Harness Engineering 框架对比（五）：OpenClaw、Claude Code、OpenCode、 Hermes 深度横评

引言

前四篇我们学了概念、原理、架构和入门教程。这一篇来做横向对比——主流 Harness 框架各有什么特点？适用场景是什么？怎么选择？

我们重点对比四个框架：

• OpenClaw：生态最庞大的个人 AI 助手框架
• Claude Code：Anthropic 官方，最深度的模型集成
• OpenCode：开源新锐，多模型支持
• Hermes Agent：自改进学习循环的代表

一、OpenClaw：个人 AI 助手的操作系统

1.1 定位

OpenClaw 的定位是个人 AI 助手的"操作系统"——你的数据在哪里，AI 就在哪里帮你做事。

它不只是编程工具，而是一个多渠道、多任务的通用 Agent 平台。

1.2 核心数据

1.3 技术特点

多渠道接入：

• 飞书、Telegram、Discord、WhatsApp、Signal
• Slack、Microsoft Teams
• 这使它成为需要多 IM 集成的场景的最佳选择

Skills 系统：

• 自定义 Markdown 格式
• 60+ 内置 Skills
• clawhub.ai 社区市场

记忆架构（OpenClaw Architecture Part 3）：

• Filesystem 作为持久层
• RAM 作为工作层
• Enforced Flush Invariant：状态在从 Context 丢弃前必须 Flush 到磁盘
• Rehydration 当作工具形动作——Agent 搜索然后检索，而不是全量加载

1.4 适用场景

✅ 需要接入飞书、钉钉等国内 IM 平台 ✅ 多渠道消息统一管理 ✅ 个人助手场景（不只是编程） ✅ 需要丰富的 Skills 生态

❌ 对安全隔离有硬性要求 ❌ 主要做编程任务

二、Claude Code：模型厂商的官方 Harness

2.1 定位

Anthropic 官方的编程 Agent，是与 Claude 模型集成最深的 Harness。

2.2 核心特点

Ralph Loops 机制： 当 Agent 试图用完上下文时，Harness 拦截退出意图，在干净上下文窗口中重新注入原始提示，用文件系统持久化的状态继续工作。

三层 Agent 协作（Anthropic 最新设计）：

与模型联合训练： Claude Code 和 Claude 模型是一起训练的，这带来了深度优化，但也带来了耦合问题——在其他 Harness 中，Claude 的表现可能不如在 Claude Code 中。

2.3 适用场景

✅ 深度使用 Claude 模型 ✅ 需要官方的最佳集成体验 ✅ 编程任务为主

❌ 需要灵活的多模型支持 ❌ 需要接入飞书等非英文 IM

三、OpenCode：开源多模型的强力竞争者

3.1 定位

开源的 AI 编程 Agent，支持 200+ 模型供应商，定位与 Claude Code 相似但完全开源。

3.2 核心特点

事件驱动的并发架构：

客户端请求
    ↓
Event Bus（广播结果）
    ↓
Lane-aware FIFO Queue（会话级 FIFO，跨会话并行）
    ↓
Agent Session（独立上下文）

工具访问控制：

规划 Agent 不能调用 Edit 工具。防止探索 Agent 意外修改代码。

Task Tool（派生子 Agent）：

主会话
  → Task Tool 派生 subagent
  → subagent 有独立 session、context window
  → subagent 只能访问受限工具集
  → 结果通过 Event Bus 广播

多客户端支持：

• CLI（TUI）
• Web UI
• Desktop App
• 消息渠道（通过集中式 Gateway）

3.3 适用场景

✅ 需要开源、可定制 ✅ 需要多模型支持（200+） ✅ 主要做编程任务 ✅ 团队需要自定义

❌ 需要深度飞书集成（选 OpenClaw）

四、Hermes Agent：自改进的学习型 Agent

4.1 定位

首个内置闭环学习机制的自改进 AI Agent——越用越聪明。

4.2 核心特点

自改进学习循环：

内置 Skills 生成能力，配合名为 Honcho 的辩证建模系统——AI 同时生成支持和反对观点，通过碰撞得出更准确的判断，逐步理解用户偏好。

三层记忆跨会话持久化：

• FTS5 全文搜索（高效文本检索）
• LLM 摘要（将冗长内容压缩为要点）
• 跨会话召回（从过往多次对话精准提取）

6 种执行后端：

本地 | SSH | Daytona | Modal(serverless) | Docker | 更多...

开放标准：

采用 agentskills.io 开放标准，跨项目通用。还内置了 OpenClaw 迁移工具。

4.3 适用场景

✅ 需要 Agent 真正"学习"用户习惯 ✅ 安全隔离有要求（沙箱+白名单） ✅ 需要 serverless 或远程执行 ✅ 想从 OpenClaw 迁移

❌ 需要飞书等国内平台深度集成 ❌ 刚入门的新手

五、横向对比总表

六、场景化选择指南

七、关键洞察

洞察1：模型与 Harness 耦合

Claude Code 和 Claude 模型是联合训练的，这导致它在 Claude Code 中的表现>在其他 Harness 中。但这也意味着 Claude Code 里的"最佳实践"不一定能迁移到其他 Harness。

洞察2：安全是差异化因素

OpenClaw 的 CVE-2026-25253 事件暴露了软沙箱的风险。Hermes 的沙箱+白名单设计是应对安全敏感场景的差异竞争力。

洞察3：Skills 格式碎片化

OpenClaw 用自定义 Markdown，Hermes 用 agentskills.io 开放标准。长期看，开放标准会更容易在框架间迁移。

洞察4：不是非此即彼

社区的真实建议：

"与其纠结选择哪一个，不如都尝试体验——毕竟 Hermes 已准备好迁移工具。AI Agent 的终局并非某一框架统一天下，而是百花齐放后用户各取所需。"

总结

没有完美的框架，只有适合场景的选择。

标签：#AI #Agent #HarnessEngineering #OpenClaw #ClaudeCode #OpenCode #Hermes #框架对比