最近在AI圈子里，大家见面打招呼的方式都变了，不再问“你用什么大模型”，而是问“你今天养虾还是养马？”这听起来像是什么新型宠物饲养指南，但实际上，这是当下最硬核的AI智能体（Agent）圈子里的黑话。“虾”指的是生态成熟、主打多平台接入的OpenClaw；而“马”则是近期爆火、主打自我进化的Hermes Agent。

一、基础名词通俗释义

     1.养虾 = 部署 OpenClaw 

OpenClaw 是 2026 年初爆火的开源 AI 执行智能体，图标为红色龙虾，社区戏称 “龙虾 / 虾”；部署、调试、日常运维 OpenClaw 的全过程圈内统一叫养虾。它主打手动配置技能、网关调度执行，是第一代可操控电脑、浏览器、文件的实干型 AI 框架。

      2.养马 = 部署 Hermes Agent

Hermes Agent 由硅谷 Nous Research 实验室开源，发音对标奢侈品牌 Hermès，国内简称 “爱马仕、马”；搭建、调教、持续使用 Hermes Agent 称为养马。官方定位The agent that grows with you（与使用者共同成长的智能体），主打自主学习、自动生成技能、多层持久记忆，是第二代自进化智能体标杆。

二、“养虾” 与 “养马”：共同点 & 核心差异

（一）二者相同之处

1.底层定位一致

均属于动作型 AI 智能体，区别于 ChatGPT、文心一言这类仅文本输出的对话模型；两者都能操控本地文件、浏览器、邮件、脚本、办公软件，可 7×24 小时充当数字劳工，自动完成批量工作流。

2.开源协议与部署形态

全部采用 MIT 开源许可，本地私有化部署，用户数据、记忆文件全部存本机，不上传第三方平台，隐私可控；支持 Linux、macOS、Windows（WSL2）多系统运行。

3.多渠道交互能力拉平

原生支持 Telegram、Discord、Slack，中文社区适配微信、飞书网关，手机发消息就能远程下发任务；都可对接 OpenAI、DeepSeek、MiniMax、小米 MiMo 等数十家大模型 API。

4.社区变现路径重合

两者生态都衍生代部署、定制工作流、技能包售卖、自动化账号运营、企业内部数字员工搭建等同一套副业变现模式。

（二）核心维度详细对比（依据官方文档实测）

为了让你看得更直观，我做了一个表：

维度	“养虾” (OpenClaw)	“养马” (Hermes Agent)
🧠 核心机制	配置驱动：人是主导，人写技能(Skill)，它调用。	学习驱动：AI主导，你给目标，它自己写技能、改技能。
💰 Token消耗	吞金巨兽：技能全量加载，一次对话动辄10万token，钱包在滴血。	精打细算：懒加载机制，平时只记技能名，用时再读，号称Token消耗仅为“虾”的1/20。
🧩 记忆能力	金鱼记忆：会话结束即失忆，下次还得重新调教，甚至会记忆混乱。	大象记忆：跨会话长期记忆，能记住你的写作风格、代码习惯，甚至能把踩过的坑写成经验。
🛡️ 安全性	高危漏洞多：曾曝出大量安全漏洞，高风险操作（如删库）直接莽，容易出大事故。	需确认：执行敏感操作前会主动找你确认，就像有个保护锁，避免手滑。
🚪 上手门槛	折腾：依赖复杂，环境配置让人头大。	相对友好：一键脚本越来越成熟，甚至原生支持Windows。

简单一句话总结：如果说“龙虾”是一个需要你手把手教、甚至还要防着它把厨房烧了的“实习生”，那么“爱马仕”就是那个越用越懂你、能自己复盘写SOP的“十年老员工”。

三、为什么“养虾”  “ 养马”先后爆火？结合行业事实拆解

（一） 养虾（OpenClaw）年初出圈的底层原因

1.AI从“聊天”进入“实操时代”

过往大模型只能输出文字，OpenClaw 第一次让普通用户拥有本地可操控电脑的 AI，职场人自动做报表、自媒体批量剪辑、程序员自动跑脚本，实实在在节省工时，生产力感知极强。

2.社交货币+副业风口双重助推

GitHub4 个月星标破 30 万，全网话题播放量数十亿；闲鱼代装服务一度涨到 700 元一单，大量技术爱好者靠代部署、定制技能包变现；线下出现排队装机热潮，成为 2026 开年首个全民 AI 事件。

