總字數：約15000字 | 預計閱讀時長：45分鐘​

一、引言：2026年開源AI Agent的三足鼎立​

2026年，AI Agent賽道迎來爆發式增長。在這場技術革命中，三個開源專案脫穎而出，成為開發者社群最炙手熱的明星——OpenClaw（小龍蝦）、Hermes Agent（愛馬仕） 和 OpenSquilla（小龍蝦Pro）。​

它們代表了三種截然不同的技術路線：OpenClaw追求"連線一切"的廣度，Hermes Agent追求"自我進化"的深度，而OpenSquilla則追求"Token高效"的精度。理解它們的差異，不僅是選擇工具的問題，更是理解AI Agent未來發展方向的關鍵。​

1.1 OpenClaw"小龍蝦"的崛起背景​

OpenClaw 由奧地利開發者Peter Steinberger於2025年11月創立，最初名為Clawdbot。它的定位非常明確：全平臺執行閘道器。​

在短短幾個月內，OpenClaw憑藉以下優勢迅速走紅：​

•

系統級許可權：能夠接管本地GUI軟體、瀏覽器操作、API呼叫​

•

跨平臺訊息閘道器：統一接入Telegram、Discord、Slack、微信等主流平臺​

•

豐富的外掛生態：ClawHub技能市場擁有超過13,700個社群技能​

•

本地優先架構：資料不離開使用者裝置，隱私有保障​

截至2026年5月，OpenClaw在GitHub上的星標數已突破35萬，成為史上增長最快的開源專案之一。中國開發者親切地稱它為"小龍蝦"，"養蝦"一度成為技術圈的流行梗。​

1.2 Hermes Agent"愛馬仕"的橫空出世​

Hermes Agent 由美國Nous Research實驗室於2026年2月正式推出。Nous Research在大模型社群頗有聲望，曾推出Hermes系列微調模型，積累了大量技術信任。​

Hermes Agent的核心定位是：與你共同成長的持久化個人AI助手。​

它質疑了一個行業慣性假設——"Agent每次啟動都應該是白紙一張"。Hermes的設計哲學是：讓Agent記住一切，從經驗中學習，越用越懂你。​

上線首月，Hermes Agent便收穫2.2萬星標。v0.8.0釋出後單日新增超6400星，截至4月中旬總星標數突破7萬，周均增速是同期OpenClaw的三倍。由於Hermes的發音酷似法國奢侈品牌，中國開發者給它貼上了"愛馬仕"的標籤，"養蝦不如養馬"成為社群新熱梗。​

1.3 OpenSquilla"小龍蝦Pro"的異軍突起​

OpenSquilla 由上海基元律動科技有限公司於2026年5月正式開源。創始人王雲鶴曾任華為大模型負責人，長期研究模型壓縮和高效計算；CTO韓凱是原同廠實驗室首席研究員。專案開源僅數週，便完成首輪融資，估值高達1億美元。​

OpenSquilla的核心定位是：Token高效的微核心AI Agent框架。​

它直擊行業痛點——大多數AI Agent都在"暴力堆Token"，而OpenSquilla選擇"精準投放Token"。透過獨創的四層架構，在不降低任務完成質量的前提下，將Token消耗降低60%-89%。​

截至2026年6月，OpenSquilla在GitHub上的星標數已突破3,700，周均增速驚人。中國開發者因其與OpenClaw同屬"小龍蝦"家族，且定位更高階，親切地稱它為"小龍蝦Pro"或"澳龍"。​

1.4 三者在AI Agent賽道的定位差異​

​



| 維度 | OpenClaw（小龍蝦） | Hermes Agent（愛馬仕） | OpenSquilla（小龍蝦Pro） |
| --- | --- | --- | --- |
| 核心定位 | 全平臺執行閘道器 | 自進化智慧體 | Token高效智慧體 |
| 設計哲學 | 連線一切，高效執行 | 記住一切，持續成長 | 精準投放，極致降本 |
| 技術棧 | TypeScript (Node.js) | Python | Python 3.12+ |
| 出品方 | OpenClaw團隊（後轉為基金會託管） | Nous Research | 上海基元律動科技 |
| GitHub星標 | 35萬+ | 10萬+（增速更快） | 3,700+（快速增長） |
| 社群暱稱 | 小龍蝦 | 愛馬仕 | 小龍蝦Pro/澳龍 |



