From b2951d8cd0fd75154a2c94e54abeaabd7fd6a0bc Mon Sep 17 00:00:00 2001 From: thzxx Date: Sat, 18 Apr 2026 09:10:06 +0800 Subject: [PATCH] =?UTF-8?q?docs:=20=E6=B7=BB=E5=8A=A0=20OpenClaw=20&=20Her?= =?UTF-8?q?mes=20Agent=20=E5=AF=B9=E6=AF=94=E5=88=86=E6=9E=90=E5=8F=8A=20M?= =?UTF-8?q?etona=20=E6=94=B9=E8=BF=9B=E8=B7=AF=E7=BA=BF=E5=9B=BE?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- docs/OPENCLAW-HERMES-ANALYSIS.md | 474 +++++++++++++++++++++++++++++++ 1 file changed, 474 insertions(+) create mode 100644 docs/OPENCLAW-HERMES-ANALYSIS.md diff --git a/docs/OPENCLAW-HERMES-ANALYSIS.md b/docs/OPENCLAW-HERMES-ANALYSIS.md new file mode 100644 index 0000000..b1b5e8a --- /dev/null +++ b/docs/OPENCLAW-HERMES-ANALYSIS.md @@ -0,0 +1,474 @@ +# OpenClaw & Hermes Agent 对比分析 — Metona 改进路线图 + +> 基于 2026 年 4 月对 OpenClaw 和 Hermes Agent 两个开源 AI Agent 项目的深度研究， +> 梳理 Metona Ollama Desktop 可吸收和改进的功能点。 + +--- + +## 一、项目概览 + +### OpenClaw（原 Clawdbot） + +- **定位**：个人 AI 助手运行平台（Gateway 中心化架构） +- **核心哲学**：编排 + 生态 — 你配置模型、工具、通道，网关负责路由 +- **GitHub Stars**：6 万+（2026 年初现象级项目） +- **特点**：技能市场成熟、多通道接入、团队协作友好、生态丰富 + +### Hermes Agent（Nous Research） + +- **定位**：自进化 AI 智能体（Learning Agent 架构） +- **核心哲学**：学习循环 — Agent 从经验中积累技能，越用越强 +- **GitHub Stars**：6.4 万+（2026 年 2-4 月爆火） +- **特点**：技能自动生成、分层记忆、执行轨迹反哺、多实例隔离 + +### Metona Ollama Desktop + +- **定位**：本地 Ollama 桌面 AI Agent 客户端（Electron + TypeScript） +- **核心哲学**：原生桌面体验 — 零配置、全离线、系统级集成 +- **差异化优势**：系统托盘、原生文件对话框、工作空间面板、暖色调 UI + +### 架构对比 + +``` +OpenClaw: Gateway 中心化 → 路由/编排/生态 → 偏「平台」 +Hermes: 学习循环核心 → 记忆/技能/进化 → 偏「个体智能体」 +Metona: Electron 桌面 → 工具调用/UI → 偏「客户端」 + +Metona 进化方向： + 当前 = 工具调用客户端 + 目标 = 会学习的桌面 Agent（吸收 Hermes 的学习能力 + OpenClaw 的工程化能力） +``` + +--- + +## 二、从 Hermes Agent 吸收 + +### 1. 技能自动生成（Skill Learning Loop）🔴 P0 + +**Hermes 做法** + +完成复杂任务后自动将执行轨迹抽取为结构化 Skill，包含： +- 任务分解步骤 +- 关键判断节点 +- 潜在陷阱 +- 验证方式 + +下次遇到类似任务时直接复用已有技能，跳过重新推理。多次使用中持续优化技能实现。 + +**Metona 现状** + +有 ReAct 执行轨迹记录（`traces` 表），但仅用于回溯查看，没有自动提炼为可复用技能。 + +**改进方案** + +1. 在 `traces` 表基础上，Agent Loop 结束后自动分析执行轨迹 +2. 提取成功的工具调用序列 → 保存为 `skills` 表 +3. 下次新会话检索匹配的 skill → 优先复用 +4. 技能质量随使用次数迭代优化 + +``` +新表结构： +skills: + id TEXT PRIMARY KEY + name TEXT -- 技能名称 + description TEXT -- 技能描述 + trigger_pattern TEXT -- 触发条件（关键词/意图模式） + tool_chain TEXT -- 工具调用链（JSON 数组） + success_count INTEGER -- 成功次数 + fail_count INTEGER -- 失败次数 + avg_duration INTEGER -- 平均执行时长（ms） + created_at INTEGER + updated_at INTEGER + last_used_at INTEGER +``` + +Agent Loop 新增流程： + +``` +任务完成 → 分析 traces → 提取工具链模式 → 判断是否可复用 + → 新技能？→ 创建 skill 记录 + → 匹配已有技能？→ 更新成功率、优化参数 + → 下次同类任务 → 优先使用 skill → 跳过推理直接执行 +``` + +### 2. 分层记忆 + 用户画像模型 🟡 P1 + +**Hermes 做法** + +- `memory.md`：事实卡片（技术栈、项目上下文、常用工具） +- `user.md`：用户画像（角色、领域经验、编码风格、偏好） +- 构建一个「关于用户的深层模型」，跨会话持续积累 + +**Metona 现状** + +有 fact/preference/rule 三类记忆 + FTS5 搜索 + 向量语义搜索。但没有独立的用户画像系统，不理解「用户是谁」。 + +**改进方案** + +1. 新增 `user_profiles` 表或独立的 `user.md` 文件 +2. 自动推断用户画像： + - 技术栈偏好（Python/TypeScript/Go...） + - 编码风格（verbose/compact、type hints/any） + - 常用工具链 + - 工作时间段 + - 对错误的容忍度 +3. 记忆注入时区分层级： + - 画像 → 决策上下文（决定 Agent 的行为风格） + - 偏好 → 行为引导（决定具体操作方式） + - 事实 → 参考信息（决定知识引用） + +``` +user_profiles 表： + id TEXT PRIMARY KEY + role TEXT -- 角色（后端工程师/全栈/数据科学家...） + tech_stack TEXT -- 技术栈（JSON 数组） + code_style TEXT -- 编码风格描述 + experience TEXT -- 经验描述 + work_hours TEXT -- 工作时间段 + error_tolerance TEXT -- 错误容忍度（high/medium/low） + updated_at INTEGER +``` + +### 3. 执行轨迹导出 → 自训练数据 🔵 P3 + +**Hermes 做法** + +将工具调用轨迹导出为训练数据，可用于后续模型微调。Agent 不仅在「用模型」，也在不断生产可以反哺模型的训练数据。 + +**Metona 现状** + +`traces` 表已记录每步 Thought → Action → Observation，但没有导出功能。 + +**改进方案** + +1. 新增「导出训练数据」功能 +2. 将 traces 转换为 SFT 格式： + ```json + { + "instruction": "帮我查询项目中所有 TypeScript 文件", + "input": "", + "output": "我来帮你搜索...", + "tool_calls": [ + {"name": "search_files", "arguments": {"path": ".", "query": "*.ts"}} + ], + "observations": ["找到 42 个文件..."], + "final_answer": "项目中有 42 个 TypeScript 文件..." + } + ``` +3. 设置中新增「允许导出训练数据」开关 +4. 