3.隐私焦虑催生本地部署需求

很多企业、自由职业者不愿把工作文档、业务数据上传云端 AI，OpenClaw 全本地存储的模式精准击中数据安全痛点。

（二）养马（Hermes Agent）后来居上、热度反超的关键

1.技术代差：解决养虾最大痛点 —— 不会记、不会学、难调教

大批早期养虾用户吐槽：每天重复交代需求、频繁崩溃、调试时间比干活时间长，Hermes 的自进化 + 永久记忆直接解决行业通病，大量虾农批量迁移换马。

2.官方轻量化设计，降低全民门槛

Nous Research 优化安装链路，一行 curl 脚本自动适配系统、搭建虚拟环境、安装全部依赖，对比 OpenClaw 繁琐的多步环境配置，小白友好度断崖领先；迁移工具进一步降低切换成本。

3.大厂快速入局背书

小米 MiMo、MiniMax、腾讯 Hy3、阶跃星辰等国产大模型第一时间深度适配 Hermes；MiniMax 推出定制版 MaxHermes，办公生态全面打通，商业落地速度远超 OpenClaw。

4.长期成本更划算

技能复用压低 Token 开销，不用反复付费喂模型；一次调教成型后，后续几乎零维护，适合长期稳定跑自动化工作流，个人、小团队性价比更高。

四、普通人怎么选：养虾还是养马？

优先选养虾（OpenClaw）的人群

• 你是成熟开发者，熟练写 yaml 配置、自定义插件，需要 100% 完全可控的静态流程；
• 任务高度标准化、步骤万年不变（固定表格模板、固定爬虫规则、固定周报格式），不需要 AI 自主变通；
• 依赖 ClawHub 成熟海量现成技能生态，有大量别人写好的行业插件直接调用；
• 设备老旧、内存不足 2G，只想跑轻量化静态执行框架，不需要自进化大内存开销。

优先选养马（Hermes Agent）的人群（80% 普通用户首选）

• 零基础、非技术出身，不想啃复杂配置文档，想要一键部署、开箱即用；
• 工作内容灵活多变，每次任务细节有差异，需要 AI 记住你的写作风格、排版习惯、业务要求；
• 打算长期持续使用智能体，希望越用越智能，减少重复指令、降低 Token 长期开销；
• 之前养过虾，想无痛迁移原有工作流、记忆和技能；
• 自媒体、内容创作、商务对接、多渠道办公，跨微信 / 飞书 / 浏览器多平台协同。

五、Hermes Agent 完整一键安装代码（官方原版，分系统）

参考 Nous Research 官网 Quickstart 文档、GitHub 仓库 install 脚本，区分 Windows、macOS、Linux 三套完整可复制代码，附校验、初始化、后台常驻全套指令。

前置硬件最低要求

内存≥2GB，磁盘空余≥500MB；网络可访问 GitHub；自备任意一家 LLM API Key（DeepSeek、MiniMax、OpenAI、小米 MiMo 均可）。

1. macOS / Linux（最稳定，官方主推）

① 一键全自动安装脚本（首推）

打开系统终端，完整复制运行：

# 官方一键安装脚本
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

脚本自动完成：检测系统架构→安装 uv、Python3.11、Node.js22→克隆仓库→创建隔离虚拟环境→全局注册 hermes 命令。

② 加载环境变量（必须执行，否则 hermes 命令不生效

# bash终端用户
source ~/.bashrc
# zsh终端（macOS默认）
source ~/.zshrc

③ 校验安装是否成功

hermes --version

正常输出版本号如hermes v0.8.0 (v2026.4.8)即为安装完成。

④ 交互式初始化配置（填入你的大模型 API 密钥）

hermes config init

跟随向导选择模型服务商、粘贴 API Key、设置上下文上限、开启记忆存储。

⑤ 后台 7×24 常驻运行（服务器 / 主机挂机养马）

# Linux注册系统后台服务
hermes gateway install
# macOS注册后台守护进程
hermes daemon start

常见安装报错简易排错

1. 命令找不到：一定重新执行source加载环境；
2. 网络超时：切换手机热点重试，或改用源码手动安装；
3. Python 版本不符：脚本自带 uv 隔离环境，不要手动改系统 Python；
4. API 调用失败：核对密钥权限、模型余额、接口地址是否填写正确。

六、全文总结汇总

1. 本质迭代关系：OpenClaw（养虾）是静态执行型初代智能体，Hermes（养马）是自进化成长型二代智能体，不是替代淘汰，是技术升级路线分化；
2. 取舍核心：求极致可控、标准化流水线选虾；求省心自学、灵活多变、长期低成本运维，绝大多数人选马；
3. 落地价值：两者都属于本地私有化数字员工工具，能实打实替代大量重复办公、创作、运维工作，副业、提效双向可行；
4. 部署成本：Hermes 一键部署门槛大幅低于 OpenClaw，零基础可快速上手；老虾农支持无损一键迁移；
5. 行业趋势：智能体已经从 “人工调教工具” 走向 “自主学习搭档”，Hermes 代表接下来 AI Agent 主流进化方向，官方持续迭代记忆、Skill 闭环、多行业适配能力。