什么值得买App下载 App ›
连续签到专享现金活动

开源AI Agent三强横评:谁才是真正“会做”的智能体?

2026年上半年,GitHub上涌现出三款热度最高的开源AI智能体框架:OpenClaw、Hermes Agent和DeerFlow 2.0。它们分别来自奥地利工程师、美国AI实验室Nous Research和中国互联网巨头字节跳动,却在同一个赛道上短兵相接——让AI从“会说”走向“会做”。三者的核心定位存在微妙差异:OpenClaw主打本地优先的任务执行网关,Hermes Agent强调自我进化与长期记忆,DeerFlow 2.0则定位为面向长周期任务的超级智能体编排框架。面对这三个站在开源社区金字塔尖的项目,开发者最关心的问题并非“谁更强”,而是“谁更适合我的场景”。
先看记忆能力这一维度。三者的实现路径截然不同。OpenClaw采用本地Markdown文件存储机制,将用户信息、记忆、会话状态分散在SOUL.md、USER.md、MEMORY.md等配置文件中,通过心跳机制实现定时唤醒和状态同步。这种设计的好处是数据完全留存本地,用户对隐私有绝对控制权,但缺点在于记忆的检索和利用效率相对原始,跨会话的上下文关联依赖文件读取而非原生索引能力。Hermes Agent则构建了业界少见的五层记忆架构:L1层为Transformer上下文(会话内有效),L2层为程序性知识(Skill.md,永久沉淀),L3层为向量存储索引(支持语义检索),L4层为Honcho辩证式用户建模(基于黑格尔“正-反-合”哲学持续更新用户画像),L5层为FTS5全文检索+LLM摘要。这套体系让Hermes Agent能够在数千条历史对话中精准定位上下文,甚至能回答“上次我让你调试的那个Python脚本在哪”这类模糊问题。DeerFlow 2.0的记忆系统更侧重任务上下文管理,采用短期记忆(会话上下文)和长期记忆(跨会话知识积累)分层设计,配合Context Engineering智能压缩上下文,但缺乏类似Hermes Agent的主动用户建模能力。
学习进化能力是三者拉开差距的关键战场。OpenClaw的记忆管理本质上是“被动存档”——用户告诉它记住什么,它才记住,不具备自我提炼和迭代优化的能力。一篇知乎评论指出:“记性差、不会自我进化,想要好好用,还得花上大量的时间来‘调教’。”Hermes Agent则在此实现了质的飞跃,其自我进化闭环包含三个核心环节:任务完成后自动检测“可复用价值”(触发条件包括工具调用超过5次、出现错误自修复、用户纠正反馈等),系统自动将执行轨迹提炼为结构化Skill.md文件存入~/.hermes/skills/目录,下次遇到同类任务直接调用而非从零推理。更进一步,当Skill被反复使用且成功率低于90%时,Agent会触发重写流程,替换为更优实现。实测数据显示,运行20-30个同类任务后,Hermes Agent的执行效率出现可测量提升:错误率下降、工具选择更精准。DeerFlow 2.0采用技能模块化设计,内置十余种常用技能并支持自定义扩展,但技能生成依赖人工配置而非自动提炼,其设计哲学更接近“提供积木让用户搭建”而非“让Agent自己学会搭积木”。
生态系统的丰富程度直接影响可用性。OpenClaw背靠ClawHub插件市场,官方提供1300余个免费插件,涵盖文件批量处理、网页自动化、跨软件数据同步、定时任务拆解等场景,GitHub社区累计贡献技能总量超过9000个。Hermes Agent接入了agency-agents系统,内含193个AI专家角色,覆盖工程(前端、后端、DevOps、安全)、设计(UI、UX、品牌、插画)、营销(内容、SEO、社交媒体)等多个领域。这些角色可独立完成任务,也可与主Agent协同工作。DeerFlow 2.0的技能体系更垂直,聚焦深度研究、数据分析、PPT生成、视频制作、播客合成等创作类场景,其skill-creator工具允许用户在几分钟内封装专属技能,但在数量级上与前两者存在差距。
平台接入能力决定了使用门槛。OpenClaw和Hermes Agent都采取了“多通道融合”策略,官方支持50余种即时通讯与工作平台,包括微信、飞书、钉钉、Telegram、Discord、Slack、WhatsApp、iMessage等。区别在于:OpenClaw需要用户自行配置API密钥或Bot Token,部署流程涉及扫码授权和环境变量设置;Hermes Agent在v0.9.0版本中实现了微信原生接入,通过腾讯官方iLink Bot API实现长轮询通信,用户扫码即可上线,大幅降低了配置复杂度。DeerFlow 2.0同样支持飞书、钉钉、Telegram、Slack等平台,但更侧重企业协作场景,GitHub文档显示其“无需公网IP即可使用”,这对网络环境受限的用户是重要利好。
硬件需求与部署难度是另一道分水岭。OpenClaw强调本地优先设计,软件本体仅78MB,官方标注最低硬件需求为4GB内存、双核CPU、10GB硬盘存储,支持Windows/macOS/Linux/安卓/iOS全平台,提供了NPM包、桌面图形版、一键脚本、Git源码、AI代码一键部署五种安装方案。一篇今日头条测评指出,OpenClaw在安卓14系统下连续运行18小时仅占用系统资源3.2%,脚本执行成功率达99.2%。Hermes Agent的部署门槛进一步降低,官方提供一条命令安装脚本,v0.9.0版本推出了全平台官方桌面版,“下载安装直接使用,整体门槛下降了很多”。硬件方面,仅需5美元的VPS即可运行,日常使用几乎不消耗本地资源。DeerFlow 2.0的技术栈相对厚重,基于LangGraph重构,需要Docker或Kubernetes环境支撑,官方提供了本地模式(开发测试用)、Docker模式(推荐)、Kubernetes模式(生产环境)三种运行模式,对运维能力有一定要求。
