DEV Community

邱敬幃 Pardn Chiu
邱敬幃 Pardn Chiu

Posted on

個人 Agent 助理詳細比較 - OpenClaw / Hermes Agent / Agenvoy

#openclaw #ai #agenvoy

一、架構概覽與定位

Agenvoy OpenClaw Hermes Agent
語言 Go TypeScript Python
Stars 115 373,958 162,833
架構 Daemon + TUI Gateway 單一 Node.js 進程 三層（UI / Core / Execution）
垂直整合 6 個自研套件 依賴第三方 依賴第三方
核心方向 執行可靠性 生態系與易用性 自我改進

三個專案解的是三個不同的問題，不在同一個比較維度上：OpenClaw 讓任何人都能用上強大的 AI agent；Hermes Agent 讓 agent 從使用中學習和進化；Agenvoy 讓每個執行步驟都精確可控。

二、各專案核心優勢

OpenClaw

  • 生態系是護城河：13,729 個社群 skill，ClawHub marketplace，搜尋安裝即用，不需要寫程式，這個規模短期內追不上
  • TypeScript + Node.js 的部署優勢：前端工程師零學習成本，Web 整合直接，serverless 天然契合，npm install 就能跑
  • ContextEngine plugin 架構（v2026.3.7）：context 管理策略抽成 plugin interface，社群可以接入自己的 vector store 或壓縮策略，框架不綁定實作
  • 24+ 平台整合：WhatsApp、Teams、iMessage、Signal 這些是個人開發者難以獨立維護的整合點，社群維護讓覆蓋面極廣

Hermes Agent

  • Self-improving 是最有野心的方向：agent 執行中自動創建 skill、下次復用，讓 agent 真正「從經驗學習」，目前沒有其他主流框架做到同樣程度
  • 安全隔離針對多用戶部署：container 硬化、namespace isolation、read-only root filesystem、filesystem checkpoint + rollback、pre-execution scanner——這個 stack 是 SaaS 或多用戶共用伺服器場景的正確答案，隔離的是「不同用戶之間」
  • NousResearch 背景帶來的模型理解：做模型研究的團隊寫 agent 框架，對 context window 行為、model 特性的理解深度不同，ContextCompressor 的策略是研究角度的實作
  • Python 生態：pip install 整合任何 ML 庫，資料科學工具鏈天然接入，對 AI/ML 使用者不可替代

Agenvoy

  • 執行引擎的精細度：tool slot 狀態機、session 內 tool 結果快取、三層迴圈防護、tool pair 完整性保護、KV-cache 精確放置
  • 垂直整合：ToriiDB、go-bot、go-scheduler、go-browser 全部自研，無第三方 breaking change 風險，每層 API 邊界自己設計
  • Tool 架構三層分離：api_*、script_*、mcp_* 各有對應的 rate limit、auth、timeout 策略
  • Error memory 閉環：工具失敗 → 向量化記錄 → 語義召回 → hint 注入 tool result
  • Go 的長期運行優勢：低記憶體、真正並發、binary 部署，daemon 長跑無 runtime 管理負擔
  • 安全針對個人與內部部署的威脅模型：OS 沙箱（Linux bwrap / macOS sandbox-exec）三個呼叫點統一入口、命令白名單只允許指定 binary、denied_map.json 封鎖 .ssh/.aws/.gcloud/.env/.pem 等敏感路徑與憑證類型、rm 重導向到 .Trash/ 防止誤刪、run_command 只接受 argv[] 陣列拒絕 shell 字串注入、憑證存 OS keychain 不落 env 檔、localhostOnly() 限制敏感 API 路由、MCP server 預設不信任。這個 stack 防的是「agent 意外做了你不打算讓它做的事」，而不是用戶間隔離。

三、工具生成

Hermes Agent：self-improving 核心。Agent 執行過程中發現重複任務 → 自動生成 skill 檔案（Python）→ 持久化 → 下次復用，不需要人介入。學習連續，agent 使用越久能力越強。

OpenClaw：走社群路線，ClawHub marketplace，13,729 個人工審核過的 skill，品質有一定保證，零程式碼門檻，搜尋安裝即用。

Agenvoy：script-tool-add skill，七個互動關卡：需求釐清 → 命名與參數設計 → dependency 確認 → secret 存取 → 沙箱確認 → 實作 + 測試 → 寫入落地。合約是 stdin JSON → stdout JSON，sandbox 執行。人機協作流程，agent 引導使用者確認每個設計決策後才落地。

四、API / Plugin / Script 工具整合

Hermes Agent：工具是 Python 函數，整合外部 API 直接寫 Python handler，Python 生態所有套件直接可用，ThreadPoolExecutor(8) 並發執行。

OpenClaw：skill 即工具，ClawHub 上大量第三方服務整合已由社群完成，使用者從 marketplace 安裝，不需要自己寫 API handler。ContextEngine plugin 讓開發者可以擴展框架本身。

