端侧 Agent 四国杀：Claude Code、Codex、Hermes、OpenClaw 深度对比分析

2026 年，AI Agent 的主战场正在从云端向终端迁移。本文从架构设计、端侧部署能力、工具生态、安全模型、自进化机制等维度，对 Anthropic Claude Code、OpenAI Codex CLI、Nous Research Hermes Agent、OpenClaw 四大 Agent 框架进行深度对比分析。

一、为什么端侧 Agent 在 2026 年爆发？

2026 年 MWC 大会释放了一个明确信号：产业正从"生成式 AI 爆发期"加速迈向"代理化 AI 落地期" 。AI 的竞争焦点从云端大模型能力本身，转向算力、模型与智能体能力如何向终端设备深度下沉。

与此同时，2026 年智源大会专门设立了"终端智能体与 OpenClaw"论坛，清华大学刘知远教授指出：OpenClaw 的历史意义不在于它是否会一直流行，而在于它标志着大模型智能体从云端聊天助手进入工作场域——就像浏览器没有发明互联网，却定义了普通人进入互联网的方式。

端侧 Agent 相比云端方案的核心优势：

表格

维度	云端 Agent	端侧 Agent
模型规模	100B+ 参数，FP16/BF16	4B-72B 参数，量化部署（W4A16）
算力依赖	云端 GPU 集群（A100/H100）	消费级 CPU/GPU（Apple Silicon 等）
数据隐私	屏幕截图上传至云端	数据不出本机
响应延迟	网络往返 + 推理（数百 ms 至数秒）	本地推理（毫秒级推理延迟）
使用成本	按 token 计费，成本随用量线性增长	一次部署，零边际成本
离线能力	不支持	核心功能可离线运行

在这个背景下，四个框架各自选择了不同的技术路线，形成了端侧 Agent 领域的"四国杀"格局。

二、四框架速览

2.1 Anthropic Claude Code — 终端原生的旗舰编程 Agent

基本信息：

• 创建者：Anthropic
• 开源状态：闭源（UNLICENSED，2026 年 5 月开源 Agentic Loop 框架核心）
• GitHub Stars：112,000+（社区生态仓库）
• 核心语言：TypeScript（Bun 运行时，React 19 + Ink 终端渲染）
• 最新版本：v2.1.150（2026 年 5 月 23 日发布）
• SWE-bench Verified：87.6% （Opus 4.7，所有 AI 编程 Agent 中最高）
• Terminal-Bench：78.9%（第二，仅次于 Codex CLI）
• 年化收入：约 25 亿美元（SemiAnalysis 数据）
• 占公开 GitHub 提交量约 4%（每天约 13.5 万次提交）

核心定位： Claude Code 不是"终端里的 Claude"，而是一个跑在本地终端的自主编程 Agent，拥有完整的文件系统、Git 和开发工具访问权限。给它一个目标——"给 /API/chat 接口加上基于 Redis 的限流，写好测试，确保 CI 通过"——它会自己读代码库、找对文件、实现改动、跑测试、修 Bug，最后提交结果。

2026 年关键进化：

• Extended Thinking（扩展思维） ：模型在给出最终动作前，先分配大量 token 进行"内心独白"，支持分支推理和思维链压缩，解决复杂重构中的"浅层推理"问题
• Multi-Agent 模式（3 月）：单个终端会话可并行启动多个子 Agent，每个子 Agent 拥有独立上下文窗口、可配置不同模型和工具权限，支持层级式委托
• Computer Use（3 月）：Claude Code 可以直接接管 Mac 电脑，操控浏览器、鼠标、键盘和屏幕，实现"写代码→编译→启动应用→自动测试→发现 Bug→修复→再验证"全链路自主
• Routines 定时任务（4 月）：将提示词、代码仓库、连接器打包存云端，Claude 按时间表/API/GitHub 事件自动执行，本地电脑可关机
• 自愈功能（5 月）：自动检测并绕过损坏文件、过大图像等致命异常，维持会话存续；配合 /feedback 一键打包长期记忆
• Managed Agents（5 月）：支持自托管沙箱（Cloudflare、Daytona、Modal、Vercel）+ MCP 隧道连接私有网络内服务
• Dreaming 长时记忆（5 月）：突破上下文窗口限制，通过跨会话历史扫描提炼长时记忆

