OpenClaw 与 Hermes：源码里的 AI Agent 架构知识大复盘

📌 一句话摘要

本文通过深度拆解 OpenClaw 和 Hermes 两个开源 AI Agent 框架的源码，系统总结了 Agent 架构在消息路由、记忆管理、上下文工程、安全沙箱等核心模块的设计取舍与工程实践。

📝 详细摘要

本文是一篇极为详尽的 AI Agent 架构分析笔记，作者基于开发 QQBot 插件的实战经历，深入剖析了 OpenClaw 和 Hermes 两个开源框架的源码设计。文章分为三大部分：第一部分详细拆解 OpenClaw 的 TypeScript 微内核架构，涵盖 Gateway 中枢、Session Key 消息路由、25+ Adapter 的 Channel 插件契约、Agent 执行引擎的分层容错设计、记忆系统与 Dreaming 机制等；第二部分分析 Hermes 的 Python 单体架构及其技能自创建、Smart Approval 等设计亮点；第三部分将两者进行正面对比，并探讨了协议互通、记忆分层、上下文工程、确定性编排、多 Agent 协作等 7+1 个落地难题，最后以 Google 的 21 个 Agentic Design Patterns 作为坐标系重新审视两套架构的覆盖与空白。文章技术深度极高，包含大量源码级分析和工程取舍讨论。

💡 主要观点

- OpenClaw 采用微内核架构，Gateway 作为系统中枢承担消息路由、认证、信任根等 5 大角色。 Gateway 是唯一长驻进程，所有 Channel、Client、Node 流量都经过它分发，通过 Session Key 实现精确路由，支持多 Agent 物理隔离，解决了上下文污染和工具链冲突问题。

Channel 插件契约包含 25+ 可选适配器，远不止消息收发，还涵盖认证、流式协议、跨 Channel 会话迁移等。 每个 Channel 插件可实现 Setup、Auth、Messaging、Streaming、Docking 等多组适配器，其中 Per-channel Streaming Adapter 将 LLM 流式输出翻译为各 IM 协议的最佳呈现，Channel Docking 实现跨平台会话迁移。

Agent 执行引擎采用三层容错设计，可恢复错误的处理是静态可证明的。 内层 runEmbeddedAttempt 处理 LLM 调用和工具执行，失败时抛 FailoverError；中层 runEmbeddedPiAgent 决定换 Auth Profile 重试或向上抛；外层 runWithModelFallback 遍历模型降级链，不依赖 LLM 猜测。

记忆系统通过 Dreaming 三阶段加权晋升机制实现自动沉淀，避免长期对话中的记忆退化。 Dreaming 在后台自动整理短期记忆，通过加权晋升策略将重要信息沉淀为长期记忆，但默认关闭且 Compaction 有损，导致长对话中段断片，这是当前 Agent 框架的共性挑战。

文章最后以 Google 21 个 Agentic Design Patterns 为坐标系，系统评估了两套架构的覆盖与空白。 作者从协议互通、记忆分层、上下文工程、能力管理、确定性编排、多 Agent 协作、全链路治理、沙箱安全 8 个维度，给出了两套方案仍未覆盖的落地难题的演进思路。

💬 文章金句

- Security in OpenClaw is a deliberate tradeoff: strong defaults without killing capability.

• Gateway 自己只做'协议 + 路由 + 信任'，其他全是插件——这才能保证微内核保持几千行核心代码。
• 一个 Agent = 一份记忆 = 一个服务对象，这是 OpenClaw 的记忆隔离模型。
• 这是 Hermes， Claude Code 等单 channel 框架做不到的'call forwarding for AI session'。
• 可恢复错误的处理是静态可证明的，不靠 LLM 猜。

📊 文章信息

AI 初评：93

来源：腾讯技术工程

作者：腾讯技术工程

分类：人工智能

语言：中文

阅读时间：222 分钟

字数：55299

标签： AI Agent, OpenClaw, Hermes, Agent 架构, 微内核

阅读完整文章