六大开源AI Agent全解析：从个人助手到自主公司

AI Agent的爆发让人应接不暇——OpenClaw、Hermes、Agent Zero、OpenHands、Paperclip、Buzz……几乎每天都有新框架出现。它们宣称各不相同，却又在很多层面做着相似的事。本文基于YouTube频道Tech With Tim的深度实测，梳理六类真正值得关注的开源AI Agent，拆解它们的工作原理、适用场景，以及你该如何选择。

什么是AI Agent？先理解底层结构

聊天机器人回答完问题就停下，而Agent接到一个目标后会持续工作直到完成：规划一步、执行、检查结果、再进入下一步，全程自主运转。

理解Agent的通用结构，能让不同框架的对比变得清晰。每个Agent基本由五个部件组成：

• 模型（大脑）：Claude、GPT、DeepSeek^广告、Qwen或本地模型。本文介绍的所有工具都支持自由切换，甚至同时调用多个模型。
• 工具（手）：运行代码、浏览网页、读写文件、发送消息，大多数Agent现已支持MCP和CLI工具，几乎可以接入任何能力。
• 记忆：不同Agent的记忆系统差异很大，有些能更好地记住昨天做过什么。
• 界面：Web面板、终端、Telegram还是桌面应用。
• 运行环境：这是最关键的部分之一——跑在VPS上还是本地？

一个重要前提是：本文只讨论开源方案。像Claude Code、ChatGPT Agent这类锁定在厂商生态里的产品被排除在外。开源意味着你可以自选模型、自选运行位置、完全掌控harness，不必受制于任何公司的定价。

MCP（Model Context Protocol） 是Anthropic于2024年底推出的开放标准协议，用于统一大模型与外部工具、数据源之间的连接方式。在MCP出现之前，每个Agent框架都需要为每种工具单独编写适配代码；MCP相当于为AI工具建立了一套"USB接口"标准——开发者只需实现一次MCP服务器，所有支持MCP的Agent框架都能直接调用。这也是为何文章提到"大多数Agent现已支持MCP"会被视为一项重要特性：它意味着同一个工具（如数据库查询、文件管理、浏览器控制）可以被OpenClaw^广告、Hermes、Agent Zero等不同框架无缝共享，极大降低了工具集成的重复工作量。

该把Agent部署在哪里？

这些自主Agent在7×24小时运行于独立环境时最有价值。你当然可以跑在自己的笔记本上——免费，但它不隔离、能访问你的整个文件系统，而且设备必须一直开机，一旦关机Agent就会出问题。

部署在Mac mini这类专用硬件上也可行，但对于只是实验的人来说，成本高、配置复杂，日后想彻底清除还得大量卸载。相比之下，**虚拟私有服务器（VPS）**每月仅需6到10美元（不含token成本），隔离运行、随时可关、出问题可直接重置整台机器而不损失昂贵硬件。

无论跑在哪里，都务必做好安全防护——你给了Agent各种工具、API密钥和开放互联网的访问权限，这意味着不小的攻击面。

VPS（Virtual Private Server，虚拟私有服务器） 是将一台物理服务器通过虚拟化技术分割为多个独立实例的云计算服务。每个VPS拥有独立的操作系统、固定的IP地址和文件系统，与同一物理机上的其他用户完全隔离。对AI Agent部署而言，VPS的核心优势在于：其一，隔离性——Agent的文件操作和网络请求被限制在VPS沙箱内，即便被攻击也不会波及本地设备；其二，持续在线——VPS 7×24小时运行，不依赖用户设备是否开机；其三，可重置性——如果Agent出现严重错误或安全事件，可直接销毁重建实例，而不损失本地数据。文中提到的"KVM 2方案"是指基于KVM（内核级虚拟化）技术的特定配置档位，通常提供2核CPU和约4GB内存，是运行OpenHands等较重进程的推荐起点。

六类Agent逐一拆解

作者将六个Agent按"上手取值的难易程度"从易到难排列：OpenClaw是住在聊天应用里的个人助手，Hermes是会自我学习的Agent，Agent Zero拥有自己的电脑，OpenHands是能写代码并提交PR的软件工程师，Paperclip管理一整家Agent公司，Buzz则是人与Agent协同工作的工作区。

OpenClaw：住在聊天应用里的个人助手

OpenClaw是一个常驻的个人助手，设计理念是"聊天应用优先"——支持WhatsApp、Telegram、Slack、Discord、Signal等。Agent其实藏在这些应用背后，你几乎不需要打开它的Web面板，直接从Telegram或Discord发消息即可完成一切。

作为最早出现、最流行的框架之一，它拥有数百个插件、丰富的自动化（cron定时任务）和最多的聊天集成。作者在Telegram里配置它每天早晨推送AI行业和融资动态的更新。

优点：最快上手、兼容任何模型、社区庞大（遇到问题大概率已有人修复）。缺点：不会自我进化、通道多了配置容易混乱、攻击面较大（早期曾有不少被黑案例，现已陆续修复）。适合想要"像和真人聊天一样"使用助手的人。

Hermes：会自我进化的学习型Agent

Hermes表面与OpenClaw相似，但本质不同：OpenClaw是"内嵌Agent的消息网关"，Hermes是"顶着消息网关的学习型Agent"。前者以界面为先，后者以Agent本身为先。

它的运作方式是：完成任务后回顾哪些有效，并将其保存为skill（技能）——一个可读可编辑的Markdown文件。作者让Hermes创建"每周YouTube选题简报"，它做了大量网络搜索、生成简报并存入文件，随后自动生成了一个技能，以便未来复用并节省token。