2.2 OpenAI Codex CLI — Rust 重写的终端编程 Agent

基本信息：

• 创建者：OpenAI
• 开源协议：Apache 2.0
• GitHub Stars：90,000+（截至 2026 年 6 月）
• 核心语言：Rust（96%）+ 少量 Python/TS
• 最新版本：v0.139（2026 年 6 月）
• Terminal-Bench 排名：第一（83.4%） ，压过 Claude Code（78.9%）和 Gemini CLI（70.7%）

核心定位： Codex CLI 不是"终端里的 ChatGPT"，而是一个跑在本地终端的自主编程 Agent。它能读取整个项目仓库作为上下文，跨多文件同时编辑，执行 Shell 命令，并在每个操作边界等待用户审批。

2026 年关键进化：

• 6 月 22 日，Codex 正式开放模型接入层（oss mode / local providers），支持接入 Ollama、LM Studio 等本地模型服务，不再只绑定 GPT 系列
• 沙箱架构：基于 macOS Seatbelt 或 Linux Landlock 实现操作系统级隔离
• AGENTS.md 配置标准已成为跨工具通用规范（Cursor、Copilot、Gemini CLI 均支持）
• 支持多 Agent 模式、MCP 集成和企业级代理配置

2.3 Hermes Agent — 越用越聪明的自进化框架

基本信息：

• 创建者：Nous Research
• 开源协议：MIT
• GitHub Stars：61,000+（约 2 个月内达成）
• 核心语言：Python
• 最新版本：v0.13.0+（2026 年 5 月）
• 资源占用：约 512 MB RAM（极其轻量）

核心定位： Hermes Agent 的核心差异在于自进化学习闭环。它不是静态执行预设指令的助手，而是能在一次次交互、失败和探索中形成记忆、规则和学习能力的系统。用 Petronella Technology Group 的话说："几周的日常使用后，Hermes 在处理例行任务时明显比等效的 OpenClaw 配置需要更少的提示和纠错。"

核心技术特征：

• 单进程轻量架构，内置记忆管理、意图解析、工具调度、网关访问四层解耦
• 自动发现本地 Ollama 模型，管理不同模型的上下文窗口大小
• 支持任何实现了 OpenAI Chat Completions API 的服务（LM Studio、llama.cpp、Kobold、text-generation-webui）
• Persistent /goal 功能：设定目标后持续自主执行，支持跨重启恢复
• 数据存储采用 SQLite，适合单机长期运行

2.4 OpenClaw — 7×24 在线的个人 AI 操作系统

基本信息：

• 创建者：Peter Steinberger（2026 年 2 月加入 OpenAI 后移交开源基金会）
• 开源协议：MIT
• GitHub Stars：355,000+（60 天内达成，史上增速最快的开源项目）
• 核心语言：Node.js
• 技能市场：ClawHub 5,400+ 技能
• 社区贡献：awesome-openclaw-skills 收录超过 5,400 个

核心定位： OpenClaw 不是聊天机器人，而是一个 7×24 小时自主运行的个人 AI Agent 运行时。它能在后台浏览网页、读写文件、执行代码、发送消息、管理日程——用户在 Telegram/微信/飞书/钉钉里说话，它在后台把事办了。

核心技术架构（四层）：

1. Gateway 网关层： 处理消息路由和会话管理，支持 Telegram、WhatsApp、Slack、Discord、飞书、钉钉、微信、QQ 等 20+ 平台
2. Persona 人格层（SOUL.md）： 定义 Agent 的身份、性格、行为风格和知识库
3. Skill 技能系统： 模块化能力（日历、邮件、CRM、Web 搜索等），可插拔
4. Memory 记忆层： 跨对话持久化记忆，Agent 记住每次对话、用户偏好和操作上下文

