从Manus、OpenClaw到Hermes，智能体正在分化成三个物种

Manus 像是一位外聘的专业顾问；OpenClaw 像是一套完全属于你、可自由组装的私人装备/工具库；Hermes 则是一名24小时与你并肩作战、越用越能干的下属/战友。

SZSDQJC

480人浏览 · 2026-04-20 11:36:17

SZSDQJC · 2026-04-20 11:36:17 发布

一句话总结

Manus 像是一位外聘的专业顾问；

OpenClaw 像是一套完全属于你、可自由组装的私人装备/工具库；

Hermes 则是一名24小时与你并肩作战、越用越能干的下属/战友。（请注意该产品被锤抄袭自中国EvoMap团队的开源引擎Evolver，参考新智元发布文章《Hermes Agent抄袭中国团队代码实锤！被锤后回应：你删号》）

问：假如你是一个顶级的产品经理，你认为一个通用的智能体需要解决哪几个关键问题？基于这几个问题，分别对比一下Manus、Openclaw和Hermes。

DeepSeek：衡量一个智能体的好坏，标准只有一个：它能不能在用户所在的场景里，稳定、高效、安全地完成任务。基于这个核心，一个通用智能体需要解决六个关键的产品问题：

智能体如何被“塑造”？用户怎样让智能体理解自己的需求、并长期按自己的意愿行事？
知识如何被“存储与运用”？智能体如何记住用户、如何从过往经验中学习并变得更好？
任务如何被“理解与拆解”？面对一个模糊的自然语言指令，智能体如何将其转化为可执行的计划？
行动如何被“执行与落地”？智能体需要具备怎样的“手脚”来实际操作电脑、调用API、操作文件？
如何确保智能体的“可靠与安全”？在关键任务中，智能体会不会出错？如何防止它做出越权行为？
生态如何被“构建与扩展”？智能体的能力边界如何随需求增长？开发者如何低成本地贡献新能力？

有了这把“六维尺子”，我们就能清晰地量一量当前最具代表性的三个智能体产品。

三个产品的核心定位

Manus：2025年初由中国初创公司Monica.im推出的通用型AI Agent，主打“云端执行”和“端到端任务交付”，GAIA测试成绩优异。2025年拟被Meta以约600亿美元收购，成为AI应用层收购的标志性事件。

OpenClaw：2025年11月由奥地利开发者Peter Steinberger启动的开源AI智能体项目，原名Clawdbot。GitHub星标突破25万，成为开源史上增速最快的软件项目。它打破了AI“只说不做”的边界，能直接接管电脑执行文件读写、浏览器操作、API调用等任务。

Hermes Agent：2026年2月由Nous Research推出的开源自主智能体框架，主打“自我进化”——具备跨会话持久记忆、自动创建并优化技能、内置安全沙箱。上线后迅速在GitHub上狂揽数万星标，被称为“与你一同成长的智能体”。

智能体六问

一、智能体如何被“塑造”？

这是产品定义的第一步。用户如何告诉智能体“你是谁、有什么偏好、希望以什么风格行事”？

Manus：黑盒交付，用户不可干预。用户拿到的是一个由Manus团队完全封装好的“成品”，其行为模式、决策逻辑均由厂商定义，用户仅拥有浏览器界面的使用权。用户无法直接“调教”它的性格或偏好，所有优化依赖厂商的版本迭代。它的定位更像“雇了一位专家替你工作”——你只管提需求，专家用自己的方式完成，但你无法干预他的工作风格。

OpenClaw：开放骨架，完全用户可控。用户通过一组纯文本文件来塑造智能体的全部行为：agent.md定义核心行为逻辑、SOUL.md定义智能体的“人格”与回复风格、USER.md描述用户画像和偏好。用户可以像修改配置文件一样，用自然语言直接调整它的行为。这种设计赋予用户极高的自由度，但也意味着用户需要主动“调教”，而非开箱即用。

Hermes：自我进化，用户引导塑造。 Hermes的行为塑造是一种“用户引导 + 系统自优化”的混合模式。它拥有跨会话的持久记忆系统，通过MEMORY.md和USER.md等文件记住用户的项目偏好、代码规范甚至个人习惯。当用户纠正它的错误或指导它完成某个流程后，它会自动优化自己的行为逻辑，下次遇到类似问题就不会再犯同样的错。它的塑造机制更接近“培养一个下属”——你不需要写配置文件，只需在日常交互中纠正它，它自己会慢慢变成你期望的样子。