​

一句話總結：OpenClaw像一臺"超級路由器"，把大模型接入各種渠道讓你用；Hermes Agent像一個"會成長的系統"，從任務中自動學習、沉澱技能；OpenSquilla則像一位"精明的管家"，幫你在不損失能力的前提下，把Token賬單砍掉一大半。​

二、核心特性對比​

2.1 OpenClaw的核心特性​

1）Gateway閘道器架構​

OpenClaw的核心是一套中央Gateway，所有外部工具、平臺、Agent都掛在上面，路由和執行由這個中樞統一排程。這種架構的優勢是擴充套件性強——新接一個平臺只需寫一個介面卡，不影響其他元件。​

2）跨平臺訊息整合​

OpenClaw支援接入Telegram、Discord、Slack、微信等主流訊息平臺，使用者可以在任何熟悉的介面上與Agent互動。​

3）本地優先（Local-First）​

資料儲存在本地，不依賴雲端服務。這種設計保護了使用者隱私，但也意味著Agent的能力受限於本地環境。​

4）豐富的外掛生態​

ClawHub技能市場提供超過13,700個社群技能，涵蓋程式碼編寫、檔案操作、瀏覽器控制、API呼叫等場景。技能採用三級管理機制（官方認證、社群推薦、使用者自定義）。​

5）IDE深度整合​

OpenClaw與VS Code等IDE深度整合，可以直接在編輯器中呼叫Agent完成程式碼編寫、測試、PR等任務。​

2.2 Hermes Agent的核心特性​

1）四層記憶架構​

Hermes Agent設計了四層記憶體架構，從短期工作記憶到長期知識沉澱，層層遞進：​

​



| 記憶層級 | 功能說明 | 儲存方式 |
| --- | --- | --- |
| 會話記憶 | 當前對話的上下文 | 記憶體 |
| 情景記憶 | 跨會話的互動歷史 | SQLite FTS5 |
| 語義記憶 | 從多次互動中提煉的通用知識 | 向量資料庫 |
| 技能記憶 | 成功任務自動提煉為可複用Skill | ~/.hermes/skills/ |



​

2）閉環學習機制​

Hermes的核心創新是閉環學習迴圈（Closed Learning Loop）：​

•

接收任務 → 規劃執行步驟 → 執行任務並記錄全流程​

•

任務完成後自動覆盤 → 提取關鍵步驟 → 固化為可複用Skill​

•

下次同類任務直接呼叫並持續最佳化​

官方資料：同一類任務執行5次以上，系統會自動建議儲存為Skill，之後每次呼叫都會自動用最優路徑。​

3）技能自動生成​

當一輪任務滿足複雜度條件（工具呼叫≥5次、從錯誤中恢復、或收到使用者修正）時，Agent會自動將成功經驗編寫為結構化的SKILL.md文件。v0.8.0版本已內建118種預置技能，涵蓋26個類別。​

4）200+模型相容​

Hermes打破廠商鎖定，支援200多種大語言模型，包括OpenAI、Anthropic、Google、智譜、阿里通義等主流廠商。​

5）微信原生接入​

2026年4月，Hermes宣佈原生接入微信，使用騰訊官方的iLink Bot API。使用者執行hermes gateway setup，終端掃碼，就能把微信變成Agent的指揮入口。​

2.3 OpenSquilla的核心特性​

1）SquillaRouter智慧路由​

OpenSquilla的核心創新在於內建了SquillaRouter——一個執行在本地裝置上的輕量級ML分類器（基於LightGBM + ONNX Runtime）。它能在毫秒級內判斷任務複雜度，並自動分配至最合適的模型層級：​

