预计阅读时间：13 分钟
前四篇拆解了四个框架的源码和架构，这篇把它们放在一起，帮你 30 秒做出选型决策。
TL;DR
如果你只想看一句话结论：
- 个人开发者写代码 → Claude Code（最简洁，@agent-name 一发入魂）
- 企业多宿主部署 → Codex CLI（Rust 原生二进制 + 系统级沙箱）
- 多平台 AI 助手 → OpenClaw（25+ 通道，Gateway 持久化服务）
- 需要深度语义记忆 → Hermes Agent（Hindsight PG + pgvector，472ms 召回）
如果你需要看懂为什么——往下读。本文把四个框架放在五个维度上对比：进程模型、安全边界、记忆系统、多 Agent 协作、运维成本，最后给你一个决策树。
一、先看全貌：四种架构范式
┌─────────────────────────────────────────────────────────┐
│ AI Agent 框架光谱 │
├──────────────┬──────────────┬──────────────┬─────────────┤
│ OpenClaw │ Claude Code │ Codex CLI │ Hermes │
│ 平台路线 │ 务实路线 │ 工程化路线 │ 深度路线 │
│ Gateway │ Node.js │ Rust │ Python │
│ hub-and-spoke│ 子进程树 │ 原生二进制 │ 单循环 │
├──────────────┼──────────────┼──────────────┼─────────────┤
│ 适合: 企业级 │ 适合: 开发者 │ 适合: 生产环境│ 适合: 研究/ │
│ 多通道平台 │ 日常编程 │ 安全第一 │ 长期记忆 │
└──────────────┴──────────────┴──────────────┴─────────────┘
四种范式的本质差异
| OpenClaw | Claude Code | Codex CLI | Hermes Agent | |
|---|---|---|---|---|
| 核心语言 | TypeScript | TypeScript | Rust | Python |
| 架构模型 | Gateway 持久化服务 | CLI 一次性会话 | 多宿主统一核心 | Python 单循环 |
| 沙箱 | Docker (CLI Runner) | Docker + 权限分级 | 系统级原生沙箱 | 四层防御 |
| 记忆系统 | JSONL + Agent 自管理 | Auto-Memory (≤25KB) | AGENTS.md (≤50KB) | Hindsight PG + pgvector |
| 多 Agent | sessions_spawn（第一公民） | @agent-name（对话层） | multi_agents v2（工具层） | delegate_task（工具层） |
| 开源 | ✅ | ✅ | ✅ | ✅ |
| Star | 380K | — | — | — |
| --- | ||||
| ## 二、维度一：进程模型——你的 Agent 跑在哪里？ | ||||
| ### 2.1 四种进程模型的工程含义 |
OpenClaw: Gateway 进程 (7×24) → Lane Queue → Agent Runtime → 子进程
↑ 持久化服务 ↑ 串行调度 ↑ 进程内/外
Claude Code: CLI 主进程 → child_process.spawn(MCP) → child_process.fork(子Agent)
↑ 一次性会话 ↑ 外部工具进程 ↑ 独立 V8 实例
Codex CLI: Rust 二进制 → Tokio 异步运行时 → SandboxCommand
↑ 零依赖 ↑ 真并发 ↑ 系统级沙箱
Hermes: run_conversation() → ToolRegistry → delegate_task
↑ 单线程循环 ↑ 装饰器注册 ↑ 子进程
2.2 对你的影响
| 进程模型 | 适合场景 | 不适合场景 |
|---|---|---|
| Gateway 持久化 | 7×24 服务、多用户、多通道 | 个人开发、一次性任务 |
| CLI 一次性 | 终端编程、CI/CD | 需要持久化上下文的服务 |
| Rust 原生二进制 | 生产部署、安全敏感环境 | 快速原型、脚本化 |
| Python 单循环 | 深度定制、记忆密集型 | 高并发、多用户 |
| ### 2.3 一图看懂 | ||
| OpenClaw | Claude Code | |
| --- | --- | --- |
| 启动方式 | 服务进程 | claude 命令 |
| 运行时长 | 持续运行 | 任务结束退出 |
| 并发 | ✅ 原生（Lane Queue） | ❌ 单会话 |
| 依赖 | Node.js + Docker | Node.js 18+ |
| 分发 | Git Clone | npm install |
| --- | ||
| ## 三、维度二：安全边界——你的 Agent 能做什么？ | ||
| ### 3.1 安全模型的四种哲学 |
OpenClaw → 「用户决定」: ToolPolicy + 确认对话框
Claude Code → 「分级控制」: 5 级 Permission Mode + 工具白名单
Codex CLI → 「系统隔离」: Seatbelt/Landlock/ACL 内核级沙箱
Hermes → 「多层防御」: Prompt → Policy → Terminal → Vault
3.2 安全 vs 灵活性：一个刻意的取舍
