OpenClaw 和 Hermes 差在哪？從「棄養龍蝦潮」看 AI Agent 該怎麼選

2026 年初，「養龍蝦」突然變成全民運動。大家在家裡的電腦、迷你主機、雲端主機裝上 OpenClaw，讓它幫忙收信、整理資料、上網爬文，甚至直接操作電腦。

結果沒過幾個月，風向就變了：有人移除、有人擔心資安、有人看著 token 帳單嚇一跳，出現了所謂的「棄養龍蝦潮」。同一段時間，另一個開源 Agent Hermes 快速竄起，在不少指標上追過了龍蝦。

這篇整理我對這兩個工具的理解：它們差在哪、該怎麼選，以及龍蝦為什麼會被棄養。

重點整理

OpenClaw 是「平面擴展」：往外接，接更多聊天軟體、更多 Agent、更多社群技能，追求「什麼都能做」。
Hermes 是「垂直擴展」：往深做，從你的使用習慣中學習、累積技能和記憶，追求「越用越懂你」。
兩者能做的事其實差不多：都能上網爬資料、跑指令、排程、接 Telegram 或 Slack；Hermes 也能透過 MCP 一直加觸手。差別在怎麼長大，以及可不可控。
棄養潮的主因不是龍蝦不夠強，而是太強卻管不住：權限太大、第三方技能有風險、token 燒很快，加上門檻比想像中高。
我自己比較看好 Hermes：對個人或小團隊來說，一個穩定、會學習、行為可預期的 Agent，比一個什麼都能碰、但難以掌控的 Agent 更實用。

先認識兩隻主角

OpenClaw：那隻紅色龍蝦

OpenClaw 是開源的自主 AI Agent 框架，吉祥物是一隻紅色龍蝦，所以安裝、調教它被大家叫做「養龍蝦」。它在 2025 年底發布，原本叫 Clawdbot，後來改名 Moltbot，最後定名 OpenClaw。

2026 年 1 月底重新發布後爆紅，48 小時內衝到 10 萬顆星，4 月更超過 React，成為 GitHub 上星星最多的專案。創作者 Peter Steinberger 在 2 月加入 OpenAI，專案改由基金會維護。

它的核心是一個長駐的 Gateway（閘道）：負責接上各種聊天軟體、管理對話、權限和狀態。你可以在 LINE、Telegram、Slack、iMessage 等 20 幾個平台跟它說話，它再去操作檔案、瀏覽器、終端機，幫你把事情做完。

Hermes：會自己長技能的 Agent

Hermes Agent 是 Nous Research 做的開源 Agent（MIT 授權）。它最大的特色是學習迴圈：

完成一個比較複雜的任務後（例如用了很多次工具、中間出錯又自己修好、或被你糾正過），它會把做法整理成技能（Skill），下次直接重用。
用不到的技能會慢慢被標記成過期、封存，常用的會被強化。
會跨對話記住你的偏好和習慣，越用越像「你的」助理。

它一樣能接 20 幾個聊天平台、有 60 多個內建工具（上網搜尋、瀏覽網頁、看圖等），也能連接 MCP Server 擴充能力，指令可以跑在本機、Docker、SSH 遠端主機或雲端沙箱上。

平面擴展 vs 垂直擴展

我自己的理解是：龍蝦往橫向長，Hermes 往縱向長。

	OpenClaw（平面擴展）	Hermes（垂直擴展）
成長方向	接更多平台、更多 Agent、更多社群技能	把同一個 Agent 磨得更懂你
核心架構	Gateway 優先：先把所有入口接起來	Agent 優先：先把執行和學習做好
技能從哪來	主要從 ClawHub 安裝社群做好的技能	主要從你的使用過程中自動長出來
記憶	跨對話保留資訊，近期加入整理記憶的機制	定期反思、全文搜尋舊對話，建立使用者模型
多 Agent	強項：可以跨機器開一整支「Agent 軍團」	以單一 Agent 加子任務分派為主
上手感受	裝好就有一堆現成技能可以用	剛開始很普通，用了幾週才看得出差別
適合	想一次接很多管道、跑很多角色的人	有固定重複工作、想要穩定可預期的人

