# 视频脚本：OpenClaw 是手动挡的 AI **版本**: v2.0 **修改说明**: 删除S04 Ubuntu比喻；S06加先给结论；CTA加互动钩；结尾回扣标题 **视频时长预估**: 9-11 分钟 --- ## S01 — HOOK（0:00–0:45） 最近这段时间，社区里突然冒出一种声音： "Hermes Agent 要干掉 OpenClaw 了。" "这个才是真正会进化的 AI，OpenClaw 已经落后了。" 我看到有人直接说：换了 Hermes，完全可以替代 OpenClaw，而且更聪明。 我用 OpenClaw 几个月了，给它配了 LightRAG 知识图谱、写了几十个专属 skill、还搭了完整的 Harness 配置…… 听到这些话，我第一反应不是焦虑，而是好奇—— Hermes 到底做了什么？ 所以这次，我把两个框架的源代码都 clone 下来，让 Claude Code 逐文件读了一遍，还扒了几十篇网上的对比文章。 今天，我来说说真实情况。 --- ## S02 — Hermes 是什么（0:45–2:00） 先说 Hermes Agent 本身。 它是 Nous Research 出品的——就是做过 Hermes、Nomos、Psyche 这些模型的顶级开源实验室。 2026年2月25日开源，七周之内涨到了九万五千颗 GitHub Star。这个速度，是 2026 年增长最快的 Agent 框架。 它的核心卖点只有一句话：**"The agent that grows with you"——跟你一起成长的 AI。** 具体怎么成长？ 它有一个学习闭环：每次完成任务之后，如果成功了，它会把这个经验提炼成一个 skill 文件存下来。下次遇到类似的任务，直接加载这个 skill，不用从零开始。 这听起来很厉害，对吗？ 我们来仔细拆一下，它的"进化"到底是什么级别的进化。 --- ## S03 — "自我进化"的真相（2:00–4:00） 好，这是今天最关键的部分，很多人被这个概念忽悠了。 Hermes 的"自我进化"，其实分两层，而且这两层差距非常大。 **第一层：运行时自动积累 skill。** 这个是真的，本体自带，确实存在。Agent 完成任务之后，会自动创建一个 SKILL.md 文件存到本地。下次用到，直接加载。 **第二层：DSPy 优化 skill 质量。** 这个……是一个完全独立的工具，另外一个 GitHub 仓库，叫 hermes-agent-self-evolution。 我去看了它的 README： - Phase 1：Skill 文件优化 ✅ 完成 - Phase 2-5：全部是 Planned——还没做。 而且每次跑一次优化，要花 **2 到 10 美元**的 API 费用，还需要人工 review，不会自动 commit。 所以那个被大家传的"完全自动进化"——目前阶段，更准确的说法是： **"会自动攒经验文件，但真正的优化还在 PPT 上。"** 还有一个细节很多人不知道：Hermes 的 skill 文件格式，跟 OpenClaw 几乎一模一样。都是 SKILL.md，都遵循同一个开放标准。理论上，OpenClaw 写的 skill 可以直接拿到 Hermes 里用。 这两个框架的"进化方向"，其实比大家想象的要接近得多。 --- ## S04 — 手动挡 vs 自动挡（4:00–5:30） 但我不想只是说"都差不多"，因为它们确实有本质区别。 **Hermes 是自动挡。OpenClaw 是手动挡。** 自动挡有什么好处？上手快，不用学，踩油门就走。 自动挡有什么问题？换挡逻辑你不知道，车在干什么你看不清楚，改装受限，赛道上不够可控。 Hermes 自动积累 skill——它帮你学，但你不知道它学了什么。那个 skill 文件虽然技术上可以打开看，但绝大多数用户根本不会去审查它。 OpenClaw 的 MEMORY.md、USER.md、专属 skill、Harness 配置——你需要亲手去写，去调，去维护。 这就是手动挡。累一点，但你完全掌控。 我用深度配置的 OpenClaw 做过一个测试：加了 Harness 之前，子任务成功率是 33%；加了之后，97%。 这个数字，是手动挡司机开出来的成绩。 真正要用于生产环境，要接多个频道、跑多个 subagent、维护复杂的项目记忆——你需要手动挡。 --- ## S05 — 代码层面的真相（5:30–8:00） 好，现在来说硬核的部分。 我把两个框架的源代码都 clone 下来，让 Claude Code 逐文件读了一遍。 **结论先说：OpenClaw 4 胜，Hermes 1 胜，3 平手。