•

T0級別（簡單）：使用最快最便宜的模型（如GLM5.1、DeepSeek Flash）​

•

T1-T3級別（複雜）：按需使用Opus4.7等高階模型​

路由決策在本地完成，延遲<20ms，無額外API開銷。實測資料顯示，智慧路由可節省60%-89%的Token成本。​

2）四層架構精準控費​

OpenSquilla採用微核心四層架構，全方位管控Token消耗：​

​



| 架構層級 | 功能說明 | 降本效果 |
| --- | --- | --- |
| 智慧模型路由 | 根據任務複雜度自動匹配模型 | 避免"大材小用"，節省40%+ |
| 精準上下文管理 | 按需載入上下文，過濾冗餘資訊 | 上下文體積減少63% |
| MetaSkill技能編排 | 按需喚醒工具技能，用完即釋放 | 避免技能常駐資源浪費 |
| 自進化迭代機制 | 持續最佳化路由策略和篩選邏輯 | 越用越精準，長期降本 |



​

3）四層認知記憶系統​

OpenSquilla同樣採用四層記憶架構（工作記憶→情景記憶→語義記憶→原始記憶），並引入"記憶夢境整合"機制：每24小時自動將零散記憶結構化，形成常青知識。所有記憶儲存在本地SQLite資料庫，支援FTS關鍵詞搜尋和語義召回。​

4）MetaSkill智慧技能編排​

區別於傳統的技能常駐載入，OpenSquilla的MetaSkill機制可智慧編排、按需喚醒工具技能。任務需要才載入，用完即刻釋放，避免多技能同時常駐造成的資源浪費與呼叫冗餘。​

v0.3.0版本已支援將可重複的多步驟工作流封裝為可複用的MetaSkill，進一步提升執行效率。​

5）多渠道統一接入​

基於Starlette的ASGI伺服器，OpenSquilla統一支援Web UI、CLI、Telegram、Discord、Slack、飛書、釘釘、企業微信、MS Teams、Matrix、QQ等10+渠道，同一個Agent後端可同時服務多個前端。​

6）三層安全沙箱​

OpenSquilla內建三層安全沙箱機制：​

•

Standard：直接執行，適用於低風險操作​

•

Strict：沙箱批准，中等風險操作需授權​

•

Locked：人工稽核，高風險操作必須人工確認​

Linux下使用Bubblewrap實現系統級隔離，連續三次高風險操作被拒後自動暫停，防止失控。​

2.4 特性對比總覽表​

​



| 特性維度 | OpenClaw（小龍蝦） | Hermes Agent（愛馬仕） | OpenSquilla（小龍蝦Pro） |
| --- | --- | --- | --- |
| 記憶系統 | 依賴外部系統或外掛，Markdown檔案儲存 | 內建四層記憶架構，SQLite+向量資料庫 | 內建四層記憶架構，本地SQLite+語義召回 |
| 技能系統 | 人工編寫，ClawHub市場（13,700+技能） | 自動生成，閉環學習（118種內建技能） | MetaSkill智慧編排，按需喚醒 |
| 模型支援 | 主流模型 | 200+模型 | 約20個LLM提供者，智慧路由自動匹配 |
| 平臺整合 | Telegram、Discord、Slack、微信等 | 微信（官方API）、企業微信等 | 10+渠道（含飛書、釘釘、QQ等） |
| 部署方式 | 本地優先，Windows一鍵部署包 | 雲端駐留，支援Docker容器化 | 本地優先，Windows便攜包/命令列安裝 |
| 上下文消耗 | 較高（128K tokens維持複雜對話） | 較低（20K tokens達到同等效果） | 極低（智慧裁剪，減少63%） |
| Token成本 | 較高，依賴手動最佳化 | 中等，有學習曲線 | 極低，實測降低60%-89% |
| 安全機制 | 需手動配置 | 預設審批機制 | 三層安全沙箱，自動暫停 |