导出格式支持 JSON / JSONL + +--- + +## 三、从 OpenClaw 吸收 + +### 4. Heartbeat 主动检查机制 🟢 P2 + +**OpenClaw 做法** + +Agent 定期（默认 30 分钟）主动检查邮箱、日历、通知等，有事才通知用户，没事保持安静（`HEARTBEAT_OK`）。支持在 `HEARTBEAT.md` 中配置检查项。 + +**Metona 现状** + +纯被动模式，用户不说话就不动。 + +**改进方案** + +1. 新增后台 heartbeat 定时器（可配置间隔，默认关闭） +2. 可配置检查项： + - Ollama 服务连接状态 + - 磁盘空间（workspace 目录） + - 新模型可用性（对比 `ollama list` 和本地列表） + - 长时间未保存的会话 +3. 有异常时通过 Electron Notification API 推送系统通知 +4. 检查结果写入 `heartbeat-state.json` 避免重复告警 + +### 5. Cron 定时任务 🔵 P4 + +**OpenClaw 做法** + +支持两种调度： +- `at`：一次性定时（ISO-8601 时间戳） +- `cron`：周期性调度（cron 表达式 + 时区） + +任务类型： +- `systemEvent`：注入文本到主会话 +- `agentTurn`：在隔离会话中执行 Agent 任务 + +**Metona 现状** + +无定时任务功能。 + +**改进方案** + +1. 集成轻量级调度器（`cron` npm 包或 `setInterval`） +2. 预设任务模板： + - 每日对话摘要（自动总结当天对话） + - 定期备份（导出会话为 JSON） + - 旧会话清理（超过 N 天的归档） + - Ollama 模型更新检查 +3. 任务结果直接显示在聊天区域或工作空间面板 + +### 6. MCP（Model Context Protocol）生态对接 🔵 P3 + +**OpenClaw + Hermes** + +均支持 MCP 协议，可连接外部工具和 IDE（Cursor、VS Code、Claude Desktop）。工具从硬编码 → 动态发现。 + +**Metona 现状** + +25 个内置工具硬编码在 `tool-registry.ts`，无法扩展外部工具。 + +**改进方案** + +1. 实现 MCP Client（连接外部 MCP Server） +2. 工具注册表重构： + - 内置工具（现有 25 个） + - MCP 工具（通过配置文件或 UI 添加） +3. 用户可自行添加 MCP 工具，如： + - 数据库查询 MCP Server + - 外部 API 调用 MCP Server + - 专用硬件控制 MCP Server +4. 设置面板新增「MCP 工具管理」页面 + +### 7. 浏览器控制（Browser Automation） 🔵 P3 + +**OpenClaw** + +内置 Playwright 浏览器自动化，支持截图、表单填写、页面交互。 + +**Hermes** + +「全网页与浏览器控制」，真正的网页浏览能力。 + +**Metona 现状** + +只有 `web_fetch`（HTTP 抓取纯文本）和 `web_search`（搜索引擎），无法交互式操作网页。 + +**改进方案** + +1. 集成 Playwright 或 Puppeteer 作为新工具 +2. 新增工具集： + - `browser_open`：打开 URL + - `browser_click`：点击元素 + - `browser_type`：输入文本 + - `browser_screenshot`：截图 + - `browser_extract`：提取页面数据 +3. 在工作空间面板显示浏览器实时预览 +4. 注意：会增加应用体积约 200MB（Chromium 二进制），可设为可选组件 + +### 8. 子代理委派（Sub-Agent Delegation） 🔵 P3 + +**OpenClaw** + +`sessions_spawn` 生成独立子会话，支持 `run`（一次性）和 `session`（持久化）两种模式。子 Agent 完成后自动汇报。 + +**Hermes** + +生成独立子代理处理并行工作流，零上下文成本。 + +**Metona 现状** + +单 Agent Loop，串行执行，最多 15 轮。 + +**改进方案** + +1. 主 Agent 识别可并行任务后 spawn 子 Agent +2. 子 Agent 独立执行（独立消息上下文） +3. 完成后汇报结果给主 Agent +4. 在聊天区域以可折叠卡片展示子 Agent 进度 +5. 实现方式：复用当前 Agent Loop，但起始消息不同 + +--- + +## 四、从两者共同吸收（通用最佳实践） + +### 9. 会话管理增强 🟡 P1 + +| 功能 | OpenClaw | Hermes | Metona 现状 | 改进方案 | +|------|----------|--------|------------|----------| +| `/new` `/reset` | ✅ | ✅ | ✅ 已有 | — | +| `/retry` 重试 | ✅ | ✅ | ❌ | 回退到上一轮消息，重新生成 | +| `/undo` 撤销 | ✅ | ✅ | ❌ | 删除最后一条用户/AI 消息对 | +| `/compress` 压缩 | ✅ | ✅ | ❌ | LLM 摘要长对话，压缩上下文 | +| `/usage` 统计 | ✅ | ✅ | ⚠️ 部分 | 按日/周/月 token 消耗统计 | +| `/model` 切换 | ✅ | ✅ | ⚠️ 下拉框 | 输入框快速切换，支持模糊搜索 | + +**`/retry` 实现方案**： + +```typescript +// 从 messages 数组中找到最后一个 user 消息的位置 +// 删除该位置之后的所有消息（assistant 回复 + 可能的 tool 调用） +// 用相同的 user 消息重新发起 Agent Loop +``` + +**`/compress` 实现方案**： + +```typescript +// 将 messages 中间部分（保留首尾各 2 条）用 LLM 做摘要 +// 摘要结果作为 system 消息注入 +// 大幅减少 token 消耗，保留关键上下文 +``` + +### 10. 诊断系统（Doctor） 🟢 P2 + +**Hermes 做法** + +`hermes doctor` 一键诊断所有配置问题：连接、模型、工具权限、磁盘空间等。 + +**Metona 现状** + +设置面板只有 Ollama 连接检测。 + +**改进方案** + +在设置面板新增「系统诊断」页面，检查项： + +| 检查项 | 说明 | +|--------|------| +| Ollama 连接 | 服务地址可达、版本号 | +| 模型可用性 | 选中模型是否已下载、是否正在运行 | +| Tool Calling 支持 | 当前模型是否支持 function calling | +| Vision 支持 | 当前模型是否支持图片 | +| 磁盘空间 | workspace 目录剩余空间 | +| SQLite 完整性 | 数据库文件完整性检查 | +| 工具权限 | 安全配置是否合理 | +| 版本信息 | Metona 版本、Electron 版本、Node 版本 | + +### 11. 人格/模式切换 🟢 P2 + +**OpenClaw** + +`SOUL.md` 定义人格和行为准则。 + +**Hermes** + +`/personality [name]` 切换不同人格模式。 + +**Metona 现状** + +只有 system prompt 自定义设置。 + +**改进方案** + +1. 预设多个人格模板： + + | 人格 | 说明 | 温度 | 工具集 | + |------|------|------|--------| + | 编程助手 | 严谨、注重代码质量 | 0.3 | 文件操作 + Git + 命令 | + | 写作助手 | 流畅、有文采 | 0.8 | 文件操作 + 网络搜索 | + | 数据分析师 | 精确、数据驱动 | 0.2 | 文件操作 + 命令 | + | 翻译 | 准确、信达雅 | 0.4 | 文件操作 | + | 通用助手 | 平衡 | 0.7 | 全部 | + +2. 每个人格有独立的 system prompt + 工具集 + 温度设置 +3. 在 Header 或 Model Bar 快速切换 +4. 用户可创建自定义人格 + +### 12. 响应速度优化 ⚡ + +**Hermes 核心优势** + +比 OpenClaw 响应更快，社区反馈明显。 + +**Metona 可优化方向** + +1. **模型预热**：切换模型后发送空请求保持 `keep_alive`，减少首次推理延迟 +2. **工具并行执行**：当前多个工具串行执行，互相独立的工具可并行 + ```typescript + // 改进前：串行 + for (const call of toolCalls) { + await executeTool(call); + } + + // 改进后：检测依赖关系，并行执行独立工具 + const independentCalls = toolCalls.filter(/* 无依赖 */); + const dependentCalls = toolCalls.filter(/* 有依赖 */); + await Promise.all(independentCalls.map(c => executeTool(c))); + for (const c of dependentCalls) await executeTool(c); + ``` +3. **上下文智能管理**：超过 `num_ctx` 时自动摘要而非截断，保留更多信息 +4. **工具结果预处理**：在格式化前预计算，减少序列化开销 + +--- + +## 五、优先级排序 + +### 按投入产出比排序 + +| 优先级 | 功能 | 复杂度 | 用户价值 | 来源 | +|--------|------|--------|----------|------| +| 🔴 P0 | 技能自动生成（Skill Loop） | 高 | ⭐⭐⭐⭐⭐ | Hermes | +| 🔴 P0 | `/retry` `/undo` 会话操作 | 低 | ⭐⭐⭐⭐⭐ | 共同 | +| 🟡 P1 | 用户画像模型 | 中 | ⭐⭐⭐⭐ | Hermes | +| 🟡 P1 | 上下文压缩 (`/compress`) | 中 | ⭐⭐⭐⭐ | 共同 | +| 🟡 P1 | 工具并行执行优化 | 中 | ⭐⭐⭐⭐ | 共同 | +| 🟢 P2 | Heartbeat 主动检查 | 低 | ⭐⭐⭐ | OpenClaw | +| 🟢 P2 | 人格模板切换 | 低 | ⭐⭐⭐ | 共同 | +| 🟢 P2 | 诊断系统 (`doctor`) | 低 | ⭐⭐⭐ | Hermes | +| 🔵 P3 | MCP 生态对接 | 高 | ⭐⭐⭐⭐ | 共同 | +| 🔵 P3 | 浏览器控制 | 高 | ⭐⭐⭐ | 共同 | +| 🔵 P3 | 子代理委派 | 高 | ⭐⭐⭐ | 共同 | +| 🔵 P3 | 训练数据导出 | 中 | ⭐⭐ | Hermes | +| ⚪ P4 | Cron 定时任务 | 中 | ⭐⭐ | OpenClaw | + +### 建议实施路线 + +**v4.1 — 会话增强（快速见效）** + +- `/retry` 重试上一轮 +- `/undo` 撤销最后消息 +- `/compress` 上下文压缩 +- 工具并行执行优化 + +**v4.2 — 智能进化（核心差异化）** + +- 技能自动生成系统（Skill Loop） +- 用户画像模型 +- 人格模板切换 + +**v4.3 — 生态扩展（长期建设）** + +- MCP Client 支持 +- Heartbeat 主动检查 +- 诊断系统 +- 子代理委派 + +**v5.0 — 全面进化** + +- 浏览器控制 +- 训练数据导出 +- Cron 定时任务 +- 多实例隔离 + +--- + +## 六、Metona 的差异化定位 + +``` +OpenClaw = 平台型（Gateway + Skills + 多通道 + 团队） +Hermes = 进化型（学习循环 + 记忆 + 技能自动生成） +Metona = 桌面型（原生体验 + 系统集成 + 离线优先） + +Metona 的独特价值： + ✅ 零配置启动（npm start 即用） + ✅ 系统托盘 + 原生文件对话框 + ✅ 工作空间面板（终端 + 文件浏览器一体化） + ✅ 暖色调 UI（非暗色主题，长时间使用不疲劳） + ✅ 全离线运行（数据不离开本机） + + 待吸收： + 🔜 技能自动生成（Hermes） + 🔜 用户画像模型（Hermes） + 🔜 会话管理增强（共同） + 🔜 MCP 生态对接（共同） + +最终形态 = 会学习的桌面 Agent + = Metona 的原生桌面体验 + + Hermes 的学习进化能力 + + OpenClaw 的工程化实践 +``` + +--- + +*最后更新：2026-04-18*