关键机制：

• Heartbeat 心跳：30 分钟周期检查，实现真正的 7×24 后台运行
• 多 Agent 协作：一个 OpenClaw 实例可派生子 Agent 并行处理任务
• 定时调度：Cron Job 实现周期性任务

三、六维度深度对比

3.1 架构设计

表格

维度	Claude Code	Codex CLI	Hermes Agent	OpenClaw
架构模式	终端嵌入式 + 云端协同	终端嵌入式	单进程轻量架构	Gateway + Node-Host 分布式
核心语言	TypeScript（Bun）	Rust	Python	Node.js
进程模型	会话级 + Routines 云端	会话级（按需启动）	后台守护进程	常驻服务（systemd/Docker）
多 Agent	✅ Sub-Agent 独立上下文	⚠️ 会话级支持	❌ 单 Agent 为主	✅ 核心特性，支持派生子 Agent
分布式	⚠️ Managed Agents 远程沙箱	❌	❌	✅ Gateway + Node-Host 可水平扩展
配置体系	CLAUDE.md + settings.json	config.toml + AGENTS.md	Python 配置 + SQLite	SOUL.md + HEARTBEAT.md + YAML
开源状态	❌ 闭源（Agentic Loop 已开源）	✅ Apache 2.0	✅ MIT	✅ MIT

分析： 四者架构理念截然不同。Claude Code 是"深"嵌入——它不是独立运行时，而是深度集成到开发者终端的智能体，2026 年 3-5 月连放 Multi-Agent、Computer Use、Routines 三连击后，正在从"AI CLI"重塑为"开发者平台"。Codex 是"薄"嵌入——Rust 重写带来极致启动速度和资源效率，在树莓派上都能跑。Hermes 是"轻"单进程——四层解耦但不开分布式，胜在稳定省资源。OpenClaw 是"厚"运行时——Gateway + Node-Host 分布式架构支持水平扩展，但部署维护复杂度最高。

3.2 模型支持与端侧部署

表格

维度	Claude Code	Codex CLI	Hermes Agent	OpenClaw
模型绑定	❌ 仅 Anthropic Claude 系列	⚠️ 原仅 GPT，6 月开放	✅ 任意 OpenAI 兼容 API	✅ 任意 OpenAI 兼容 API
本地模型	❌ 不支持（社区变通方案存在）	✅ oss mode（2026.6 新增）	✅ 原生 Ollama 自动发现	✅ 支持 Ollama
配置复杂度	—	中（需配置 model_providers）	低（自动发现，零配置）	中（需手动配置）
最小内存	~1 GB	~1 GB	~512 MB	~1 GB
离线运行	❌	✅（配合本地模型）	✅	✅
上下文窗口	200K-1M tokens	192K tokens	取决于本地模型	取决于 LLM API
量化模型	❌	支持 GGUF（通过 llama.cpp）	支持 GGUF	支持 GGUF

分析： 这是 Claude Code 最大的短板——模型锁定且不支持本地模型。Hermes 在本地模型支持上最省心——自动发现 Ollama 模型、自动管理上下文窗口大小，几乎零配置。Codex 刚刚开放本地模型支持（6 月 22 日），潜力巨大但还在早期。OpenClaw 支持 Ollama 但集成度不如 Hermes 自动。

端侧推理的实测性能参考（4B 量化模型，W4A16 方案，Apple M4 + 32GB RAM）：

• Prefill 速度：476 tok/s（屏幕截图理解几乎无延迟）
• Decode 速度：76 tok/s（远超人类阅读速度）
• 峰值内存：4.3 GB（不影响日常办公）

3.3 编程能力与 Benchmark

表格

维度	Claude Code	Codex CLI	Hermes Agent	OpenClaw
SWE-bench Verified	87.6% （Opus 4.7）	—	—	—
Terminal-Bench	78.9%	83.4% （第一）	—	—
多文件重构	✅ 全项目级	✅ 全项目级	❌	❌
Vibe Coding	✅ Quest 2.0 智能体	✅	❌	❌
Computer Use	✅ 接管 Mac 界面	❌	❌	❌
代码生成 + 测试闭环	✅ 原生	✅ 原生	⚠️ 基础	❌