产品经理视角小结：三种模式代表了三种不同的产品定位。Manus走“全托管”路线——用户为“省心”买单；OpenClaw走“工具包”路线——用户为“掌控”买单；Hermes走“养成”路线——用户为“成长性”买单。Manus的“黑盒”保证了体验一致性，OpenClaw的“开放骨架”赋予了最大灵活性，Hermes的“自我进化”则试图在两者之间找到平衡。

二、知识如何被“存储与运用”？

智能体如何记住用户？如何从经验中学习？这是衡量智能体“长期价值”的关键。

Manus：云端虚拟机的上下文隔离存储。每个任务都会被分配一个完全隔离的云端虚拟机，其中包含网络、文件系统、浏览器和开发工具。任务执行过程中产生的所有数据、中间产物都存储在该沙箱内，任务结束后沙箱被销毁。这意味着Manus的记忆是“任务级”而非“用户级”的——它能出色地完成单次复杂任务，但不会跨任务积累对用户的深度理解。

OpenClaw：本地三层记忆架构。它的记忆系统分为三层：短期记忆（每日日志，append-only）、近端记忆（完整会话存档）和长期记忆（MEMORY.md，经过筛选的持久知识）。所有记忆以纯文本文件形式存储在本地，同时通过SQLite数据库的FTS5和向量扩展实现混合检索。其“Dreaming”后台记忆整合机制会自动收集短期信号，评估相关性，将符合条件的内容提升到长期记忆。但它缺乏从成功执行中“抽象技能”的能力，每次遇到类似任务仍需要重新推理。

Hermes：跨会话持久记忆+自动技能沉淀。Hermes拥有跨会话的持久记忆系统，能够记住用户的项目偏好、代码规范甚至个人习惯。但更关键的是它的“自进化”机制：当它成功完成一个复杂任务（比如“批量重命名并分类下载的PDF”）后，会自动把这个流程打包成一个可复用的技能，下次直接调用，不再需要重新思考。它的记忆不仅“记住”，还会“归纳”和“复用”。其GEPA优化器可以在无需GPU训练的情况下，通过分析执行轨迹自动优化技能和提示词，成本仅需数美元。

产品经理视角小结：Manus的记忆是“任务级临时记忆”，用完即焚，适合一次性高复杂度任务；OpenClaw的记忆是“个人级日志记忆”，强调本地隐私和可读性；Hermes的记忆是“可积累、可演进的认知型记忆”，强调长期价值。从产品角度看，如果希望智能体“越用越懂你”，Hermes的机制最接近；如果希望每次任务都“无历史包袱”，Manus更合适；OpenClaw则是在两者之间做了一个“用户完全掌控数据”的选项。

三、任务如何被“理解与拆解”？

面对“帮我分析一下最近新能源车的市场趋势，写份报告下周开会用”这样模糊的自然语言指令，智能体如何把它变成可执行的步骤？

Manus：PEV三层架构，任务拆解的“特种作战小队”。Manus采用规划（Planning）、执行（Execution）、验证（Verification）三层闭环架构。规划层扮演“总指挥”：动态拆解任务、建立子任务之间的依赖关系、分配资源并优化执行路径。它会将用户的模糊需求拆解为[搜索数据] → [获取财报] → [收集政策] → [情感分析] → [生成图表] → [撰写报告] → [格式化PPT]这样的原子步骤，并智能安排并行与串行顺序。执行层调用工具完成每个原子步骤，验证层检查结果质量，不通过则触发重试或降级。这本质上是一个“多智能体协同”架构——不同角色各司其职，像一个高效的特种作战小队。

OpenClaw：Agent Runtime运行agentic loop，轻量级动态拆解。它的Agent Runtime负责维护与模型的对话状态，执行“加载记忆 → LLM推理 → 分解任务 → 调用工具 → 汇总结果”的循环。与Manus不同，OpenClaw没有显式的“规划层”，任务拆解完全依赖LLM在一次agentic loop中完成。它的核心理念是“不追求完美编排，把复杂度交给开发者”——用户负责通过优化提示词和技能来提升Agent的规划能力，框架本身不做过多干预。