用比喻來說：

OpenClaw 像是一次請了一整個部門的實習生，每個人都能做很多事，也能去外面借工具（ClawHub），但你要花很多力氣管理誰能碰什麼。
Hermes 像是請了一個會做筆記的助理，一開始什麼都要教，但教過的事情會越做越好，而且做事方式你大概都猜得到。

龍蝦的優勢，為什麼反而變成問題？

龍蝦一開始最吸引人的，就是兩件事：能自主上網爬各種資料，以及能直接控制電腦。

但這兩個優勢，換個角度看就是風險：

能控制電腦 = 權限很大。它可以讀檔案、開瀏覽器、跑終端機指令、收發訊息。授權只要設錯一次，後果就不是「答錯一句話」，而是真的刪了東西、寄錯信。商業周刊的報導就提到，Meta 有主管因為授權設定錯誤，重要信箱被 AI 清空。
能自主爬文 = 會讀到不可信的內容。網頁裡如果藏了惡意指令（提示注入），Agent 可能會被誘導去做你沒叫它做的事。
能裝社群技能 = 供應鏈風險。ClawHub 上的技能是第三方寫的，惡意技能可能偷跑指令、外洩資料。

也就是說，龍蝦的問題不是做不到，而是做太多、又管不住。

為什麼會出現「棄養龍蝦潮」？

整理各家報導，原因大致有這幾個：

1. 資安和權限失控

除了上面講的權限問題，2026 年 3 月中國工信部也發布風險提示，指出 OpenClaw 預設的安全設定很脆弱，可能越權操作。部分國營企業、政府機關和大學因此限制或禁止內部使用。

2. Token 帳單太嚇人

OpenClaw 本身免費，但要接 AI 模型的 API，用多少付多少。它為了「記得事情」，會一直重讀先前的對話和記憶；技能也常常整包塞進上下文。結果是：一句很短的指令，背後可能燒掉幾萬個 token。如果再讓它在背景長時間跑自動化，帳單很容易失控。

3. 門檻比想像中高

很多人是被「AI 幫你自動做事」的短影音吸引進來的，裝了才發現：要開終端機、要設定 API key、要調權限、技能要手動建立和授權，出問題還要自己看 log。對非工程師來說，這比想像中難很多。

4. 移除也不簡單

有報導提到，因為它深入系統運作，刪不乾淨可能讓電腦變慢，甚至留下後門，有人還得花錢請工程師幫忙移除。

5. 有更順手的替代品出現

剛好在這段時間，Hermes 的學習迴圈開始被討論。到 2026 年 5 月，Hermes 在 OpenRouter 上每天消耗的 token 量已經超過 OpenClaw，排名第一；而 OpenClaw 在 GitHub 的每週新增星數，從 2 月高峰的每週約 4 萬顆，掉到每週不到 2 千顆。

不過要注意，OpenClaw 的總星數和下載量仍然遠多於 Hermes。到 2026 年 10 月初，OpenClaw 在 GitHub 上大約有 39 萬顆星，Hermes 則成長到大約 25 萬顆。所謂棄養潮，比較像是熱潮退燒、使用者重新分流，而不是龍蝦被淘汰了。

那 Hermes 就比較安全嗎？

不完全是。這點我覺得要講清楚，免得大家從一個極端跳到另一個極端：

Hermes 一樣能跑指令、控制電腦。如果用「本機」模式，指令就是直接在你的電腦上執行。它有危險指令檢查、高風險操作要你批准等機制，但前提是你有好好設定。
MCP 觸手也是供應鏈。每接一個 MCP Server，就等於多給 Agent 一種能力，也多一個可能出問題的入口。來路不明的 MCP Server，風險跟來路不明的 ClawHub 技能是一樣的。
自動長技能，代表規則是開發者幫你定的。什麼時候該存成技能、多久反思一次，都寫死在 Hermes 的設計裡。你省下了手動管理的力氣，但也交出了一部分控制權。

