OpenHuman AI Agent - 对比 OpenClaw 与 Hermes 的深度分析

三大开源 AI Agent 对比¶

OpenClaw¶

• 作者: Peter Steinberger (PSPDFKit 创始人)，后加入 OpenAI
• Stars: 68,000
• 哲学: 消息应用即命令中心 — WhatsApp/Telegram/Signal/Discord
• 架构: 本地运行，BYO 模型/API key，MIT 协议
• 特点: 终端安装，Task Brain (SQLite 任务账本)，NVIDIA Nemo Claw 安全栈
• 局限: 配置复杂，零自动上下文，开发者向

Hermes Agent¶

• 作者: Nous Research
• Stars: 135,000（3 个月）
• 哲学: Agent 用得越久越强 — 任务执行后自动写入 skill 库
• 架构: 166 skills / 26 类别 / 7 执行后端，MIT 协议
• 特点: 后执行评估循环，复利价值，RL 训练数据生成
• 局限: BYO 一切，零冷启动上下文，CLI 优先

OpenHuman¶

• 作者: Tiny Humans AI（cinem 领导）
• Stars: 11,700（快速上升中）
• 哲学: Agent 应该已经认识你 — 持久记忆 + 自动上下文
• 架构: 基于 OpenClaw 架构改造，Rust 69% + TypeScript，GPL-3.0
• 版本: v0.53.43（2026-05-13），31 个版本，4 天 21 个补丁

核心技术：NeoCortex 记忆引擎¶

仓库: tinyhumansai/neocortex | 闭源 Alpha

设计理念¶

"Every AI model shares the same fundamental limitation: they are stateless."

所有现有记忆系统（mem0、GPT memory 等）本质相同：存 embedding → 语义相似度检索 → 传入模型。问题： - 相似度不等于重要性（6 个月前关键词匹配 vs 今早关键信息） - Google Titans 研究：模型吸收更多数据后准确率反而下降 - 更大上下文窗口使问题恶化（更慢、更贵、更易出错）

架构特点¶

1. 零 LLM 依赖 — 记忆层本身不调用 LLM，所有性能优势由此而来
2. 知识图谱 — 非扁平文本，构建实体/关系/时序链结构
3. 跨源实体解析 — Slack 提到的 Q4 deck + Notion 引用 + 邮件附件 = 图中一个节点
4. 语义去重 — 群聊/共享工作区 80%+ 消息重复，NeoCortex 入图前剥离冗余

性能指标¶

四层记忆架构（神经科学启发）¶

• Hot: 最新/最活跃上下文，即时查询
• Warm: 近几天重要信息，稍降优先级
• Cool: 较旧但可被正确线索唤回
• Cold: 最旧/最少访问，重降优先但永不删除

基于 Ryan & Franklin (2022, Nature Reviews Neuroscience) — 遗忘是主动生物过程。Carnegie Mellon 研究：有意遗忘释放工作记忆资源，反而提升其他内容回忆。

潜意识系统 (Subconscious)¶

生物学灵感¶

Perkingi 细胞（位于小脑）— 随机思维生成神经元，在人类意识中扮演重要角色。大脑不仅在处理显式指令时运行，而是持续在后台建立连接。

技术实现¶

通过 NeoCortex 周期性触发全局记忆回溯 (Global Memory Recalls)： - 宽泛的半随机扫描整个知识图谱 - 基于时间性 + 相关性 + 故意随机因子 - 非目标检索，而是跨全量数据找模式/矛盾/连接

输出类型¶

• 主动洞察（你没问的）
• 行动建议（基于识别的模式）
• 已进行事项确认
• 你自己不会关联的两件事之间的新连接

运行指标¶

• 每天 10,000+ 次循环，成本 < $1
• 仅因 NeoCortex 无 LLM 依赖才可能

限制（团队明确声明）¶

不是 AGI，无自主目标，无自我意识，不可在未批准下执行不可逆操作，不覆盖显式指令。

产品特性¶

118+ OAuth 集成 + Auto-Fetch¶

• Gmail / Notion / GitHub / Slack / Stripe / Calendar / Drive / Linear / Jira 等
• 每 20 分钟自动同步所有活跃连接到 Memory Tree
• 无需手动轮询/插件配置/BYO 集成管道

Memory Tree¶

• 本地 SQLite 知识库，原始数据压缩为 ≤3k token Markdown chunks
• 同时写入 Obsidian 兼容 vault（灵感来自 Karpathy 的 obsidian-wiki 工作流）
• 支持 agentmemory 后端与 Claude Code / Cursor / Codex / OpenCode 共享

Token Juice¶

• 所有工具调用/爬取/邮件/搜索先压缩再送 LLM
• HTML→Markdown，长 URL 缩短，非 ASCII 剥离
• 声称 80% token 压缩率，v0.52.25 从 JS 移植到 Rust

模型路由¶

基础设施层自动选择：推理任务→深度模型，快速对话→速度模型，视觉任务→图像模型。可选 Ollama 本地运行。

桌面 Mascot¶

• 动画 orb，ElevenLabs 语音输出 + 实时唇同步
• 可加入 Google Meet 作为可见参与者
• v0.53.43 新增颜色自定义 + "bum dance" 动画
• 产品决策而非噱头：面向从未打开过终端的用户

商业模式差异¶

GPL-3.0 将限制商业生态发展。SaaS 定价在 BYO 社区中有争议。

评估¶

看多理由¶

• 解决的真实问题：每次会话都要重新解释自己（"A smarter amnesiac is still an amnesiac"）
• 记忆层是正确切入点 — 模型不是瓶颈
• NeoCortex 架构论证自洽
• Auto-Fetch + Obsidian vault 降低冷启动门槛
• "portfolio readiness cleanup" commit 暗示即将有重大动作

看空理由¶

• 9k-11k stars ≠ 成熟产品
• NeoCortex 性能指标需独立验证
• 潜意识输出质量需大规模验证
• GPL-3.0 限制生态
• 社区/研究深度远不及 Hermes（135k stars + Atropus RL 集成）

结论¶

OpenHuman 不是在跟 OpenClaw/Hermes 比执行能力，而是在做不同产品类别 — 记忆与智能层。关键问题：市场是否真的有冷启动零上下文问题，以及 NeoCortex 是否是正确解。