Agent 框架越来越多但很多项目表面都在说“让 AI 调工具、执行任务、拥有记忆”真正落到架构上差异其实非常大。这次选三个方向明显不同的项目放在一起看•openclaw/openclaw[1]•NousResearch/hermes-agent[2]•tinyhumansai/openhuman[3]它们都可以被理解为某种 AI Agent harness但重点完全不同•OpenClaw解决的是入口与控制平面问题怎么让 Agent 常驻在用户已有设备和聊天渠道里。•Hermes Agent解决的是自我演化运行时问题怎么让 Agent 从经验中沉淀 skills、记住用户、跨环境执行。•OpenHuman解决的是个人上下文和产品体验问题怎么让 Agent 快速接入个人数据并通过桌面 UI 变得可用。一句话概括项目核心定位架构关键词OpenClaw跑在自己设备上的个人 AI 助理通过各种聊天/设备入口驱动任务Local-first Gateway、Channels、Nodes、Skills、PluginsHermes Agent会积累记忆、生成/改进 skills、跨平台运行的自改进 AgentAIAgent Loop、Tool Registry、SQLite/FTS5、Skills Learning、GatewayOpenHumanUI 优先、连接个人账号数据并构建长期记忆树的桌面 AI 助理Tauri/Rust Core、Memory Tree、OAuth Integrations、MCP/Socket.ioOpenClaw本地优先的个人助理网关OpenClaw 的核心不是“做一个聊天机器人”而是做一个本地优先的个人 AI 控制平面。它的 README 里明确强调OpenClaw 是运行在用户自己设备上的 personal AI assistant。用户可以从 WhatsApp、Telegram、Slack、Discord、Signal、iMessage、WeChat、QQ 等渠道和它交互。也就是说它不是只解决“模型如何调用工具”而是在解决一个更贴近日常的问题AI 助理应该住在哪里用户应该从哪里唤起它它如何连接桌面、手机、聊天软件和工具架构模式Gateway-centricOpenClaw 的架构非常典型以 Gateway 为中心。Gateway 是长期运行的控制平面负责•消息渠道接入•会话管理•工具执行•事件分发•节点连接•权限与路由CLI、macOS App、Web UI、自动化任务可以通过 WebSocket 连接到 Gateway。macOS、iOS、Android、headless nodes 也可以接入并声明自己的能力例如 canvas、camera、screen、location 等。Agent loop 大致经过1intake接收用户输入2context assembly组装上下文3model inference模型推理4tool execution工具执行5streaming流式返回6persistence持久化记录每个 session 会串行执行避免工具调用和 transcript 写入互相打架。扩展方式OpenClaw 的扩展主要来自两层•Skills采用 AgentSkills 兼容目录支持 workspace、project、personal、managed、bundled 等多级优先级。•Plugins用于 provider、channel、tool lifecycle hook 等更底层的扩展。所以 OpenClaw 更像一个“AI 助理操作系统入口层”。它的价值不只是模型能力而是把用户已有入口整合起来。适合什么场景OpenClaw 适合•希望 AI 助理常驻在本机或个人服务器上•需要从多个聊天渠道发任务、收结果•需要连接桌面、手机节点、Canvas、语音等本地能力•愿意自己管理模型、配置、权限和安全边界如果目标是“让 AI 助理住进用户已有设备和聊天入口”OpenClaw 是三个项目里最贴近这个方向的。Hermes Agent会自我改进的 Agent 运行时Hermes Agent 的关键词是self-improving。它更像一个通用 Agent runtime既能运行任务也能积累记忆、生成 skills、改进 skills、搜索历史会话并跨 session 建立对用户的长期理解。和 OpenClaw 相比它不那么强调“入口住在哪里”而更强调Agent 如何从一次次执行中学到东西并把经验沉淀为可复用能力架构模式Agent-loop-centric runtimeHermes 的中心是AIAgent。它负责•prompt builder•provider resolution•tool dispatch•memory injection•skill invocation•session persistenceHermes 支持多种入口•CLI•Gateway•ACP•Batch Runner•API Server•Python LibraryProvider 层支持多种 API 模式例如 chat completions、Codex responses、Anthropic messages。工具系统也很重Tool Registry 集中注册 70 tools 和约 28 个 toolsets。终端 backend 支持 local、Docker、SSH、Singularity、Modal、Daytona、Vercel Sandbox 等执行环境。记忆与自我改进Hermes 的记忆机制很突出。