​

三、國產"龍蝦"軍團：國內Agent產品全景​

OpenClaw的火爆催生了國內"龍蝦"產品的爆發式增長。各大廠商紛紛推出自己的Agent產品，形成了百花齊放的局面。​

3.1 國內Agent產品全景表​

​



| 公司/團隊 | 產品名稱 | 定位 | 特點 |
| --- | --- | --- | --- |
| 騰訊電腦管家 | QClaw | 本地部署+微信直連 | 免費公測，微信生態深度整合 |
| 騰訊雲 | WorkBuddy | 雲端+本地混合 | 企業辦公場景，騰訊雲生態 |
| 位元組跳動 | ArkClaw | 企業版雲端SaaS | 位元組生態深度整合，火山引擎支援 |
| 智譜AI | AutoClaw（澳龍） | 本地部署 | GLM-5模型，瀏覽器自動化 |
| 網易有道 | LobsterAI（有道龍蝦） | 開源免費 | MCP協議，圖形化技能商店 |
| 阿里雲 | HiClaw | 團隊版Claw | 開源，企業協作場景 |
| 阿里雲 | CoPaw | 個人智慧體工作臺 | 千問模型，AgentScope框架 |
| 阿里雲 | JVS Claw | 雲端&本地一鍵部署 | 無影雲桌面整合 |
| 百度智慧雲 | DuMate（搭子） | 本地部署 | 內建安全沙箱、許可權管控和審計 |
| 百度智慧雲 | DuClaw | 雲端部署 | 百度生態整合 |
| 小米 | MiClaw | 移動端 | 米家生態聯動，系統級操作 |
| 月之暗面 | KimiClaw | 安卓+本地+雲端 | Kimi模型，需要訂閱會員 |
| MiniMax | MaxClaw | 雲端 | MiniMax模型，需要訂閱會員 |



​

3.2 代表性產品深度解析​

1）騰訊QClaw：微信生態的王者​

核心優勢：​

•

微信直連：無需額外配置，微信掃碼即可使用​

•

本地部署：資料不出裝置，隱私有保障​

•

免費公測：降低使用門檻，快速上手​

適用場景：​

•

個人使用者：微信訊息管理、日程安排、資訊查詢​

•

小團隊：協作溝通、任務分配、檔案共享​

侷限性：​

•

依賴微信生態，跨平臺能力有限​

•

本地部署需要一定的技術基礎​

2）智譜AutoClaw（澳龍）：國產模型的標杆​

核心優勢：​

•

GLM-5模型：智譜自研大模型，中文理解能力強​

•

瀏覽器自動化：深度整合瀏覽器操作，網頁互動能力強​

•

本地部署：資料安全可控​

適用場景：​

•

網頁資料採集：自動抓取網頁資訊，結構化處理​

•

表單自動填寫：批次處理表單提交​

•

UI自動化測試：模擬使用者操作，自動化測試​

技術亮點：​

•

支援多模態輸入：圖片、文字、語音​

•

內建安全機制：許可權控制、操作審計​

3）網易LobsterAI（有道龍蝦）：開源社群的新星​

核心優勢：​

•

100%開源：MIT許可證，完全免費​

•

MCP協議：支援Model Context Protocol，擴充套件性強​

•

圖形化技能商店：視覺化管理技能，降低使用門檻​

適用場景：​

•

開發者：快速構建自定義Agent​

•

學習者：學習Agent開發的最佳實踐​

•

企業：基於開源框架定製企業級Agent​

技術亮點：​

•

模組化設計：元件可插拔，易於擴充套件​

•

社群活躍：持續更新，快速迭代​

4）百度DuMate（搭子）：企業級安全方案​

核心優勢：​

•

安全沙箱：內建沙箱機制，隔離執行環境​

•

許可權管控：細粒度許可權控制，最小許可權原則​

•

審計能力：完整操作日誌，合規審計​

適用場景：​

•

金融行業：合規要求高，需要完整審計​

•

政府機構：資料安全要求嚴格​

•

大型企業：需要統一管理、許可權控制​

技術亮點：​

•

支援本地部署：資料不出企業網路​

•

整合百度生態：百度搜尋、百度網盤等​

3.3 國產Agent選型建議​

​



| 需求場景 | 推薦產品 | 理由 |
| --- | --- | --- |
| 個人使用者，微信重度使用者 | QClaw | 微信直連，免費公測 |
| 開發者，需要瀏覽器自動化 | AutoClaw | GLM-5模型，瀏覽器能力強 |
| 技術愛好者，喜歡開源 | LobsterAI | 100%開源，社群活躍 |
| 企業使用者，安全要求高 | DuMate | 安全沙箱，許可權管控 |
| 團隊協作，需要雲端部署 | WorkBuddy | 騰訊雲生態，企業級支援 |
| 移動端使用，小米使用者 | MiClaw | 米家聯動，系統級操作 |