社区热度与市场验证方面,三者均展现出强劲的增长势头。OpenClaw由奥地利工程师Peter Steinberger(PSPDFKit创始人)于2026年1月开源,截至2026年6月GitHub Star数突破30.2万,Fork数3.8万,抖音精选APP相关视频播放量41.6万,B站专项测评播放量286万。Hermes Agent于2026年2月由Nous Research开源,GitHub Star在公开8周内突破24.6k,截至2026年4月已达66k,Forks 8.8k,Issues 2.3k,在OpenRouter平台日Token调用量登顶全球第一,超越OpenClaw。DeerFlow 2.0于2026年2月28日发布,当天即登顶GitHub Trending榜首,目前GitHub Star在34.1k至47.1k区间(不同来源数据略有差异),三个月内增长至近7万,Fork超过9400。三者的爆发式增长均受益于2026年AI Agent赛道的整体升温,但增长驱动逻辑不同:OpenClaw靠“本地执行”和“操控电脑”的新奇感破圈,Hermes Agent靠“自我进化”和“越用越聪明”的差异化定位,DeerFlow靠字节跳动的品牌背书和Super Agent Harness的完整架构。
用户口碑层面,素材中呈现出明显的场景分化。OpenClaw获得了“本地自动化AI标杆工具”的评价,抖音精选APP整体好评率90.3%,但也有声音指出其“更适合程序员、办公自动化从业者、AI深度爱好者,普通零基础用户上手门槛偏高”。一篇微信文章直言:“OpenClaw确实很强,但强不代表适合所有人。”Hermes Agent的口碑呈现两极:一部分用户称赞其“有一种独特的人味儿,你会把它当做一种消遣打开去玩一下”,另一部分用户认为其与OpenClaw差别不大,“记性差、不会自我进化”是OpenClaw的短板,但这恰恰是Hermes Agent的强项。一篇腾讯云文章评价Hermes Agent是“目前最强大的开源AI Agent框架之一”,“被严重低估”。DeerFlow 2.0的用户反馈集中在“上手有门槛”和“企业场景友好”两点,其Docker沙箱隔离设计和LangGraph编排架构更适合有技术背景的团队,知乎上有用户将其与Claude Code、OpenClaw并称为“AI编程神器三巨头”。
技术架构上,三者也走了不同的路线。OpenClaw采用网关中心架构,对外扮演“调度中心”角色,所有消息经中央塔台分配到对应处理单元,消息通信、接口接入、思考执行逻辑解耦,构建统一AI助手接口。底层调用大语言模型时,OpenClaw更多使用命令行界面(CLI),内核选型上采用Pi项目作为核心底座。Hermes Agent采用五层结构(输入层、推理规划层、工具编排层、执行环境层、反馈验证层),搭配记忆与技能系统、执行约束设计,兼顾任务闭环与安全管控。DeerFlow 2.0建在LangGraph之上,采用Gateway+Agent Runtime+Frontend三层架构,核心运行在Harness包中,支持标准模式和Gateway模式两种部署方式,后者不需要LangGraph Platform许可证,资源占用更低。
安全性设计方面,三者各有侧重。OpenClaw因具备本地计算机权限和用户身份权限,被描述为“一把双刃剑”——自由度大意味着风险也更高,官方提示“若安装恶意插件,其风险远高于网页版AI和通用智能体”。Hermes Agent内置危险命令审批模式,支持强制审批、智能审批、关闭审批三档,企业环境推荐智能审批,同时提供容器沙箱加固(用户命名空间隔离、移除特权、只读文件系统等)。DeerFlow 2.0的Docker沙箱隔离机制天然具备安全属性,每个任务在独立容器中运行,拥有完整文件系统和Bash执行权限,不会影响宿主机。
模型兼容性上,三者都采取了“模型无关”策略,拒绝绑定特定供应商。OpenClaw兼容GPT系列、Claude、Kimi、DeepSeek、Ollama本地开源模型等全品类LLM,支持多模型混合调度。Hermes Agent支持200余种模型供应商,包括Nous Portal、OpenRouter、NVIDIA NIM、小米MiMo、z.ai/GLM、Kimi、MiniMax、OpenAI、Anthropic等,并针对OpenAI和Anthropic提供了Fast Mode加速。DeerFlow 2.0支持多种LLM模型调用,原生集成了Claude Code、Codex、Cursor等编码Agent,为复杂任务提供更强推理能力。
实际应用场景的分化更为清晰。OpenClaw的核心优势在于“直接操控本地系统”,适合需要AI代替用户操作文件、浏览器、软件的企业级自动化场景,如批量文件整理、数据提取、周报生成、多平台内容分发等。Hermes Agent的核心优势在于“越用越聪明”,适合需要长期培养、与用户共同成长的个人助手场景,如日程管理、习惯养成、知识沉淀、周期性报告生成等。DeerFlow 2.0的核心优势在于“长周期任务执行”,适合需要AI持续运行数小时甚至数天的深度研究场景,如行业调研报告、投资分析、代码重构、内容批量生产等。
三款产品的定位差异也催生了组合使用的可能性。有用户实测将DeepSeek V4 + Open WebUI + Hermes组合使用,实现了“持久记忆、定时任务、浏览器自动化、文件读写、代码执行、生成网站、周报、早报全都能干”的效果。Y Combinator总裁Garry Tan基于Hermes + OpenClaw自建了名为gbrain的生产级智能体大脑,包含17888页笔记、4383人、723家公司的知识库和21个自动cron任务。这说明三者并非零和博弈,而是在不同层面满足差异化需求的互补工具。
对比维度汇总:

