OpenClaw vs Hermes vs Claude Code
同一颗 Claude 大脑，为什么体验天差地别？有人用出天才程序员，有人用出全能管家，还有人养出了会自学的研究员。秘密就在 Harness——给 AI 装上的"身体"。
一、Harness 是什么？¶
想象一下：有一个智商200的超级大脑，但它被困在培养皿里——没有眼睛、没有耳朵、没有手脚。你对它说话它听不见，它想帮你做事也做不了。
这就是今天的大语言模型（LLM）。Harness，就是给这颗大脑装上的"全套身体"。
Harness 给大脑装上什么？¶
| 身体部位 | Harness 对应功能 | 作用 |
|---|---|---|
| 眼睛和耳朵 | 文件读取、数据访问、用户输入 | 让AI能"看到"外界信息 |
| 嘴巴 | 输出给用户、发送消息 | 让AI能"表达"想法 |
| 手和脚 | 读文件、改代码、跑命令、调API | 让AI能"行动"做事 |
| 小脑和反射神经 | 容错、重试、纠偏机制 | 出错时自动修复 |
| 记忆系统 | 短期记忆+长期记忆+项目知识 | 让AI"记得"你是谁 |
一句话总结：大脑负责"想"，Harness 负责"让它能感知、能行动、能记住、能靠谱地完成任务"。
二、同样是 Claude 大脑，为什么表现天差地别？¶
你可能用过 Claude Code，也可能听说过 OpenClaw。它们背后都是 Claude 这颗大脑，但体验完全不同。
秘密就在于：它们用的是不同的 Harness（身体）。
Claude Code：程序员专用身体¶
Claude Code 是 Anthropic 官方打造的 Harness，专为编程场景设计：
- 能直接在终端里跑命令
- 能读写文件、操作 Git
- 整个循环是"想→做→看结果→再想"
- 最近加了 Channels 功能，能通过插件与微信、Telegram 远程交互
简单说：给 Claude 装了一副"程序员的身体"。
OpenClaw：项目经理/管家的身体¶
OpenClaw（龙虾）则是社区打造的更通用 Harness：
- 能同时连接 Slack、Discord、Telegram 等多个渠道
- 有自己的记忆系统和插件生态（ClawHub）
- 能通过 ACP 协议调度多个 Agent 协同工作
简单说：给 Claude 装了一副"项目经理的身体"——一个管家指挥多个工人干活。
三、新秀登场：Hermes Agent¶
最近有个新项目势头很猛——Hermes Agent（爱马仕，GitHub 已接近 3 万星）。它被认为是 OpenClaw 以来第一个真正意义上的竞争对手。
两者都是自托管开源 Agent，都支持多模型、多平台接入，但设计哲学完全不同：
1. 架构理念：网关 vs 引擎¶
| 维度 | OpenClaw | Hermes |
|---|---|---|
| 核心定位 | Gateway（网关） | Engine（引擎） |
| 设计重心 | 统一接入各种聊天平台 | Agent 自身的执行循环 |
| 类比 | 多渠道个人助理操作系统 | 能自我进化的 Agent 引擎 |
OpenClaw 像一个"调度中心"，把你的各种聊天应用连接到 AI。Hermes 则围绕"Agent 怎么变得越来越强"设计，官方叫 closed learning loop（闭环学习循环）。
2. 技能系统：人工编写 vs 自动生成¶
这是 Hermes 最独特的地方：
Hermes： - 完成复杂任务后（通常涉及 5 次以上工具调用），自动生成结构化技能文档（Markdown） - 下次遇到类似任务，直接加载技能，不用从头解决 - 技能会自我迭代——执行时发现更好的方法，自动更新文档 - Reddit 用户反馈：两小时内生成 3 份技能后，重复任务速度提升 40%
OpenClaw： - 依赖人工编写和社区贡献（ClawHub 技能市场） - 生态更成熟，选择更丰富
3. 记忆体系：搜索引擎 vs 笔记本¶
| 特性 | Hermes | OpenClaw |
|---|---|---|
| 技术方案 | SQLite + 全文检索 | Markdown 文件 + 语义检索 |
| 记忆分层 | 常驻关键信息（MEMORY.md）+ 全量历史检索 | 工作区文件即记忆 |
| 容量 | 无限容量，按需调用 | 依赖文件系统 |
简单说：Hermes 像给 Agent 装了一个搜索引擎式的大脑，OpenClaw 像是给它一个笔记本。
4. 安全思路¶
Hermes： - 五层纵深防御：用户授权、危险命令审批、容器隔离、凭据过滤、上下文注入扫描 - 默认对高风险操作（执行终端命令、写文件）要人工审批 - 超时未批准自动拒绝
OpenClaw：
- 强调信任模型和配置审计
- 提供 openclaw security audit 命令扫描隐患
- 但历史上曾有安全问题：2 月被曝多个高危漏洞，13.5 万个实例暴露公网，300+ 恶意技能
四、Anthropic 的官方答案：Managed Agents¶
面对 Harness 的复杂性，Anthropic 推出了 Managed Agents——一个托管服务，帮用户搞定所有 Harness 的脏活累活。
Managed Agents 的核心理念¶
Anthropic 发现，Harness 会随着模型迭代而过时。比如 Claude Sonnet 4.5 有"上下文焦虑"（快用完上下文窗口时提前结束任务），需要 Harness 来重置上下文；但 Claude Opus 4.5 就没有这个问题——之前的 Harness 优化变成了"死重"。
