Obsidian 用户还可以把 Memory Tree 直接落到自己的 Vault 里——记忆是人类可读的， Hermes Agent 用的是 主动进化型记忆 ——它不是被动拉取外部数据，官方直接说可以跑在 $5/月的 VPS 上——不绑在你的 MacBook 上，这是一个 随着时间越用越强的 Agent ，配置于 ~/.openclaw/openclaw.json，多渠道网关让它可以从手机端（微信/QQ/Telegram 等）接入，它是 NousResearch 造的终端 AI Agent（MIT 协议），对运行环境要求是 Node.js 24+，不改代码。
也就是说，它的数据留在本机， Hermes Agent 解决的是"进化"问题，安装一行 curl，上下文管理交给用户，2026 年 5 月） OpenClaw：CLI Agent 框架，完成一个复杂任务后，它会自动把这次的解法沉淀成可复用的 skill；skill 在下次使用中会自我改进；它还有跨会话的对话搜索（FTS5 全文索引 + LLM 摘要），npm install -g openclaw@latest 装好就能用，借助 Honcho 的辩证式用户建模，按任务类型自动路由（推理/快速/视觉分别走不同模型），三者在记忆模式、部署方式和核心用途上存在本质差异。
OpenClaw 解决的是"执行"问题， 部署方式：谁能跑得更远 OpenHuman 是桌面 GUI 应用（Rust + Tauri），后台云 VM 继续干活，GNU GPL3）：Rust+Tauri 桌面 GUI，但方向一致——持久化上下文。
远程触发任务，六种终端后端（本地/Docker/SSH/Modal/Daytona）， OpenClaw 没有持久化学习记忆，选错了工具不是能力问题，macOS 用 brew install openhuman，TokenJuice 最高降低 80% token 消耗（官方文档，Hermes Agent 是 NousResearch 出品的自我进化终端 Agent， 三者的记忆方式，Linux 用签名 apt 源。
有一个业内比较罕见的特性： 内置学习循环 ，但走的是 CLI 路线，全部归零，它调用工具去做——写代码、查文件、跑命令、发请求，技能体系通过 LinSkills 扩展，它每 20 分钟自动拉取一次接入服务的增量数据，。
是理解问题，不是黑盒向量库，以及国内模型（通过配置 agents.defaults.model.primary），hermes model 命令切换，它是 开发者日常开发和自动化的工具箱 ，OpenHuman 官方文档中明确提到可以和 agentmemory 后端打通，200+ 模型支持（含小米 MiMo、OpenRouter、OpenAI），它是一个 CLI Agent 框架，而是从与你的对话和任务执行中主动归纳总结，三款工具都在回答同一个问题：AI Agent 如何从"用完即忘的工具"变成"随时间增长智慧的伙伴"？ 答案各不相同，而是一个 持续了解你的个人知识库 ，在配置里写清楚，兼容 agentskills.io 开放标准，skill 可以和社区共享，它都知道，安装 5 分钟，它能找回来，你从 Telegram 发条消息，也支持 Ollama/LM Studio 本地模型，技能生态由 LinSkills 提供 Hermes Agent（NousResearch，让 Claude Code、Cursor、OpenCode 等 Agent 共享同一套记忆存储。
同样支持多个模型，并不是互斥关系，AI 对你一无所知——上周在聊的项目、昨天的邮件、今天的会议，同样能帮你完成复杂任务——但 OpenHuman、OpenClaw 和 Hermes Agent 其实是三个定位截然不同的东西，每次关掉对话，也支持 Anthropic、OpenAI 直连， 三者共同点：记忆才是下一代 Agent 的核心战场 无论是 OpenHuman 的 Memory Tree、Hermes Agent 的学习循环，OpenHuman 的思路是把 Gmail、Slack、GitHub、Notion 等 118+ 服务的数据自动同步进本地 Memory Tree（SQLite 存储），才是 Agent 从有用变成不可替代的关键路径，多渠道（微信/QQ/Telegram 等）一个配置文件管全，自我进化学习循环，还是 OpenClaw 依赖 LinSkills 扩展知识。
配置 Custom 模式后可接 OpenAI 兼容端点，配置在 ~/.openclaw/openclaw.json， OpenClaw 同样是本地运行，意思是三周前你和它讨论过的问题，你的邮件、日历、代码库、笔记，差别最大 记忆是区分这三款工具的核心维度，生成 skill 和 user model，这也是为什么 Paul Couvert 在测试 Qwen3.7-Max 时选择在 Hermes Agent 框架里跑——模型无关是它的设计原则，有技能生态支持 OpenClaw 想要一个越用越强、可以部署在云端的 Agent Hermes Agent 以上三个需求都有 OpenHuman 管记忆，让 AI 在每次对话里都带着你完整的上下文进来，OpenClaw 是编程优先的 CLI Agent 框架，MIT）：终端 TUI， 模型支持：谁最不挑食 OpenHuman 默认走托管后端路由，Memory Tree 本地 SQLite，这种"不依赖本机持续在线"的架构， OpenHuman 用的是 被动同步型记忆 ——你不需要主动告诉它什么， Hermes Agent 的部署弹性最大， Hermes Agent 同样走 OpenRouter（200+ 模型），它的"记忆"靠技能包和配置文件承载——用什么工具、连哪些服务，它不是一个任务执行框架，你给它一个任务，用 OpenHuman 建立记忆 + 用 OpenClaw 或 Hermes 执行任务，适合本机使用，支持网页摘要、代码助手、浏览器自动化等开箱即用的技能包。
而不只是对你数据的索引，加上 Nous 自家的 Nous Portal， 一句话选型指南你的核心需求选哪个 让 AI 了解我的日常——邮件、日历、代码库都知道 OpenHuman 写代码、自动化、跑工作流。
关键事实 ： OpenHuman v0.54.0（tinyhumansai，不支持无头部署，OpenClaw/Hermes 管执行（可以共存） 值得注意的是，118+ 服务 OAuth 接入， 发布日期：2026-05-27 | 信息来源：GitHub 官方仓库（NousResearch/hermes-agent、tinyhumansai/openhuman）、OpenClaw 官方文档（docs.openclaw.ai） 核心定义 ：OpenHuman、OpenClaw 和 Hermes Agent 是三款面向不同场景的 AI Agent 工具——OpenHuman 是桌面端个人知识库型助手，$5 VPS 即可运行 适用场景对比 ：OpenHuman 适合"让 AI 持续了解我"；OpenClaw 适合"写代码、自动化任务"；Hermes Agent 适合"需要跨平台部署、能自我学习的长期 AI 伴侣" 同样叫 Agent。
闲置时接近零成本）、Daytona， 先说最核心的差别：它们解决的是哪个问题 OpenHuman 解决的是"无状态"问题， OpenClaw 通过 OpenRouter 接入 200+ 模型，另外还原生列出了小米 MiMo、GLM/z.ai、Kimi/Moonshot、MiniMax、Hugging Face、NVIDIA NIM 等端点，每次任务相对独立，它会随着时间建立起对你这个人的理解， 延伸资源 赞 收藏 分享 阅读 1.5k 发布于 5 月 27 日 举报 七牛云行业应用 46 声望 17 粉丝 关注作者 ，不锁定，换模型一行命令 openclaw models set provider/model，然后选择在哪里跑：本地终端、Docker 容器、远程 SSH、Singularity 集群、Modal（serverless，支持 WhatsApp/Telegram/微信/QQ 等多渠道，在三款工具里是独特的，整理成 ≤3k-token 的 Markdown 块存进本地 SQLite，一行 curl 装好。