​

四、安裝與配置​

4.1 OpenClaw的安裝與配置​

環境要求：​

•

Node.js ≥ 22​

•

支援Windows、macOS、Linux​

安裝步驟：​

1）下載Windows一鍵部署包（43MB）​

​

Code block​

Plain Text

訪問 https://openclaw.dev/download 下載安裝包​

​

2）執行安裝程式，全程視覺化操作，5分鐘完成​

3）配置模型提供商​

​

Code block​

Bash

openclaw config set provider openai​

openclaw config set api-key YOUR\_API\_KEY​

​

4）連線訊息平臺​

​

Code block​

Bash

openclaw connect telegram​

openclaw connect wechat​

​

5）啟動Agent​

​

Code block​

Bash

openclaw start​

​

配置檔案位置：~/.openclaw/config.yaml​

4.2 Hermes Agent的安裝與配置​

環境要求：​

•

Python 3.11+​

•

uv包管理器​

•

支援Linux、macOS、WSL2​

安裝步驟：​

1）安裝uv包管理器​

​

Code block​

Bash

curl -LsSf https://astral.sh/uv/install.sh | sh​

​

2）安裝Hermes Agent​

​

Code block​

Bash

uv pip install hermes-agent​

​

3）執行配置嚮導​

​

Code block​

Bash

hermes setup​

​

4）選擇模型提供商（以智譜GLM為例）​

•

選擇"More providers..."​

•

選擇"Z.AI"​

•

貼上API Key​

•

選擇模型（如glm-5.1）​

5）啟動Agent​

​

Code block​

Bash

hermes​

​

配置檔案位置：~/.hermes/config.yaml​

雲端部署（騰訊雲輕量伺服器）：​

1.

購買4H4G輕量應用伺服器​

2.

選擇lighthouse使用者免密登入​

3.

執行hermes setup完成配置​

4.

執行hermes啟動Agent​

4.3 OpenSquilla的安裝與配置​

環境要求：​

•

Python 3.12+​

•

uv包管理器​

•

支援Windows、macOS、Linux​

安裝方式一：Windows便攜包（推薦新手）​

1）下載便攜包​

​

Code block​

Plain Text

訪問 https://github.com/opensquilla/opensquilla/releases/latest 下載​

OpenSquilla-windows-x64-portable.zip​

​

2）解壓到可寫資料夾（如Downloads或Documents）​

3）右鍵Start OpenSquilla.cmd → 以管理員身份執行​

4）首次啟動進入引導配置，選擇模型提供商並貼上API Key​

5）開啟瀏覽器訪問 [http://127.0.0.1:18791/control/](http://127.0.0.1:18791/control/) 進入Web UI​

