实战 7 · ★★★★★ 拆解 OpenClaw / Hermes-agent 架构
目标
拆解两个生产级开源 agent（OpenClaw、Hermes-agent）的架构，看真实世界的 agent 怎么设计。
OpenClaw
仓库：https://github.com/openclaw/openclaw定位：跨平台个人 AI 助手 CLI，"Your own personal AI assistant. Any OS. Any Platform. The lobster way. 🦞"
架构亮点
1. 多 LLM 后端抽象
- Claude / ChatGPT / Gemini / DeepSeek / 豆包 / Grok / Qwen 都能用
- 抽象出统一的
LLMProvider接口 - 用户在配置文件里切换
2. Skills + Plugin 注册表（ClawHub）
- 类似 Claude Code 的 Skills 系统，但是跨平台
- 已有 5400+ skill
- skill 用 frontmatter 描述元数据，agent 自动加载
- 这印证了第 7 章讲的"Skill 是 agent 工程化关键"
3. 跨平台接入
- WhatsApp / Telegram / Discord / 飞书 / 钉钉 / 企业微信
- 每个平台一个 adapter，统一接到核心 agent
- 体现了"agent 核心与界面分离"的设计原则
4. MCP 支持
- 原生支持 MCP server
- 用户可以接入任何 MCP 生态的工具
可学的模式
- LLM 后端可插拔：你的 agent 不要绑死某家模型，留接口
- Skill 系统化：技能不只是 prompt，是一等公民
- 界面分离：agent 核心逻辑和 UI/平台适配器解耦
Hermes-agent
仓库：https://github.com/NousResearch/hermes-agent定位："The agent that grows with you" — Nous Research 出品
架构亮点
1. 成长式 agent
- 强调"agent 随用户使用不断学习"
- 有 memory 系统，记录历史交互
2. 模型 + 框架双轨
- Nous Research 同时做 Hermes 模型（Hermes-3 / Hermes-4）和 Hermes-agent 框架
- 模型专门优化 tool-use / function-calling
- 框架针对自家模型做调优
- 体现了"模型和框架协同设计"的思路
3. 开源权重 + 框架
- 模型权重开源（HuggingFace）
- 框架开源（GitHub）
- 用户可以完全自部署，不依赖第三方 API
可学的模式
- Memory 系统：agent 不该每次从零开始，要有长期记忆
- 模型 + 框架协同：自己做 agent 时，prompt 和模型特性要对齐
- 可自部署：企业场景下，开源权重 + 开源框架 = 数据不出域
两个项目的对比
| 维度 | OpenClaw | Hermes-agent |
|---|---|---|
| 定位 | 跨平台个人助手 CLI | 成长式 agent 框架 |
| 模型 | 多 LLM 后端 | 主推自家 Hermes 模型 |
| 部署 | 云端 / 本地 | 强调自部署 |
| Skill 系统 | ClawHub（5400+ skill） | 内建 + 可扩展 |
| 平台接入 | 多平台（飞书/钉钉/Discord 等） | 框架级，由用户实现 |
| MCP 支持 | ✅ | ✅ |
生产级 agent 的共性
拆解这两个项目 + Claude Code（第 6 章讲过），能看出生产级 agent 的共同设计：
- agent 核心与外围解耦：核心 agent loop 独立，LLM 后端、UI、工具都是可插拔模块
- Skill 系统：技能是一等公民，可分享、可复用
- Memory 系统：长期记忆让 agent 越用越聪明
- MCP 支持：标准化工具协议，复用生态
- 权限系统：分级控制工具执行
- 可观测：日志、追踪、评估闭环
你的 agent 设计清单
做自己的生产级 agent 时，照着这个清单设计：
- [ ] agent loop 独立，不绑死 UI
- [ ] LLM 后端可插拔
- [ ] 工具用 MCP 标准化
- [ ] 有 Skill 系统（可复用流程）
- [ ] 有 Memory 系统（长期记忆）
- [ ] 有 Permission 系统（分级授权）
- [ ] 有日志 + 追踪（可观测）
- [ ] 有评估测试集（持续改进）
结语
到这里，本教程的 7 个实战全部讲完。从 30 行最小 agent，到 MCP server，到 LangGraph 反思 agent，到生产级科研/招聘 agent，再到拆解 OpenClaw / Hermes-agent 架构——你应该已经具备从 0 到 1 造一个能用的 agent 的能力。
剩下的，是找一个真实问题，动手做。