记忆架构方面,OpenClaw采用Markdown文件本地存储+心跳机制,属于被动存档模式;Hermes Agent采用五层架构(含FTS5全文检索+辩证式用户建模),支持跨会话精准召回;DeerFlow 2.0采用短期/长期记忆分层+Context Engineering智能压缩,更侧重任务上下文管理。

学习进化方面,OpenClaw不具备自我提炼能力,依赖用户手动维护记忆;Hermes Agent内置闭环学习系统,可自动创建Skill并在使用中持续优化;DeerFlow 2.0提供模块化技能系统,但依赖人工配置而非自动生成。

平台接入方面,OpenClaw和Hermes Agent均支持50+即时通讯平台,微信接入均已实现,配置复杂度上Hermes Agent的桌面版更低;DeerFlow 2.0面向企业协作场景,无公网IP也能使用。

部署门槛方面,OpenClaw提供五种安装方案,78MB软件包,最低4GB内存即可运行;Hermes Agent一条命令安装,桌面版开箱即用,5美元VPS可部署;DeerFlow 2.0技术栈较重,需要Docker或Kubernetes环境。

生态丰富度方面,OpenClaw有ClawHub 1300+官方插件+9000+社区技能;Hermes Agent接入agency-agents含193个AI专家角色;DeerFlow 2.0内置十余种常用技能,支持自定义封装。

GitHub热度方面,OpenClaw 30.2万Star,增速趋缓;Hermes Agent 66k Star,增长势头最猛,OpenRouter日Token调用量已超越OpenClaw登顶第一;DeerFlow 2.0近7万Star,三个月完成冷启动。

选择建议方面,素材中没有给出统一结论。追求本地执行与隐私可控、对AI有技术把控能力的用户,OpenClaw提供了最直接的系统操作能力;希望AI具备长期成长属性、愿意花时间“养”出懂自己的助手,Hermes Agent的自我进化机制是独特优势;需要处理长周期、高复杂度任务的企业团队,DeerFlow 2.0的沙箱隔离和多Agent编排架构提供了更完整的基础设施支撑。

评论

评论区空态插画

当前文章无评论,是时候发表评论了