** 你可能会问——Hermes 赢在哪？就一个地方：**Skill 系统。** Agent 可以在运行时自主创建 skill，这个能力 OpenClaw 真的没有，我服。 那 OpenClaw 赢的四个维度呢？ **第一，并发架构。** Hermes 用 Python 的 threading，受 GIL 限制。OpenClaw 用 Node.js 的 Event Loop，天生异步非阻塞。你要同时跑多个频道、多个 subagent，Node.js 是更合适的选择。 **第二，安全模型。** Hermes 靠 39 条正则表达式拦截危险命令——保安查身份证。OpenClaw 有三级执行环境隔离：sandbox、gateway、node——门禁卡系统。哪个更靠谱，不用我说。 顺便说，Hermes 有一个真正让我眼前一亮的安全设计：Smart Approval——用一个小 LLM 帮你判断"这条命令真的危险吗，还是误报？"这个 OpenClaw 没有，确实是创新。 **第三，Context 压缩。** OpenClaw 压缩完的摘要必须包含五个章节：决策、待办、约束、未完成的请求、关键标识符。而且有专门的"标识符保留策略"，确保 UUID 和文件路径在压缩过程中不会丢失。 **第四，代码质量。** 这是最直观的。 Hermes 的核心文件叫 `run_agent.py`。我打开一看——**11,741 行。** 所有核心逻辑：对话循环、工具调用、上下文管理、子 agent 派生，全塞在一个文件里。 这不是架构，这是意大利面。 OpenClaw 最大的单文件，几百行。分层清晰，职责分离。 这说明什么？Hermes 更像一个天才写的快速原型，OpenClaw 是按工程标准打磨过的产品。 --- ## S06 — 我的立场（8:00–9:30） 说了这么多，我的立场很清楚： **我不换。** 但我没有否定 Hermes。 Hermes 有两个设计，我真的服：Agent 自主创建 skill，和 LLM 智能审批。这两个想法值得 OpenClaw 借鉴，我甚至觉得 OpenClaw 团队应该认真去看看。 但作为一个深度用户，我选工具的标准不是"开箱体验好不好"，而是"能不能经得住长期生产使用"。 生态规模：OpenClaw 一万三千多个 skill 扩展，Hermes 一百多个。 平台接入：OpenClaw 五十多个，Hermes 六个。 工程质量：代码层面已经说清楚了。 Hermes 现在的状态是一个天赋极高的少年，还没长大。OpenClaw 是已经经历过生产验证的老兵。 等 Hermes 再跑一年，我会重新评估。但现在，我的选择不变。 --- ## S07 — CTA（9:30–10:30） 你可能会问：那普通用户呢？没有精力深度配置的用户呢？ 说实话，如果你只是想要一个开箱即用、自动学习、不需要折腾的 AI 助手——Hermes 确实更适合你。 但如果你想要真正可控、可审计、可商用的 Agent 平台——OpenClaw，认真配置过之后，不会让你失望。 下期我会专门讲怎么把 OpenClaw 从零配置成真正会"成长"的 Agent——MEMORY.md 怎么写、LightRAG 怎么接、Harness 怎么设计。 **你现在用的是哪个？评论区告诉我，我一一回复。** 记住——关键不是工具，是你愿不愿意学开手动挡。 我是吉贤，我们下期见。 --- ## 附：关键数据点（制作时用） | 数据 | 来源 | |---|---| | Hermes 7周 95,600 stars | TokenMix 2026-04-17 | | OpenClaw 13,000+ skill 扩展 | 官方文档 | | Hermes 118 内置 skill | 官方 v0.10.0 | | Hermes 6 个消息平台 | 官方文档 | | OpenClaw 50+ 平台 | 官方文档 | | run_agent.py 11,741 行 | Claude Code 代码分析 | | Harness 33%→97% | Jixian 亲测 | | Self-Evolution $2-10/次，Phase 2-5 Planned | GitHub README | | OpenClaw 4:1:3 Hermes | Claude Code 代码分析 | | 39 条危险命令正则 | approval.py 源码 | ## 修改记录 | 版本 | 修改内容 | |---|---| | v1.0 | 初稿，8段结构 | | v2.0 | 删S04 Ubuntu比喻；S06改为先给结论再展开；CTA加"评论区告诉我"互动钩；结尾加回扣标题句 |