分析： 在编程能力上，Claude Code 和 Codex CLI 形成第一梯队，但侧重点不同。Claude Code 以 87.6% 的 SWE-bench Verified 成绩领先（真实世界软件工程任务），而 Codex CLI 以 83.4% 的 Terminal-Bench 成绩登顶（终端交互场景）。Claude Code 独有的 Extended Thinking 机制让它在复杂架构决策上更可靠，而 Codex 的 Rust 内核带来更快的启动和响应速度。Hermes 和 OpenClaw 在编程场景不是主要发力点。

3.4 工具生态与 MCP 集成

表格

维度	Claude Code	Codex CLI	Hermes Agent	OpenClaw
MCP 支持	✅ MCP 创始者	✅ 原生	✅ 原生 + 自定义工具	✅ 原生
技能/插件数	508+ 插件 + 1,367 技能	90+（4 月更新新增）	自定义工具为主	5,400+（ClawHub）
扩展体系	Skills + Hooks + Subagents + Plugins 四层	config.toml + AGENTS.md	Python 代码定义	openclaw plugins install
浏览器自动化	✅ Computer Use (CDP)	❌（编程专用）	⚠️ 基础	✅ Chrome DevTools Protocol
文件系统访问	✅ 完整读写	✅ 完整读写	✅	✅ 完整读写
代码执行	✅ 沙箱 Shell	✅ 沙箱 Shell	✅	✅ 沙箱执行
定时调度	✅ Routines（云端定时）	⚠️ 基础	✅ Cron Job	✅ Cron + Heartbeat
多平台消息	❌（远程控制除外）	❌	⚠️ Gateway	✅ 20+ 平台原生

分析： MCP（Model Context Protocol）是 Anthropic 在 2024 年底开源并提交为行业标准的协议，定义了 AI 模型如何与外部工具进行标准化通信。Claude Code 作为 MCP 的创始者，是 MCP 的"第一公民"，其四层扩展体系（Skills + Hooks + Subagents + Plugins）形成了"协议→模块→分发"的标准化三步走。OpenClaw 的生态数量碾压级优势——5,400+ 技能覆盖几乎一切场景。Codex 的生态虽然小，但 AGENTS.md 标准正在建立跨工具的网络效应。Hermes 走的是"少而精"路线。

3.5 安全与权限模型

表格

维度	Claude Code	Codex CLI	Hermes Agent	OpenClaw
沙箱隔离	✅ OS 级（Seatbelt/bubblewrap）	✅ OS 级（Seatbelt/Landlock）	⚠️ 进程级	⚠️ Docker 容器级
隔离维度	文件系统 + 网络 双重隔离	文件系统 + 网络 双重隔离	⚠️	⚠️
安全层数	七层独立安全检查	三级审批策略	⚠️ 基础	⚠️ 手动配置
审批策略	Auto-Allow / Regular Permissions	Suggest/Auto-Edit/Full-Auto	⚠️ 基础	⚠️ 手动配置
安全研究	有（Anthropic 内部 + 社区）	有（OpenAI 内部）	少	138 个已跟踪 CVE
自托管沙箱	✅ Cloudflare/Daytona/Modal/Vercel	❌	❌	❌
会话自愈	✅ 自动检测绕过致命异常	❌	⚠️	⚠️

分析： Claude Code 和 Codex CLI 在安全维度形成第一梯队，都采用操作系统级沙箱（macOS Seatbelt / Linux bubblewrap 或 Landlock），实现文件系统和网络双重隔离。但 Claude Code 更深一层——它的七层独立安全检查（工具预过滤→默认拒绝规则→权限模式约束→自动安全分类器→Shell 沙箱→会话权限隔离→Hook 拦截）是目前 Agent 领域最精细的权限模型。Claude Code 独有的会话自愈能力也值得关注：当遇到损坏文件或过大图像时，能自动检测并绕过，维持会话存续，而不是直接崩溃变砖。