所以 Anthropic 设计了一个能经得起时间考验的架构：把 Agent 拆成三个独立组件，通过标准接口通信。
三个核心组件¶
| 组件 | 作用 | 类比 |
|---|---|---|
| Session（会话） | 只追加的事件日志，记录所有历史 | 外部硬盘 |
| Harness（大脑+身体） | 调用 Claude 并将工具调用路由到基础设施 | 操作系统 |
| Sandbox（沙盒） | 执行代码和编辑文件的环境 | 手和脚 |
"大脑"与"手"解耦¶
传统架构把 Harness 和 Sandbox 放在同一个容器里，导致： - 容器挂了，Session 就丢了 - Harness 假设所有资源都在它旁边，无法连接用户的私有云
Managed Agents 的解决方案：
- Harness 离开容器 → 通过
execute(name, input)调用 Sandbox，像调用任何其他工具一样 - Sandbox 变成"牲畜" → 如果容器死了，Harness 捕获错误传给 Claude，Claude 决定重试时新建一个
- Harness 也变成"牲畜" → 因为 Session 在外部，Harness 崩溃后可以重启，通过
wake(sessionId)恢复
效果： - 启动时间（TTFT）的中位数降低 60%，95 分位数降低 90% 以上 - 可以连接用户的私有云资源 - 一个 Harness 可以管理多个 Sandbox（多手），多个 Harness 可以共享 Session（多脑）
Session 不是上下文窗口¶
长任务会超出 Claude 的上下文窗口，传统做法（压缩、修剪）都是不可逆的决策——你不知道未来需要哪些信息。
Managed Agents 的 Session 是一个存在于上下文窗口之外的上下文对象。Harness 可以通过 getEvents() 接口灵活地读取历史事件的任意片段，甚至可以在传给 Claude 之前进行转换。
安全边界¶
传统架构中，不可信代码和凭证在同一个容器里运行——提示注入攻击只需要说服 Claude 读取自己的环境变量。
Managed Agents 把凭证放在 Vault 里，通过代理访问： - Git 令牌在 Sandbox 初始化时注入本地 git remote，Agent 从不直接接触 - MCP 工具的 OAuth 令牌存在 Vault，通过代理调用
五、普通人如何选择？¶
如果你现在用着顺手——不用换¶
如果你的 Agent 已经满足需求，没必要折腾。工具是为人服务的，不是人为工具服务。
如果你想要"零运维"体验——选 Managed Agents¶
不想折腾 Harness、Sandbox、Session 这些概念，希望开箱即用——选 Anthropic Managed Agents。它托管在 Claude Platform 上，你只需关注任务本身。
如果你想要"多渠道助理平台"¶
需要接入 微信、飞书、QQ，想用社区现成的技能市场——选 OpenClaw。34.6 万星标不是白来的，生态更成熟。
如果你关心 Agent 的长期进化能力¶
希望它用得越久越聪明，或者你是做 AI 研究的，需要生成训练轨迹、跑强化学习实验——选 Hermes。它的闭环学习架构更对口。
如果你想要编程专用助手¶
主要是写代码、改代码、跑命令——选 Claude Code。这是官方为编程场景专门优化的 Harness。
成本参考¶
| 方案 | 成本 | 特点 |
|---|---|---|
| Claude Code | Anthropic 订阅费 | 官方出品，编程专用 |
| Managed Agents | 按使用量计费 | 零运维，托管服务 |
| OpenClaw | 自托管，取决于部署 | 生态成熟，多渠道 |
| Hermes | 5 美元/月 VPS 起步 | 自进化，研究友好 |
六、一个值得思考的未来¶
Anthropic 在文章中引用了一个计算机科学的经典问题：如何为"尚未被想到的程序"设计系统？
操作系统给出的答案是——虚拟化硬件为通用抽象（进程、文件），让抽象比实现更持久。read() 命令不关心底层是 1970 年代的磁盘还是现代 SSD。
Managed Agents 遵循同样的模式：
我们对接口的形状有主见，但对背后运行什么没有主见。
这意味着： - 今天的 Harness 实现可以被明天的更好实现替换 - 你可以用自己的 Harness，只要符合接口规范 - Claude Code、Hermes、OpenClaw，理论上都可以跑在 Managed Agents 的基础设施上
模型智商是起点，Harness 的质量决定了实际表现的上限。
同一颗 Claude 大脑，Claude Code 让它成为天才程序员，OpenClaw 让它成为全能管家，Hermes 让它成为会自学的研究员，Managed Agents 让它成为即插即用的云服务。
选 Harness，就是选你想要的"身体"。
参考来源¶
- Scaling Managed Agents: Decoupling the brain from the hands - Anthropic Engineering Blog
- Building effective agents - Anthropic
- Effective harnesses for long-running agents - Anthropic
- 宝玉老师分享的 Hermes Agent 使用体验
本文部分素材来源于宝玉老师的分享，感谢开源社区的贡献者们。