安裝方式二：命令列安裝（推薦開發者）​

1）安裝uv包管理器​

​

Code block​

Bash

​

2）安裝OpenSquilla​

​

Code block​

Bash

uv tool install opensquilla​

​

3）執行配置嚮導​

​

Code block​

Bash

opensquilla onboard​

​

4）啟動閘道器​

​

Code block​

Bash

opensquilla gateway run​

​

5）訪問Web UI​

​

Code block​

Plain Text

開啟 http://127.0.0.1:18791/control/​

​

安裝方式三：從原始碼安裝（跟蹤最新特性）​

​

Code block​

Bash

\# 克隆倉庫​

git clone https://github.com/opensquilla/opensquilla.git​

cd opensquilla​

git lfs pull​

​

\# 安裝​

\# Linux/macOS​

bash install.sh​

\# Windows​

powershell -ExecutionPolicy Bypass -File .\\install.ps1​

​

\# 配置並啟動​

opensquilla onboard​

opensquilla gateway run​

​

配置檔案位置：~/.opensquilla/config.yaml​

4.4 環境要求與依賴對比​

​



| 對比維度 | OpenClaw | Hermes Agent | OpenSquilla |
| --- | --- | --- | --- |
| 執行環境 | Node.js ≥ 22 | Python 3.11+ | Python 3.12+ |
| 包管理器 | npm | uv | uv |
| 作業系統 | Windows、macOS、Linux | Linux、macOS、WSL2 | Windows、macOS、Linux |
| 部署方式 | 本地優先 | 雲端駐留 | 本地優先 |
| 安裝複雜度 | 一鍵部署包，5分鐘 | 命令列安裝，10分鐘 | 便攜包/命令列，5-10分鐘 |
| 雲廠商支援 | 無官方支援 | 騰訊雲、阿里雲一鍵部署 | 無官方支援 |
| Web UI | 無 | 無 | 內建（埠18791） |



​

五、使用場景與實踐​

5.1 OpenClaw的典型使用場景​

1）跨平臺訊息聚合​

將Telegram、Discord、Slack、微信等訊息統一接入，一個Agent管理所有渠道。​

2）IDE輔助程式設計​

在VS Code中直接呼叫Agent完成程式碼編寫、測試、PR、程式碼審查等任務。​

3）瀏覽器自動化​

接管瀏覽器操作，自動完成網頁填表、資料抓取、UI測試等任務。​

4）本地軟體控制​

透過系統級許可權接管本地GUI軟體，實現自動化操作。​

5）API整合開發​

快速接入各種第三方API，構建自動化工作流。​

適用人群：需要連線多種工具和平臺的開發者、運維人員​

5.2 Hermes Agent的典型使用場景​

1）長期專案協作​

Agent記住專案背景、技術棧、程式碼風格，跨會話持續協作。​

2）技能沉澱與複用​

將重複性任務自動提煉為Skill，下次直接呼叫，效率提升40%。​

3）微信7×24小時待命​

透過微信隨時下達指令，Agent在雲端持續執行，實時響應。​

4）定時任務自動化​

內建Cron排程器，支援自然語言驅動的定時任務。​

5）企業辦公整合​

深度整合企業微信、飛書等辦公生態，成為數字員工。​

適用人群：需要長期協作、技能沉澱的知識工作者、企業使用者​

5.3 OpenSquilla的典型使用場景​

1）成本敏感的AI Agent部署​

企業或個人開發者在有限預算下部署AI Agent服務，OpenSquilla的智慧路由可大幅降低API成本。實測資料顯示，相同任務完成質量下，API成本降低80%-90%。​

