OpenClaw 和 Hermes 各自是什么
两者都是开源 AI 智能体。装在自己的电脑或服务器上，然后在 Telegram、Slack、Discord 这类即时通讯工具里写一句『把这个文件夹整理一下』『找到这份资料并做成表格』，它就会真的创建文件、编写代码、搜索网页。与聊天机器人的区别在于，它不只是对话，而是在你的电脑上执行命令，相当于雇了一名助理。
OpenClaw 由奥地利开发者 Peter Steinberger 打造，2026 年初迅速走红（此前叫 Clawdbot、Moltbot）。2026 年 2 月创始人加入 OpenAI，项目本身移交给独立基金会，由 OpenAI 出资并贡献资源。Hermes 则由 Nous Research 开发，至今仍由其直接运营。
两者的软件本身都是开源的，下载不花钱。可以接入的 AI 模型也基本一致——Claude、GPT、Gemini 是基本盘，中国模型和本地模型也都能接，加起来数十个。所以『哪个功能更多』本身就不是一个能得出答案的问题，把功能清单摆在一起比较并不值得花时间。
五项标准，一张表看完
下面这张表就是本文的结论。优势一列偏向 Hermes，但这并不意味着无条件选 Hermes——判为平手的那两行，会随使用场景轻易翻转。
| 对比标准 | OpenClaw | Hermes | 优势方 |
|---|---|---|---|
| 自我学习 | 需人工批准才能登记技能 | 任务结束后自动生成技能 | Hermes |
| 安全 | 默认几乎不设限 · 138 个 CVE | 默认启用八层防御 | Hermes |
| 记忆 | 按日期写日志 · dreaming 自动整理 | 核心记忆始终写入提示词 | 平手 |
| 技能生态 | 数千个 · 多为人工编写 | 8.8 万个以上 · 大量自动生成 | 平手 |
| 可持续性 | 移交基金会 · 创始人离开 | Nous Research 直接运营 | Hermes |
Hermes 在哪些时刻会自己留下技能
这里说的技能，是一份记录『这类活儿要这么干』的备忘。下次交给它类似的任务时，智能体会取出这份备忘照着做。不必每次从头思考，于是更快，结果也更稳定。
OpenClaw 也会生成技能，但只到草稿为止，必须由人批准登记才会变成真正的技能。好处是控制权在使用者手里，代价是需要持续照看。
Hermes 无需批准即可保存，但并非什么都留。官方文档写明了四个时刻：一，成功完成一项动用了五次以上工具调用的复杂任务时；二，在报错或死胡同里摸索后找到可行路径时；三，用户纠正了它的做法时；四，遇到从未见过的工作流时。原则只有一条——只留下值得复用的。
保存位置是主目录下的 ~/.hermes/skills/。因为是文件，随时可以打开阅读、修改或删除。所以与其说它是装好就全能的工具，不如说是越用越贴合你工作方式的工具。一项独立基准测试（TokenMix，2026 年 4 月）显示，当自建技能超过 20 个时，同类任务大约快 40%。不过对性质完全不同的任务并不奏效。
138 个 CVE 和八层防御到底意味着什么
CVE 是全球通用的安全漏洞编号。某个程序被发现有可攻破之处，就会被编号并公开。也就是说，这个数字统计的是已被公开披露的漏洞有多少个。
仅 2026 年 2 月到 4 月，OpenClaw 就公开了 138 个，其中严重（critical）7 个、高危（high）49 个，包含远程代码执行、权限提升这类足以真正接管一台机器的问题。这是『默认几乎不设限、风险由运营者自行管理』这一设计哲学的代价。
Hermes 正好相反，出厂时锁就已经上好。危险命令在执行前先向人确认；智能体被关进隔离容器，碰不到系统文件；密码、令牌一类敏感值会被过滤；从网页读入的文档要先经过提示词注入模式扫描，才允许进入系统提示词。官方文档把这套结构称为八层纵深防御。
漏洞数量并不等同于风险高低。用户量压倒性领先的项目，被发现得多、修得也快。但如果你没把握在装完之后立刻自行收紧配置，从默认值就安全的一方开始更稳妥。
记忆和技能生态为什么算平手
记忆方面，两者同为基于文件：人可以打开查看和修改，记住了什么并不被隐藏。透明度上谁都不欠缺，差别在于叠加其上的方式。
OpenClaw 按日期像写日记一样留存，把当天做过的事按日期存成文件；并有一个叫 dreaming 的后台过程通读这些记录，只把重要的部分升入长期记忆——与人在睡眠中整理记忆是同一种结构。
Hermes 则刻意让核心文件保持轻量，因为每次开始对话都会把这些文件整份塞进系统提示词。庞大的对话记录另外以可检索的形式保存，需要时再取出。它是那种一开口就已经记得你的类型。
技能数量同样不是高下之分。Hermes 全部注册表合计超过 8.8 万个，但相当一部分由 AI 自动生成，质量参差。OpenClaw 是数千个的量级，大多由人亲手编写，因而更可信。这是数量与可信度的取舍，不是优劣。
软件免费，钱花在哪里
智能体程序本身免费，但充当大脑的 AI 模型要另外付费。不知道这一点就上手，第一张账单会吓一跳。这正是不能被『免费』二字直接打动的原因。
接入方式有两种：接上你已经在付费的订阅（ChatGPT、Claude 等），或者通过 OpenRouter 这类中介按量付费。OpenRouter 可以用一个账号挑选多家厂商的模型，适合先用便宜的模型试水。
现实成本大致是：便宜模型加便宜服务器，每月约 1 万～2 万韩元；要把好模型用到位，则是 3 万～10 万韩元。建议先用便宜模型接上、交给它真实的活儿，只有在结果不够用时才往上加。
所以该装哪一个
规则只有两句。喜欢亲手摆弄和拼装，且公司里多人共用、记录必须透明，就选 OpenClaw。更想一次配置好、让它自己成长，看重安全，且是独自工作的一人公司或开发者，就选 Hermes。
装完后的头三十分钟这样用。第一，先定模型接入方式——是接现有订阅，还是走 OpenRouter 按量付费，在这里决定。第二，只接一个即时通讯工具，平时开得最多的那个就够。第三，把一件你每周真的会重复做的事原样交给它。如果是 Hermes，任务一结束就打开 ~/.hermes/skills/ 看看是否多了一个技能，你会立刻明白所谓自我学习是什么。
海外社区里不乏『先用 OpenClaw、后来换到 Hermes』的帖子：先摸一遍花哨的，再找到能长期使用的那个。但这是口味和使用场景的问题，并非某一方低人一等。只要在上面那张表里找到自己所在的那一行就够了。