OpenClaw 的安全是最大隐患——138 个已跟踪 CVE 意味着绝不能将 Gateway 直接暴露在公网。北邮团队提出的 ClawKeeper 安全框架（三层防护：Skill + Plugin + Watcher）是对 OpenClaw 安全问题的系统性回应，在七类威胁场景的防御成功率达到 85%-90%。

3.6 自进化与记忆能力

表格

维度	Claude Code	Codex CLI	Hermes Agent	OpenClaw
记忆架构	分层（短期会话 + 长期项目 + 工具使用记忆）	会话级 + AGENTS.md	持久化 SQLite 记忆	跨对话持久化记忆
自进化能力	⚠️ Dreaming 长时记忆（研究预览）	❌（静态模型）	✅ 核心特性（学习闭环）	⚠️ 记忆持久但非学习
Goal 模式	✅ /goal（首创）	✅ codex goal	✅ hermes goal（持久化，跨重启）	✅ @claw goal:（消息触发）
跨会话恢复	✅ 会话级 + Dreaming	⚠️ 会话级	✅ 持久化恢复	✅ 持久化恢复
上下文管理	✅ 五层压缩流水线	⚠️ 基础	⚠️	⚠️
子 Agent 记忆	✅ Sidechain 独立转录	❌	❌	⚠️

分析： Hermes 在自进化方面仍然独树一帜——它的学习闭环是系统级的，经过几周使用后在重复模式较高的任务中错误率明显下降。Claude Code 的 Dreaming 功能（5 月发布，研究预览阶段）是最接近自进化的闭源实现——通过跨会话历史扫描提炼长时记忆，突破上下文窗口限制。但 Dreaming 目前还在研究预览阶段，实际效果有待验证。Claude Code 的五层上下文压缩流水线和子 Agent Sidechain 独立转录机制在工程上最为成熟，能在不爆炸上下文的前提下保持长对话的连贯性。

四、场景化选型指南

4.1 一句话定位

表格

框架	一句话定位	最佳场景	核心优势
Claude Code	终端里的旗舰编程 Agent	复杂工程重构、多文件协作	SWE-bench 第一、Extended Thinking、MCP 创始者
Codex CLI	Rust 高性能编程智能体	代码开发、资源受限环境	Terminal-Bench 第一、开源、本地模型支持
Hermes Agent	越用越聪明的 AI 助手	智能客服、轻量自动化、长期任务	自进化、低资源、本地模型零配置
OpenClaw	7×24 在线的 AI 员工	多平台消息、多 Agent 协作、个人助手	生态丰富、技能市场、分布式架构

