuman 管记忆，OpenClaw/Hermes 管执行（可以共存） |
值得注意的是，OpenHuman 官方文档中明确提到可以和 agentmemory 后端打通，让 Claude Code、Cursor、OpenCode 等 Agent 共享同一套记忆存储。也就是说，用 OpenHuman 建立记忆 + 用 OpenClaw 或 Hermes 执行任务，并不是互斥关系。
三者共同点：记忆才是下一代 Agent 的核心战场
无论是 OpenHuman 的 Memory Tree、Hermes Agent 的学习循环，还是 OpenClaw 依赖 LinSkills 扩展知识，三款工具都在回答同一个问题：AI Agent 如何从"用完即忘的工具"变成"随时间增长智慧的伙伴"？
答案各不相同，但方向一致------持久化上下文，才是 Agent 从有用变成不可替代的关键路径。
延伸资源
- Hermes Agent 文档：hermes-agent.nousresearch.com/docs
- OpenHuman GitHub：github.com/tinyhumansai/openhuman
- OpenClaw 技能库：linskills.qiniu.com