Hermes：任务拆解 + 执行后复盘。Hermes在执行任务时同样会进行动态拆解，但其独特之处在于执行完成后的处理。当Hermes成功完成一个复杂任务后，它不会像OpenClaw那样“用完即丢”，而是会自动复盘整个执行过程：分析哪些步骤是通用的、哪些工具调用可以抽象为技能，然后自动生成可复用的技能描述文件。下次遇到类似任务时，它不再需要重新规划，直接调用沉淀的技能即可。这意味着Hermes的“拆解能力”会随着使用越来越强。

产品经理视角小结：三者的任务拆解机制体现了不同的产品哲学。Manus把拆解能力“封装”在产品内部，用户无感知但效果稳定；OpenClaw把拆解的责任“下放”给用户和模型，自由度高但依赖用户优化；Hermes则把拆解过程“学习化”——每次拆解都是一次学习机会，能力会持续积累。Manus适合“高复杂度、一次性”的任务，OpenClaw适合“用户有技术能力、愿意调优”的场景，Hermes适合“任务类型重复出现、用户希望越用越快”的长期使用场景。

四、行动如何被“执行与落地”？

智能体不能只“想”，还要能“做”。它需要怎样的“手脚”来实际操作电脑、调用API、操作文件？

Manus：云端虚拟机，全隔离的沙箱执行。每个用户任务都被分配一个完全隔离的云端虚拟机，内置网络、文件系统、浏览器和开发工具。采用零信任架构，用户和Agent在沙箱内拥有完全控制权，包括root访问权限和系统文件修改能力。Manus提供了丰富的工具箱：图像生成、代码编写、文件读写、浏览器浏览等。但这种“全托管”模式意味着所有执行都发生在云端，用户无法在本地运行或自定义执行环境。

OpenClaw：本地直接执行，系统级权限。OpenClaw直接运行在用户本地电脑上，拥有文件系统、浏览器、各类API的完整访问权限，能够执行文件读写、终端命令运行、代码编写、浏览器自动化等任务。它通过Skills机制将各种“可执行能力单元”打包，ClawHub技能市场已收录超过5700项社区技能，覆盖生产力、开发、自动化等11个类别。这种设计让OpenClaw的行动力极强——它可以直接操作你的电脑，就像一个住在本地的数字员工。但这也带来了安全风险：如果权限控制不当，它可能执行危险操作。

Hermes：内置安全沙箱 + 定时调度，平衡执行力与安全性。Hermes内置了40多种工具，涵盖网页浏览、程序编写、文件操作等基础能力。它同样支持本地执行，但相比OpenClaw更强调“安全默认”——危险命令需要审批，内置Cron定时任务和沙箱安全机制。Hermes默认对新手和非技术人员更友好，不需要像OpenClaw那样手动配置大量插件。

产品经理视角小结：Manus的执行是“云端托管”——用户不需要任何配置，但失去了对执行环境的掌控；OpenClaw的执行是“本地直接”——用户拥有完整控制权，但需要自己承担安全责任；Hermes的执行是“本地+护栏”——保留了本地执行的灵活性，同时内置了安全默认值。三者的执行哲学：Manus强调“安全托管”，OpenClaw强调“最大自由”，Hermes强调“安全可控的本地执行”。

五、如何确保智能体的“可靠与安全”？

智能体在执行关键任务时会不会出错？如何防止它做出越权行为？这是产品能否从“玩具”走向“工具”的分水岭。

Manus：云端沙箱隔离，安全与可靠性由厂商兜底。 Manus的沙箱采用零信任架构，任务之间完全隔离，一个任务的故障不会影响其他任务。每个沙箱可独立运行，具备完整的网络、文件系统和开发工具链。用户和Agent在沙箱内拥有完全控制权，但沙箱本身与外界的通信受到严格管控。这种设计将安全责任完全转移到了云平台，用户无需关心底层安全细节，但也意味着用户无法自定义安全策略。

OpenClaw：工具审批 + 并发控制 + 本地优先，安全性依赖用户配置。 OpenClaw通过Lane Queue机制防止并发冲突——每个会话绑定特定执行通道，同一时刻仅允许一个Agent实例操作给定会话资源，解决了AI Agent并发执行中的状态不一致问题。工具调用方面，OpenClaw提供了细粒度的危险工具审批机制，高风险操作需要用户手动确认。DC-Claw等企业级扩展还进一步加入了专家在环（HITL）、RBAC权限隔离、全量动作审计等企业级安全能力。但OpenClaw的安全依赖于用户的主动配置——如果用户关闭了审批机制或配置不当，风险完全由用户承担。