它使用 SQLite FTS5 做 session storage 和历史检索同时用MEMORY.md、USER.md这类 curated memory 注入 system prompt。更关键的是它强调 skills learning•从经验中创建 skill•在使用中改进 skill•用历史会话检索辅助当前任务•通过 cron 和 gateway 让任务长期运行这让 Hermes 的定位更接近“会成长的 Agent harness”。适合什么场景Hermes Agent 适合•需要长期自我改进的个人或团队 Agent•希望复杂流程沉淀成 skills•需要在云 VM、Docker、SSH、serverless sandbox 等环境运行•重视 provider/model 灵活切换和工具运行环境可移植性•想用一个 Python runtime 管理工具、记忆、子代理、cron 和 gateway如果目标是“让 Agent 从经验里变强”Hermes 是三个项目里最强调这个方向的。OpenHuman个人数据驱动的桌面 AI 助理OpenHuman 的方向更产品化也更 UI-first。它强调的是通过账号集成和自动拉取让 AI 助理尽快理解用户的个人上下文。这和前两个项目不太一样。OpenClaw 更像入口网关Hermes 更像自我演化运行时OpenHuman 则更像一个面向普通用户的桌面 AI 产品底座。它想解决的问题是Agent 如何快速接入用户的真实工作数据并把这些数据变成长期记忆架构模式desktop-memory-firstOpenHuman 当前以桌面端为主。架构上•前端使用 React/Vite•桌面壳使用 Tauri•核心逻辑在 Rustopenhuman-core•WebView 负责 UI•Rust core 负责 RPC、skills、memory、socket 等能力•前后端通过 Tauri IPC 和 HTTP JSON-RPC 通信它的重点不是只做一个 agent loop而是围绕个人数据构建一套同步、压缩、记忆和调用系统。集成与记忆OpenHuman 提供大量第三方集成例如 Gmail、Notion、GitHub、Slack、Stripe、Calendar、Drive、Linear、Jira 等通过 OAuth 接入。数据同步后会进入 Memory Tree•把不同来源的数据规范化为 Markdown chunks•存入 SQLite•写入 Obsidian-compatible vault•使用 TokenJuice 压缩工具结果、抓取内容、邮件正文等上下文这意味着 OpenHuman 的核心竞争力不是“工具特别多”而是“用户上下文来得快”。安全边界OpenHuman 也很强调本地安全•本地存储•OS keychain•AES-256-GCM•Argon2id•prompt injection guard这对一个连接大量个人账号的桌面 AI 助理来说非常关键。适合什么场景OpenHuman 适合•希望桌面 UI 开箱即用•希望连接 Gmail、Slack、Notion、Drive、Calendar 等个人工作数据•希望本地形成 Obsidian/Memory Tree 知识库•不想为每个能力单独配置 API key、插件和工具链•接受项目仍处于 early beta如果目标是“让 Agent 先理解用户再帮用户做事”OpenHuman 的方向最直接。横向对比维度OpenClawHermes AgentOpenHuman主目标本地常驻个人助理自改进通用 Agent runtimeUI-first 个人超级助理核心架构Gateway 控制平面AIAgent 统一执行环Tauri/Rust core React UI入口多聊天渠道、CLI、App、Web、NodesCLI、Messaging Gateway、ACP、API、Batch桌面 UI、集成数据、消息渠道工具系统Gateway tools plugins skills70 tools、28 toolsets、MCP、terminal backendsMCP tool catalog、skill bridge、native toolsSkillsAgentSkills-compatible多级优先级ClawHub自我创建/改进 skillsSkills Hubskill packages managed Node runtime记忆session/workspace/context skills偏运行上下文MEMORY.md、USER.md、SQLite FTS5 session searchMemory Tree、SQLite、Obsidian vault、auto-fetch集成取向通讯渠道、设备节点、Canvas、语音、本地工具Provider、terminal、browser、messaging、cron、subagentsOAuth SaaS 连接器、个人数据同步部署形态本机/个人服务器 Gateway本机、VPS、Docker、SSH、serverless sandbox桌面 App 为主安全重点DM pairing、allowlist、sandbox、gateway authcommand approval、DM pairing、container isolation、profile isolation本地加密、OS keychain、prompt injection guard最适合AI 助理住在用户设备和聊天入口里Agent 持续学习并把流程沉淀成技能快速接入个人数据并形成长期上下文最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】