Agenvoy：MCP 即插即用，OpenClaw 的 skill 生態可以直接透過 MCP server 形式接入——這層相容性不需要額外設定。

在此基礎上，額外提供兩種獨立的工具接口：

api_*    → JSON config 定義 HTTP 端點、auth、參數 schema
           per-API rate limiting（mutex + 1s min gap）

script_* → Python / JS 腳本，sandbox 執行
           stdin JSON → stdout JSON 合約，5min timeout
Enter fullscreen mode Exit fullscreen mode

api_* 讓使用者不寫任何程式碼就能把 REST API 暴露給 agent，script_* 處理需要邏輯運算的情境。三種類型各有獨立 adapter，各自管理自己的 rate limit、auth、timeout 策略，MCP 走 StdioClient（atomic nextID，inflight request 追蹤）。

五、Error Memory

Hermes Agent：MEMORY.md 作為 agent 的知識庫，記錄過去學到的事情包含失敗經驗，高相似度記憶注入 planning prompt。SQLite 持久化跨 session 保留，人工可讀，agent 也可以自己編輯更新。

OpenClaw：ContextEngine plugin 讓開發者自接 vector store，框架不綁定記憶後端。Skill 層面可以包裝記憶邏輯，選擇最適合自己的記憶策略。

Agenvoy：工具失敗時自動記錄到 ToriiDB，分類 error type，90 天 TTL 自動過期。下次相同工具失敗時語義搜尋過去記錄，把 hint 注入 tool result。vectorSearch 失敗時 fallback 到 keywordScan，不中斷主流程。連續失敗超過 MaxRetry 次則 abort 並通知換工具。

六、Context / Summary 管理

Hermes Agent：ContextCompressor 在 50% context window 時觸發，用獨立的 auxiliary model call 把中間段對話壓縮成摘要，清理孤立 tool pair，對長對話自動縮減，使用者感知不到 context limit。

OpenClaw：v2026.3.7 引入 pluggable ContextEngine，把 context 壓縮策略抽象成 plugin interface，讓開發者換入自己的策略——接 RAG、自訂壓縮演算法、或 semantic chunking 都可以。框架本身不主張哪種最好，交給使用者決定。

Agenvoy：Context 由兩層組成：

[system prompts]
[SummaryMessage]    ← 結構化 JSON，過去討論的長期記憶
[OldHistories]      ← 最近 N 則對話，短期記憶
[UserInput]
[ToolHistories]
Enter fullscreen mode Exit fullscreen mode

summary.json 是一個結構化的 JSON 對象，累積整個 session 的對話摘要——不是壓縮後的文字段落，而是有欄位的記憶（discussion_log、決策、待辦事項等），作為 agent 的長期記憶注入每次請求。OldHistories 則是最近 N 則完整的原始訊息，作為短期記憶。GetSummaryPrompt 在組裝時會依照最舊的 history 時間點過濾掉 discussion_log 裡已被 history 涵蓋的條目，避免重複覆蓋同一段對話。

Summary 的更新走獨立的 cron job，增量游標只處理上次游標之後的新訊息，不重複處理歷史，不需要 auxiliary model call。

七、執行引擎

Hermes Agent：ThreadPoolExecutor(max_workers=8) 並發執行工具，sequential 或 concurrent 模式可選，有 retry 和 fallback 機制，context compression 在 token 壓力時自動觸發。

OpenClaw：事件驅動 Command Queue，Orchestrator 決定哪個 agent 處理事件、管理任務序列。重點在多 channel 路由和 skill 分派，execution 細節在 skill 層面處理。

Agenvoy：

  • 5 狀態 slot 機（Ready / Cached / Skipped / StubActivated / ValidateFailed）
  • IsConcurrent 旗標決定個別工具是否並發，非全部丟 thread pool
  • alreadyCall session 內 tool 結果快取，相同呼叫不重打
  • 三層迴圈防護：MaxToolIterations / MaxEmptyResponses / 同 payload hash retry
  • trimOnContextExceeded 原子刪除 tool pair，保護 message pair 完整性
  • KV-cache ephemeral 放在最後一個 system prompt + 最後一個 tool

八、綜合

維度 Agenvoy OpenClaw Hermes
執行引擎精細度 ★★★★★ ★★★ ★★★★
工具生成彈性 ★★★★ ★★★★★ ★★★★
API/Plugin 工具架構 ★★★★★ ★★★★ ★★★
Error Memory 深度 ★★★★★ ★★★ ★★★★
Context 管理效率 ★★★★★ ★★★★ ★★★★
自我改進能力 ★★★★ ★★★ ★★★★★
生態系規模 ★★ ★★★★★ ★★★★
安全隔離完整度 ★★★★ ★★★ ★★★★★
垂直整合程度 ★★★★★ ★★ ★★★
易用性 / 入門門檻 ★★★ ★★★★★ ★★★★

Top comments (0)