所以 Hermes 比較讓我放心的地方，不是它「做不到危險的事」，而是：它的能力是透過 MCP 一個一個加上去的，每一隻觸手你都知道是哪來的；它的行為會往你的習慣收斂，比較可預期。

怎麼選？

你的情況	建議
想在很多聊天軟體上都能叫到同一個助理	OpenClaw
想同時跑很多個不同角色的 Agent，分散在不同機器	OpenClaw
想裝好就有一堆現成技能可以玩	OpenClaw（但技能要自己審）
有固定、重複的工作流程，想讓 AI 越做越順	Hermes
重視行為可預期、不想被 Agent 嚇到	Hermes
想用 MCP 一個一個接自己需要的工具	Hermes
不是工程師，只是想試試 AI 自動化	兩個都先別急，先用 ChatGPT、Claude 這類官方 App 的排程、Agent 功能
處理金融、醫療等敏感資料	兩個都不建議直接上線

不管選哪一個，有幾個共通的原則：

裝在獨立的環境：迷你主機、雲端虛擬機或容器，不要裝在你每天工作的電腦上。
權限從最小開始：先給唯讀，確定沒問題再慢慢開。
技能和 MCP 只裝看得懂、來源可信的。
設定 token 上限和用量警示：避免背景任務默默把錢燒光。
重要動作一定要人工確認：寄信、刪檔、付款，這些都不該讓 Agent 自己決定。

接下來的發展

1. 從「什麼都能做」走向「做得穩」

第一波大家比的是功能多不多，下一波會比權限管理、沙箱、審核紀錄。能說清楚「Agent 做了什麼、為什麼做、誰批准的」的框架，才能進到公司裡用。

2. 記憶和自我學習會變成主戰場

Hermes 的學習迴圈證明了「越用越好用」是能留住人的。OpenClaw 這邊也在補：2026 年 8 月推出的 2.0 版加入了會偵測你的糾正、建議建立技能的 Skill Workshop，而且自我學習改成預設開啟；再加上把短期資訊整理成長期記憶的 Dreaming 機制，龍蝦其實也開始往「垂直擴展」靠攏。另一邊，Hermes 也加了群組裡多個具名 Agent 的 Bot Mode，往「平面」延伸。兩邊會越來越像。

3. MCP 和技能標準化，框架差距會縮小

現在兩邊都已經同時支援當 MCP 的使用端和服務端，當工具都透過 MCP 接、技能都照共通格式寫，換框架的成本就會變低。到時候選擇的關鍵，會從「功能」變成「生態系、穩定度和維運成本」。

4. 成本控制會變成標配

Agent 會一直呼叫模型，成本是最現實的問題。接下來會看到更多「先用便宜的模型判斷，再決定要不要叫大模型」的設計，像我之前寫的 Jev 這類快速判斷的模型，就很適合放在 Agent 前面做分流。

5. 大廠的官方 Agent 會壓縮自架的空間

ChatGPT、Claude、Gemini 都在把排程、操作電腦、連接外部工具做進自家產品。對一般使用者來說，「自己架一隻 Agent」的必要性會越來越低；自架框架會更集中在工程師、需要高度客製或資料不能出去的場景。

結語：管得住，比做得多更重要

養龍蝦的熱潮，某種程度上是大家第一次真正感受到「AI 不只會聊天，還能動手」。棄養潮則是第二堂課：能動手的 AI，最重要的不是它能做多少事，而是你管不管得住它。

這也是為什麼我比較看好 Hermes 這種垂直擴展的方向。觸手可以透過 MCP 慢慢加，該爬的資料一樣爬得到，但每一步都在你可以理解、可以預期的範圍內。對大多數人來說，一個穩定的好助理，比一支難以掌控的軍團更有用。

你有在養龍蝦，或已經換成 Hermes 了嗎？歡迎寫信跟我分享你的經驗，信箱在關於頁。

參考資料