2）多模型智慧路由​

SquillaRouter根據任務複雜度自動選擇最合適的模型，簡單任務用輕量模型，複雜任務才用重量級模型，避免"大材小用"。​

3）長期自動化任務​

內建Cron排程器支援定時任務，結合四層記憶和自進化機制，越用越精準，長期執行成本持續降低。​

4）多渠道統一運營​

同一Agent後端同時服務Web UI、CLI、Telegram、飛書、釘釘、QQ等10+渠道，適合矩陣運營或企業通訊整合。​

5）隱私敏感場景​

四層認知記憶執行在本地，嵌入推理使用本地CPU執行的ONNX模型，資料不出本地，適合對資料隱私有嚴格要求的企業內部部署。​

適用人群：預算敏感的開發者、中小企業、隱私敏感使用者、多平臺運營者​

5.4 場景選擇建議​

​



| 場景需求 | 推薦選擇 | 理由 |
| --- | --- | --- |
| 需要連線多種平臺和工具 | OpenClaw | Gateway架構，擴充套件性強 |
| 需要Agent記住上下文 | Hermes Agent | 四層記憶架構，跨會話持久化 |
| 需要技能自動沉澱 | Hermes Agent | 閉環學習，自動生成Skill |
| 需要本地部署，資料不出裝置 | OpenClaw / OpenSquilla | Local-First架構 |
| 需要雲端7×24小時執行 | Hermes Agent | 雲端駐留，支援Docker |
| 需要快速上手，5分鐘部署 | OpenClaw | 一鍵部署包 |
| 需要長期協作，越用越懂你 | Hermes Agent | 自進化機制 |
| 需要極致降本，控制Token成本 | OpenSquilla | 智慧路由，實測降本60%-89% |
| 預算有限，個人/創業團隊 | OpenSquilla | 成本最低，價效比最高 |
| 需要內建Web管理介面 | OpenSquilla | 內建Web UI，視覺化管理 |



​

六、安全機制與風險​

6.1 OpenClaw的安全機制​

安全特性：​

•

本地部署，資料不離開使用者裝置​

•

支援自定義許可權配置​

已知風險：​

•

2026年初爆出高危漏洞CVE-2026-25253，24小時內修復​

•

安全需要使用者自己配置邊界，框架層面沒有預設內建完整的審批與隔離機制​

•

生產環境使用存在潛在風險​

防範建議：​

•

及時更新到最新版本​

•

配置嚴格的許可權邊界​

•

避免在生產環境直接使用​

6.2 Hermes Agent的安全機制​

安全特性：​

•

預設標配危險命令審批流程​

•

使用者授權機制​

•

容器隔離（支援Docker、SSH等多種終端後端）​

•

上下文掃描​

•

資料本地儲存，零資料追蹤​

潛在風險：​

•

自進化能力帶來不確定性——當Agent可以自主修改自身行為時，透明度和可控性取決於使用者對框架的理解深度​

•

技能自動生成依賴LLM，可能存在注入風險​

防範建議：​

•

定期審查自動生成的Skill​

•

配置合理的許可權邊界​

•

使用容器隔離部署​

6.3 OpenSquilla的安全機制​

安全特性：​

•

內建三層安全沙箱（Standard/Strict/Locked）​

•

Linux下使用Bubblewrap實現系統級隔離​

•

連續三次高風險操作被拒後自動暫停​

•

本地路由決策，提示詞不會外洩​

•

資料本地儲存，嵌入推理使用本地CPU​

潛在風險：​

•

專案較新，安全審計經驗不足​

•

自進化機制可能帶來不可預期的行為​

防範建議：​

•

根據場景選擇合適的安全沙箱級別​

•

定期審查自進化產生的路由策略調整​

•

關注專案安全公告，及時更新​

6.4 潛在風險與防範建議​

​



| 風險型別 | OpenClaw | Hermes Agent | OpenSquilla | 防範措施 |
| --- | --- | --- | --- | --- |
| 資料洩露 | 本地儲存，風險較低 | 本地儲存，風險較低 | 本地儲存，風險較低 | 定期備份，加密儲存 |
| 許可權濫用 | 需手動配置 | 預設審批機制 | 三層安全沙箱 | 最小許可權原則 |
| 漏洞利用 | 已爆出CVE | 暫無公開漏洞 | 專案較新，待觀察 | 及時更新，安全審計 |
| 模型注入 | 依賴外部LLM | 依賴外部LLM | 依賴外部LLM | 輸入驗證，輸出過濾 |
| 自進化失控 | 不適用 | Agent自主修改行為 | 路由策略自動最佳化 | 定期審查Skill/路由策略 |



​

七、總結與展望​

7.1 三者的核心差異總結​

​



| 維度 | OpenClaw（小龍蝦） | Hermes Agent（愛馬仕） | OpenSquilla（小龍蝦Pro） |
| --- | --- | --- | --- |
| 核心價值 | 連線一切的廣度 | 自我進化的深度 | Token高效的精度 |
| 技術路線 | Gateway閘道器 + 外掛生態 | 記憶持久化 + 技能自動生成 | 智慧路由 + 微核心架構 |
| 適用場景 | 跨平臺整合、工具呼叫 | 長期協作、技能沉澱 | 成本敏感、極致降本 |
| 學習曲線 | 低，5分鐘上手 | 中，需要理解自進化機制 | 低，便攜包即裝即用 |
| 生態成熟度 | 高，13,700+技能 | 中，118種內建技能 | 低，快速增長中 |
| 未來潛力 | 穩定，持續擴充套件平臺 | 高速，自進化帶來指數增長 | 爆發，Token效率成剛需 |