| 框架 | 安全等级 | 安全机制 | 代价 |
|---|---|---|---|
| Codex CLI | ★★★★★ | 系统级沙箱（三平台原生） | 需要 Linux 5.13+/macOS/Windows |
| Hermes | ★★★★☆ | 四层防御 + Vault 加密 | 部署复杂（PG + pgvector） |
| Claude Code | ★★★☆☆ | 5 级 Permission + 白名单 | 依赖用户判断 |
| OpenClaw | ★★☆☆☆ | ToolPolicy + 用户确认 | 无自动拦截 |
| ### 3.3 你需要多高的安全等级？ |
场景：写个人项目 → Claude Code（够用，方便）
场景：企业 CI/CD 跑不可信代码 → Codex CLI（系统级沙箱是刚需）
场景：Agent 需要访问数据库/API Key → Hermes（Vault 加密凭据）
场景：多用户共享 Agent → OpenClaw + Codex 安全模型
四、维度三：记忆系统——你的 Agent 记得住什么？
4.1 记忆能力的四个层级
Level 0: 无跨会话记忆
└── Claude Code (Auto-Memory ≤25KB, Agent 自管理)
Level 1: 文件级记忆
└── OpenClaw (JSONL + Daily MD, grep 查找)
└── Codex CLI (AGENTS.md ×N 层, ≤50KB)
Level 2: 语义搜索
└── Hermes (Hindsight PG + pgvector, 472ms 从万条召回)
↑ 唯一一个能做语义搜索的
4.2 记忆策略对照
| Claude Code | OpenClaw | Codex CLI | Hermes | |
|---|---|---|---|---|
| 记忆类型 | Agent 自管理 | Agent 自管理 | 项目规则文件 | 独立记忆引擎 |
| 存储 | JSON 文件 | JSONL 文件 | AGENTS.md 文件 | PostgreSQL + pgvector |
| 搜索方式 | Agent 读文件 | grep | 层级收集 | 语义向量搜索 |
| 容量 | 25KB | 无硬限制 | 50KB | PG 无上限 |
| 跨项目 | ❌ | ❌ | ❌ | ✅（全局 Hindsight） |
| 搜索延迟 | 取决于 Agent | 取决于 grep | 取决于收集 | 472ms |
| ### 4.3 什么时候语义记忆是刚需？ | ||||
| - 你的 Agent 需要记住 100+ 次对话中的偏好和决策 | ||||
| - 你需要跨项目共享 Agent 的知识（"上次那个配置怎么解决类似的 OOM？"） | ||||
| - 你的 Agent 需要从历史错误中学习（不是每次都重新踩坑） | ||||
| 如果以上三条都不满足 → 文件级记忆足够。满足任一条 → Hermes 是你唯一的选择。 | ||||
| --- | ||||
| ## 五、维度四：多 Agent 协作——你的 Agent 能管几个 Agent？ | ||||
| ### 5.1 多 Agent 接口的易用性 |
最简洁 ──────────────────────────────────────→ 最强大
@agent-name delegate_task multi_agents sessions_spawn
(Claude Code) (Hermes) (Codex CLI) (OpenClaw)
「@reviewer check」 「工具调用+配置」 「工具调用+配置」 「第一公民 API」
对话层 工具层 工具层 平台层
5.2 多 Agent 能力对照
| OpenClaw | Claude Code | Codex CLI | Hermes | |
|---|---|---|---|---|
| 接口 | sessions_spawn API | @agent-name 对话 |
multi_agents 工具 | delegate_task 工具 |
| 进程隔离 | ✅ 子进程 | ✅ fork() | ✅ thread 内 | ✅ 子进程 |
| 并行上限 | 无限制 | 无限制 | 无限制 | 5 |
| 配置独立性 | SOUL.md + 模型 | prompt + 模型 + 工具 | thread 配置 | toolsets + 模型 |
| 编排复杂度 | 高（需设计协作） | 低（对话级） | 中（工具调用） | 中（Kanban） |
| 社区成熟度 | ★★★★★ (14+ 案例) | ★★★☆☆ | ★★★☆☆ | ★★☆☆☆ (v0.16) |
| ### 5.3 选型建议 | ||||
| - 需要 5+ Agent 复杂编排 → OpenClaw（第一公民，社区案例多） | ||||
- 需要简洁、偶尔用 → Claude Code（@agent-name 零学习成本） |
||||
| - 需要企业级批量调度 → Codex CLI（agent_jobs 批量作业） | ||||
| - 需要记忆共享的子 Agent → Hermes（子 Agent 也能查 Hindsight） | ||||
| --- | ||||
| ## 六、维度五：运维成本——部署和维护要花多少钱？ | ||||
| ### 6.1 部署复杂度 |
最简单 ──────────────────────────────────────→ 最复杂
Claude Code Codex CLI Hermes OpenClaw
npm install 下载二进制 pip install Git Clone
（单文件） + PG 配置 + Docker