4.2 选型决策树

你的核心需求是什么？

├── 写代码 / 编程开发

│ ├── 需要最高准确率 + 复杂架构决策 → Claude Code（Opus 4.7）

│ ├── 需要开源 + 本地模型 + 高性能 → Codex CLI

│ └── 需要 IDE 集成 → Claude Code（VS Code/JetBrains 扩展）或 Codex CLI

│

├── 长期自动化 / 持续运行

│ ├── 资源受限（512MB RAM）→ Hermes Agent

│ ├── 需要多平台消息集成 → OpenClaw

│ ├── 需要自进化学习能力 → Hermes Agent

│ └── 需要云端定时任务（本地可关机）→ Claude Code Routines

│

├── 多 Agent 协作

│ ├── 编程场景多文件并行 → Claude Code Sub-Agent

│ ├── 组织级多角色协同 → OpenClaw（+ Paperclip 可选）

│ └── 单 Agent 深度定制 → Hermes Agent

│

└── 个人助手 / 运维自动化

├── 需要丰富的预置技能 → OpenClaw

├── 需要深度隐私保护 → Hermes Agent（全本地）

├── 需要编程+助手混合 → Codex CLI + OpenClaw 组合

└── 预算充足、追求极致体验 → Claude Code + OpenClaw 组合

4.3 成本对比

表格

成本项	Claude Code	Codex CLI	Hermes Agent	OpenClaw
软件费用	❌ 闭源（订阅制）	免费（Apache 2.0）	免费（MIT）	免费（MIT）
订阅方案	$20-200/月	—	—	—
LLM API	含在订阅内 / 按 token 计费	$15-40/月（或 ChatGPT Plus $20/月）	$15-80/月	$15-80/月
本地模型	❌ 不支持	~$0	~$0	~$0
服务器	不需要（本地运行）	不需要（本地运行）	$5-10/月 VPS	$5-10/月 VPS
月度总成本	$20-200+	$20-60	$20-90	$20-90

注： Claude Code 是唯一有"模型锁定税"的框架——不支持本地模型意味着无法将 LLM 成本降为零。重度使用场景下月成本可能超过 $300（按 token 计费），约为 Cursor 订阅制的 15 倍。其他三个框架使用本地模型（Ollama + Qwen3-4B 或 Llama 4）后 LLM 成本均可降为零。

五、端侧 Agent 的技术趋势

5.1 Harness 工程学成为关键分水岭

清华大学李元春团队提出的公式值得关注：Agent = Model + Harness。模型负责泛化能力，Harness 负责把能力拴到真实任务、真实环境和真实约束中。到了端侧 Agent 这里，Harness 甚至比模型更接近产品成败的分水岭。

Claude Code 是这一趋势的最佳注脚——它真正的护城河不在 LLM，而在 Skills / Hooks / Subagents / Plugins 四层扩展面。正如 ofox.ai 的总结："Claude Code ships with three extensibility layers that most users never touch." 80% 的用户还停留在"我对它说话，它写代码"的认知层面。

5.2 Goal 模式成为标配

2026 年 5 月，Claude Code 2.1.139 引入 /goal 命令后，数天内 Codex、Hermes Agent、OpenClaw 全部跟进：

表格

框架	命令	持久化	交互方式
Claude Code	/goal	会话级	终端 REPL
Codex	codex goal	会话级	终端交互
Hermes	hermes goal	✅ 跨重启	后台守护进程
OpenClaw	@claw goal:	✅ 持久化	消息平台触发

Goal 模式的本质是：设定完成条件 → Agent 进入 plan→act→test→review→iterate 循环 → 目标达成后停止。这让 Agent 从"每步都需要人盯"变成"设好目标就放手"。

5.3 端侧芯片的算力突围

MWC 2026 展示了端侧 AI 芯片的突破性进展：

• 高通骁龙穿戴 Elite：3nm 工艺，端侧运行 20 亿参数模型，单核 CPU 性能 5 倍提升
• 联发科天玑 9500：CIM 架构 NPU 990，支持 BitNet 1-bit 大模型，端侧生成 4K 图像 + 128K Token 长文本
• 华为麒麟 + openPangu 2.0：原生 30B 入端模型（2B 激活参数），常驻运存，512K 长上下文

这意味着端侧 Agent 的硬件基础已经就绪——手机端运行 Agent 不再是概念验证，而是工程实现问题。

5.4 从"能执行"到"能自愈"

2026 年 5 月，Claude Code 的"自愈"功能标志着一个新趋势：AI 编程工具的竞争不再只卷"更会写代码"，而是卷"更少添乱"。当 Agent 拥有文件系统读写、Shell 执行和消息发送能力时，稳定性比绝对能力更重要。

• Claude Code 的自愈：自动检测并绕过致命异常，维持会话存续
• Hermes 的自进化：从失败中学习，减少未来同类错误
• ClawKeeper（OpenClaw 安全框架）：三层防护，七类威胁场景 85%-90% 防御成功率