​

7.2 選擇建議​

選擇OpenClaw，如果你：​

•

需要快速連線多種平臺和工具​

•

偏好本地部署，資料不出裝置​

•

喜歡成熟的外掛生態​

•

需要IDE深度整合​

選擇Hermes Agent，如果你：​

•

需要長期協作，Agent越用越懂你​

•

希望技能自動沉澱，減少重複勞動​

•

需要雲端7×24小時執行​

•

願意投入時間理解自進化機制​

選擇OpenSquilla，如果你：​

•

預算有限，需要極致控制Token成本​

•

需要多模型智慧路由，避免"大材小用"​

•

希望有內建Web管理介面​

•

需要多渠道統一接入（含飛書、釘釘、QQ等）​

組合使用：​

三個專案並非完全對立，開發者可以根據需求組合使用：​

•

OpenClaw + Hermes Agent：用OpenClaw作為前端閘道器接入各種平臺，用Hermes Agent作為後端引擎處理複雜任務​

•

OpenSquilla + OpenClaw：用OpenSquilla作為成本最佳化層，OpenClaw作為渠道接入層，實現"入口廣+成本低"​

•

OpenSquilla + Hermes Agent：用OpenSquilla的智慧路由降低成本，用Hermes Agent的記憶和自進化能力提升智慧​

7.3 AI Agent的未來發展趨勢​

1）記憶與進化成為標配​

Hermes Agent的四層記憶和閉環學習機制，很可能成為未來AI Agent的標配。使用者不再接受"金魚記憶"的Agent。​

2）Token效率成為核心競爭力​

OpenSquilla的智慧路由和上下文裁剪技術，證明瞭"精準投放Token"比"暴力堆Token"更有效。隨著Agent規模化部署，Token成本控制將成為企業生死線。​

3）技能自動生成改變開發正規化​

當Agent能從任務中自動學習、沉澱技能，傳統的"寫程式碼"可能變成"教Agent"。開發者的角色從"編碼者"變成"訓練師"。​

4）雲端駐留成為主流​

Agent需要7×24小時執行，本地部署的侷限性日益明顯。雲端駐留、容器化部署將成為主流。​

5）安全與可控性成為關鍵​

當Agent具備自進化能力，安全和可控性成為核心挑戰。如何讓Agent"越用越聰明"的同時保持透明和可控，是未來的重要課題。​

6）生態競爭加劇​

OpenClaw的ClawHub、Hermes的技能系統、OpenSquilla的MetaSkill，代表了三種不同的生態建設思路。未來，生態的豐富度和質量將成為競爭的關鍵。​

​

​

本文回顧：​

本文全面介紹了2026年開源AI Agent賽道的三大明星——OpenClaw（小龍蝦）、Hermes Agent（愛馬仕）和OpenSquilla（小龍蝦Pro），以及國內"龍蝦"產品的全景。我們從核心特性、安裝配置、使用場景、安全機制等多個維度進行了全面分析。​

核心結論：​

•

OpenClaw代表"連線一切"的廣度路線，適合需要跨平臺整合的場景​

•

Hermes Agent代表"自我進化"的深度路線，適合需要長期協作的場景​

•

OpenSquilla代表"Token高效"的精度路線，適合成本敏感的場景​

•

國內"龍蝦"產品百花齊放，各有特色，可根據需求選擇​

•

三者並非對立，未來可能走向融合，開發者可按需組合使用​

選擇哪個工具，取決於你的核心需求：是連線的廣度、進化的深度，還是成本的精度？​

技術架構原理詳解：關於OpenClaw、Hermes Agent、OpenSquilla以及Claude Code的底層架構和原始碼分析，請參閱《3.5-Agent智慧體架構》章節。​

作者：無涯​