Hermes：安全默认，内置审批与沙箱。 Hermes默认内置了安全沙箱和危险命令审批机制，对新手和非技术人员非常友好。相比OpenClaw需要手动配置大量安全插件，Hermes做到了“开箱即安全”。其调度机制也内置了Cron定时任务支持，用户可以安全地安排定期执行的任务。此外，Hermes的GEPA优化器在自动优化技能和提示词时，每个候选版本必须通过完整测试套件（pytest测试100%通过、大小限制、语义保留等），才能提交为候选升级版本。

产品经理视角小结：Manus的安全是“厂商托管”——用户无需操心，但也无法自定义；OpenClaw的安全是“用户自建”——灵活但门槛高；Hermes的安全是“安全默认”——开箱即用，同时保留了定制空间。从产品成熟度看，Manus适合对安全合规有严格要求的企业（数据不出云平台即可），OpenClaw适合技术能力强且追求极致自由的用户，Hermes适合“不想折腾安全但需要本地执行”的用户。

六、生态如何被“构建与扩展”？

智能体的能力边界如何随需求增长？开发者和用户如何低成本地贡献新能力？

Manus：厂商主导，生态封闭。 Manus的生态完全由Monica团队主导。用户无法自行创建新技能或插件，所有能力扩展依赖厂商的版本更新。这种模式确保了体验的一致性和质量的统一性，但扩展速度完全受限于厂商的开发节奏。Manus联合创始人张涛曾表示，他们“只专注于打造通用的核心架构，并为系统提供足够丰富的工具箱”，但这工具箱的内容由Manus决定，而非社区。

OpenClaw：开源社区驱动，生态开放度最高。 OpenClaw通过Skills机制和ClawHub技能市场构建了极其活跃的开源生态。任何开发者都可以创建新的Skill并提交到ClawHub，目前已收录超过5700项社区技能。核心能力被分解为一组文本协议（agent.md、skill.md等），用极低的摩擦实现功能扩展。开源生态的快速增长吸引了NVIDIA、OpenAI、AWS等从算力、模型、基础设施各层面提供支持，腾讯云、阿里云、智谱AI、MiniMax等国内厂商也完成了全场景卡位布局。

Hermes：开源 + 自进化，生态扩展“自动化”。 Hermes同样开源于GitHub，但它的生态扩展方式与OpenClaw截然不同。OpenClaw依赖开发者手动编写Skill，而Hermes的核心能力之一是“自动创建技能”——当它成功完成一个复杂任务后，会自动将流程打包成可复用的技能，下次直接调用。这意味着Hermes的生态扩展不仅是“用户主动贡献”，更是“系统自动沉淀”。每一个与Hermes交互的用户，都在无形中扩展它的能力边界。其GEPA自进化引擎（获得ICLR 2026 Oral认证）更是让这种能力沉淀实现了算法级的优化。

产品经理视角小结：Manus的生态是“厂商封闭”——质量可控但扩展慢；OpenClaw的生态是“社区开放”——扩展速度快但质量参差；Hermes的生态是“自进化开放”——系统自动沉淀能力，理论上扩展效率最高，但需要足够多的用户交互来驱动进化。

【相关专题】

Palantir解密：说人话，到底什么是“本体”？

Palantir解密：“本体”的建模逻辑及其扩展方向

解密Palantir：AI+时代企业IT演进与“本体”变革的深度剖析

Palantir解密：从企业数字化能力构成说起，“本体”如何破解现代企业数据应用难题？

Palantir解密：从AI到AI Agent，为什么需要“本体”？有没有其他方案？

Palantir解密：“本体”的局限

Palantir解密：李飞飞与强化学习之父对大模型的批评有何不同？兼论“本体”的哲学本质

大模型、VLA模型、世界模型：谁代表通用人工智能未来？“智能仿生学”视角的分析

Palantir解密：从单智能体到多智能体社会，本体、AIP、Apollo如何成就群体智能？

从App时代到智能体时代，如何打破“三堵墙”