未来的赢家，未必是最会回答问题的 AI，而是那个在混乱、漫长、真实的工程现场里，依然能稳稳跑下去的 AI。

5.5 开源 vs 闭源的路线分化

2026 年的 Agent 领域出现了清晰的开源/闭源分化：

• 闭源路线（Claude Code） ：深度整合、开箱即用、最强模型，但模型锁定、成本高企、不可审计
• 开源路线（Codex/Hermes/OpenClaw） ：模型自由、数据自主、成本可控，但需要更多配置和运维投入

值得注意的是，Codex CLI 在 6 月 22 日开放本地模型支持后，实际上模糊了这条边界——它既背靠 OpenAI 的云端模型生态，又支持完全本地化的开源模型。这种"两栖"定位可能成为未来主流。

六、总结与展望

2026 年的端侧 Agent 格局已经清晰：

Claude Code 是全能旗舰——SWE-bench 第一、Extended Thinking、MCP 创始者、四层扩展体系、自愈能力、Dreaming 长时记忆。它的短板同样清晰：闭源、模型锁定、不支持本地模型、成本最高。适合追求极致编程体验且预算充足的团队。

Codex CLI 是开源编程之王——Terminal-Bench 第一、Rust 高性能、Apache 2.0 开源、刚开放本地模型支持。它正在走 Claude Code 2015 年 VS Code 的路——插件体系和配置灵活性正在建立网络效应。

Hermes Agent 走了一条差异化路线——自进化学习闭环是其最深的护城河。它不追求生态规模，而是追求"用得越久越聪明"。对于资源受限、需要长期运行的场景，512MB RAM 的占用极具吸引力。

OpenClaw 是生态之王——355K Stars、5,400+ 技能、20+ 消息平台，它定义了"AI Agent 作为操作系统"的范式。但安全问题和部署复杂度是它必须正视的挑战。

四条路线不是零和博弈。实际落地中，组合使用才是最优解：

• Claude Code 负责复杂编程 + OpenClaw 负责运维自动化
• Codex CLI 负责日常开发 + Hermes 作为轻量级守护进程
• 预算充足 → Claude Code + OpenClaw；预算有限 → Codex CLI + Hermes

端侧 Agent 的竞争才刚刚开始。正如智源大会所揭示的：Agent 正从"能执行、会调用工具的助手"，走向"能学习、在世界中持续成长的系统" 。谁能在端侧有限的算力下实现最强的 Harness 工程和自进化能力，谁就能赢得下一个十年。

参考来源：

• 2026 年端侧 AI Agent 技术全景（CSDN）
• MWC 2026 深度观察：端侧代理时代正式开启（CSDN）
• 2026 智源大会 Agent 前沿趋势（智源社区）
• Claude Code 凭什么成了程序员的第一终端（CSDN）
• Claude Code 终极使用指南 2026 最新版（CSDN）
• Claude Code 首发「自愈」功能（太平洋科技）
• Claude Code 与 OpenCode 深度解析与全面对比（51CTO）
• Claude Code Sandboxing: OS-Level Security（ClaudeFast）
• Claude Managed Agents: self-hosted sandboxes and MCP tunnels（Anthropic 官方博客）
• Claude Code 架构全解析：Agent 平台的六层设计（腾讯云）
• Claude Code 2.1.88 源代码分析报告（CSDN）
• Claude Code 必知必会：被 80% 用户忽略的扩展面（掘金）
• OpenClaw vs Hermes Agent: AI Frameworks 2026（Petronella Tech）
• OpenClaw 完全指南：从部署到实战（CSDN）
• OpenAI Codex CLI 实战指南（掘金）
• Codex CLI: Terminal Coding Agent Setup Guide 2026（Effloow）
• OpenAI「最开放」一次，Codex 不再独宠 GPT（36 氪）
• AI Agent 框架实战横评：通义灵码、OpenClaw、Hermes（阿里云开发者社区）
• Goal mode for AI agents complete guide 2026（ExplainX）
• ClawKeeper: Safety Protection for OpenClaw Agents（arXiv）
• OpenClaw vs Claude Code vs Hermes vs MCPlato（MCPlato）
• Best AI Agents in 2026: OpenClaw, Hermes, Codex, and Claude Code（Remote OpenClaw）