Hermes的长期记忆明显优于OpenClaw，能自动保存、分类并快速检索关于用户偏好的信息。作者表示持续运行几个月后，它会越来越聪明，形成的技能节省了大量时间。缺点是设置更复杂、需要更多对话，而且可能学到错误技能并重复犯错，需要人工管理。适合有重复性工作流、希望Agent越用越熟练的场景。

Hermes的技能（Skill）系统本质上是一种外置的程序性记忆机制。传统LLM的上下文窗口在对话结束后即清空，无法跨会话保留操作经验。Hermes通过将成功的任务执行流程序列化为结构化Markdown文件（包含步骤、所用工具、注意事项等），实现了类似人类"熟能生巧"的积累效果。这种设计也带来了可审计性：用户可以直接打开Markdown文件查看、修改甚至删除某个技能，而不是面对一个不透明的神经网络权重。其代价是需要人工监督——错误的技能一旦被固化，Agent会在后续任务中持续复现同样的错误，因此定期审查技能库是使用Hermes的必要维护工作。

Agent Zero：拥有自己电脑的通用Agent

Agent Zero在Docker里获得一台完整的Linux机器，归它自己使用。它不预装一长串工具，而是在需要时自己写代码、在终端里运行——更偏向编码中心。

作者给它一个大任务：撰写一份"过去30天开发者在Hacker News上对AI的讨论"研究报告，并要求它以团队方式工作。它随即派生出三个子Agent——写作Agent、分析Agent、数据Agent——分工协作：数据Agent抓取信息、分析Agent解析、写作Agent撰写报告，最后汇总回主对话。

它的优势在于灵活性和透明度：拥有独立电脑的隔离沙箱、能处理复杂任务、过程可见（连子Agent调用都看得到）、完全沙箱化不会碰到服务器其余部分。缺点是在模糊任务上容易跑偏、token消耗大（几乎所有操作都靠写代码）、没有内置的手机短信入口。适合想要灵活、能自主操作电脑的Agent。

OpenHands：开源的AI软件工程师

OpenHands（原名OpenDevin）是这份名单上唯一专注编码的Agent，它直接在你现有的GitHub仓库里工作——你把issue或ticket交给它，它返回一个完成的Pull Request。

作者连接了一个待办清单API仓库，交给它一个真实任务：把数据迁移到SQL数据库、添加标签和搜索、增加删除端点、并为所有功能写测试。他发出"解决issue #2"的指令后便离开，回来时得到了一个可提交的PR，包含代码变更、planner、完整终端记录和浏览器视图。

它的优势是端到端编码表现最佳，除模型调用外一切不离开服务器，兼容任何模型，还能并行开启多个沙箱。缺点是仅用于编码、进程较重（建议至少KVM 2方案）、更适合在已有代码库上处理有明确范围的ticket，而非从零构建。适合有一堆待修复ticket的开发者。

OpenHands所采用的沙箱化代码执行模式是AI编码Agent区别于普通代码补全工具（如Copilot）的关键所在。OpenHands为每个任务启动一个独立的Docker容器，Agent在其中拥有完整的命令行环境：可以安装依赖、运行测试、调用Git命令，甚至启动本地服务器来验证浏览器行为。这意味着Agent不只是"写代码"，而是完整执行"写→运行→看报错→修复→再运行"的开发循环，直到测试全部通过才提交PR。这种端到端闭环也解释了为何它对服务器资源要求更高——每个并行任务都需要独立的容器实例，内存和CPU消耗随并发数线性增长。

Paperclip：像公司一样管理一群Agent

Paperclip本身不干活，它管理其他Agent，像经营一家公司。作者创建了名为"Agent Builders HQ"的公司，目标是为免费社群招募一千名新成员，然后雇了一支小团队：CEO Ava、创始工程师Max、研究员Ray。

你能查看组织架构图，为每个Agent单独指定模型（如用Gemini Flash跑成本更低的任务、用Claude Sonnet处理复杂任务）并设定支出上限。每个Agent可按"心跳"（如每30分钟或每小时）自动开始工作，把大任务拆成子任务分派给不同Agent，形成包含父任务、阻塞任务、依赖、子任务、审查者的复杂依赖图。

这类框架token消耗很大，但也是名单中最自主的——Agent甚至能雇佣新Agent。作者坦言由于内容繁杂，想让它高效运转有一定难度，但见过有人用这类框架搭建整家"公司"的精彩案例，尤其在预算不太受限时。

Buzz：人与Agent协同的工作区

Buzz来自Jack Dorsey的公司Block，可以理解为"自托管版Slack，但你的Agent是队友"。它本身不是Agent，而是一个人类与Agent共同工作的房间。

你可以在其中配置多个拥有不同性格、角色、甚至不同提供商的Agent——Claude、Codex、OpenClaw的Agent都能加入，并像在Slack工作区一样分配到不同频道，人、队友、Agent在共享空间里互动、在线程中回复、委派任务。

缺点是仍处于alpha阶段、只能和已接入的Agent协作、对单人用户意义不大——它真正发挥作用需要一个团队。适合想让一群人和Agent围绕不同频道协同工作的团队。

该选哪一个？

作者给出清晰的选择指南：

• 想在现有聊天应用里有个人助手 → OpenClaw
• 有重复工作流、希望越做越好 → Hermes
• 想要能在电脑上自主执行任务的通用Agent → Agent Zero
• 有编码ticket、想拿回PR → OpenHands
• 想要一群Agent朝同一目标协作 → Paperclip
• 想把人与Agent团队集中在一处 → Buzz

作者本人日常用得最多的是Hermes，因为它最实用、会随时间学习、且在能力与易用性之间取得了最好的平衡。对于想认真运行多个Agent、尤其涉及敏感信息访问的人，务必补上安全防护这一环。