+ pgvector + 配置 25 通道
6.2 运维成本拆解
| Claude Code | Codex CLI | OpenClaw | Hermes | |
|---|---|---|---|---|
| 安装 | 1 条命令 | 下载 1 个文件 | Git Clone | pip install |
| 依赖 | Node.js | 零 | Node.js + Docker | Python + PG + pgvector |
| 启动 | claude |
codex |
启动 Gateway | 运行 Python 脚本 |
| 更新 | npm update | 下载新二进制 | git pull | pip install -U |
| 监控 | 无 | 无 | 需监控 Gateway | 需监控 PG |
| 成本 | API 费 | API 费 | API + 服务器 | API + PG 服务器 |
| ### 6.3 什么时候简单就是对的？ | ||||
| 如果你的需求是"在终端里让 AI 帮我写代码"——Claude Code。一条命令安装，零配置，五分钟上手。不要因为 Codex 的 Rust 沙箱很酷就用它来写个人项目——运维成本不匹配。 | ||||
| 如果你的需求是"公司要求所有 AI 生成的代码必须在沙箱里跑"——Codex CLI。系统级沙箱是合规刚需，运维成本是必须付的。 | ||||
| --- | ||||
| ## 七、终极决策树：30 秒选出你的框架 |
开始
│
├─ 你需要 7×24 运行的多通道 AI 助手？
│ ├─ 是 → OpenClaw（Telegram/Discord/Slack 25+ 通道）
│ └─ 否 ↓
│
├─ 你需要跨会话的语义记忆搜索？
│ ├─ 是 → Hermes Agent（Hindsight PG + pgvector）
│ └─ 否 ↓
│
├─ 你需要在生产环境/CI/CD 中运行且安全合规是第一优先级？
│ ├─ 是 → Codex CLI（系统级沙箱 + 零依赖）
│ └─ 否 ↓
│
├─ 你主要是个人开发/日常编码？
│ ├─ 是 → Claude Code（最简洁，npm install 即用）
│ └─ 否 ↓
│
└─ 不确定 → 按技术栈选：
Python 栈 → Hermes Agent
Node.js 栈 → Claude Code 或 OpenClaw
Rust 栈 / 无运行时 → Codex CLI
八、混合使用：最佳组合
四个框架不是互斥的。最合理的组合策略：
日常编码 → Cursor/Windsurf (IDE Agent, 高频低延迟)
+ Claude Code (终端里的重型任务)
批量重构/CI → Codex CLI (沙箱安全 + 可复现)
长期记忆 → Hermes Agent (跨会话上下文)
对外服务 → OpenClaw (多通道 AI 助手)
一个具体的工作流：
1. 用 Cursor 写代码，Tab 补全处理 80% 的日常编辑
2. 遇到需要跨文件重构时，切到终端 claude -p "refactor auth module"
3. 重构完成后，Hermes 自动记录这次决策（"auth 模块用 JWT 替代 session"）
4. CI 里跑 Codex CLI 做安全检查（沙箱里跑生成的代码）
5. 对外通过 OpenClaw 的 Telegram Bot 回答用户问题（查 Hindsight 记忆）
九、总结：四个框架教会我们的事
9.1 共同趋势
四个框架在三个方向上走向了同一个终点： | 趋势 | OpenClaw | Claude Code | Codex CLI | Hermes | |---|---|---|---|---| | 子进程隔离 | ✅ CLI Runner | ✅ fork/spawn | ✅ SandboxCommand | ✅ delegate_task | | 协议标准化 | ACP + MCP | ACP + MCP | ACP + MCP | 自研（待标准化） | | 项目记忆文件 | SOUL.md | CLAUDE.md | AGENTS.md | SOUL.md + skills/ |
9.2 各自的护城河
| 框架 | 护城河 | 能持续多久？ |
|---|---|---|
| OpenClaw | 380K Star 社区 + 25 通道生态 | 强网络效应，后来者难追赶 |
| Claude Code | Anthropic 模型独占 + 最简洁接口 | 依赖 Claude 模型优势 |
| Codex CLI | Rust 系统级沙箱 + 零依赖 | 工程壁垒，复制成本高 |
| Hermes | pgvector 语义记忆 + 四层防御 | 记忆系统是独一无二的 |
| ### 9.3 给你的一句话建议 | ||
| - 如果只装一个 → Claude Code（覆盖面最广，个人开发到小团队都够用） | ||
| - 如果装两个 → Claude Code + Hermes（编程 + 记忆） | ||
| - 如果装三个 → Claude Code + Codex + Hermes（编程 + 安全 + 记忆） | ||
| - 如果全都要 → 四个都装，按场景切换 | ||
| 没有完美的框架，只有适合你当前场景的组合。 | ||
| --- | ||
> 系列完结。 五篇文章，四个框架，一个决策树。从 OpenClaw 的 Gateway 到 Codex 的 Rust 沙箱，从 Claude Code 的 @agent-name 到 Hermes 的语义记忆——希望能帮你在 AI Agent 的战场上少踩坑、快选型。 |
本文由 admin 原创，转载请注明出处。
评论
0